基于PROPHET与SARIMA模型的机器学习技术预测孟加拉国西南部气象干旱分析与研究

本研究针对孟加拉国西南部农业区频发的气象干旱问题，结合PROPHET（非线性趋势捕捉）和SARIMA（季节性建模）模型，利用1994-2018年气候数据预测至2050年的干旱时空特征。结果显示，50%的年份将面临≥6个月干旱，Chuadanga为最脆弱区域，模型验证R2达0.76-0.88，为水资源管理和农业适应提供科学依据。

　　

孟加拉国西南部是以农业为主导的地区，但频繁的气象干旱严重威胁作物产量、农民收入和国家粮食安全。过去50年，该国已遭遇20次严重干旱，年均经济损失高达60-80亿美元。尤其值得注意的是，干旱热点区正从北部向西南部转移，而现有全球季节性干旱预测仅能覆盖6-7个月，缺乏长期精准预警能力。这一背景下，如何通过先进模型整合气候变量、提升预测精度，成为亟待解决的科学问题。

为应对这一挑战，研究人员开展了基于PROPHET和SARIMA模型的机器学习预测研究。通过收集1994-2018年Jashore等4个西南部地区的温度、降雨和土壤湿度数据，构建Combined Drought Index（CDI，综合干旱指数），并采用Kriging空间插值弥补气象站点稀疏性。研究创新性地结合PROPHET的长周期非线性趋势捕捉能力与SARIMA的季节性动态建模优势，利用滚动窗口验证法（rolling window）优化预测性能，最终生成至2050年的高分辨率干旱图谱。

数据与方法
研究通过Bangladesh Meteorological Department获取26年月尺度气候数据，采用SWALIM模型整合土壤-水-土地利用参数，计算Precipitation Drought Index（PDI）和Temperature Drought Index（TDI），加权生成CDI（权重分配：降水67%，温度33%）。SARIMA模型通过(p,d,q)(P,D,Q)s参数化季节性差异，而PROPHET模型则分解趋势、季节性和假日效应，其核心方程为y(t)=g(t)+ε_t，其中傅里叶级数处理周期性成分。

研究结果

SARIMA模型预测

• Jashore地区：2043-2050年将出现连续极端干旱（CDI<0.4），其中2035年4月达最低值0.19。
• Chuadanga地区：57%月份面临干旱，18个年份（如2049、2050）全年缺水，体现最高脆弱性。
• 模型性能：Kushtia的Nash-Sutcliffe Efficiency（NSE）最优（0.34），但Chuadanga预测不确定性较高（MAE=0.36）。

PROPHET模型预测

• 时空差异：Chuadanga的干旱月数占比60%（232/384个月），显著高于其他区域；R²验证显示Kushtia预测最精准（R²=0.88）。
• 长期趋势：Jashore的干旱强度呈明显下降斜率，而Jhenaidah波动平缓，反映区域气候异质性。

讨论与意义
该研究首次在孟加拉国西南部实现2050尺度干旱预测，揭示Chuadanga为未来干旱核心区，需优先部署节水灌溉和耐旱作物。PROPHET在非线性拟合（如Jashore的R²=0.83）上显著优于SARIMA，但后者对规则季节周期（如Kushtia季风）更具解释力。局限性在于未纳入湿度、风速等变量，未来可融合CMIP6气候情景提升预测鲁棒性。成果发表于《Environmental and Sustainability Indicators》，为南亚季风区干旱管理提供了可推广的方法框架。