W publikacji „Comparison and combination of interpolation methods for daily precipitation in Poland: evaluation using the correlation coefficient and correspondence ratio" zaprezentowano konstruowanie interpolowanego pola opadu dobowego dla obszaru Polski dla okresu 1976-2005, ostatniego okresu 30-letniego w bazie historycznych scenariuszy klimatycznych. Wykorzystując dobowe dane obserwacyjne z sieci pomiarowej IMGW-PIB i stosując kilka metod interpolacyjnych (dostępnych w R i CDO), utworzono sześć interpolowane pola opadu.
Przeprowadzona ocena dopasowania do obserwacji interpolowanych pól opadu nie pozwoliła na jednoznaczny wybór metody najlepszej. Jako wynikowe interpolowane pole opadu zaproponowano pole składające się z wybranych na podstawie współczynnika korelacji Pearsona (RO) i stosunku zgodności obszarów o zadawanym progu opadu (CR) najlepszych metod dla poszczególnych dni. Porównanie otrzymanych pól z polami dla wybranych metod interpolacyjnych i pól z dwóch innych prac dało obiecujący wynik.
Artykuł autorstwa El Tayara Zobaida dotyczy charakterystyki suszy hydrologicznej wybranych zlewni, położonych w pięciu różnych strefach klimatycznych Libanu. W przeglądowej pracy „Hydrologic drought characteristics of selected basins in various climate zones of Lebanon” przeanalizowany uwarunkowania hydrologiczne i opadowe siedmiu dorzeczy, bazując na danych z czternastu stacji hydrometrycznych. Wskaźniki SPI i SDI obliczono przy użyciu programu DRINC. Badanie przeprowadzono poprzez sprawdzenie zależności pomiędzy SDI i SPI za pomocą analizy korelacji dwuwymiarowej. Wygenerowane na platformie GIS mapy charakterystyk SPI i SDI mogą pomóc w określeniu stopnia suszy na badanych obszarach.
W publikacji „Assessing the efficiency of a random forest regression model for estimating water quality indicators” omówiono skuteczność metod uczenia maszynowego, w szczególności modelu regresji Random Forest (RF), w prognozowaniu wartości wybranych wskaźników jakości wody – tj. zawartości rozpuszczonego tlenu (DO), przewodności właściwej (K) i zmętnienia (Tu) – w odniesieniu do 11 zlewni w stanach Wirginia, Maryland i Dystrykcie Kolumbii. Wykorzystano dzienne dane pomiarowe z dziesięciu lat na temat jakości wód oraz informacje hydrometeorologiczne (takie jak opady) i wybrane charakterystyki zlewni (w tym wielkość, rodzaj gleby, użytkowanie gruntów).
Model regresji RF opracowywano dla sześciu zestawów danych uczących, zwiększając liczbę zmiennych wejściowych modelu.
Autorzy wykazali, że model RF daje bardzo dobre wyniki w przypadku prognozy wskaźnika DO. Słabsze uzyskano w przypadku wskaźnika K, najgorsze dla wskaźnika Tu. Zestaw danych uczących, opracowany w oparciu o wskaźniki jakości wody, dane hydrometeorologiczne i parametry fizjograficzne zlewni, zapewnił największą efektywność modelu pod względem jakości uzyskiwanych wyników a ilością informacji potrzebnych do opracowania modelu. Zdaniem autorów pokrycie terenu odgrywa znaczącą rolę w prognozowaniu wskaźników jakości wody z zastosowaniem analizowanej metody. Ponadto technika uczenia maszynowego z wykorzystaniem regresji RF może mieć szerokie zastosowanie w zlewniach o zróżnicowanym reżimie klimatycznym.
Numer magazynu zamyka opracowanie „A novel hybrid framework to model the relationship of daily river discharge with meteorological variables”, w którym zaprezentowano możliwości wykorzystania hybrydowego modelu LAES do modelowania przepływów rzecznych. Zaproponowany model jest połączeniem podejścia selekcji zmiennych ze sztuczną siecią neuronową i metodą korekcji błędów. Zastosowanie LAES zilustrowano na podstawie danych z rzeki Kabul w Pakistanie. Przeprowadzone testy potwierdziły, że zaproponowany model ma wyższą dokładność predykcji niż inne konkurencyjne narzędzia. Zdaniem autorów LAES może być z powodzeniem stosowany do przewidywania przepływów rzecznych w zlewniach różnych rejonów świata i tym samym do efektywnego planowania zasobów wodnych.
Zdjęcie na okładce: Łukasz Szmigiel | Unsplash.
