摘要
以青藏高原典型高寒沼泽湿地为观测研究站,以实际蒸散发为研究对象,结合气象因子(净辐射、气温、土壤热通量、风速、相对湿度、土壤含水率),建立基于多元线性回归(MLR)、决策树(CART)、随机森林(RF)、支持向量回归(SVR)、多层感知机(MLP)7种组合5类算法的预测模型,找出对于蒸散发具有较高精度的插补方法,实现实际蒸散发数据集的构建.结果表明:1)研究区蒸散发与净辐射相关性最大,而土壤热通量是影响蒸散发过程的关键因子;2)7种组合的5类机器学习算法模型的决定系数变化范围为0.58-0.83,均方根误差变化范围为0.038-0.089 mm·30 min-1;2)随机森林回归模型决定系数最高,模型稳定性最佳,插补效果最优;3)插补完整的蒸散发与净辐射、土壤热通量、气温日尺度变化趋势相同,与风速、相对湿度变化趋势相反.日蒸散发主要集中在生长季,日最大值为8.77mm·d-1,出现在7月9日,日最小值为0.21mm·d-1,出现在1月30日.
基金项目
青海省科技厅创新平台建设专项(2022-ZJ-Y11)
中国气象局创新发展专项(2022-ZJ-Y11)
China Meteorological Administration Innovation and Development Project(CXFZ2022P022)
China Meteorological Administration Innovation and Development Project(CXFZ2022P046)
NETL
NSTL
维普
万方数据