排序方式： 共有2条查询结果，搜索用时 31 毫秒
1
1.
基于国内现行的森林火险气象指数和单因子火险贡献度模型,以及逻辑回归模型和随机森林模型,在林火预报中引入微波遥感土壤水分信息,使用MCD14DL火点数据集和地面气象观测资料对广东省不同时间尺度的林火发生概率进行预测。结果表明：逻辑回归模型和随机森林模型构建的林火预测模型显著优于现行的森林火险气象指数和单因子火险贡献度模型,预测精度提升约20%。其中,随机森林模型对林火频数的解释程度最高（两者相关系数为0.476）。此外,加入微波土壤水分信息后,相较原有的基于气象要素的林火预测模型,2种机器学习模型的预测精度均略有提升,体现了表层土壤水分信息在林火预报中的重要性。研究可为高效提取对地观测信息,以改进华南地区不同时间尺度的林火预报工作提供参考。 相似文献
2.
南京地区雷暴活动强度潜势预报 总被引：2，自引：0，他引：2
利用江苏省2008、2009和2010年6 8月闪电定位资料对雷暴活动的强度进行了分级,并使用同一时段的探空资料计算了47个代表南京地区 环境层结特征的对流参数,利用其与雷暴活动强度的相关性选取预报因子.在此基础上,采用Bayes分类法和Logistic 回川归分析法,结合逐步选择法进一步筛选预报因子,分别建立了两种雷暴强度的预报模型.通过检验独立样本对比分析两种模型的预报效果,结果表明,Logistic回归分析法的Hedike技巧评分为0.396,并能识别出30％的强雷暴,而Bayes分类法的Hedike技巧评分为0.370,只能识别出5％的强雷暴.Logistic回归分析法对雷暴强度的潜势预报具有较好的指示意义.进一步分析进入预报模型的9个对流参数,表明雷暴活动越强时,低层空气越暖湿,中层空气越干冷,高低层的风切变越大. 相似文献
1