马筛艳 王薇 裴莉莉 吴玉龙 刘艳
摘要 以咸阳“旱腰带”地区13个气象站2010—2019年气象监测资料为基础，通过分析该地区降水、气温及干旱的特征，结合1960年以来县气象站资料，模拟“旱腰带”地区近60年降水量，构建“旱腰带”地区降水量数据集；
基于长短期记忆网络（LSTM），以历史降水量数据为输入对“旱腰带”地区的降水量进行预测；
根据地区干旱分级标准，由预测得到的降水量结果计算得到不同地区的干旱级别，从而实现对干旱发展趋势的分析。结果表明，基于降水量预测数据得到的干旱分级与真实情况相比，精度达到85%以上，能够为“旱腰带”地区环境乃至旱区改善及生态修复提供理论基础和决策依据。
关键词 干旱发展趋势；
干旱等级；
降水量预测；
致旱原因；
LSTM
中图分类号 S162 文献标识码 A 文章编号 0517-6611（2023）13-0192-06
doi：10.3969/j.issn.0517-6611.2023.13.044
Analysis of Drought Trend in Xianyang “Drought Belt”Area Based on LSTM Precipitation Forecast
MA Shai-yan1，WANG Wei1，PEI Li-li2 et al
（1.Xianyang Institute of Agricultural Meteorology，Xianyang，Shaanxi 712034;2.School of Information Engineering， Changan University， Xian，Shaanxi 710064）
Abstract Based on the meteorological monitoring data of 13 meteorological stations in the “drought belt” area of Xianyang from 2010 to 2019， by analyzing the characteristics of precipitation， temperature and drought in this area，combined with data from county meteorological stations since 1960， the precipitation in the “drought belt” area in the past 60 years was simulated， and the precipitation data set in the “drought belt” area was constructed. Based on the long short-term memory （LSTM） network， the precipitation in the “drought belt” region was predicted with historical precipitation data as input. According to the regional drought classification standard， the drought level of different regions could be calculated from the predicted precipitation results， so as to realize the analysis of the drought development trend.The results showed that the drought classification based on the precipitation forecast data had an accuracy of 85% compared with the real situation， which could provide a theoretical basis and decision-making basis for environmental improvement and ecological restoration in the “drought belt” area.
Key words Drought development trend;Drought level;Precipitation forecast;Causes of drought;LSTM
基金項目 咸阳市重大科技专项“东庄水库区域生态环境变化与种植布局调整气象分析研究”（2020K01-33）。
作者简介 马筛艳（1977—），女，陕西兴平人，副研级高级工程师，硕士，从事农业气象预报技术方法研究。
收稿日期 2022-07-23
气象干旱主要是降水异常偏少导致的水分短缺现象，而干旱灾害则是干旱自然现象和人类活动共同作用的结果［1］。干旱是危害农牧业生产的第一大自然灾害，旱区气候特点及干旱发展趋势是旱区生态修复的理论基础和决策依据［2］，对干旱和旱区气候条件的研究历来都是学者们关注的热点。
张强等［3］结合干旱研究的热点问题和发展趋势，分析了我国干旱研究的不足，提出了我国未来干旱研究需加强典型干旱频发区综合性干旱科学试验研究。李耀辉等［4］研究表明气候变化使我国骤发性干旱显著增加，且在未来几十年有可能持续下去。咸阳“旱腰带”地区是构建北山生态屏障防止北方沙尘的最后一道防线，研究咸阳“旱腰带”地区气候特点，充分利用气候资源，发展适应气候特点的林果经济，不仅能提高农民收入，也有利于该地区生态的逐渐修复，对实施大西安绿色城镇化战略意义重大［5-11］。一些学者们也已经开展了相关方面的研究，许玮等［12］分析了“旱腰带”地区近几年气温及降水的变化特征并得出气候呈干暖化趋势；
马延庆等［13-16］分别研究了“旱腰带”地区葡萄、平欧大果榛子、树上干杏、石榴等经济林果气候适应性及栽培技术和管理方法等，以期充分利用气候资源，发展适宜性高的杂果，实现乡村振兴和产业脱贫。
近年来，机器学习模型在降水量预测方面应用趋向成熟，预测呈现较高的准确度。李正方等［17］利用杭州某地10年间的部分降雨数据验证了基于粒子群优化的CART算法对降水量预测的准确性及稳定性。舒涛等［18］通过分析小波神经网络在趋势预测中的优越性，结合NARX动态神经网络对拉萨市近10年7月份的降水量进行预测及预测检验。朱晓霞等［19］通过分析兰州市近年每月降雨数据与滑坡的时空分布特征及两者关系，建立有效降水量预测模型，对黄土滑坡进行预警。LSTM是 Hochreiter等［20］1997年提出的基于循环神经网络理论的具有记忆长短期信息能力的神经网络，主要是为了解决长序列训练过程中的梯度消失和梯度爆炸问题。经过若干代的发展，已经在气候环境、温湿度、降水量预测方面得到了广泛的应用。
目前对“旱腰带”地区的研究基本以短期的气象条件为主，缺乏对长期监测数据挖掘与未来干旱趋势预测的相关研究，对“旱腰带”各地差异及与周边区域分析也鲜有涉及，使得“旱腰带”地区环境改善及生态修复缺乏理论基础和决策依据。该研究基于2010—2019年“旱腰带”地区气象观测资料，结合1960年以来县气象站资料，通过分析“旱腰带”地区及其所属县区降水量数据特点，构建“旱腰带”地区降水量数据集，并建立LSTM模型，预测“旱腰带”地区未来几年的降水量，以期为政府在“旱腰带”地区实施生态修复、乡村振兴等方面决策提供依据。
1 “旱腰带”地区气象要素特征分析
1.1 数据来源
该研究所用13个“旱腰带”地区监测站点资料来源于中国气象局cimiss数据库，县气象站资料来源于地面测报文件，数据均通过mdos进行了质控。13站位于“旱腰带”地区13个乡镇，其中泾阳县4站、礼泉县2站、乾县4站、三原县3站，咸阳“旱腰带”地区地形和站点分布如图1所示。
因自动站11月至次年3月不观测降水量，故区域站与自动站年降水量统计时段均为4—10月（此时段为年降水量的主要分布时段，具有一定代表性，满足分析的需要）。因“旱腰带”地区区域站多为两要素站，只观测降水量和气温，所以该研究干旱等级采用降水距平百分率指标计算［21］，计算公式如下：
Pa=p-×100%（1）
式（1）中，Pa为降水量距平百分率（%）；
p为某时段的降水量（mm）；
为常年同期气候平均降水量（mm）。
气温模拟采用线性回归，最小二乘法计算回归系数，确定回归方程，并对方程进行显著性检验。
1.2 “旱腰带”地区气象要素特征分析
1.2.1 气象要素年变化特征。
从图2可以看出，2010—2019年咸阳“旱腰带”地区年平均气温14.1 ℃，年降水量422.6 mm，极端最高气温42.8 ℃，极端最低气温-15.9 ℃，日最大降水量99.4 mm。10年间“旱腰带”地区气温呈缓慢上升趋势，降水量呈减少趋势。
1.2.2 气象要素月变化特征。
从图3可以看出，近10年咸阳“旱腰带”地区月平均气温曲线呈单峰分布，1月平均气温最低，为-0.1 ℃，7月平均气温最高，为27.0 ℃。降水主要集中在7—9月，其中9月降水量最多，为105.8 mm，占年降水量的25%，4月降水量最少，为33.9 mm。
1.3 “旱腰带”地区干旱情况特征分析
为了定量描述“旱腰带”地区干旱程度，计算了各站近10年的干旱指数，对照气象干旱等级表（表1），得到各站干旱等级（表2）。从历年各站点干旱情况（表2和图4）来看，2010—2019年“旱腰带”地区各站出现了不同干旱类型的频次。
从时间分布（表2和图4）上看，2010、2011、2017、2019年 “旱腰带”各站以无旱或轻旱为主，未出现过中旱以上等级。2016年出现3站次特旱，2站次重旱，是所有年份中特旱及重旱出现最多的一年，其次是2013年，出現了2站次特旱；
2010—2014年，以无旱或者轻旱为主，特旱重旱偶有发生，5年间共出现3站次特旱，1站次重旱；
2015—2019年出现4站次特旱，5站次重旱，特旱、重旱区域及发生频次明显增加，表现出特旱与无旱或轻旱交替出现的极端变化特征，值得注意的是，2016和2018年特旱区域较大，2017和2019年均没有出现中旱及以上等级的干旱。
从空间分布（表2）上看，三原大程10年间发生3次重旱、1次特旱，干旱最为严重；
乾县梁山特旱发生频次最高，10
年出现2次；
泾阳口镇，礼泉烟霞、昭陵，乾县阳洪、临平10年间以无旱或轻旱为主，未出现过中旱以上等级的干旱。
综上所述，时间分布上，与前5年（2010—2014年）相比，近5年（2015—2019年）特旱及重旱发生区域及频次均有明显扩大趋势，同时表现出特旱与无旱或轻旱交替出现的极端变化特征。空间分布上，三原陵前、马额、大程3站特旱及重旱发生频次较高，干旱尤为严重；
礼泉烟霞、昭陵2站未发生过中旱以上等级干旱，干旱最为缓和；
泾阳及乾县内部差异较大，部分地区干旱等级较高，部分地区则较低。
2 “旱腰带”地区降水量数据集构建
2.1 县站降水量与“旱腰带”站点降水量对应分析
对2010—2019年“旱腰带”各站与对应县站降水量进行分析，发现各站与所属县站降水量变化趋势较为一致，因此利用1960年以来县站降水量变化趋势来表征“旱腰带”各地降水量变化趋势是可行的。从1960—2019年降水量变化（图5）可以看出，自1960年以来，泾阳、乾县、礼泉3站降水量均呈减少趋势，其中泾阳减少最为明显，约为0.2 mm/10 a，其次是乾县，礼泉无明显减少趋势。三原站1970年建站，1988—2005年机构改革业务调整，取消了观测，所以此时段资料缺测，但从其他时段来看，变化趋势与其他3站基本相同。
2.2 数据集构建
原始数据集包含区域站日降水量与4县站月降水量，时空尺度对齐以及数据修复是构建数据集的关键步骤。
2.2.1 时空尺度对齐。
4县站降水量数据包含泾阳、礼泉、乾县、三原4县的数据，区域站降水量数据包含安吴、云阳、口镇、王桥、烟霞、昭陵、注泔、梁山、阳洪、临平、陵前、马额、大程13个站点的数据，通过地理位置信息关联，将区域站降水量数据与4县站降水量数据相匹配，构建新的数据集，例如，云阳监测站位于泾阳县，因此云阳监测站2010年之前的数据可以用泾阳县的降水量数据代替；
梁山监测站位于乾县，因此梁山监测站2010年之前的数据可以用乾县的降水量数据代替。
4县站降水量数据集起始时间从1955年至1959年不等，同时这些年数据较早，数据质量并不高，存在大量缺失的情况，因此选取1960年为降水量数据起始时间。区域站降水量数据集均为2010—2020年，其中2020年数据不完整，选取2010—2019年数据。将1960—2009年的4县站降水量数据与2010—2019年的区域站降水量数据对应整合，构建时间为1960—2019年的“旱腰带”区域监测站降水量数据集。
此外，4县站降水量数据为每年4—10月的月降水量数据，区域站降水量数据为完整的全年日降水量数据，因此这里对区域站数据进行降采样，即提取每年4—10月的降水量数据。最后将4县站和区域站的降水量数据按年尺度进行求和，得到年降水量。
2.2.2 数据筛选与修复。
同时该数据集中包含缺失值，需要首先对数据进行筛选与修复，减少对预测精度的影响。对于有部分数据缺失的区域站，对整体的年降水量及干旱等级影响较小，将缺失值补充为0。对于有大量数据缺失或数据连续缺失过多的区域站，直接将其删除。最终选取泾阳云阳、乾县梁山、乾县注泔、乾县阳洪、乾县临平5个区域站近60年的年降水量数据构建数据集。
3 基于LSTM模型降水量预测的“旱腰带”地区干旱趋势分析
3.1 LSTM模型
LSTM网络属于递归神经网络（recurrent neural network，RNN），传统的前馈神经网络只能从输入节点接收数据，数据只能从输入层到隐藏层，然后再到输出层。前馈神经网络和RNN之间的关键区别在于，它们除了在内部状态空间上执行操作外，还能够在输入空间上进行操作。需要强调的是，RNN模型有梯度消失和梯度爆炸2个缺点。Hochreiter等［20］通过引入输入和输出门的概念，开发了LSTM架构来克服这些问题。LSTM模型的工作原理类似于RNN。然而，它们的区别在于，除了被称为细胞［22］的内部处理单元外，循环神经元的使用门被称为“遗忘门”“更新门”和“输出门”。每个门都负责特定的任务，“遗忘门”忘记部分过去的信息，“输入门”记住部分现在的信息，然后将过去的记忆与现在的记忆合并后通过“输出门”决定最终输出的部分。
（1）遗忘阶段。
这个阶段主要是对上一个节点传进来的输入进行选择性忘记，计算公式如下：
ft=σ（Wf×［Ht-1，Xt］+bf）（2）
式（2）中，ft表示遗忘门输出，Ht-1表示上一个节点的输出，Xt表示输入，Wf表示遗忘门权重，bf表示遗忘门偏置，σ表示 Sigmoid 层。
（2）输入阶段。
这个阶段将该节点的输入有选择性地进行“记忆”，计算公式如下：
it=σ（Wi×［Ht-1，Xt］+bi）（3）
式（3）中，it表示输入门输出，Ht-1表示上一个节点的输出，Xt表示输入，Wi表示输入门权重，bi表示输入门偏置，σ表示Sigmoid层。
当前候选节点状态计算公式如下：
t=tanh（Wc×［Ht-1，Xt］+bc）（4）
式（4）中，t表示当前候選节点状态，Ht-1表示上一个节点的输出，Xt表示输入，Wc表示权重，bc表示偏置，tanh表示tanh层。
对前2个阶段得到的结果进行计算，计算公式如下：
Ct=ft×Ct-1+it×t（5）
式（5）中，Ct表示传输给下一个节点的状态，Ct-1表示上一个节点的状态。
（3）输出阶段。
这个阶段将决定哪些信息将会被当成当前状态的输出，输出门计算逻辑：
ot=σ（Wo×［Ht-1，Xt］+bo）（6）
式（6）中，ot表示输出门输出，Ht-1表示上一个节点的输出，Xt表示输入，Wo表示输出门权重，bo表示输出门偏置，σ表示 Sigmoid 层。
当前节点最终输出对上一阶段得到的Ct采用tanh 函数进行了放缩，计算公式如下：
Ht=ot×tanh（Ct）（7）
式（7）中，Ht表示当前节点的最终输出。
3.2 降水量预测结果与分析
以1960—2019年“旱腰带”区域监测站降水量数据集为模型输入，通过构建LSTM模型，以5年的数据为一组，对下一年数据进行预测。使用训练好的LSTM模型预测2016—2019年的降水量，并与真实数据进行对比。以R2、均方根误差方差（RMSE）和平均绝对误差（MAE）分别作为精度和误差的评价指标，部分预测结果如表3所示。
其中，乾县梁山监测站与乾县注泔监测站的预测数据与真实数据对比如图6所示。从图6可以看出，该模型对于降水量的预测与真实数据的拟合程度较高，说明模型能够较为准确地对降水量未来发展趋势进行预报，从而实现对干旱等级发展趋势的分析。在对乾县注泔区域站和乾县梁山区域站降水量的预测中，4年降水量预测结果的平均绝对误差（MAE）分别为28.18和53.63 mm（表3）。
3.3 基于降水量预测结果的干旱趋势分析
根据干旱等级计算公式，选取1981—2010年的平均降水量作为同期气候平均降水量，将2016—2019年預测降水量对应的干旱等级与真实干旱等级相比较，对比结果如表4所示。
该研究选取5个站点2016—2019年的数据用于测试模型精度，20条数据中17条数据预测正确，准确度达到85%。从区域站角度分析预测结果（表4），乾县临平、乾县注泔4年的干旱等级预测准确率达到100%，泾阳云阳、乾县梁山、乾县阳洪4年的干旱等级预测准确率均为75%。从干旱等级角度分析预测结果，轻旱、无旱等级预测准确率达到100%；
模型只是较少出现的重旱、特旱等级难以完全预测准确。
4 结论
基于2010—2019年咸阳“旱腰带”地区及周边区域的气象观测数据，分析“旱腰带”地区及周边区域的干旱特征，结果发现，在时间分布方面，近5年特旱及重旱发生区域及频次均有明显的增加趋势，同时表现出特旱与无旱或轻旱交替出现的极端变化特征。在空间分布方面，三原县特旱及重旱发生频次较高，干旱尤为严重，礼泉干旱最为缓和，泾阳及乾县内部差异较大，部分地区干旱等级较高，部分地区则较低。各地主要致旱原因略有差异，但降水量下降是共同特点。
以咸阳“旱腰带”地区周边区县的气象站资料模拟该地区近60年降水量，建立基于LSTM降水量预测模型，对干旱趋势进行预测分析。虽然降水量预测值与真实值存在一定差异，但是在进行干旱等级计算后，基于降水量预测数据得到的干旱分级与真实情况相比，精度达到85%，能够为“旱腰带”地区环境改善及生态修复提供理论基础和决策依据。
该研究主要分析了“旱腰带”地区气象干旱等级及基于LSTM降水量预测模型的干旱发展趋势，对咸阳“旱腰带”地区干旱发展有一定指示意义，但由于区域自动站多为两要素站，仅观测降水、气温两项，故该研究中干旱级别采用降水距平百分率来划分，而降水距平百分率在表征干旱时只考虑降水因素，未考虑蒸发等因素，是该研究的不足及有待改进之处。
参考文献
［1］ 张剑明，段丽洁.2013年夏季湖南省持续高温干旱变化特征及其成因分析［J］.气象与环境学报，2018，34（4）：45-51.
［2］ 马永忠，蔡福，赵先丽，等.花后持续干旱对玉米生理参数及产量的影响［J］.气象与环境学报，2019，35（2）：102-106.
［3］ 张强，姚玉璧，李耀辉，等.中国干旱事件成因和变化规律的研究进展与展望［J］.气象学报，2020，78（3）：500-521.
［4］ 李耀辉，周广胜，袁星，等.干旱气象科学研究：“我国北方干旱致灾过程及机理”项目概述与主要进展［J］.干旱气象，2017，35（2）：165-174.
［5］ 蔡福，明惠青，谢艳兵，等.东北地区春玉米关键生育期干旱对根系生长的影响［J］.气象与环境学报，2018，34（2）：75-81.
［6］ 杜和平.咸阳市渭北旱腰带水土流失危害及防治对策［J］.农业科技与信息，2016（16）：44-45，47.
［7］ 李健伟，朱引团.渭北“旱腰带”的呼唤：三秦环保世纪行渭北“旱腰带”石灰石开采影响生态环境问题追踪报道［J］.法治与社会，2012（10）：16-18.
［8］ 朱鋆.生态文明引领下的环境脆弱地区多维度发展路径：以咸阳市旱腰带核心地区为例［J］.规划师，2017，33（S2）：164-168.
［9］ 中共咸阳市委 咸阳市人民政府关于印发《咸阳市“旱腰带”特困片区扶贫攻坚规划（2011年～2020年）》的通知［A］.2014.
［10］ 杜驰晔，王芳，孙丽楠，等.“旱腰带”地区产业扶贫的调查与思考［R］.2020.
［11］ 冯雪.以五大发展理念为引领推进旱腰带地区农业强 农村美 农民富［J］.新西部，2018（32）：26-27.
［12］ 许玮，赵婧，方永侠，等.咸阳渭北旱腰带地区气候特征分析［J］.咸阳师范学院学报，2020，35（4）：73-76.
［13］ 马延庆，范建璋，刘长民，等.陕西咸阳渭北“旱腰带”优质葡萄基地生态条件分析与对策［J］.中外葡萄与葡萄酒，2007，32（5）：33-36.
［14］ 刘建海，阮班录，仝玉琴，等.平欧大果榛子在咸阳旱腰带地区栽培管理技术［J］.陕西农业科学，2020，66（12）：95-98.
［15］ 何晓光，陈明杰，孙丙寅，等.渭北“旱腰带”树上干杏栽培技术研究［J］.陕西农业科学，2020，66（11）：64-66.
［16］ 吴双，姜丽霞，李宇光，等.基于自然灾害风险理论的黑龙江省玉米干旱风险评价［J］.气象与环境学报，2019，35（6）：139-144.
［17］ 李正方，杜景林，周芸.基于改进CART算法的降雨量预测模型［J］.现代电子技术，2020，43（2）：133-137，141.
［18］ 舒涛，叶唐进，李俊杰，等.降雨量及叠加预测方法研究［J］.高原气象，2021，40（1）：169-177.
［19］ 朱晓霞，张力，杨树文.降雨引发的兰州黄土滑坡时空规律分析和临界降雨量预测［J］.中国地质灾害与防治学报，2019，30（4）：24-31.
［20］ HOCHREITER S，SCHMIDHUBER J.Long short-term memory［J］.Neural computation，1997，9（8）：1735-1780.
［21］ 杨霏云，郑秋红，罗蒋梅，等.实用农业气象指标［M］.北京：气象出版社，2015.
［22］ SUTSKEVER I，VINYALS O，LE Q V.Sequence to sequence learning with neural networks［C］//The 27th international conference on neural information processing systems（NIPS14）.Cambridge，MA：MIT Press，2014.
