Prediction model of dust mass generation in dust source by random forest

doi:10.7522/j.issn.1000-694X.2024.00184

Journal of Desert Research ›› 2025, Vol. 45 ›› Issue (1): 292-303.DOI: 10.7522/j.issn.1000-694X.2024.00184

Prediction model of dust mass generation in dust source by random forest

Bin Li¹(), Xiaolong Sun¹(), Yuechen Zhao², Qi Jiang³, Shiqing Lu¹, Jiaqi Tang¹

^1.Inner Mongolia Eco- and Agro-Meteorological Center，Hohhot 010051，China
^2.Inner Mongolia Meteorological Center，Hohhot 010051，China
^3.National Meteorological Center，Beijing 100000，China

Received:2024-11-20 Revised:2024-12-27 Online:2025-01-20 Published:2025-01-13
Contact: Xiaolong Sun

Abstract

Abstract:

The source of dust has always been the focus of social attention， but the amount and contribution of dust between Mongolia and the China are not so clear. In this paper， typical dust monitoring product by remote sensing from 2019 to 2024 were used to establish the response relationship between dust flux， meteorological elements and sand sources， which considered the meteorological elements and surface condition corresponding to the mass of dust generated in the generation stage of dust weather. The trend of dust generation and intensity by the source are quickly evaluated by using model or real data. On this basis， the results by multi-temporal remote sensing are used to estimate the dust source， and the application effects of four typical dust processes were analyzed， as well as， the uncertainty of the model. The results showed that：（1） The scatter-point fitting of the monitoring data was verified with R²=0.84 and the mean absolute error （MAD）=25.2 kg·km^-2·min^-1. （2） The model could predict the impact of local dust release and provide quantitative assessment of the contribution from different dust sources， which could provide scientific basis for desertification control.

Key words: dust mass, dust monitoring, random forest, remote sensing, dust source, FY-4

CLC Number:

Bin Li, Xiaolong Sun, Yuechen Zhao, Qi Jiang, Shiqing Lu, Jiaqi Tang. Prediction model of dust mass generation in dust source by random forest[J]. Journal of Desert Research, 2025, 45(1): 292-303.

Figures/Tables 19

References 35

1	张鹏，王春姣，陈林，等.沙尘气溶胶卫星遥感现状与需要关注的若干问题［J］.气象，2018，44（6）：725-736.
2	潘红林，马诺，王敏，等.塔克拉玛干沙漠与撒哈拉沙漠沙尘气溶胶光学特性对比研究［J］.沙漠与绿洲气象，2024，18（1）：38-49.
3	杨晓军，张强，叶培龙，等.中国北方2021年3月中旬持续性沙尘天气的特征及其成因［J］.中国沙漠，2021，41（3）：245-255.
4	姜大海，王式功，尚可政.沙尘暴危险度的定量评估研究［J］.中国沙漠，2011，31（6）：1554-1562.
5	池梦雪，张宝林，王涛，等.2000-2018年黄土高原沙尘天气遥感监测及尘源分析［J］.科学技术与工程，2019，19（18）：380-388.
6	Li N， Guo L， Fan B H.A New perspective on understanding the reduced spring dust storm frequency in Inner Mongolia，China［J］.International Journal Of Disaster Risk Science，2015（6）：216-225.
7	Mao R， Ho C H， Feng S，et al.The influence of vegetation variation on northeast Asian dust activity［J］.Asia-pacific Journal Of Atmospheric Sciences，2013，49（1）：87-94.
8	衣娜娜，姜学恭，董祝雷，等.植被覆盖率对内蒙古沙尘天气影响的模拟研究［J］.大气科学，2024，48（2）：521-538.
9	牛生杰，吕晶晶，岳平.半干旱荒漠化草原春季边界层特征的一次综合探测［J］.中国沙漠，2013，33（6）：1858-1865.
10	高雅文，韩永翔，李嘉欣，等.沙漠地区边界层高度的提高与尘卷风起沙量的变化［J］.中国环境科学，2021，41（8）：3523-3528.
11	李智宽，谭成好，杨婕，等.21世纪以来新疆地区沙尘暴时空变化及其关键气象影响因子［J］.环境科学学报，2024，44（10）：1-9.
12	Wang F， Zhao X， Gerlein-Safdi C，et al.Global sources，emissions，transport and deposition of dust and sand and their effects on the climate and environment：a review［J］.Frontiers of Environmental Science and Engineering，2017，11（1）：13.
13	Du H， Dou S， Deng X，et al.Assessment of wind and water erosion risk in the watershed of the Ningxia-Inner Mongolia Reach of the Yellow River，China［J］.Ecological Indicators，2016，67：117-131.
14	刘莹，韩永翔，杨文清，等.沙尘天气、尘卷风对沙漠地区起沙量的贡献［J］.中国沙漠，2018，38（6）：1175-1179.
15	李晶晶，何清，阴璐璐，等.基于激光雷达的新疆民丰地区一次沙尘污染过程研究［J］.环境科学学报，2024，44（9）：93-102.
16	Norton C， Mosher F R， Hinton B.A model for calculating desert aerosol turbidity over the oceans from geostationary satellite data［J］.Journal of Applied Meteorology，1980，19（6）：633-644.
17	Xu D， John J， Niu S J，et al.Sand and dust storm detection over desert regions in China with MODIS measurements［J］.International Journal of Remote Sensing，2011，32（24）：9365-9373.
18	李彬，卢士庆，孙小龙，等.基于可见光波段灰度熵和热红外亮温差的沙尘遥感判识［J］.遥感学报，2018，22（4）：647-657.
19	罗敬宁，徐喆，亓永刚.基于风云三号卫星的全球沙尘遥感方法［J］.中国沙漠，2015，35（3）：690-698.
20	Di A J， Xue Y， Yang X H，et al.Dust aerosol optical depth retrieval and dust storm detection for Xinjiang region using Indian national satellite observations［J］.Remote Sensing，2016，8（702）：8316.
21	Zhang P， Liu N M， Hu X Q.Identification and physical retrieval of dust storm using three MODIS thermal IR channels［J］.Global and Planetary Change，2006，52（1/4）：197-206.
22	郑新江，陈渭民，方翔，等.利用NOAA卫星资料估算陆地沙尘量的方法［J］.国土资源遥感，2008（2）：35-38.
23	延昊，王长耀，牛峥，等.应用遥感技术估算东亚沙尘携沙量［J］.水土保持学报，2002，16（1）：120-123.
24	Huang J P， Ge J M， Weng F Z.Detection of Asia dust storms using multisensor satellite measurements［J］.Remote Sensing of Environment，2007，110（2）：186-191.
25	Sang S P， Kim J， Lee J，et al.Combined dust detection algorithm by using MODIS infrared channels over East Asia［J］.Remote Sensing of Environment，2014，141（2）：24-39.
26	Yang Y K， Sun L， Zhu J S.A simplified dust detection algorithm of NPP［J］.Journal of Atmospheric and Solar-Terrestrial Physics，2017，164（11）：314-323.
27	She L， Xue Y， Yang X H，et al.Dust detection and intensity estimation using Himawari-8/AHI observation［J］.Remote Sensing，2018，10（4）：490.
28	刘方伟，苏庆华，孙林，等.基于Himawari-8卫星的沙尘监测［J］.山东科技大学学报（自然科学版），2018，37（3）：11-19.
29	姜红，何清，曾晓青，等.基于随机森林和卷积神经网络的FY-4A号卫星沙尘监测研究［J］.高原气象，2021，40（3）：680-689.
30	邵宇杰，胡越凯，周斌，等.基于GF-4卫星的杭州湾悬浮泥沙浓度遥感监测研究［J］.海洋学报，2020，42（9）：134-142.
31	李彬，孙小龙，蒋姗姗，等.基于动态背景场沙尘覆盖度指数的Himawari-8沙尘判识及强度估算方法［J］.科学技术与工程，2023，23（19）：8308-8317.
32	史莹莹，张镭，田鹏飞，等.黄土高原半干旱区沙尘气溶胶光学和微物理特征［J］.高原气象，2018，37（1）：286-295.
33	延昊，侯英雨，刘桂清.利用热红外温差识别沙尘［J］.遥感学报，2004，8（5）：471-474.
34	张鹏超，梁宇，刘波，等.基于随机森林模型的青藏高原森林地上生物量遥感估算［J］.生态学杂志，2023，42（2）：415-424.
35	牛全福，傅键恺，陆铭，等.基于随机森林的GF-6 WFV和Landsat8 OLI遥感影像分类比较［J］.地理空间信息，2022，20（8）：49-54.

2018年	2019年	2020年	2021年	2022年	2023年	2024年
4月9日	3月27日	4月24日	3月6日	3月3日	4月8日	5月29日
	4月20日	11月6日	3月26日	3月13日	4月20日
	4月23日		4月26日	4月8日	11月26日
	4月30日		8月21日	4月23日	12月5日

2018年	2019年	2020年	2021年	2022年	2023年	2024年
4月9日	3月27日	4月24日	3月6日	3月3日	4月8日	5月29日
	4月20日	11月6日	3月26日	3月13日	4月20日
	4月23日		4月26日	4月8日	11月26日
	4月30日		8月21日	4月23日	12月5日

级别	不易起沙尘（1）	轻度易起沙尘（2）	中等易起沙尘（3）	高度易起沙尘（4）	极易起沙尘（5）
指数	≥0.26	0.26~0.05	0.05~-0.1	-0.1~-0.2	≤-0.2
描述	植被覆盖好，生态系统功能稳定，防风固沙功能较好	有牧草、灌木等植被覆盖，生态系统功能较稳定，防风固沙功能良好	有沙地植被覆盖，生态系统功能脆弱，防风固沙功能一般	有稀疏植被，土地裸露程度较高，防风固沙功能弱	裸地，坡度陡，易发生风蚀，防风固沙功能很弱

级别	不易起沙尘（1）	轻度易起沙尘（2）	中等易起沙尘（3）	高度易起沙尘（4）	极易起沙尘（5）
指数	≥0.26	0.26~0.05	0.05~-0.1	-0.1~-0.2	≤-0.2
描述	植被覆盖好，生态系统功能稳定，防风固沙功能较好	有牧草、灌木等植被覆盖，生态系统功能较稳定，防风固沙功能良好	有沙地植被覆盖，生态系统功能脆弱，防风固沙功能一般	有稀疏植被，土地裸露程度较高，防风固沙功能弱	裸地，坡度陡，易发生风蚀，防风固沙功能很弱

DDI指数	沙尘强度类型
1~10	弱浮尘
11~30	浮尘
31~50	扬沙
51~70	沙尘暴
71~85	强沙尘暴
>85	特强沙尘暴

Prediction model of dust mass generation in dust source by random forest

RichHTML

PDF

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 19

References 35

Related Articles 15

Recommended Articles

Metrics

Comments

要素	2022年4月23日13:40		2023年11月26日12:30		2023年4月20日10:30
要素	模拟预测	遥感监测	模拟预测	遥感监测	模拟预测	遥感监测
预测时间/min	220	220	160	160	160	160
近地表风速/(m·s^-1)	—	11.5	—	9.6	—	14.2
遥感监测沙尘传输速率/(m·s^-1)	14.44	—	10.49	—	19.7	—
遥感监测传输距离/km	190.5	187.9	100.8	111.9	216.8	249.1
影响面积/km²	2 145	2 372	1 505	1 442	24 860	24 750
平均沙尘强度指数	35.2	36.8	40.2	40.5	51.0	42.0
平均能见度/km	4.6	5.1	3.5	4.1	0.99	2.0
平均携沙量/( t·km^-2)	0.855	0.745	1.56	1.25	3.0	2.2

时刻	100.8°E， 42.47°N	100.9°E， 42.47°N	101.1°E, 42.46°N	101.3°E, 42.46°N	101.5°E, 42.45°N	101.8°E, 42.44°N	102.1°E, 42.43°N	102.5°E, 42.42°N
10:00	11.4	11.5	11.2	11.2	11.2	11.3	11.7	10.1
11:00	11.3	11.1	10.9	10.9	11.0	11.3	11.3	10.1
12:00	11.3	10.9	10.6	10.6	10.7	11.0	10.5	10.1
13:00	11.9	11.7	11.5	11.4	11.3	10.9	10.5	9.5
14:00	11.5	11.2	10.9	10.9	10.9	11.0	10.4	9.3
平均	11.48	11.28	11.02	11.0	11.02	11.1	10.88	9.82

[1]	Yanxi Wang, Jianjun Qu, Cheng Shen, Shuai Zhong, Jun Li. Erosion and prevention of the sandy coast of Dengloujiao， Leizhou Peninsula， China [J]. Journal of Desert Research, 2025, 45(1): 10-19.
[2]	Bingbing Chen, Yingchun Ge, Zhonghang Song, Xiangnan Wu, Yu Ai, Ying Yang, Shengtang Wang, Yushuo Liu. Spatio-temporal evolution and driving forces of ecological quality in Qilian Mountains [J]. Journal of Desert Research, 2024, 44(6): 258-267.
[3]	Hongji Zhou, Fanmin Mei, Mengji Pu, Chuan Lin, Jin Su, Jinguang Chen. Ensemble models for identifying automatically aeolian saltating tracks driven by datasets [J]. Journal of Desert Research, 2024, 44(6): 70-78.
[4]	Ting Ning, Dinghai Zhang, Youyi Zhao, Jing Jiang. Relationship between soil moisture and topography and vegetation in the Tengger Desert [J]. Journal of Desert Research, 2024, 44(5): 133-142.
[5]	Lang Zhang, Guofeng Dang, Tengfei Yu, Tuo Han, Yidan Yin, Yong Chen. Monitoring and change analysis of vegetation coverage in Ejin Oasis based on UAV-LiDAR [J]. Journal of Desert Research, 2024, 44(5): 170-181.
[6]	Teng Zhang, Yunfa Miao, Yaguo Zou, Ziyue Zhang, Guoping Feng. Classification and changes of vegetation in Sugan Lake wetland in the extreme arid region [J]. Journal of Desert Research, 2024, 44(4): 81-90.
[7]	Yu Yan, Hejun Zuo, Min Yan, Cheng Xi, Jiaqi Dong, Limei Niu. Lake number and area in Kubuqi Desert from 1986 to 2020 [J]. Journal of Desert Research, 2024, 44(2): 151-161.
[8]	Wanfeng Su, Guangzhao Han, Deli Ye, Guangchao Cao. Remote sensing evaluation and driving force analysis of ecological environment in Gonghe Basin [J]. Journal of Desert Research, 2023, 43(5): 74-84.
[9]	Yating Cui, Huan Li, Longxiao Zheng, Mengquan Wu. Study of ecological environmental quality changes in the upper Yellow River basin based on remote sensing ecological index [J]. Journal of Desert Research, 2023, 43(3): 107-118.
[10]	Siyu Chen, Yawen Guan, Dan Zhao, Gaotong Lou, Yu Chen. Influence of dust aerosol on land surface diurnal temperature range over East Asia Simulated with the WRF-Chem model [J]. Journal of Desert Research, 2022, 42(3): 127-138.
[11]	Yiran Zhang, Tingxi Liu, Xin Tong, Limin Duan, Tianyu Jia, Yaxin Ji. Inversion of vegetation coverage based on multi-source remote sensing data and machine learning method in the Horqin Sandy Land， China [J]. Journal of Desert Research, 2022, 42(3): 187-195.
[12]	Lichao Zhuang, Naiang Wang, Xunhe Zhang, Liqiang Zhao, Xianbao Su. Analysis on the difference of the spatial model of lake ice freezing and melting in the Badain Jaran Desert [J]. Journal of Desert Research, 2021, 41(3): 214-223.
[13]	Haowei Jia, Changzhen Yan, Xuegang Xing, Jiali Xie, Kun Feng. Evaluation of ecological environment in the Dulan County based on the Modified Remote Sensing Ecological Index Model [J]. Journal of Desert Research, 2021, 41(2): 181-190.
[14]	Changzhen Yan, Sen Li, Junfeng Lu, Lichao Liu. Lake number and area in the Tengger Desert during 1975-2015 [J]. Journal of Desert Research, 2020, 40(4): 183-189.
[15]	Mao Zhongchao, Li Sen, Zhang Zhishan, Hu Yigang, Li Changsheng. Desert-ecotone-oasis division: taking the Shiyang River Basin as an example [J]. Journal of Desert Research, 2020, 40(2): 177-184.