报告详情
关于干旱灾害监测及预测的机器学习方法综述
编号：3559
访问权限：仅限参会人
更新：2024-04-13 22:23:46 浏览：387次
口头报告
报告开始：2024年05月19日 15:23（Asia/Shanghai）
报告时间：8min
所在会场：[S14] 主题14、水文地球科学 [S14-7] 主题14、水文地球科学 专题14.19、专题14.20、专题14.23（19日下午，402）
暂无文件
摘要
干旱灾害监测及预测是缓解干旱和水资源管理的基础，但由于水文气候条件复杂、预测因素多种多样等原因，开发可靠的干旱灾害监测及预测模型仍然是一项挑战。近年来，机器学习在干旱建模算法的鲁棒性、有效性和准确性方面取得了重大进展，是表征干旱影响因素非线性特征的一种非常有效的方法。本文基于现有文献中使用机器学习方法在干旱领域的已有研究，综合分析了机器学习在干旱监测及预报模型研究及开发中的潜在应用，探索了机器学习方法所面临的挑战，比较了机器学习与其他模型（概率建模、全球气候模型和干旱情景的时空分析）在计算能力、大数据分析等方面的功能和性能，提出了机器学习方法在干旱建模方面未来的研究方向。融合气象、水文、遥感等多源数据构建机器学习模型在实现干旱灾害准确识别和快速预测等方面具有重大突破，为决策者制定缓解干旱的规划和战略提供了指导。
关键词
机器学习，干旱灾害监测，干旱灾害预测，深度学习，遥感
报告人
陈茜茜
高级工程师 中国水利水电科学研究院稿件作者
全部评论
重要日期
-
会议日期
05月17日
2024
至05月20日
2024
-
03月31日 2024
初稿截稿日期
-
03月31日 2024
报告提交截止日期
-
05月20日 2024
注册截止日期
主办单位
青年地学论坛理事会
承办单位
厦门大学近海海洋环境科学国家重点实验室
中国科学院城市环境研究所
自然资源部第三海洋研究所
中国科学院城市环境研究所
自然资源部第三海洋研究所
联系方式
- 辜克兢（会务总协调、会场安排、学术安排）
- gu******@xmu.edu.cn
- 139********
- 柳欣（会务总协调）
- li******@xmu.edu.cn
- 138********
- 孙佳妮（会务总协调）
- sc******@chytey.com
- 152********
- 窦恒（会场安排、学术安排）
- do******@chytey.com
- 186********
- 李招英（会场技术服务）
- li******@xmu.edu.cn
- 138********
- 刘琳（学术安排）
- ll******@iue.ac.cn
- 133********
- 李虎（学术安排）
- hl******@iue.ac.cn
- 189********
- 柳欣（学术安排）
- li******@xmu.edu.cn
- 138********
- 胡勤梅（会议注册）
- ma******@chytey.com
- 135********
- 孙晓笛（会议注册）
- xi******@xmu.edu.cn
- 188********
- 许心雅（会议财务）
- xu******@xmu.edu.cn
- 180********
- 朱佳（商业赞助）
- zh******@xmu.edu.cn
- 139********
- 张君（海报张贴）
- ju******@xmu.edu.cn
- 138********
- 卢巍（海报张贴）
- lu******@chytey.com
- 189********
- 李璟（酒店预订及咨询）
- li******@chytey.com
- 186********
发表评论