排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
在全球变暖的背景下,热带气旋(TC)作为影响我国最严重的自然灾害之一,其活动特征及灾害损失评估研究受到了广泛关注。采用组合赋权和k-means等方法,分析了2000年以来登陆我国的TC及灾害损失特征,并构建了基于机器学习的TC灾害等级评估模型。结果表明:从总体趋势来看,登陆我国的TC频数在逐年减少,但登陆风速的最大值却在缓慢增加;广东、浙江、福建、广西受灾较为严重,但整体上全国综合灾情指数呈下降趋势;与传统的随机森林、支持向量机、朴素贝叶斯算法相比,LightGBM(Light Gradient Boosting Machine)在TC灾害评估中效果最佳,准确率值为0.91,其中致灾因子是模型中最关键的因素,其次是防灾减灾能力、暴露度和脆弱性指标。 相似文献
2.
以东北春玉米为研究对象,探究利用植被光合特性的日光诱导叶绿素荧光(solar-induced chlorophyll fluorescence,SIF)指数、近红外-短波红外波段构建的归一化差值水分指数(normalized difference water index,NDWI)和可见光-近红外波段构建的归一化差值植被指数(normalized difference vegetation index,NDVI)识别东北春玉米干旱的准确度和敏感度。研究发现:SIF指数、NDWI和NDVI对干旱识别准确度均超过80%,其中重度干旱准确度超过94%,且在春玉米苗期表现最佳;3种指数对比可知,SIF指数在春玉米干旱识别的准确度和敏感度方面均最佳,分别为89.27%和81.65%,NDWI敏感度次之,NDVI最差。表明基于光合特性的SIF指数在识别东北春玉米干旱方面优于基于地物光谱特性所构建的植被指数。 相似文献
1