首页> 中文学位 >基于GIS的赣南脐橙水足迹测度分析与预测研究
【6h】

基于GIS的赣南脐橙水足迹测度分析与预测研究

代理获取

目录

声明

1 绪 论

1.1 研究背景和意义

1.2 水足迹研究综述

1.3 研究方案

1.4 数据来源

2 研究区域概况

2.1 地理位置概况

2.2 自然环境概况

2.3 人口与社会经济

3 赣南脐橙水足迹测度与分析

3.1 赣南脐橙水足迹动态特征分析

3.2 赣南脐橙蓝、绿、灰水足迹空间特征分析

3.3 赣南脐橙水足迹空间特征分析

3.4 赣南脐橙水足迹驱动因子分析

4 基于GM(1,1)模型的赣南脐橙水足迹预测

4.1 灰色系统理论

4.2 GM(1,1)模型

4.3 赣南脐橙水足迹GM(1,1)预测

5 基于ARIMA模型的赣南脐橙水足迹预测

5.1 ARIMA模型的原理及构成

5.2 赣南脐橙水足迹ARIMA模型预测结果

6 基于ELM模型的赣南脐橙水足迹预测

6.1 ELM算法的结构与原理

6.2 赣南脐橙水足迹ELM预测

6.3 赣南脐橙水足迹ELM预测效果

6.4 赣南脐橙水足迹GM(1,1)、ARIMA、ELM预测效果

6.5 各区县脐橙水足迹GM(1,1)、ARIMA、ELM混合模型预测

7 研究结论与建议

7.1 研究结论

7.2 不足与展望

7.3 建议及措施

参考文献

致谢

读研期间发表学术论文情况

展开▼

摘要

面对全球水资源短缺的现状,如何进一步降低农业生产活动中农作物对水资源的高消耗,提高农业用水效率,合理配置水资源,已成为人类面临的一个新挑战。鉴于此,本文从水足迹视角出发,选取2001-2016年赣南地区脐橙种植的农业与气象数据,借助农产品水足迹模型对赣南地区 18 个行政单元的脐橙种植总水足迹、蓝水、绿水、灰水以及万元 GDP 水足迹指标进行了核算,并对影响脐橙水足迹的主要因素做了进一步研究,从时间与空间尺度进行量化分析,最后运用 GM(1,1)、ARIMA、ELM 混合模型对2017-2020年赣南脐橙水足迹进行预测研究,主要结论如下:  (1)整体上,2001-2016年赣南脐橙的绿水、灰水和总水足迹皆呈类似的下降态势;蓝水由于受到不同年份降水多寡的影响,呈现出较大的波动,且在丰水年份其值为0。  2016 年,龙南县的脐橙单产不断提高,绿水降幅最大为 93.22%;南康区在脐橙种植过程中化肥施用量大幅降低,化肥灰水足迹降幅最大为93.81%,表明其水污染正在逐步减少,生态效益正在进一步提升;同样,南康区农药灰水足迹降幅最大达88.87%,表明南康区在脐橙种植过程中走生态农业之路,农药施用量大幅减少,使得农药灰水足迹不断降低,南康区的水环境进一步得到改善。  (2)赣南脐橙种植水足迹的空间差异明显。2016年脐橙总水足迹的高值区主要集中于章贡区和上犹县,而低值区主要有寻乌县和龙南县。  2016年,脐橙绿水足迹高值区主要集中在章贡区和上犹县,低值区则分布在龙南县和寻乌县;化肥灰水足迹的高值区分布在定南县,低值区分布在崇义县和寻乌县;农药灰水足迹的高值区分布在赣县区和于都县,低值区分布在龙南县、寻乌县、瑞金市和南康区;由于2016年是丰水年,故该年的脐橙蓝水为0。  (3)2001-2016年赣南脐橙的万元GDP水足迹总体呈下降趋势,表明赣南地区的脐橙种植水资源利用率不断提高。  2016年寻乌县万元GDP水足迹最小,表明寻乌县的脐橙种植水资源利用效率最高;与2001年相比,2016年龙南县万元GDP水足迹的降幅最大为98.11%,表明龙南县的脐橙种植水资源利用效率提高的最多,农业经济潜力最大。在空间上,2016年万元GDP 水足迹的高值区主要分布在定南县、章贡区以及上犹县,而低值区则分布在宁都县和寻乌县,说明宁都县和寻乌县的脐橙种植水资源利用效率最高。  (4)影响赣南脐橙水足迹的主要因子及关联度排序为:人口因子>水资源因子>农业生产因子>经济因子>人民生活因子。  人口因子中的乡村人口指标、水资源因子中的水资源总量指标与降水量指标、农业生产因子中的有效灌溉面积指标这四项指标为影响脐橙水足迹的最主要因素,表明赣南脐橙水足迹与从事农业生产的人数、水资源总量以及农田水利设施的关系最为密切,由此可以得出赣南脐橙种植业存在着机械化水平低、规模化种植程度不高、水资源空间分布不均、农田水利设施薄弱的特征,这对脐橙种植面积的进一步扩大起到了阻碍作用。  (5)由GM(1,1)、ARIMA、ELM混合模型的预测结果可知,2017-2020年赣南地  区只有兴国县和会昌县的脐橙水足迹呈上升趋势,为不可持续性发展;其余16个区县(市)的脐橙水足迹皆呈下降态势。利用 2001-2016 年赣南各地区脐橙水足迹数据,建立的GM(1,1)、ARIMA、ELM混合模型具有较高的预测精度;其中ELM算法具有更强学习能力和更快的训练速度,比传统的软计算方法更适合做小样本的水足迹时间序列预测。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号