高原气象

作者：张德军,宏观,杨世琦,祝好

单位：1. 中国气象局气候资源经济转化重点开放实验室，重庆市气象科学研究所，重庆 401147 ","2. 重庆市农业气象与卫星遥感工程技术中心，重庆 401147 ","3. 中国气象局气象探测中心，北京 100081

关键词：干旱,遥感,随机森林回归,最小二乘法

基金：国家重点研发计划项目(2021YFB3901405),中国气象局风云应用先行计划项目(FY-APP-0.0306),重庆市气象部门业务技术攻关项目(YWJSGG-202313)

为解决传统遥感干旱指数侧重于对单一响应因子的监测， 缺乏对干旱综合评估的问题， 本文结合气象观测资料和多源遥感数据， 择优选择TVDI、 RVI、 PDI和GVMI日产品数据作为自变量， 与卫星过境相邻时刻气象观测资料计算的MCI指数为因变量， 采用随机森林回归算法（Random Forest Regression， RFR）构建综合遥感干旱监测模型。结果表明： 与传统最小二乘法模型（Ordinary Least Squares， OLS）相比， RFR模型训练集和测试集精度均优于OLS模型。RFR训练集R值为0.97， RMSE为0.33， 测试集R值为0.90， RMSE为0.53； OLS模型训练集R值为0.78， RMSE值为0.73， 测试R值为0.76， RMSE值为0.79， 表明RFR模型在表征区域旱情时比OLS模型更加优秀。在2022年西南地区旱情监测评估中， RFR遥感干旱监测结果与MCI指数时空分布较为一致， 能较好地表征区域旱情的时空动态变化特征， 体现了RFR模型在实际干旱监测过程中的实用性。但RFR干旱监测精度与区域站点个数和站点空间分布有关， 在站点个数较多， 站点分布均匀的区域， RFR干旱监测模型精度较高。

来源：2024年第6期

《高原气象》期刊编辑部

查看高原气象杂志2024年第6期