文献

J-GLOBAL ID：201902239578209031   整理番号：19A2900460

クインズランドオーストラリアの南東地域における農業干ばつの空間モデリングのための機械学習アプローチ【JST・京大機械翻訳】

Machine learning approaches for spatial modeling of agricultural droughts in the south-east region of Queensland Australia

著者 (10件)： Rahmati Omid (Geographic Information Science Research Group, Ton Duc Thang University, Ho Chi Minh City, Viet Nam) ,  Rahmati Omid (Faculty of Environment and Labour Safety, Ton Duc Thang University, Ho Chi Minh City, Viet Nam) ,  Falah Fatemeh (Department of Watershed management Engineering, Lorestan University, Lorestan, Iran) ,  Dayal Kavina Shaanu (Commonwealth Scientific and Industrial Research Organisation (CSIRO), Sandy Bay, 7005, Tasmania, Australia) ,  Deo Ravinesh C. (School of Sciences, Centre for Sustainable Agricultural Systems, Centre for Applied Climate Sciences, University of Southern Queensland, Springfield, QLD 4300, Australia) ,  Mohammadi Farnoush (Faculty of Natural Resources, University of Tehran, Karaj, Iran) ,  Biggs Trent (Department of Geography, San Diego State University, San Diego, CA 92182, USA) ,  Moghaddam Davoud Davoudi (Department of Watershed Management, Faculty of Agriculture and Natural Resources, Lorestan University, Khorramabad, Iran) ,  Naghibi Seyed Amir (Department of Watershed Management Engineering, Tarbiat Modares University (TMU), Tehran, Iran) ,  Bui Dieu Tien (Institute of Research and Development, Duy Tan University, Da Nang 550000, Viet Nam)
資料名： Science of the Total Environment  (Science of the Total Environment)
巻： 699  ページ： Null  発行年： 2020年 
JST資料番号： C0501B  ISSN： 0048-9697  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 農業干ばつイベントの発生に影響を及ぼす水環境因子の定量的理解は,より戦略的な気候変動適応と干ばつ管理計画を可能にするであろう。実際の干ばつ災害マッピングは,最も適切な干ばつ運転者の排除の可能性と,干ばつを適切に記述することができない不十分な予測モデルの使用により,困難なままである。本研究は,分類と回帰木(CART),ブーツ回帰木(BRT),ランダムフォレスト(RF),多変量適応回帰スプライン(MARS),柔軟判別分析(FDA)とサポートベクトルマシン(SVM)を含む最新の機械学習モデルによる農業干ばつ災害を地図化する新しいアプローチを開発することを目的とした。水文環境データセットを用いて,1994~2013年の期間にわたって,乾燥傾向の南東クイーンズランド,オーストラリアに対する8つの厳しい干ばつに対する土壌水分(RDSM)の相対偏差を計算した。次に,RDSMを用いて農業干ばつ目録地図を作成した。8つの水環境因子を干ばつの潜在的予測因子として用いた。すべてのモデルの適合度と予測性能を,真のスキル統計(TSS),有効性(E),Fスコア,および受信者動作特性曲線下面積(AUC-ROC)を含む異なる閾値依存および閾値独立法を用いて評価した。RFモデル(AUC-ROC=97.7%,TSS=0.873,E=0.929,Fスコア=0.898)は最高の精度を示したが,FDAモデル(AUC-ROC=73.9%,TSS=0.424,E=0.719,Fスコア=0.512)は最悪の性能を示した。植物利用可能な保水力(PAWC),平均年降水量,および粘土含有量は,農業干ばつを予測するために使用される最も重要な変数であった。地域の約21.2%は,高いか非常に高い干ばつリスククラスにあり,したがって,干ばつと環境保護政策を保証する。重要なことに,モデルは与えられた干ばつ年に対する降水異常に関するデータを必要としない。AGHにおける空間パターンは,イベント間の降水異常における非常に異なる空間パターンにもかかわらず,すべての干ばつイベントに対して一貫していた。このような機械学習アプローチは,全体的リスクマップを構築することができ,従って,この地域だけでなく,干ばつが社会的,環境的および経済的持続可能性の重要な実際的次元に及ぼす影響を含む他の地域においても,ロバストな干ばつ偶発計画の採用を支援する。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 血中濃度-時間曲線下面積 ,  サポートベクトルマシン ,  人工知能 ,  植物利用性 ,  環境保全 ,  *干ばつ ,  土壌水 ,  農業 ,  降水 ,  判別分析 ,  予測モデル ,  ロバスト性 ,  *機械学習 ,  年雨量 ,  スプライン

著者キーワード (4件)： 干ばつ ,  空間分析人工知能 ,  GIS ,  オーストラリア

分類 (2件)： 気象学一般  (DC05010D) ,  環境問題  (SA01020V)

タイトルに関連する用語 (7件)： クインズランド ,  オーストラリア ,  地域 ,  農業 ,  干ばつ ,  空間モデリング ,  機械学習