基于Copulas函数的多维干旱变量联合分布

通过构建多变量联合分布进行干旱分析,可揭示干旱的演变规律.根据新疆乌鲁木齐和石河子气象站的长系列月降水资料,提取干旱历时、干旱烈度和烈度峰值3个干旱特征变量,基于4种对称的Archimedean Copulas函数分别构建二维、三维干旱变量的联合分布;基于5种非对称的Archimedean Copulas函数构建三维干旱变量的联合分布,以进一步推求各自的重现期.经拟合优度检验,Frank Copula 函数对干旱历时和干旱烈度、干旱历时和烈度峰值的二维联合分布的拟合度最好;Clayton Copula 函数对于干旱烈度和烈度峰值的二维联合分布以及干旱历时、干旱烈度和烈度峰值的三维联合分布拟合效果最佳.单变量的重现期介于二维、三维变量联合重现期与同现重现期之间.表明Copulas函数能描述多维干旱特征变量的联合分布.     

基于岭估计的青海省东部农业区ET_0遥感反演研究

论文利用青海东部农业区内的12个气象站2003—2005年气象资料,应用Penman-Monteith公式计算得到各站逐旬的ET_0值,并进一步研究其与高程(DEM)、地表温度(LST)及归一化植被指数(NDVI)3个因子之间的关系,提取遥感数据并耦合到时间分辨率为旬,空间分辨率为1 km,将其与计算所得ET_0建立多元反演模型。由于3个自变量因子之间存在着很强的相关关系,LST与NDVI间判定系数R2平均在0.7左右,不能直接用最小二乘回归方法建立模型。为有效避免自变量间相关性对模型的影响,研究中采用岭估计方法建模。结果表明,通过岭估计建立2003年10~33旬区域二元模型反演最低精度达76.19%,区域三元模型反演最低精度也有83.54%。与传统方法所建模型相比,检查点均方根误差减小约1.1,反演最低精度提高11%左右,能满足实际应用需求。