基于相空间重构与RB F神经网络模型的面上干旱预测研究

• 作者: 侯姗姗 王鹏新 田苗 韩萍
• 来源期刊: 干旱地区农业研究
• 学科: 农学
• 关键词: 条件植被温度指数 干旱预测 相空间重构 神经网络 RBF
• 年，卷（期）: 2013,（6）
• 所属期刊栏目: 干旱监测预报
• 页码范围: 164-168,180
• 页数: 6页
• 分类号: S127|S165+.25
• 字数: 4698字
• 语种: 中文

摘要

条件植被温度指数（VTCI）是一种适合关中平原的近实时定量化的干旱监测方法，在前期基于以旬为单位的VTCI样本点上相空间重构与RBF神经网络干旱预测研究的基础上，进一步进行了VTCI遥感面上的干旱预测研究。通过分析样本点VTCI时间序列的延迟时间和重构维数，确定整个面上VTCI时间序列相空间维数为7，从而对面上VTCI数据进行了相空间重构。对重构后的VTCI数据应用RBF神经网络模型预测得到了2009年4月上旬到5月中旬的VTCI预测结果。结果表明，多旬预测结果都较好地反映了监测结果的特征，各旬预测结果的绝对误差频数分布主要集中在-0．2到0．2之间。应用Kappa系数评价预测结果与监测结果的一致性程度：5月中旬为显著，4月上旬和中旬为中度，4月下旬和5月上旬的一致性为弱，但阳性一致率较高。该模型的面上预测精度较好，适合关中平原的干旱预测研究。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王鹏新	中国农业大学信息与电气工程学院	88	1238	19.0	31.0
2	韩萍	中国农业大学理学院	11	115	5.0	10.0
3	侯姗姗	中国科学院对地观测与数字地球科学中心	3	49	3.0	3.0
4	田苗	中国农业大学信息与电气工程学院	7	127	5.0	7.0