Page 218 - 《高原气象》2022年第6期
P. 218

6 期                      贾何佳等:基于机器学习的西南地区遥感干旱监测与评估                                         1581
               参考文献:                                                issn. 1006-7639. 2011. 03. 020.
                                                                 段海霞,王素萍,冯建英,2012. 2011 年全国干旱状况及其影响与
               Chen T Q,Guestrin C,2016. XGBoost:a scalable tree boosting sys‐  成因[J]. 干旱气象,30(1):136-147. DOI:10. 3969/j. issn.
                  tem[C]//Proceedings of the 22nd ACM SIGKDD international  1006-7639. 2012. 01. 024.
                  conference on knowledge discovery and data Mining,association
                                                                 郭焘,于红博,马梓策,等,2019. 基于 MODIS 的土壤含水量时空
                  for computing machinery. New York,USA,785-794. DOI:
                                                                    变化及干旱化程度分析[J]. 水土保持研究,26(4):185-189+
                  10. 1145/2939672. 2939785.
                                                                    2. DOI:10. 13869/j. cnki. rswc. 2019. 04. 028.
               Cheng Y,Li Y,Wu H,et al,2020. Reconstructing Modis LST Prod‐
                                                                 黄晚华,杨晓光,李茂松,等,2010. 基于标准化降水指数的中国南
                  ucts Over Tibetan Plateau based on Random Forest[C]//IGARSS  方季节性干旱近 58a 演变特征[J]. 农业工程学报,26(7):50-
                  2020-2020 IEEE International Geoscience and Remote Sensing
                                                                    59. DOI:10. 3969/j. issn. 1002-6819. 2010. 07. 009.
                  Symposium. IEEE.
                                                                 贾艳青,张勃,2018. 基于日 SPEI 的近 55 a 西南地区极端干旱事件
               Han H Z,Bai J J,Yan J W,et al,2019. A combined drought monitor‐
                                                                    时 空 演 变 特 征[J]. 地 理 科 学 ,38(3):474-483. DOI:10.
                  ing index based on multi-sensor remote sensing data and machine
                                                                    13249/j. cnki. sgs. 2018. 03. 018.
                  learning[J]. Geocarto International,38(3):1-16. DOI:10.
                                                                 李强,王秀明,周国兵,等,2020. 四川盆地西南低涡暴雨过程的短
                  1080/10106049. 2019. 1633423.
                                                                    时强降水时空分布特征研究[J]. 高原气象,39(5):960-972.
               Hao Z,Aghakouchak A,2013. Multivariate Standardized Drought In‐
                                                                    DOI:10. 7522/j. issn. 1000-0534. 2019. 00096.
                  dex:A parametric multi-index model[J]. Advances in Water Re‐
                                                                 刘闯,葛成辉,2000. 美国对地观测系统(EOS)中分辨率成像光谱
                  sources,57:12-18. DOI:10. 1016/j. advwatres. 2013. 03. 009.
                                                                    仪(MODIS)遥感数据的特点与应用[J]. 遥感信息,3:45-48.
               Hartigan J,Macnamaara S,Leslie L M,2020. Application of ma‐
                                                                    DOI:10. 3969/j. issn. 1000-3177. 2000. 03. 013.
                  chine learning to attribution and prediction of seasonal precipita‐
                                                                 张存杰,刘海波,宋艳玲,等,2017. 气象干旱等级(GB / T 20481-
                  tion and temperature trends in Canberra,Australia[J]. Climate,8
                                                                    2017)[S]. 北京:中国标准出版社:1-23.
                 (6):76. DOI:10. 3390/cli8060076.
                                                                 钱正安,宋敏红,吴统文,等,2017. 世界干旱气候研究动态及进展
               Liu X F,Zhu X F,Zhang Q,et al,2020. A remote sensing and artifi‐
                                                                    综述(Ⅱ):主要研究进展[J]. 高原气象,36(6):1457-1476.
                  cial neural network-based integrated agricultural drought index:
                                                                    DOI:10. 7522 / j. issn. 1000-0534. 2017. 00076.
                  Index development and applications[J]. Catena,186:104394.
                                                                 沈润平,郭佳,张婧娴,等,2017. 基于随机森林的遥感干旱监测模
                  DOI:10. 1016/j. catena. 2019. 104394.
                                                                    型的构建[J]. 地球信息科学学报,19(1):125-133. DOI:10.
               Lu J Y,Carbone G J,Gao P,2019. Mapping the agricultural drought
                                                                    3724/SP. J. 1047. 2017. 00125.
                  based on the long-term AVHRR NDVI and North American Re‐
                                                                 王春学,张顺谦,陈文秀,等,2019. 气象干旱综合指数MCI在四川
                  gional Reanalysis(NARR)in the United States,1981-2013[J].
                                                                    省的适用性分析及修订[J]. 中国农学通报,35(9):115-121.
                  Applied Geography, 104: 10-20. DOI: 10. 1016/j. apgeog.
                                                                    DOI:10. 11924/j. issn. 1000-6850. casb17110072.
                  2019. 01. 005.
                                                                 王林,陈文,2012. 近百年西南地区干旱的多时间尺度演变特征
               Omid R,Fatemeh F,Kavina S D,et al,2020. Machine learning ap‐
                                                                    [J]. 气象科技进展,2(4):21-26. DOI:10. 3969/j. issn. 2095-
                  proaches for spatial modeling of agricultural droughts in the south-
                                                                    1973. 2012. 04. 003.
                  east region of Queensland Australia[J]. Science of the Total Envi‐
                                                                 王少影,张宇,孟宪红,等,2020. 机器学习算法对涡动相关缺失通
                  ronment, 699: 134230-134230. DOI: 10. 1016/j. scitotenv.
                  2019. 134230.                                     量数据的插补研究[J]. 高原气象,39(6):1348-1360. DOI:
               Price J C,1990. Using spatial context in satellite data to infer regional  10. 7522/j. issn. 1000-0534. 2019. 00142.
                  scale evapotranspiration[J]. IEEE Transactions on Geoscience &  王映思,肖天贵,董雪峰,2021. 1961-2019 年中国西南地区夏季长
                  Remote Sensing,28(5):940-948. DOI:10. 1109/36. 58983.  周期旱涝急转与大气环流特征[J]. 高原气象,40(4):760-
               蔡思扬,左德鹏,徐宗学,等,2017. 基于 SPEI 干旱指数的东北地                 772. DOI:10. 7522/j. issn. 1000-0534. 2020. 00067.
                  区干旱时空分布特征[J]. 南水北调与水利科技,15(5):15-              吴志勇,程丹丹,何海,等,2021. 综合干旱指数研究进展[J]. 水资
                  21. DOI:10. 13476/j. cnki. nsbdqk. 2017. 05. 003.  源保护,37(1):36-45. DOI:10. 3969/j. issn. 1000-3177. 2000.
               陈少丹,张利平,郭梦瑶,等,2018. TRMM 卫星降水数据在区域干                  03. 013.
                  旱监测中的适用性分析[J]. 农业工程学报,34(15):126-132.          夏文韬,王莺,冯琦胜,等,2010. 甘南地区 MODIS 土地覆盖产品
                  DOI:10. 11975/j. issn. 1002-6819. 2018. 15. 016.  精度评价[J]. 草业科学,27(9):11-18. DOI:10. 3969/j. issn.
               程渊,2020. 基于集成学习的土壤含水量遥感反演研究[D]. 成都:                  1001-0629. 2010. 09. 003.
                  电子科技大学.                                        谢五三,张强,李威,等,2021. 干旱指数在中国东北、西南和长江
               段海霞,王素萍,冯建英,2011a. 2010 年全国干旱状况及其影响与                 中下游地区适用性分析[J]. 高原气象,40(5):1136-1146.
                  成因[J]. 干旱气象,29(1):126-132. DOI:10. 3969/j. issn.  DOI:10. 7522/j. issn. 1000-0534. 2020. 00102.
                  1006-7639. 2011. 01. 021.                      张琪,李跃清,2014. 近 48 年西南地区降水量和雨日的气候变化特
               段海霞,王素萍,冯建英,2011b. 2011 年夏季全国干旱状况及其影                 征[J]. 高原气象,33(2):372-383. DOI:10. 7522/j. issn. 1000-
                  响与成因[J]. 干旱气象,29(3):392-400. DOI:10. 3969/j.      0534. 2013. 00032.
   213   214   215   216   217   218   219   220   221   222   223