湿地生态系统实际蒸散发数据驱动估算模型研究

摘要：

利用Fluxnet2015全球通量塔观测数据集,研究了随机森林(RF)、梯度增强回归分析(GBR)、支持向量回归(SVR)和深度学习神经网络(DNN)预测湿地生态系统的实际蒸散发(Evaporation,ET).通过对比研.究,确定了预测实际蒸散发的最佳特征变量组合,包括短波辐射、净辐射、初级生产总值、气温、土壤温度、风速、降水、经度、纬度和时间.以此为模型输入,利用Fluxnet2015站点测试数据集和ERA5-Land再分析资料提供的输入特征,对比分析了不同模型的实际蒸散发估计精度,结果表明:以站点数据为输入,SVR算法精度相对较高,其R2可达0.896,RPE最小为31.5％;以ERA5-Land再分析资料为输入,除了 GBR算法以外,其余3种方法R2高于0.820,RPE小于57％.另外,模型算法估计的ET精度要明显高于ERA5-Land再分析资料提供的ET产品.

关键词：湿地、蒸散发、机器学习、深度学习、ERA5-Land

所属期刊栏目：49

分类号：S181(农业生物学)

资助基金：国家自然科学基金;安徽省自然科学基金

在线出版日期：2023-02-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：771-779