-
题名基于多元数据融合的安徽省干旱遥感监测模型研究
被引量：2
- 1
-
-
作者
王军
宁少尉
金菊良
周戎星
周玉良
白夏
-
机构
合肥工业大学土木与水利工程学院
合肥工业大学水资源与环境系统工程研究所
-
出处
《灾害学》
CSCD
北大核心
2021年第4期207-213,共7页
-
基金
国家重点研发计划项目(2017YFC1502405)
国家自然科学基金项目(51709071,51579060)
+1 种基金
山东省重点研发计划项目(2017GSF20101)
中央高校基本科研业务费专项资金资助项目(JZ2021HGTB0095)。
-
文摘
干旱是威胁粮食安全的重要因素。为实现干旱的精准监测,提出距平温度指数、距平降水指数、距平土壤含水量指数,将距平模型分别和分类回归树、多元线性回归模型融合,提出距平分类回归树模型和距平多元线性回归模型,并验证模型的可行性。首先选取安徽省2001—2014年168个月的降水、遥感温度、植被和土壤含水量指标,将2001年—2010年距平指数作为率定期,2011—2014年距平指数作为验证期,分别计算距平分类回归树模型和距平多元线性回归模型参数,并预测验证期模型值,计算两种模型值与SPI1值的相关系数,并与历史干旱记录进行对比。结果表明:验证期距平分类回归树模型指数和SPI1的相关系数为0.878。验证期距平多元线性回归模型指数和SPI1的相关系数为0.882。验证期距平分类回归树模型与SPI1等级准确率为0.77。验证期距平多元线性回归模型与SPI1等级准确率为0.80。距平分类回归树和距平多元线性回归模型都有良好的监测效果,其中距平多元线性回归模型的监测效果更好些、可作为安徽省干旱监测的良好模型,为农业部门制定抗旱措施提供参考。
-
关键词
干旱遥感监测
数据融合
距平分类回归树模型
距平多元线性回归模型
安徽省
-
Keywords
drought remote sensing monitoring
data fusion
anomaly classification regression tree model
anomaly multiple linear regression model
Anhui Province
-
分类号
X43
[环境科学与工程—灾害防治]
X915.5
[环境科学与工程—安全科学]
-
