توضیحات
Studies of drought have increased in light of new data availability and advances in spatio-temporal analysis. However, the following gaps still need to be filled: 1) methods to characterise drought that explicitly consider its spatio-temporal features, such as spatial extent (area) and pathway; 2) methods to monitor and predict drought that include the above-mentioned characteristics and 3) approaches for visualising and analysing drought characteristics to facilitate interpretation of its variation. This research aims to explore, analyse and propose improvements to the spatio-temporal characterisation of drought. Outcomes provide new perspectives towards better prediction.
The following objectives were proposed. 1) Improve the methodology for characterising drought based on the phenomenons spatial features. 2) Develop a visual approach to analysing drought variations. 3) Develop a methodology for spatial drought tracking. 4) Explore machine learning (ML) techniques to predict crop-yield responses to drought. The four objectives were addressed and results are presented.
Finally, a scope was formulated for integrating ML and the spatio-temporal analysis of drought. Proposed scope opens a new area of potential for drought prediction (i.e. predicting spatial drought tracks and areas). It is expected that the drought tracking and prediction method will help populations cope with drought and its severe impacts.
————————————————————–
ترجمه ماشینی :
مطالعات خشکسالی با توجه به در دسترس بودن داده های جدید و پیشرفت در تجزیه و تحلیل مکانی-زمانی افزایش یافته است. با این حال، شکافهای زیر هنوز باید پر شوند: 1) روشهایی برای توصیف خشکسالی که به صراحت ویژگیهای مکانی-زمانی آن، مانند گستره مکانی (منطقه) و مسیر را در نظر میگیرند. 2) روش های پایش و پیش بینی خشکسالی که شامل ویژگی های ذکر شده در بالا می باشد و 3) رویکردهایی برای تجسم و تحلیل ویژگی های خشکسالی برای تسهیل تفسیر تغییرات آن. هدف این تحقیق بررسی، تحلیل و پیشنهاد بهبود خصوصیات مکانی-زمانی خشکسالی است. نتایج دیدگاه های جدیدی را برای پیش بینی بهتر ارائه می دهند. اهداف زیر پیشنهاد شد. 1) بهبود روش برای توصیف خشکسالی بر اساس ویژگیهای مکانی پدیدهها. 2) یک رویکرد بصری برای تجزیه و تحلیل تغییرات خشکسالی ایجاد کنید. 3) روشی برای ردیابی خشکسالی فضایی ایجاد کنید. 4) تکنیکهای یادگیری ماشینی (ML) را برای پیشبینی پاسخ عملکرد محصول به خشکسالی کاوش کنید. چهار هدف مورد توجه قرار گرفت و نتایج ارائه شده است. در نهایت، یک محدوده برای ادغام ML و تجزیه و تحلیل مکانی-زمانی خشکسالی فرموله شد. محدوده پیشنهادی یک منطقه بالقوه جدید برای پیشبینی خشکسالی (یعنی پیشبینی مسیرها و مناطق خشکسالی فضایی) باز میکند. انتظار می رود که روش ردیابی و پیش بینی خشکسالی به جمعیت کمک کند تا با خشکسالی و اثرات شدید آن مقابله کنند.
tag : دانلود کتاب خصوصیات مکانی-زمانی خشکسالی: تجزیه و تحلیل داده ها، مدل سازی، ردیابی، تاثیر و پیش بینی , Download خصوصیات مکانی-زمانی خشکسالی: تجزیه و تحلیل داده ها، مدل سازی، ردیابی، تاثیر و پیش بینی , دانلود خصوصیات مکانی-زمانی خشکسالی: تجزیه و تحلیل داده ها، مدل سازی، ردیابی، تاثیر و پیش بینی , Download Spatio-Temporal Characterisation of Drought: Data Analytics, Modelling, Tracking, Impact and Prediction Book , خصوصیات مکانی-زمانی خشکسالی: تجزیه و تحلیل داده ها، مدل سازی، ردیابی، تاثیر و پیش بینی دانلود , buy خصوصیات مکانی-زمانی خشکسالی: تجزیه و تحلیل داده ها، مدل سازی، ردیابی، تاثیر و پیش بینی , خرید کتاب خصوصیات مکانی-زمانی خشکسالی: تجزیه و تحلیل داده ها، مدل سازی، ردیابی، تاثیر و پیش بینی , دانلود کتاب Spatio-Temporal Characterisation of Drought: Data Analytics, Modelling, Tracking, Impact and Prediction , کتاب Spatio-Temporal Characterisation of Drought: Data Analytics, Modelling, Tracking, Impact and Prediction , دانلود Spatio-Temporal Characterisation of Drought: Data Analytics, Modelling, Tracking, Impact and Prediction , خرید Spatio-Temporal Characterisation of Drought: Data Analytics, Modelling, Tracking, Impact and Prediction , خرید کتاب Spatio-Temporal Characterisation of Drought: Data Analytics, Modelling, Tracking, Impact and Prediction ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.