基于机器学习的青藏高原高寒沼泽湿地蒸散发插补研究

作     者：王秀英 陈奇 杜华礼 张睿 马红璐 WANG Xiu-Ying;CHEN Qi;DU Hua-Li;ZHANG Rui;MA Hong-Lu

作者机构：青海省气象科学研究所青海省防灾减灾重点实验室西宁810001 

出 版 物：《植物生态学报》 (Chinese Journal of Plant Ecology)

年 卷 期：2023年第47卷第7期

页      面：912-921页

核心收录：

学科分类：07[理学] 070601[理学-气象学] 0706[理学-大气科学] 

基　　金：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(CXFZ2022P022和CXFZ2022P046 

主　　题：机器学习 高寒沼泽湿地 蒸散发 交叉验证 

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8.77 mm·d^(-1),出现在7月9日,日最小值为0.21 mm·d^(-1),出现在1月30日。