VIKOR、频率比与随机森林集成用于伊朗干旱半干旱区地下水潜力制图

完整中文导读

研究提出将VIKOR、频率比（FR）与随机森林（RF）集成的模型，用于伊朗Bastam流域的地下水潜力制图（GWPM）。研究基于遥感与GIS构建空间地理数据库，提取17个地貌、水文与地质地下水条件因子（GWCFs），并从伊朗水资源管理部门获取89个高产能（≥11 m³ h⁻¹）井位数据，其中62个（70%）用于训练、27个（30%）用于验证。

论文资料与摘要整理

整理依据：原始摘要与元数据；未据此展示论文全文

Novel Ensemble of MCDM-Artificial Intelligence Techniques for Groundwater-Potential Mapping in Arid and Semi-Arid Regions (Iran)

作者：Alireza Arabameri；Saro Lee；John P. Tiefenbacher；Phuong Thao Thi Ngo
刊物：Remote Sensing
出版时间：2020-02-04
DOI：10.3390/rs12030490

研究方法

集成VIKOR、频率比（FR）与随机森林（RF）模型，基于遥感与GIS构建空间地理数据库，提取17个地下水条件因子（GWCFs），用RF确定因子权重，用VIKOR确定220个随机点的最终权重，再以Kriging插值生成潜力图，并用AUROC、SRC与PRC评估

研究对象

伊朗Bastam流域的地下水潜力制图（GWPM）

主要发现

土地利用与土地覆盖、岩性和高程是地下水赋存的最主要决定因素；集成模型预测性能优异（PRC=0.934），拟合优度良好（SRC=0.925），分类精度较高

材料局限

材料未提供

中文整理

作者 / 来源：Alireza Arabameri; Saro Lee; John P. Tiefenbacher; Phuong Thao Thi Ngo · 原文时间：2020年2月4日 08:00（北京时间）

原作者信息要点

论文题目为Novel Ensemble of MCDM-Artificial Intelligence Techniques for Groundwater-Potential Mapping in Arid and Semi-Arid Regions (Iran)，作者为Alireza Arabameri、Saro Lee、John P. Tiefenbacher、Phuong Thao Thi Ngo，发表于Remote Sensing，DOI为10.3390/rs12030490，出版日期为2020年2月4日，采用CC BY 4.0许可。

研究目标是提出一种集成方法，将VIKOR、频率比（FR）与随机森林（RF）模型结合，用于伊朗Bastam流域的地下水潜力制图（GWPM）。作者称该地区面临淡水短缺，识别新的地下水点位是迫切需求。

研究使用遥感与地理信息系统（GIS），以降低快速评估地下水资源的时间和资金成本。从空间地理数据库中提取了17个地形、水文和地质类地下水条件因子（GWCFs）。

地下水数据来自实地调查，井产量数据来自伊朗水资源管理部门，共涉及89个高产量潜力点位，产量值不低于11 m3 h−1，并在GIS中制图。其中62个（70%）随机选作模型训练，其余27个（30%）用于模型验证。

GWCFs的相对权重由RF模型确定。用于GWPM时，在研究区随机选取220个点，其最终权重由VIKOR模型确定。随后在GIS中通过Kriging插值这些点的值，生成地下水潜力图。

最后绘制地下水潜力图的接收者操作特征曲线下面积（AUROC）。训练数据集计算成功率曲线（SRC），验证数据集计算预测率曲线（PRC）。

RF分析结果显示，土地利用与土地覆盖、岩性和高程是地下水 occurrence 的最显著决定因素。验证结果显示集成模型具有优异的预测性能（PRC = 0.934）和拟合优度（SRC = 0.925），分类精度也较高。作者称该结果可辅助地下水资源管理，帮助规划者和决策者进行地下水投资规划以实现可持续性。

本站整理与观察

本站观察：该材料仅为论文摘要与元数据，不包含全文，因此无法核实方法细节、数据预处理、模型参数设置及结果的可重复性。

本站观察：作者声称集成模型预测性能优异，但PRC与SRC数值来自作者报告，本站未独立验证。

本站观察：摘要未提供各条件因子的具体权重数值、AUROC具体值或分类精度数值，仅给出PRC和SRC。

本站观察：研究区域为伊朗Bastam流域，结论是否适用于其他干旱半干旱区需进一步验证，摘要未讨论外推性。

材料仅为论文摘要与元数据，非全文；无法核实方法细节、数据质量、模型参数及结果可重复性。所有性能数值均为作者报告，本站未独立验证。未提供各因子权重、AUROC具体值或分类精度数值。研究结论的外推性未在摘要中讨论。