首页|基于机器学习算法模拟不同土壤深度含水率

基于机器学习算法模拟不同土壤深度含水率

Simulation of Soil Moisture at Different Depths Based on Machine Learning Algorithms

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
准确模拟土壤水分(SM)对农田精准灌溉、优化区域水资源配置和提高农业水资源利用效率具有重要意义.采用逐日气象和土壤含水量数据,探究随机森林(RF)和支持向量机(SVM)模拟不同深度(4 cm、10 cm和20 cm)土壤含水量的适用性,采用太阳辐射(Rs)、空气温度(T)、降水量(P)、风速(U2)、空气湿度(RH)和土壤温度(ST)数据的4种输入组合,探讨不同输入变量对SM模拟的影响.结果表明:RF模型在4种输入组合下模拟不同深度土壤含水量精度最高,SVM模型模拟精度较低,R2范围分别为0.871～0.914和0.710～0.814,RMSE范围分别为0.050～0.069 cm3/cm3和0.080～0.098 cm3/cm3,MAE范围分别为0.030～0.051 cm3/cm3和0.060～0.077 cm3/cm3.考虑模型精度和数据易获取性,RF模型在Rs、T、P、ST和RH输入下精度较高,R2范围为0.884～0.914,RMSE范围为0.050～0.064 cm3/cm3,MAE范围为0.030～0.043 cm3/cm3.因此,建议采用RF模型在Rs、T、P、RH和ST输入下模拟不同土壤深度含水量.

邓红艳、吴宗俊、崔宁博、徐郁葭、高颖

展开 >

咸阳市水利工作队,陕西 咸阳 712000

四川大学水力学与山区河流开发保护国家重点实验室,成都 610065

仁寿铧锐农业投资有限责任公司,四川 仁寿 620500

土壤水分 随机森林 支持向量机 土壤深度

"十四五"国家重点研发计划项目国家自然科学基金委优秀青年科学基金国家自然科学基金国家自然科学基金国家自然科学基金四川省科技项目四川省科技项目四川省科技项目四川省科技项目

2021YFD1600803-1519220725227904151779161510091012022YFN00212022YFQ00282022YFQ00662022YFQ0082

2023

10.12396/jsgg.2022394

节水灌溉
中国国家灌溉排水委员会,中国灌溉排水发展中心,武汉大学,国家节水灌溉北京工程技术研究中心

节水灌溉

CSTPCD北大核心
影响因子：0.674
ISSN：1007-4929
年,卷(期)：2023.(3)
  • 2
  • 12