Библиографическое описание:Классификация интенсивности засухи в горных районах на основе метеорологических данных с наземных станций и аэрозондов при помощи ML : научное издание / В. В. Тынченко [и др.]. - Текст : непосредственный // Устойчивое развитие горных территорий. - 2024. - Т. 16, № 3. - С. 1214-1227. - Работа выполнена при поддержке Минобрнауки России в рамках соглашения № 075-15-2022-317 от 20 апреля 2022 г. О предоставлении гранта в форме субсидий из федерального бюджета на осуществление государственной поддержки создания и развития научного центра мирового уровня «Агротехнологии будущего». - ISSN 1998-4502. - ISSN 2499-975X, DOI 10.21177/1998-4502-2024-16-3-1214-1227.
Аннотация:В условиях изменения климата и растущей потребности в ресурсах воды прогнозирование засухи становится особенно актуальным. Особую сложность представляет оценка засухи в горных районах, характеризующихся сложным рельефом и изменчивыми метеорологическими условиями. Данная статья посвящена исследованию возможности использования алгоритмов машинного обучения для моделирования классификации интенсивности засухи в горных районах. Авторы провели сравнительный анализ точности моделей, построенных на основе метеорологических данных, полученных с наземных станций и аэрозондов. В исследовании были применены два популярных алгоритма машинного обучения: «случайный лес» и «дерево решений». Анализ точности моделей и важности признаков показал, что данные с наземных станций обеспечивают более высокую точность и релевантность информации для прогнозирования интенсивности засухи по сравнению с данными с аэрозондов. Результаты исследования подтверждают необходимость оптимизации стратегий сбора метеорологических данных в горных районах с учетом преимуществ наземных станций. Важно отметить, что данное исследование является только первым шагом в направлении улучшения прогнозирования засухи в горных районах. Необходимо проводить дальнейшие работу с учетом разнообразия горных ландшафтов и климатических условий, а также с использованием более совершенных методов машинного обучения и анализа больших данных.
Introduction. The article explores the possibility of modeling drought intensity classification in mountainous regions using meteorological data collected from ground stations and aero - probes. The problem of drought in these regions is critical due to climate change, making water resource management crucial. Materials and methods. The study used data from NASA POWER and USDM drought intensity indices. Machine learning algorithms, such as Random Forest and Decision Tree, were applied to meteorological data from ground stations and aero - probes. Results. The analysis revealed that ground station data, including temperature and pressure, were more relevant for predicting drought intensity. Models built on these data demonstrated higher accuracy compared to those using aero - probe data. Discussion. Key parameters such as ground - level pressure and temperature contributed the most to the prediction. Aero - probe data were useful for monitoring wind speed at high altitudes but had lower significance for drought intensity. Conclusion. For drought modeling, ground station data are preferable. Aero - probe data can be beneficial for more specialized tasks related to high - altitude wind monitoring. Resume. This study highlights the importance of selecting appropriate data sources for drought forecasting and confirms the relevance of ground station data in mountainous regions. Suggestions for practical applications and directions for future research. The results can be applied to develop more accurate drought forecasting models and to create hybrid models that utilize data from various sources.
