文摘

干旱频繁传播在很大的空间和时间尺度和更复杂的比其他自然灾害,会损害全球经济和其他自然资源。然而,干旱监测和预报技术的提高可以帮助减少社会脆弱性的干旱和随之而来的影响。这强调了需要改进的干旱监测工具和评估技术,提供信息更精确地对干旱事件。因此,本研究开发了一种新方法,基于模型的聚类序列时空范畴(MBCSTCS)使用国家选择通过有限混合模型和基于模型的聚类过程。MBCSTCS使用一阶马尔可夫模型组件的功能结构建模的每个数据组。在MBCSTCS,合适的顺序组件的选择通过贝叶斯信息准则(BIC)。在MBCSTCS,估计混合比例和后验概率是用于计算概率分布与未来的步骤转换有关。此外,MBCSTCS预测干旱出现在未来时间使用各种干旱的时空范畴序列类。MBCSTCS应用于六个气象站在巴基斯坦北部地区。此外,发现MBCSTCS提供迅速的信息长期时空范畴序列。这些发现可能有助于使计划早期预警系统,水资源管理,抗旱减灾政策来减少干旱的严重影响。

1。介绍

干旱是相对比其他自然灾害更不稳定,和传统的估值程序未能预测或预测。其相对unperceptive发病和多方面的影响导致新的评估方法(1- - - - - -5]。近几十年以来,它已成为更重要的压力环境比其他自然灾害和全球经济部门(6- - - - - -8]。此外,确定干旱的开始和结束时间为干旱管理仍然是具有挑战性的。从结构上看,干旱的影响慢慢添加在一段时间内,他们可能持续很长一段(8- - - - - -10]。然而,它可以表现为降水不足,拥有巨大影响农业、水文系统,在人民生活水平11,12]。尽管明显的干旱的影响,这些影响适应程度没有适当的措施和长期持续甚至终止后(9]。

干旱评估和监测程序的发展可以带来更好的干旱准备和减少社会干旱和放弃的易感性的影响(8,10,13]。因此,至关重要的是找到更合适的技术和程序来预测干旱出现更多的瞬间。改进后的方法可以帮助制定计划的早期预警系统,干旱减灾政策和水资源管理,减少干旱的严重影响。此外,干旱引发的现象和特征讨论的各种方法和技巧。通常基于干旱的现象和特点,作者已经干旱分类成不同的组,包括“气象、水文、农业和社会经济”(14]。张(15]和Eltahir [16)定义可以发生气象干旱由于缺乏降水地区一段时间。几项研究已经考虑降水数据分析气象干旱(17,18]。流速及流水量数据经常用于分析水文干旱(19- - - - - -21]。此外,土壤水分的减少通常会导致农业干旱。土壤水分的减少可以受到气象和水文干旱的影响。社会经济干旱与水资源系统的不足,在这种情况下,供水不能满足用水需求。

在过去的几十年里,许多干旱指数提出了评估干旱事件(22- - - - - -26]。干旱指数通常用来描述干旱。指数是基于各种参数,描述了空间和时间区段。获得准确和精确的信息干旱出现使用几个干旱指数是一个预警的关键政策;然而,一致和杰出的干旱信息起着至关重要的作用在干旱监测和缓解政策做准备。许多干旱指数与他们的文学和使用中存在的优点和缺点的决策者为干旱预警系统建立行动计划和缓解政策。例如,帕尔默(27)开发了一种干旱指数命名—帕尔默干旱强度指数(PDSI)。PDSI工作特别是半湿润和半干旱地区。提供每周PDSI异常相关信息为不同区域蒸散的赤字。从PDSI获得的信息可以帮助该地区的庄稼。水分条件的地区可以评估。Gommes和Petrassi28)提出了全国降雨指数(NRI)。新名词用来提供合成讨论在撒哈拉以南的非洲国家。他们用个新名词来确定不同地区的降雨模式识别。介绍了地表水供应指数(SWSI),由沙佛和Dezman [24]。SWSI的计算是基于两个主要的灌溉供水来源,即春夏装河流径流、水库结转。两种来源都累积地分析确定的总可用性地表水供应的季节。范Rooy [29日]发达降雨异常指数(RAI)。RAI帮助找到地理异常在不同地区的降雨模式。Weghorst [26]介绍了回收干旱指数。帕尔默(22]介绍了作物水分指数(CMI)。Bhalme和Mooley23开发了Bhalme和moo干旱指数(BMDI)。使用的BMDI降水数据,并提供了正面和负面的价值观来衡量干旱强度。麦基et al。25)开发标准化降水指数(SPI)。SPI的时间序列长期记录的降水气候地区。SPI的动态特性是,它可以为不同的时间尺度研究和用于比较不同气候区域。因此,SPI被广泛用于评估和记录干旱特征(30.- - - - - -35]。此外,上面提到的干旱指数已经经常干旱监测在不同的研究中,虽然有差异的指标,获得一致的解释几个政权和空间气候。本研究利用SPI,通常用来评估和监控气象干旱和建议由世界气象组织(36]。

此外,许多集群技术被认为是在文献[37- - - - - -41]。集群技术关注分组数据,以便数据组具有类似特征的选择集群中的,而不同的信息可以存在其他集群。各种聚类技术经常被认为是在机器学习方法,尤其是在统计数据和计算机科学,由于各种各样的应用程序(41- - - - - -45]。在各种技术中,基于模型的聚类组数据,并假定每个数据集群可以视为一个概率分布的一部分46,47]。在不同的数据组,无数的分布是首选,有限混合模型所需的(48]。基于模型的聚类的表演是杰出的光谱数据,文本分类,社交网络,和不同的分组对象。基于模型的聚类用于时间序列(49)和回归时间序列分析(50]。几项研究相关文献中基于模型的聚类;然而,它还没有收到更多的关注在干旱分析。因此,本研究开发了一种新的时空分类技术,即基于模型的聚类序列(MBCSTCS)精确地预测干旱出现时空范畴序列。提出技术评估的性能通过使用六个气象站在巴基斯坦北部地区。

2。方法

2.1。标准化降水指数(SPI)

气候地区降水的长期记录观察到的时间序列可用于计算SPI。SPI的重要特征就是它可以被认为是对各种时间尺度和被广泛用于计算和创纪录的干旱发生34,35,51,52]。分析各种时间尺度可以提供不同的信息。例如,水分条件不同季节可以使用SPI评估在三个月的时间尺度。SPI可以评估信息相关的水不足十二个月的时间尺度。此外,最好使用SPI描述特征预测和分析风险概率的方法(31日,35,53]。SPI被频繁用于干旱监测几个方面,例如,时空分析、预测,频率分析,气候研究[33,35,51,52]。随着降水仅用于确定特定区域的气候条件,它提供了空间可靠的解释在各种气候(32,34,35]。因此,它可以是有利的地区其他所需参数可用来计算各种环境指数和显著的关注和时间的情况下54]。本研究的重点是开发新的方法用于监测在一个特定的地区干旱更准确和全面。在不同时间尺度SPI(1、3、6、9、12和24)用于当前的分析。

2.2。基于模型的聚类的时空范畴序列(MBCSTCS)

基于模型的聚类算法已被用于时间序列(49)和回归时间序列分析(50]。各种研究与基于模型的聚类,可在相关文献;许多应用程序的技术具有重要意义;然而,它还没有收到更多的关注在干旱分析。此外,在干旱分类,分类所需的序列是干旱特征获得可靠的结果。从这个角度看,本研究提出MBCSTCS分析分类干旱序列为各种时间尺度和电台。MBCSTCS提供更重要的结果比传统方法利用序列的分类分组,用于预测。MBCSTCS反映干旱类的驾驶行为在不同的时间尺度和电台。此外,选择干旱类(州)(”(极端干旱(ED)、严重干燥(SD),正常干燥(ND),平均干(MD),平均湿(MW),严重湿(SW),和极湿(EW)”)被认为是该地区(55]。

此外,一阶马尔可夫模型在统计建模原理。MBCSTCS考虑一阶马尔可夫模型组件的功能结构为每个数据组。此外,MBCSTCS各种序列的数据组由干旱状态。例如,我们观察 指定为一个有序序列,它的每个元素由一个分类值指定不同的干旱状态和由自然整数编码。此外,它假定唯一的干旱国家的数目等于 ,也就是说, { }, 。此外,使用一个联合概率表达式可以写成 。在这种格式中,一阶马尔可夫模型提供了一个有趣的方法来描述不同状态之间的转换。干旱状态的转换的概率在下一步只取决于当前状态和没有连接到干旱状态中观察到的过去。使用一阶马尔可夫模型的联合概率给出以下方程:

此外,为了简化符号,我们使用表示初始状态概率和转移概率来表示。例如,显示了初始状态的概率是多少和转移概率来是由 。因此,利用给定的符号,我们可以写成p州马尔可夫模型,在这种情况下,初始状态概率可以表示为 和矩阵的转换 。 = 。此外,对基于有限混合模型的特定组件和被替换的和和模型可以写成:

的对数似方程(2)可以表示如下:

在方程(3),指标函数,显示的长度分类序列。采用(EM)算法是用来估计参数(56]。

2.3。预测未来的干旱发生的时空范畴序列

转移概率矩阵的设置可以表示为 和一个概率分布 , 与混合组件, - - - - - -可以由一步转移概率矩阵 在哪里表示矩阵的权力 。选择合适的分布 , 与应用程序有关。然而,( , ,… )(例如, , ,… ),的混合比例估计向量和后验概率估计向量,分别与一个特定的序列,可以显着影响未来干旱事件的概率分布的计算。

3所示。应用程序

地区的选择是基于其结构影响和其他气候特征,影响到这个国家的其他地方。这项研究的结果得到了从六个选择站时间序列数据从1971年1月至2017年12月的巴基斯坦北部地区(图1使用在不同的时间尺度SPI)。所选车站有显著的重要性为选定的地区和其他地区的国家。例如,水库系统和农业部门与所选地区高度相关;因此,该地区的气候差异是重要的其他部分国家57,58]。此外,天气的波动模式在国内其他地区也导致他们对社会经济的影响和环境领域。的大部分地区已经面临的最高温度,和这些部分被高度受全球变暖的影响(58,59]。毫无疑问,极端气候事件,包括高温、暴雨、干旱,经常与全球气候变暖有关。气候变暖明显影响宇宙,这通常会导致高温和水缺乏。这些问题与干旱发生,破坏环境,自然资源,和生活的人明显比其他任何自然灾害。此外,它对社会和经济部门产生复杂的影响。因此,它是至关重要的认识到干旱出现更多的即时新兴全面、高效的框架和技术。在这方面,新技术应用于选定的电台,将有力地扩大检测干旱事件的能力和提高干旱评估及其评估的能力。

3.1。结果

本研究的发现是通过使用长时间序列数据收集从六个气候站在巴基斯坦北部地区。选中的站点观测结果同质的具体指标在计算不同电台用一个时间尺度(55]。然而,不同时间尺度的观测指标可能有所不同。此外,他们观察和不同产生的矛盾过程干旱的原因(即开发一种新的方法。MBCSTCS)。MBCSTCS认为某一站的各种时间尺度序列不一致的大小和不同的数据生成过程分析干旱的时空行为的状态。这意味着SPI在步骤一的观察(SPI-1) Astore站是1,sequence-2需要所有的观察Astore站在SPI scale-3(即。SPI-3),这些序列是继续过去的规模(SPI-24)。因此,这些序列可以被指定为其他电站和时间尺度。此外,每个序列的观测假定他们来自特定的组件,选择适当的数据。选中的状态观察对应SPI的每一个计算值。这些选中的状态分布进一步明确本研究的计算。

此外,Niaz et al。55]提出了一种新的技术,月度预测干旱强度使用基于模型的聚类分类干旱状态序列。提到的研究是进行各种基于单一的时间尺度。然而,在这项研究中,各种时间尺度累积地考虑每月预测干旱严重的地区。当前分析的结果是更合适的,尤其是对选中的电台,并帮助决策者做出更好的政策相关的各种干旱包括气象、水文和社会经济。此外,目前的分析是由使用R包ClickClust [45)处理的情况下观察来自各种概率分布( - - - - - -组件)。包是基于有限的混合物与马尔可夫模型组件和用于找到特定的结果相关的特定的序列。合适的订单的组件(例如,the mixture model) is identified by minimizing the Bayesian information criterion (BIC) [60]。此外,对于一个特定的序列,混合比例估计矢量和相关的后验概率估计是用来计算概率分布与未来相关的转换步骤最后这些序列的状态。此外,气候对给定的数据统计图提供了各种电台2。完成分析、R包命名传播用于提供适当的发现和许可证的具体分析。在提到包,各种分布是;在给定的分布,分布的合适的选择是基于BIC值。这个选择标准有助于找到最好的适合规模和车站指定的时间分析。

BIC值表1适当的选择概率分布拟合的几个时间尺度和电台。例如,Astore车站scasle−1, BIC值(−1036.5)(3 p)三参数威布尔分布是其他发行版中发现最低。因此,威布尔分布(3 p)被认为是最佳拟合分布Astore车站规模−1。此外,在Astore站规模−3,选择伽马分布的最小BIC值(−1279.1)。此外,在规模−−6和规模9,最好是还发现伽马分布拟合与最小BIC Astore站值−−892.8和896.1,分别。此外,余弦和倾斜,对正态分布规模−−24日12和规模分别Astore站。在布吉站规模−1 (3 p)威布尔是最小值的BIC(即。,1031 .0)和指定的计算。大规模−3、规模−6、规模−9日规模−12日和规模−在布吉火车站24,γ,偏正态,正常,拉普拉斯,和拉普拉斯BIC值选择−824.9−1162.2−649.1−688.1,分别和−843.7。在Gupis车站4 pβ的最小值BIC(规模−−788.7)1。在其他尺度(3、6、9、12和24),γ,耿贝尔,约翰逊苏,和缩放/转移t有最小值的BIC−1264.9−1305.4, 1519.0−937.6,和1408.0,分别。

因此,不同的分布选择不同时间尺度的其他三个电台(Chilas、吉尔吉特和斯卡)(1、3、6、9、12、24)。与一个选中的概率分布标准化后,下一步是SPI的分类(表为各种干旱状态2)。在图3,步骤一的SPI的时间行为提出了各种电台。然而,SPI的行为对其他选定的时间尺度可以相应地提出。计算值量化后各时间尺度SPI,我们第一次分类SPI的大小。几个干旱类的行为在一个月时间尺度SPI选择站在表提供3,观测为例进行了各个月的2017年。因此,几年干旱类其他的行为对不同时间尺度计算。这些观察干旱类进一步用于查找相关的概率分布的三步从最后一个状态转换不同的序列。后这些序列相关向量指定参数值(简要描述的部分2.2)。结果表明,最可能的访问三个步骤ND,这意味着相关的概率和高于其他选定的国家在不同序列(表4)。的Astore站,例如,1,表明价值ND发生的概率为0.6668,高于其他选定的国家。这对ND发生概率可以观察到从其他序列。进一步在sequence-2 ND发生三个月后的概率是0.6729。此外,在程序3的概率ND, sequence-4, sequence-5,和sequence-6是0.6611,0.6221,0.6450,和0.6729,分别。这意味着ND的相应政策制定者应该使他们的计划。其他信息可以观察到从各个序列不同的时间尺度。然而,ND普遍在所有时间尺度在选定的地区。因此,政策制定者应该努力减轻负面影响对于这个特定的干旱状态(ND)。

3.2。讨论

时间序列数据是六个气象站收集的巴基斯坦北部地区。干旱指数SPI用于分析各种时间尺度选择。分析的可靠和有效的结果提供关于干旱出现的明显迹象显示,可以极大地帮助一个早期预警系统(31日,53,58,59,61年]。因此,开发一种新的MBCSTCS方法对干旱监测和减灾政策,明确想象时空信息。该技术使用干旱国家的长期行为(分类序列)从不同时间尺度和站在选定的地区。如果一个时间尺度的变化,那么分类序列大小的影响。因此,在过去的研究中,研究人员还没有研究不同时间尺度累积地由于他们的尺寸和不一致的现象,产生了不同的观察。然而,目前解决这些问题的有效的技术。此外,结果与目前的技术帮助来完成当前目标和提供更多的实质性成果为选定的干旱国家基于不同时间尺度和电台。MBCSTCS使用国家选择通过有限混合模型和基于模型的聚类过程。Niaz et al。55)开发了一种新的基于模型的聚类技术,为各种干旱预测概率类。他们计算分类干旱状态(类)序列选择干旱类和预测他们未来的可能性。提到研究使用一个时间尺度在不同的电台。然而,在这项研究中,不同时间尺度为月度累计测量预测干旱程度的选择。因此,它是一种新型的方法预测干旱严重使用时空范畴序列。MBCSTCS应用于六个气象站在巴基斯坦北部地区。发现MBCSTCS提供迅速的信息长期时空范畴序列。目前的分析结果更合适,尤其是对所选择的区域,并帮助决策者做出更好的政策相关的各种各样的干旱,包括气象、水文和社会经济。MBCSTCS有助于使计划早期预警系统,水资源管理、抗旱减灾政策减少干旱的严重影响。

4所示。结论

MBCSTCS提供未来可能性的结果对应于每一个干旱状态在不同站点和时间尺度。获得的结果表明,最可能的访问是ND,这意味着与ND相关的概率高于其他选定的国家在不同序列。例如,在1,表明ND的概率为0.6668,高于其他选定的国家。进一步在sequence-2 ND三个月后的概率是0.6729。ND这个概率也盛行在其他序列。此外,在sequence-6 ND有更高的概率(0.6729)在未来发生。因此,政策制定者应该努力减少负面影响的干旱状态(ND)。总之,这项研究表明一个更合适的技术,强调评价干旱出现更多的瞬间。MBCSTCS帮助决策者做出更好的政策相关的各种各样的干旱,包括气象、水文和社会经济。此外,分析提供了基础将更多地关注早期预警系统。 Moreover, the outcomes of the current analysis are only capable of transmitting in the present circumstances of the application site, as the circumstance of the selected stations will change the influence of the outcome for the extrapolations. Furthermore, the study can find some propagations and compute several thresholds for different drought severities for the region. Moreover, other drought indices can be incorporated to envisage the drought occurrences effectively.

数据可用性

的数据用于准备手稿可从相应的作者,可以根据要求提供。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作是支持由中国国家自然科学基金项目(41801339)。作者也感谢院长以来在沙特国王大学科学研究的支持,通过研究小组。rg - 1439 - 015。最后,作者还赞赏延伸至院长以来哈立德国王大学科研经费申请这项工作授予数量(RGP.1/26/42),收到的穆罕默德·m·Almazah (https://www.kku.edu.sa)。