基于AWTP指数空间模糊聚类的辽宁省干旱时空分布研究

摘要

全球气候变暖和人类活动的不断加剧，干旱事件的发生频率也呈现明显的上升趋势，它具有波及范围广、持续时间长等特点。目前，针对干旱的研究，都是引入一个相应的指标。大多数的干旱指标都是建立在与平均降水的相差幅度来判断其发生的等级程度。但是在实际生活中，并不是降水量多就不会发生干旱情况，得考虑相邻时段的降水间隔的时间长短。因此，本文引入了降水的平均等待时间AWTP(Averaged Waiting Timefor Precipitation)指数来对区域干旱情况进行分析，该指标是通过对连续时段的无降水干期数进行分析，其反映的结果较好。 随着计算机科学技术及气象事业的迅猛发展，获取的气象数据也逐渐丰富，由于气象数据的迅猛增长，传统的数据管理分析方式已经不能够满足人们的需要，迫切需要人们突破由原来的数据查询功能转变成潜在知识发现功能。在地理信息系统技术和数据挖掘技术的不断发展中，将地理信息系统与数据挖掘技术相结合，以实现海量气象数据的空间数据挖掘已经成为可能。 本文以辽宁省22个气象站点1959-2008年的50年的逐日降水量作为数据基础，将降水的平均等待时间(AWTP)作为数据的预处理方法，在此基础上计算出这22个气象站点的相当干期值，得到了辽宁省22条时间序列的相当干期值，运用模糊聚类算法对其进行聚类，结果表明:从时间变化上来看，辽宁省干旱发生程度以每年0.1327相当干期值的速度增加;从区域上来看，其主要趋势是自西向东的递减变化，且随着区域的经度变化而变化。其中，位于辽宁省东部发生干旱的程度较小，主要分布在丹东市、抚顺市以及本溪市;位于辽宁省西部发生干旱的程度较大，主要分布在锦州市、朝阳市以及阜新市。通过辽东地区、辽中地区以及辽西地区的相当干期聚类中心值的对比，可以看出后者的连续无降水天数较前者而言多，说明在辽西地区发生干旱的风险性较高。从跳跃时间序列上来看，辽宁省22个气象站点时间序列中共有7个跳跃时间序列，根据他们的地理位置分布图可以看出，他们都分布在聚类的边缘区域。说明他们在不同的时间阶段属于不同的类别，即空间模糊聚类中的异常点，也是其他研究方法不能捕捉到的，这些异常点的发现应当引起抗旱部门的特别关注，能够很好的为区域抗旱提供理论基础。

目录

声明

摘要

1 绪论

1．1 选题的背景和意义

1．1．1 选题的背景

1．1．2 选题的意义

1．2 国内外研究现状

1．2．1 国内外空间聚类技术的研究现状

1．2．2 国内外区域干旱指标评价研究现状

1．3 研究的内容

1．4 论文的组织结构

2 相关理论基础

2．1 数据挖掘

2．1．1 数据挖掘的定义

2．1．2 数据挖掘的理论基础

2．1．3 数据挖掘的任务

2．2 时间序列和空间数据挖掘

2．2．1 时间序列

2．2．2 空间数据挖掘

2．3 地理信息系统

2．3．1 地理信息系统的定义

2．3．2 GIS的发展历史

2．3．3 地理信息系统的功能

2．4 常用评价干旱的指标

2．4．1 Z指数

2．4．2 综合气象干旱指数(CI)

2．4．3 降水集中度(PCD)和集中期(PCP)

2．4．4 AWTP指数

3 空间模糊聚类模型的建立

3．1 空间聚类分析的概念

3．2 聚类分析算法

3．2．1 基于划分的聚类算法

3．2．2 基于层次的聚类算法

3．2．3 基于密度的聚类算法

3．2．4 基于网格的聚类算法

3．2．5 基于模型的聚类算法

3．2．6 其他的聚类算法

3．3 模糊逻辑

3．4 时间序列的模糊聚类的算法及其过程

3．5 模糊聚类的应用

4 辽宁省干旱时空评价

4．1 研究区概况

4．2 数据来源

4．3 数据的处理方法及过程

4．4 处理的结果

5 结论与展望

5．1 结论

5．2 展望

参考文献

攻读硕士学位期间参与项目及发表学术论文情况

致谢