在讨论基于 AI 的干旱模型对干旱的预测部分,他们对建立的 AI 模型进行测试,并与常规干旱指数进行关联。他们按升序绘制了相关性表格,研究了每个常规干旱指数与基于 AI 的干旱指数之间的相关性,红色表示较低值,绿色表示较高值。结果表明,基于 DT 的指数与 RAI 的相关性最高,而 GLM 与 PDSI 的相关性最低,代表所检验的基于 AI 的干旱指数能在 1 个月的时间尺度上充分预测干旱水平,特别在研究地区。
图|AI 模型与常规干旱指数的相关性。(来源:该论文)
为验证模型性能,研究计算了各 AI 模型与干旱指标的皮尔逊相关系数。结果显示,所有基于 AI 的干旱指数在干旱指标方面表现相似,其中 DI4 指标与各 AI 指数相关性最高,DI1 与 DI5 相关性最低。