来源：期刊VIP网 时间：
作者：刘宇航;庞国锦;王学佳;孟令震;舒梦瑶;
单位：兰州交通大学测绘与地理信息学院;地理国情监测技术应用国家地方联合工程研究中心;甘肃省测绘科学与技术重点实验室;
摘要：归一化植被指数(normalized difference vegetation index, NDVI)是评估植被覆盖和生长状况的重要指数，提高NDVI预测精度对区域生态环境保护有重要意义。NDVI预测方法主要有传统回归模型、组合模型和深度学习模型，现阶段预测模型大多考虑了单因素特征，对多特征研究较少，而引入气候因子的多特征深度学习模型有助于提升NDVI的预测精度。因此，文章利用CMIP6气候数据，构建BiLSTM+Attention模型，对青藏高原2023—2024年NDVI进行多特征预测。结果表明：LSTM+Attention模型与传统平滑模型Holt-Winters相比，预测精度较高，RMSE、R~2、MAE分别为0.058、0.832、0.055和0.068、0.791、0.062;融合气候因子的多特征BiLSTM+Attention精度评价表现最好，预测精度RMSE、R~2、MAE分别为0.052、0.891、0.051;相关分析发现，气温和降水是影响NDVI变化的重要因素，融合气候因子能够提升NDVI时序预测精度，RMSE、R~2、MAE分别提升30、11、21个百分点。
关键词：BiLSTM+Attention模型;;归一化植被指数;;相关分析;;多特征;;青藏高原;;气候因子
基金资助：国家自然科学基金(42161025)
