#pic_center =x260)

摘要

  本文集成 MODIS、TRMM、GLDAS 和再分析等多源数据，选取了 13 个与干旱有关的变量，并与基于气象数据的 3 个月时间尺度的标准化降水蒸发指数（SPEI-3）进行相关性分析，根据相关性高低确定了输入模型的变量；在黄土高原干旱、半干旱和半湿润区域分别利用随机森林（RF）、支持向量机（SVM）和 BP 神经网络 3种机器学习法训练模型，比较所有模型的精度和误差，找到不同区域中精度最高、误差最小的机器学习方法，利用该机器学习方法在不同区域中的训练模型得到能够监测黄土高原农业干旱的多变量综合干旱指数（MCDI）；选取基于气象数据的 SPEI-3 指数、帕默尔干旱指数（PDSI）和植被健康指数（VHI）对 MCD