基于深度学习的干旱预测模型研究进展与挑战

© 2025 by the Author(s). Licensee Art and Design, USA. This article is an open access article distributed under the terms and conditions of the Creative Commons Attribution -Noncommercial 4.0 International License (CC BY-NC 4.0) ( https://creativecommons.org/licenses/by-nc/4.0/ )

Download PDF

Cite

XML

HTML

Abstract

干旱是全球最大的自然灾害之一，准确预测干旱发生的时间和强度对于农业生产、水资源管理和生态环境的保护具有重要意义。近年来，利用深度学习技术在干旱预测方面有了新的发展，为干旱预测开辟了新的途径。本课题将在梳理已有的深度学习模型基础上，重点关注循环神经网络、卷积神经网络以及混合型深度学习等核心算法，对比分析它们的特点及适用范围，总结当前在数据质量、模型可解释性、以及实际应用性上存在的问题，并提出未来的发展趋势。前期研究表明，采用深度神经网络的干旱预测模型在预测精度和时空分辨率方面具有显著优势，但仍缺乏多源信息融合、模型解译能力和实际运用能力。

Keywords

深度学习

干旱预测

神经网络

机器学习

水文模型

References

[1] 贾子良. 基于深度学习的土壤湿度与农业干旱预测研究[D]. 北京信息科技大学,2024.
[2] 刘雪梅, 宋文辉, 钱峰, 等. 基于VMD-CQPSO-GRU模型的气象干旱预测方法[J].华北水利水电大学学报: 自然科学版,2021,42(4):10.
[3] 安江勇, 李茂松. 基于图像深度学习的小麦干旱识别方法:201810883530[P].
[4] 王娇娇, 尹小君, 刘陕南, 等.基于深度学习的玛纳斯土地利用时空格局变化与预测[J].干旱区研究,2023,40(1):9.
[5] 苏涛,刘丹, 崔杏园, 等. 一种深度学习混合模型的干旱指数预测方法:202410820987[P].
[6] 李增.东北地区干旱特征及预测模型研究[D]. 沈阳农业大学,2021.
[7]陈颖, 吴焕萍,谢能付, 等. 基于深度学习的干旱预测方法研究进展[J].中国农业资源与区划,2025(2).
[8] 米前川, 高西宁, 李玥, 等. 深度学习方法在干旱预测中的应用[J].应用气象学报,2022,33(1):11.
[9] 黄睿茜,赵俊芳, 霍治国,et al.深度学习技术在农业干旱监测预测及风险评估中的应用[J].中国农业气象,2023,44(10):943-952.
[10] 李艳玲, 黄春艳, 王炳禹, 等. 基于深度学习的黄河流域干旱预测方法及系统:202410225525[P].
[11] 王玥彤, 何东坡, 李忠燕, 等. 贵州省两次气象干旱对比分析及基于机器学习的干旱预测模型建立[J].干旱气象,2024,42(5):671-682.
[12] 杜娟, 董世杰, 贺云. 基于BO-CNN-LSTM的锡林郭勒草原干旱预测模型[J].草原与草坪,2024,44(4):64-75.
[13] 韦余鑫, 李巧, 卢春雷,et al.基于ICEEMDAN分解的多维时间序列干旱预测模型性能评估[J].Journal of Irrigation&Drainage,2025,44(3).
[14] 李子阳, 王肖鑫, 张恩典, 等. 基于VMD-GRU的大型灌区干旱预测模型研究[J].中国农村水利水电,2023(3):8.DOI:10.12396/znsd.220987.
[15]赵紫竹,张宝林,包聪聪.基于SPEI的内蒙古东部气象干旱预测模型对比分析[C]//中国环境科学学会2023 年科学技术年会.1.内蒙古师范大学化学与环境科学学院2.内蒙古节水
农业工程研究中心,2023.
[16] 牛文娟.K-fold输入方式下的渝东北地区SPI指数干旱预测模型[J].2021.DOI:10.3969/j.issn.1008-1305.2021.12.039.
[17]崔盛杰,赵水霞, 王文君, 等. 神经网络模型在气象干旱预测中的应用[J].内蒙古水利,2024(S01):64-66.
[18] 吴冠楠, 张爱玲, 王成玉, 等. 基于G(1,1) 灰色预测模型的昌乐干旱特征分析及预测[J].农业科学,2020,3(3):62-64.
[19] 杨帆. 龙川江流域气象, 水文和农业干旱传播规律及其预测模型[D]. 云南大学,2021.
[20] 张建海, 张棋, 许德合, 等.ARIMA-LSTM组合模型在基于SPI干旱预测中的应用--以青海省为例[J].Arid Land Geography,2020,000(4):10.
[21] 李文华, 李生宇, 徐新文, 等. 基于MaxEnt模型预测气候变化下准噶尔沙蒿(Artemisia songarica)在新疆的潜在分布[J].干旱区地理,2025,48(9):1578-1588.
[22] 韦余鑫, 李巧, 卢春雷, 等. 基于ICEEMDAN分解的多维时间序列干旱预测模型性能评估[J].灌溉排水学报,2025(3).
[23] 李艳玲, 巩雅杰. 基于驱动分析的LSTM干旱预测模型研究[J].数学的实践与认识,2022,52(5):11.
[24] 李子阳, 王肖鑫, 张恩典,et al.基于VMD-GRU的大型灌区干旱预测模型研究[J].China Rural Water&Hydropower,2023(3).
[25] 丁严, 许德合, 曹连海, 等. 基于CEEMD的LSTM和ARIMA模型干旱预测适用性研究—— 以新疆为例[J].干旱区研究,2022,39(3):11.
[26] 刘绿柳, 肖潺, 许红梅, 等. 基于气候水文模型耦合的水文干旱集合预测方法及设备:CN202510598491.2[P].CN120524126A.
[27]张建海,张棋, 许德合, 等.ARIMA-LSTM组合模型在基于SPI干旱预测中的应用—— 以青海省为例[J].干旱区地理,2020,43(4):10.
[28]Yoshino K,Tanaka R,Yoshida S,et al.Biomarker genes for model-based prediction of drought-stress perception levels in rice[J].BMC Plant Biology,2025,25(1):1-16.
[29]Rose M A J,Chithra N R.Tree-based ensemble model prediction for hydrological drought in a tropical river basin of India[J].International Journal of Environmental Science&
Technology(IJEST),2023,20(5).
[30]Ikegwuoha D,Dinka M.Drought prediction in the Lepelle River basin,South Africa under general circulation model simulations[J].2021(1):1-16.

Previous article in this issue

Next article in this issue