| 基于随机森林偏差校正的农业干旱遥感监测模型研究 |
| |
| 引用本文： | 刘冀,张特,魏榕,张茜,刘艳丽,董晓华.基于随机森林偏差校正的农业干旱遥感监测模型研究[J].农业机械学报,2020,51(7):170-177. |
| |
| 作者姓名： | 刘冀 张特 魏榕 张茜 刘艳丽 董晓华 |
| |
| 作者单位： | 三峡大学水利与环境学院,宜昌443002;三峡库区生态环境教育部工程研究中心,宜昌443002;南京水利科学研究院水文水资源与水利工程科学国家重点实验室,南京210098;水利部应对气候变化研究中心,南京210029 |
| |
| 基金项目： | 国家重点研发计划项目（2018YFC1508104）和国家自然科学基金项目（51679145） |
| |
| 摘 要： | 以3个月尺度的标准化降水蒸散指数(SPEI3指数)为因变量,采用融合多源遥感数据的随机森林(RF)算法构建淮河流域2001—2014年作物生长季(4—10月)的农业干旱监测模型,采用简单线性回归、偏差估算法、旋转残差法和最优角度残差旋转法4种方法进行模型结果校正,以决定系数(R2)、均方根误差(RMSE)及干旱等级监测准确率对模型监测能力进行评估。选取最优校正方法,构建随机森林偏差校正干旱监测模型(Bias-correcting random forest drought condition,BRFDC),通过站点实测土壤相对湿度及干旱事件记录对模型干旱监测能力进行验证。结果表明:采用最优角度残差旋转法校正后,模型模拟精度指标R2和RMSE分别为0.897、0.874和0.335、0.362,优于其他校正方法;偏差估算法对各类干旱等级监测更为准确,尤其是对极端干旱的监测准确率最高,达到33.3%～50.0%,最终采用偏差估算法作为最优校正方法,构建BRFDC模型;相比SPEI3,BRFDC模型计算指数与大部分站点土壤相对湿度的相关性更加显著(P 0.01),适于农业干旱监测; BRFDC模型能够准确监测淮河流域2001年严重干旱事件的时空演变过程,并能有效识别极端旱情。该模型可为淮河流域农业抗旱工作的有效开展提供科学依据。
|
| 关 键 词： | 农业干旱监测 遥感 随机森林 偏差校正 |
| 收稿时间： | 2019/10/16 0:00:00 |
Development of Agricultural Drought Monitoring Model Using Remote Sensing Based on Bias-correcting Random Forest |
| |
| LIU Ji,ZHANG Te,WEI Rong,ZHANG Qian,LIU Yanli,DONG Xiaohua.Development of Agricultural Drought Monitoring Model Using Remote Sensing Based on Bias-correcting Random Forest[J].Transactions of the Chinese Society of Agricultural Machinery,2020,51(7):170-177. |
| |
| Authors: | LIU Ji ZHANG Te WEI Rong ZHANG Qian LIU Yanli DONG Xiaohua |
| |
| Institution: | China Three Gorges University;Nanjing Hydraulic Research Institute;Research Center for Climate Change, Ministry of Water Resources |
| |
| Abstract: | |
| |
| Keywords: | agricultural drought monitoring remote sensing random forest bias-correcting |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
| 点击此处可从《农业机械学报》下载免费的PDF全文 |
|
