基于机器学习融合多源遥感数据模拟SPEI监测山东干旱

以山东省为研究区,选择偏差校正随机森林BRF（Bias-corrected random forest）,支持向量回归SVR（Support vector regression）和Cubist模型三种机器学习方法融合多影响因子模拟3个月时间尺度的标准化降水蒸散指数SPEI-3,以期为精确监测山东地区干旱提供一种方法。将2001−2017年23个站点的SPEI-3值作为因变量,多源遥感数据包括降水量、地表温度、蒸散发、潜在蒸散发、归一化植被指数以及土壤湿度六类7个影响因子作为自变量,自变量和因变量构成数据集的80%作为训练集,20%作为测试集。根据BRF模型得到研究区各个站点的模拟值以及各影响因子的相对重要性,绘制SPEI-3的空间分布图,并进行验证。结果表明,综合因子比单一因子模拟效果好,BRF模型测试集中的模拟值和观测值的决定系数R2达到了0.856,均方根误差RMSE为0.359,BRF模型能较好模拟站点SPEI-3值。大部分站点模拟值与观测值反映的干旱趋势一致,反映站点不同程度旱情的月份个数基本相同。此外,BRF模型模拟的SPEI-3的空间分布与站点SPEI-3观测值表现的干旱程度基本一致,且SPEI-3空间分布站点之外栅格数据也可以较准确地反映旱情,说明根据BRF模型可在站点和空间尺度上较精确地监测山东地区干旱情况。     

基于基尼系数法的灌区农户间水权分配研究

针对目前关于灌区农业水权在农户间分配研究较少且现状分配模式不合理问题,从公平性角度出发,基于灌区农户农业人口和灌溉面积,研究农业节水驱动下农户间农业初始水权分配问题,构建了基于基尼系数法的灌区农户间农业初始水权分配模型。以河套灌区乌兰布和灌域-沈乌干渠上的直口渠牧业队(4)进行实例分析,分配结果表明模型进行的水权分配较现状分配更具公平性,能够为开展灌区水权分配及交易提供一定技术支撑。