利用河南省110个县(市)地面观测点的降水距平百分率数据,基于格网尺度,采用模糊聚类方法进行冬小麦气象干旱区划和风险概率评估.空间相关分析指标——局域指标(LISA),Moran'I散点图(Moran scatter plots)和LISA聚集图(LISA cluster map)表明,济源、濮阳和商丘等17个县(市)落入"高-高"第一象限;信阳、驻马店和开封等地区的12个县(市)落入"低-低"第三象限,这些区域降水量较大,存在较强的空间正相关关系;信阳、驻马店等地区的6个县(市),落入"高-低"第四象限;焦作、杞县和信阳3个县落入"低-高"第二象限,这些区域存在较强的空间负相关关系.总体来看,县域降水空间变化的相关性较小.模糊分类结果表明,当模糊性能指数(FPI)、归一化分类熵(NCE)二者最小,区域划分为5类时,效果最佳.利用单因素方差分析(One-Way ANONA)进行差异显著性检验,不同的区划类别之间在0.05水平差异显著.格网尺度下的制图结果显示,干旱可能发生的区域具有空间分异规律,信阳和南阳的西南部属于湿润区域,发生旱灾的风险概率较低;三门峡以及濮阳、安阳和开封部分区域属于严重干旱区域,发生旱灾风险的概率较高;周口和漯河的大部分区域属于中旱区域.高风险区主要分布在三门峡、南阳等西部山区和许昌、郑州的边区,低风险区主要是在东北部和信阳等水稻种植区域.这与干旱的空间分布有一致性,但是部分区域存在差异,如濮阳的部分区域干旱程度高但是风险概率值却较低.
国家科技期刊平台
NSTL
维普
万方数据
