简介：利用天峻县1961～2015年逐日降水量资料，采用线性趋势分析及Mann—Kendel等方法，分析了天峻地区汛期降水量、降水日数及降水强度的变化特征。结果表明，近55a天峻地区随着降水量级的增加，降水日数和降水量呈减小趋势，而降水强度表现为增强趋势；汛期总降水日数、总降水量和平均降水强度均呈波动增加趋势，总降水量和平均降水强度增加趋势明显，总降水日数变化趋势不明显；小雨、中雨和大到暴雨的降水日数变化趋势不明显，小雨降水量呈显著的增加趋势，中雨和大到暴雨的降水量变化趋势不明显：小雨和中雨降水强度均表现为显著的增加趋势。天峻地区未来不同等级降水量、降水日数和降水强度变化情况与过去55a的变化趋势相同，短时期内不会发生逆转。

简介：循化县位于青海省东部农业区,海拔高度在1780-4635m之间,年平均气温3.8℃,年均日照时数为2685.8h,无霜期190-220d,年平均降水量为269mm,多集中在7-9月份.全县拥有天然草地面积14.24×104hm2,其中可利用草地面积13.57×104hm2,占天然草地面积的95.32%,占全县土地总面积的64.62%.

简介：本研究以内蒙古锡林郭勒盟苏尼特右旗短花针茅荒漠草原为研究对象,采用分层取样技术,分别对碱韭和短花针茅为主的草地植物群落进行调查（测定指标为高度、盖度、密度和地上现存量）,获得禾本科为主、碱韭为主以及由二者构成的复合样本数据。通过MATLAB软件平台,把植物群落的数量特征（高度、盖度和密度）作为输入因子,以群落现存量作为输出因子来建立BP神经网络模型,并对预测结果进行检验。结果显示,禾本科为主、碱韭为主以及由二者构成的复合样本,采用BP神经网络平均预测准确率分别为94.1%,92.98%,91.01%。因此,BP神经网络可作为草地植物群落地上现存量模拟与预测的有效工具之一。采用BP神经网络对不同草地植物类群进行模拟和预测可能会存在差异,但这种差异会随着样本容量的增大或训练精度的增加而弱化。