文献

J-GLOBAL ID：202102226261109202   整理番号：21A0677182

機械学習アプローチを用いたオーストラリア,ニューサウスウェールズの一時的な水文学的干ばつ指数予測【JST・京大機械翻訳】

Temporal Hydrological Drought Index Forecasting for New South Wales, Australia Using Machine Learning Approaches

著者 (4件)： Dikshit Abhirup (Centre for Advanced Modelling and Geospatial Information Systems (CAMGIS), University of Technology Sydney, NSW 2007, Australia) ,  Pradhan Biswajeet (Centre for Advanced Modelling and Geospatial Information Systems (CAMGIS), University of Technology Sydney, NSW 2007, Australia) ,  Pradhan Biswajeet (Department of Energy and Mineral Resources Engineering, Sejong University, Choongmu-gwan, 209 Neungdong-ro, Gwangjin-gu, Seoul 05006, Korea) ,  Alamri Abdullah M. (Department of Geology & Geophysics, College of Science, King Saud University, P.O. Box 2455, Riyadh 11451, Saudi Arabia)
資料名： Atmosphere (Web)  (Atmosphere (Web))
巻： 11  号： 6  ページ： 585  発行年： 2020年 
JST資料番号： U7137A  ISSN： 2073-4433  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 干ばつは,深刻な経済損失につながる農業と水資源への重大な損害を引き起こす。干ばつ管理の最も重要な側面の一つは,干ばつ事象を予測する有用なツールを開発することであり,これは緩和戦略に役立つであろう。干ばつ事象における最近の地球規模の傾向は,気候変動がそのような事象に影響する支配的な因子であることを明らかにした。本研究は,オーストラリアのニューサウスウェールズ(NSW)地域に対するこの影響を理解し,ここ数十年間,いくつかの干ばつを被った。干ばつの理解は,通常,干ばつ指数を用いて行われ,従って,標準降水蒸発指数(SPEI)は,その計算において降雨と温度パラメータの両方を使用して選択され,干ばつをより良く反映することが証明されている。干ばつ指数を,気候研究ユニット(CRU)データセットを用いて,種々の時間スケール(1,3,6および12か月)で計算した。本研究は,13の異なる変数を用いて干ばつ指数の時間的側面の予測に焦点を当て,その内の8つは気候駆動者と海面水温指数であり,残りは様々な気象変数であった。予測に用いたモデルは人工ニューラルネットワーク(ANN)とサポートベクトル回帰(SVR)であった。このモデルを19012010年から訓練し,9年間(20112018)試験して,3つの異なる性能計量スコア(決定係数(R2),二乗平均平方根誤差(RMSE),平均絶対誤差(MAE))を用いて試験した。結果は,ANNが時間的干ばつ傾向の予測においてSVRより優れていて,後者に対する0.75と比較して前者に対して0.86の最も高いR2値を有することを示した。本研究はまた,海面温度と気候指数(太平洋のDecadal振動)が,時間的干ばつの側面に有意な影響を及ぼさないことを明らかにした。本研究は,NSW地域の気候学的変数と干ばつ発生率の使用に向けて,時間的傾向のみを研究する第一段階として考えることができる。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 蒸発 ,  降雨 ,  降水 ,  水資源 ,  ニューラルネットワーク ,  気候 ,  *干ばつ ,  気候学 ,  海面水温 ,  気候変動 ,  緩和現象 ,  ニューサウスウェールズ州 ,  *機械学習
準シソーラス用語： 決定係数 ,  気象変数 , 【Automatic Indexing@JST】

著者キーワード (4件)： 干ばつ予測 ,  機械学習 ,  標準降水蒸発指数 ,  ニューサウスウェールズ

分類 (2件)： 気候学,気候変動  (DC05140T) ,  水文学一般  (DC07010R)

引用文献 (59件)：

• Belayneh, A.; Adamowski, J.; Khalil, B. Short-term SPI drought forecasting in the Awash River Basin in Ethiopia using wavelet transforms and machine learning methods. Sustain. Water Resour. Manag. 2015, 2, 87-101.
• Fung, K.; Huang, Y.; Koo, C.; Soh, Y. Drought forecasting: A review of modelling approaches 2007-2017. J. Water Clim. Chang. 2019, 1-29.
• Belayneh, A.; Adamowski, J.; Khalil, B.; Ozga-Zielinski, B. Long-term SPI drought forecasting in the Awash River Basin in Ethiopia using wavelet neural network and wavelet support vector regression models. J. Hydrol. 2014, 508, 418-429.
• Mishra, A.; Singh, V.P. A review of drought concepts. J. Hydrol. 2010, 391, 202-216.
• Cancelliere, A.; Di Mauro, G.; Bonaccorso, B.; Rossi, G. Drought forecasting using the Standardized Precipitation Index. Water Resour. Manag. 2006, 21, 801-819.

タイトルに関連する用語 (6件)： 機械学習 ,  オーストラリア ,  ニューサウスウェールズ ,  水文学的干ばつ ,  指数 ,  予測