|
基本信息Personal Information
博士生导师
曾获荣誉：
入选湖北省人才计划、斯坦福大学“全球前2%顶尖科学家”榜单、中国知网高被引学者，获得湖北省自然科学奖、自然资源科技奖、美国硅谷国际发明展奖、Remote Sensing of Environment突出审稿贡献奖等
干旱等级预测论文发表于JAMC期刊
发布时间：2025-12-27 点击次数：
研究动机：马尔科夫链模型是否更有利于干旱等级的预测？
论文内容：尽管已经提出了许多基于物理模型和数据驱动的干旱预测方法，但它们的能力在很大程度上受到数据要求和建模复杂性的限制。有效预测干旱等级（并非具体的干旱severity）仍然是一项具有挑战性的任务，特别是对于只输出干旱等级数值的美国干旱监测（USDM）而言至关重要。针对这一问题，本文系统评估了基于马尔科夫链的 USDM 干旱等级预测方法，并探讨了马尔可夫阶数、步长和训练集长度如何影响预测精度 (PA)。根据2000年至2021年的实验，单步马尔可夫模型在预测未来 4 周的干旱方面具有最佳准确度。随着步长的增加，PA 稳步下降，月尺度的平均准确率为 88%。从季节变化来看，夏季（7-8月）PA最低，冬季（1-2月）最高。与西部地区相比，美国东部地区的PA高出25%。此外，训练集的长度对模型的PA有明显的影响，在 20 年和 5 年训练集下，一步预测的 PA 分别为 87% 和 78%。研究结果表明，马尔可夫模型在短期内对干旱等级的预测精度很高，并且在时间和空间尺度上表现出不同的表现。2023年8月22日，该项工作发表于美国气象学会权威期刊Journal of Applied Meteorology and Climatology。