随机森林算法在全球干旱评估中的应用

干旱是发生频率最高,造成社会、经济损失和生态破坏最严重、最广泛的自然灾害之一,因此对干旱进行可靠、有效的评估十分重要.本文以月平均降水、月平均温度、月最高温度、月最低温度、土壤湿度、蒸散发、NDVI、叶绿素荧光等作为解释变量,以基于SPI的干旱等级作为目标变量,采用随机森林算法,以2007-2012年的数据作为训练数据,以2013-2014年的数据作为预测数据,对全球11个气候区分别建立干旱等级评估模型.研究结论如下:SPI的时间尺度影响模型精度,在基于SPI1、SPI3、SPI6和SPI12划分的干旱等级的评估模型中,以基于SPI1的干旱等级为目标变量的模型的预测精度(60％～75％)较高,且模型能够捕捉到EM-DAT旱灾记录次数的90.91％、月份的78.47％,表明该模型对实际干旱事件具有良好的评估性能;干旱等级划分标准对模型的预测性能影响较小,可根据需求选择标准Ⅰ(干旱月非干旱)或标准Ⅱ(重旱/非重旱)进行干旱评估;解释变量的相对重要性与SPI的时间尺度和气候差异等因素有关.降水对基于SPI1的干旱等级的重要性最大,随着SPI时间尺度的增加,降水的重要性逐渐减小,温度、土壤湿度、NDVI和ET的重要性逐渐增大.降水以外的其他变量在不同气候区的重要性不同.在热带气候区、亚寒带气候区和苔原气候区,温度或蒸散发的影响较大;在干燥气候区,土壤湿度的影响较大;在温带气候区,仍以降水的相对重要性最大;在湿润大陆性气候区,植被对干旱的影响较大.