编辑推荐：
为解决肯尼亚北裂谷地区传统天气预报系统对局部环境条件洞察有限，影响农业决策的问题，研究人员开展了北裂谷天气预报系统（NRWPS）相关研究。利用 XGBoost 算法构建归一化植被指数（NDVI）和裸土指数（BSI）模型，结果显示模型预测准确性高，对指导土地管理等意义重大。
在肯尼亚的北裂谷地区，当地的农业生产主要依赖雨水灌溉。然而，气候变化使得这里的天气变得愈发难以捉摸，不稳定的降雨、频繁的干旱和洪水等极端天气，让农作物的产量受到严重影响，农民们的生计也面临着巨大挑战。传统的天气预报系统在面对这些复杂多变的局部环境时，显得力不从心，无法为农业生产提供精准有效的信息支持。在这样的背景下，为了提升北裂谷地区应对气候变化的能力，优化农业决策，来自肯尼亚基巴比大学（Kibabii University）的研究人员开展了一项极具意义的研究，相关成果发表在《Heliyon》杂志上。
研究人员运用了多种关键技术方法来开展此项研究。首先，他们收集了大量数据，包括 1995 - 2020 年期间气候灾害组红外降水与站点数据（CHIRPS）中的降水数据、TerraClimate 的温度数据、美国地质调查局（USGS）网站存档的 Landsat 4 - 5 专题绘图仪（1995 - 2013 年）和 Landsat 7 增强型专题绘图仪（ETM+，2014 - 2020 年）的归一化植被指数（NDVI）数据，以及 SoilGrids 的裸土指数（BSI）数据。然后，借助 ArcGIS Pro 3.2 和 Python 编程，对数据进行预处理、分析和模型构建。在模型构建过程中，采用了极端梯度提升（XGBoost）算法，该算法能有效处理复杂的非线性关系，提升模型的预测准确性。
下面来看具体的研究结果：
- 年度趋势：研究分析了 1995 - 2020 年 NDVI、降水、最高和最低温度以及 BSI 的年度趋势。发现 BSI 先升后降，2015 年后裸土面积减少；最高和最低温度呈上升趋势；NDVI 显著上升，反映出植被健康状况和密度有所改善；降水则呈现明显的变化，2015 年和 2020 年出现峰值。这些趋势表明气候因素和土地覆盖动态之间存在相互作用。
- NRWPS 模型预测：运用 NRWPS 模型对不同坐标点的 NDVI 和 BSI 值进行预测。结果显示，该模型在预测这两个指数时表现出色，BSI 模型的均方误差（MSE）为 0.029，平均绝对误差（MAE）为 0.019，决定系数（R2）为 0.93；NDVI 模型的 MSE 为 0.002，MAE 为 0.024，R2 为 0.945，说明模型能有效捕捉环境因素与植被健康之间的关系，预测准确性高。
- 时空特征及参数间相互作用：通过分析发现，植被健康（NDVI）的空间变异性显著，高海拔地区植被更茂密，干旱半干旱地区则较低；降水空间分布不均，且与 NDVI 值相关，降水多的地区植被更健康；最高和最低温度的变化影响植被生长，高温会加剧植被压力；BSI 与 NDVI 呈负相关，BSI 高的地区植被覆盖少，土壤暴露多。
综合研究结论和讨论部分，该研究具有重要意义。通过整合 NDVI 和 BSI 预测，NRWPS 系统得到显著增强，为农业和土地管理提供了先进工具。其高预测准确性有助于更好地了解植被健康和土壤暴露情况，在作物管理、灌溉规划和土地退化监测等方面发挥重要作用。研究还揭示了 1995 - 2020 年期间，植被健康和土地退化的关键趋势，强调了可持续土地管理实践的必要性。此研究成果为北裂谷地区的可持续发展提供了有力支持，有望推动当地在应对气候变化、保障粮食安全和实现环境可持续性等方面取得进展。
