利用遥感技术监测与预测开心果园干旱状况及其与地下水资源关系的研究

为应对伊朗开心果产区干旱挑战，研究人员用遥感监测预测干旱，SVM 分类、ANN 预测表现出色。

　　农业干旱会导致水资源减少、植被变化，进而对农业生产力产生持久影响。拉夫桑贾恩（Rafsanjan）是伊朗开心果生产的主要中心，由于干旱面临重大挑战，出现种植面积减少和果园废弃的情况，给农民带来严重问题。本研究旨在通过遥感监测和预测开心果园的干旱状况，并研究其与地下水资源的关系。研究人员利用 Landsat 时间序列数据和随机森林、支持向量机（SVM）、人工神经网络（ANN）这三种分类算法，对 2008 年至 2022 年的开心果园进行分类。同时，研究人员还比较了两种数据驱动模型预测干旱的有效性。通过 ANN 和 SVM 预测了 1 年和 3 年超前时间的植被健康指数（VHI）值，结果显示开心果园存在与地下水资源相关的下降趋势。监测结果表明，SVM 的表现优于其他方法，平均总体准确率达到 95%，kappa 系数为 0.90。此外，ANN 在预测 VHI 方面表现出色，1 年和 3 年超前时间的均方根误差分别为 0.024 和 0.043，平均绝对误差分别为 0.019 和 0.034，R²值分别为 0.85 和 0.78 。该研究强调了在干旱地区同时研究导致干旱的因素，以及确定这些因素与园艺关键作物干旱程度之间的关系和作用的必要性。