We propose a simple, spatially inva

We propose a simple, spatially invariant and probabilistic year-round Empirical Standardized Soil Moisture Index (ESSMI) that is designed to classify soil moisture anomalies from harmonized multi-satellite surface data into categories of agricultural drought intensity. The ESSMI is computed by fitting a nonparametric empirical probability density function (ePDF) to historical time-series of soil moisture observations and then transforming it into a normal distribution with a mean of zero and standard deviation of one. Negative standard normal values indicate dry soil conditions, whereas positive values indicate wet soil conditions. Drought intensity is defined as the number of negative standard deviations between the observed soil moisture value and the respective normal climatological conditions. To evaluate the performance of the ESSMI, we fitted the ePDF to the Essential Climate Variable Soil Moisture (ECV SM) v02.0 data values collected in the period between January 1981 and December 2010 at South–Central America, and compared the root-mean-square-errors (RMSE) of residuals with those of beta and normal probability density functions (bPDF and nPDF, respectively). Goodness-of-fit results attained with time-series of ECV SM values averaged at monthly, seasonal, half-yearly and yearly timescales suggest that the ePDF provides triggers of agricultural drought onset and intensity that are more accurate and precise than the bPDF and nPDF. Furthermore, by accurately mapping the occurrence of major drought events over the last three decades, the ESSMI proved to be spatio-temporal consistent and the ECV SM data to provide a well calibrated and homogenized soil moisture climatology for the region. Maize, soybean and wheat crop yields in the region are highly correlated (r > 0.82) with cumulative ESSMI values computed during the months of critical crop growing, indicating that the nonparametric index of soil moisture anomalies can be used for agricultural drought assessment.

Citing articles (0)
Open Access Open Access Article

A credibility-based chance-constrained optimization model for integrated agricultural and water resources manag

ผลลัพธ์ (ไทย) 1:

เรานำเสนอง่าย spatially นิ่ง และน่าจะตลอดทั้งปีว่าด้วยมาตรฐานดินชื้นดัชนี (ESSMI) ที่ออกแบบมาเพื่อจัดประเภทความผิดปกติของความชื้นดินจากข้อมูลพื้นผิวกลมกลืนดาวเทียมหลายประเภทของความรุนแรงของภัยแล้งทางการเกษตร ESSMI การคำนวณโดยฟังก์ชันความหนาแน่นของความน่าเป็นเชิงประจักษ์ nonparametric (ePDF) เพื่อเวลาชุดประวัติศาสตร์สังเกตความชื้นในดินและจากนั้น เปลี่ยนเป็นการแจกแจงปกติมีค่าเฉลี่ยเท่ากับศูนย์และส่วนเบี่ยงเบนมาตรฐานของ ค่าปกติมาตรฐานลบบ่งบอกถึงสภาพดินที่แห้ง ในขณะที่ค่าบวกบ่งชี้ว่า สภาพดินเปียก ภัยแล้งรุนแรงถูกกำหนดเป็นจำนวนค่าลบค่าเบี่ยงเบนมาตรฐานระหว่างค่าสังเกตดินความชื้นและสภาพ climatological ปกติเกี่ยวข้อง การประเมินประสิทธิภาพของการ ESSMI เราติดตั้ง ePDF ที่สำคัญภูมิอากาศแปรความชื้นในดิน (ECV SM) v02.0 ค่าข้อมูลเก็บรวบรวมในรอบระยะเวลาระหว่างปี 1981 มกราคมและ 2010 ธันวาคมที่อเมริกาใต้กลาง และเปรียบเทียบรากหมายถึงอะไรสแควร์ข้อผิดพลาด (RMSE) ของค่าคงเหลือด้วยเบต้าและฟังก์ชันความหนาแน่นของความน่าเป็นปกติ (bPDF และ nPDF ตามลำดับ) ผลความดีความพอดีด้วยเวลาชุด ECV SM ค่ารายเดือน timescales ตามฤดูกาล รายครึ่งปี และประจำปีแนะนำว่า ePDF ที่มีสาเหตุของภัยแล้งทางการเกษตรเริ่มมีอาการและความรุนแรงที่มีความแม่นยำ และเที่ยงตรงกว่า bPDF และ nPDF นอกจากนี้ โดยถูกแม็ปเกิดเหตุการณ์ภัยแล้งที่สำคัญกว่าสามทศวรรษ ESSMI พิสูจน์แล้วว่า spatio ขมับสอดคล้องข้อมูล ECV SM ให้ดีปรับเทียบ และ homogenized climatology ความชื้นดินสำหรับภูมิภาคนี้ ข้าวโพด ถั่วเหลืองและข้าวสาลีผลผลิตในภูมิภาคมีสูง (r > 0.82) การมีความสัมพันธ์กับ ESSMI ค่าสะสมคำนวณช่วงของการเติบโต พืชสำคัญบ่งชี้ว่า สามารถใช้ดัชนีของความผิดปกติของความชื้นดิน nonparametric สำหรับภัยแล้งทางการเกษตรการประเมินCiting articles (0)Open Access Open Access Article A credibility-based chance-constrained optimization model for integrated agricultural and water resources manag

ผลลัพธ์ (ไทย) 2:

เรานำเสนอที่เรียบง่ายคงตำแหน่งและความน่าจะเป็นตลอดทั้งปีเชิงประจักษ์ดินมาตรฐานดัชนีความชื้น (ESSMI) ที่ถูกออกแบบมาเพื่อจำแนกความผิดปกติของความชุ่มชื้นในดินจากข้อมูลพื้นผิวดาวเทียมหลายกลมกลืนเป็นหมวดหมู่ของความรุนแรงภัยแล้งการเกษตร ESSMI คำนวณโดยการปรับอิงพารามิเตอร์เชิงประจักษ์หนาแน่นเป็นฟังก์ชัน (ePDF) เพื่อประวัติศาสตร์อนุกรมเวลาของการสังเกตความชุ่มชื้นในดินแล้วเปลี่ยนมันเป็นแจกแจงแบบปกติที่มีค่าเฉลี่ยของศูนย์และค่าเบี่ยงเบนมาตรฐานของหนึ่ง ค่าปกติมาตรฐานเชิงลบบ่งบอกถึงสภาพดินแห้งในขณะที่ค่าบวกบ่งบอกถึงสภาพดินเปียก ภัยแล้งรุนแรงถูกกำหนดให้เป็นหมายเลขของส่วนเบี่ยงเบนมาตรฐานเชิงลบระหว่างค่าความชื้นในดินที่สังเกตและเงื่อนไขที่เกี่ยวข้องภูมิอากาศปกติ ในการประเมินผลการปฏิบัติงานของ ESSMI ที่เราติดตั้ง ePDF เพื่อสร้างพลังภูมิอากาศตัวแปรความชื้นในดิน (วีเอสเอ็ม) ค่าข้อมูล v02.0 เก็บรวบรวมในช่วงระหว่างเดือนมกราคมปี 1981 และธันวาคม 2010 ที่ South-อเมริกากลางและเมื่อเทียบรากเฉลี่ย สี่เหลี่ยม-ข้อผิดพลาด (RMSE) ของเศษกับบรรดารุ่นเบต้าและฟังก์ชั่นความหนาแน่นของความน่าจะเป็นปกติ (bPDF และ nPDF ตามลำดับ) คุณงามความดีของพอดีผลการบรรลุกับอนุกรมเวลาของค่า ECV SM เฉลี่ยรายเดือนตามฤดูกาลระยะเวลาครึ่งปีและรายปีชี้ให้เห็นว่า ePDF ให้ทริกเกอร์ที่เริ่มมีอาการภัยแล้งทางการเกษตรและความรุนแรงที่มีความถูกต้องและแม่นยำมากขึ้นกว่า bPDF และ nPDF . นอกจากนี้ได้อย่างถูกต้องโดยการทำแผนที่การเกิดเหตุการณ์ภัยแล้งที่สำคัญในช่วงสามทศวรรษที่ ESSMI พิสูจน์แล้วว่าเป็น spatio กาลสอดคล้องและข้อมูล ECV SM เพื่อให้การสอบเทียบอย่างดีและหดหายอุตุนิยมวิทยาความชื้นในดินสำหรับภูมิภาค ข้าวโพดถั่วเหลืองและข้าวสาลีอัตราผลตอบแทนในภูมิภาคที่มีความสัมพันธ์อย่างมาก (R> 0.82) มีค่า ESSMI สะสมคำนวณในช่วงเดือนของพืชสำคัญเพิ่มขึ้นเรื่อย ๆ แสดงให้เห็นว่าดัชนีอิงพารามิเตอร์ของความผิดปกติของความชุ่มชื้นในดินสามารถนำมาใช้สำหรับการประเมินภัยแล้งการเกษตร. อ้างถึงบทความ (0) บทความ Access เปิด Open Access รูปแบบการเพิ่มประสิทธิภาพความน่าเชื่อถือตามโอกาสที่ จำกัด สำหรับแบบบูรณาการทางการเกษตรและแหล่งน้ำ Manag