基于指数融合与人工智能模型的混合干旱建模研究——以伊朗马伦盆地为例

《Scientific Reports》：A hybrid drought index prediction framework under climate change scenarios by equipping index fusion with an individual artificial intelligence method

　　

摘要

由于干旱的多维特性以及单变量指数在捕捉综合气象、水文和社会经济影响方面的局限性，预测混合干旱对于水资源管理具有宝贵的参考价值。本研究提出了一种基于指数融合的框架，用于伊朗马伦盆地历史时期（2002-2021年）和未来时期（2022-2040年）在气候变化情景（SSP3.70和SSP5.85）下的混合干旱建模。基于降水、入流量、水库蓄水量和径流量数据构建了多个标准干旱指数，并分别利用香农熵（SE）、Copula函数（C）和主成分分析（PCA）进行融合，提出了三种混合干旱指数，包括香农熵混合干旱指数（SEHDI）、Copula混合干旱指数（CHDI）和主成分分析混合干旱指数（PCAHDI）。在评估单变量指数的最优时间尺度后，选择CHDI作为后续建模的输入，因其对干旱演变过程具有更综合、更平滑的表征能力，并更能反映干旱持续时间和严重程度。随后，采用三种个体人工智能（IAI）模型，包括多层感知机（MLP）、支持向量回归（SVR）和随机森林（RF），并将其结果用于预测混合干旱指数（HDI）。在此过程中，MLP和RF模型还被用于融合IAI模型，以提高预测精度。结果显示，在SSP3.70情景下，基于MLP融合模型的CHDI预测表现良好；在SSP5.85情景下，基于RF融合模型的CHDI预测表现良好。使用基于融合模型时，根据误差指标，在SSP3.70情景下，HDI指数的估计精度显著提高至2.4%。结果表明，在高排放SSP5.85情景下，干旱风险增加；而在较为温和的SSP3.70情景下，干旱风险降低，这凸显了所提出框架在干旱监测和水分管理规划中的实用性。