分类回归树算法在土壤水分估算中的应用

       摘要: 针对特征复杂的大尺度区域作物根区土壤水分信息获取难的问题,提出了一个基于CART算法的土壤水分估算模型.模型综合了多源环境变量信息,通过对特征复杂的数据空间进行划分,得到一系列特征单一、建模容易的数据子空间,通过对子空间的土壤水分估算实现全局范围的土壤水分信息获取.采用TVDI、AMSR2土壤水分产品、实测数据3种方式对中国北方土壤水分估算结果进行验证.验证结果表明,虽然TVDI和AMSR2 2种方法的验证效果并不理想,但是不同深度层的站点实测值和估算值之间却有着良好的关系,相关系数均大于0.4且极显著,平均相对误差均小于7.3%,均方根误差均小于0.05 m3/m3.该研究说明CART算法能够有效应用于估算大尺度区域的作物根区土壤水分.

作者:
韩家琪 毛克彪 葛非凡 郭晶鹏 黎玲萍
单位:
中国农业科学院农业资源与农业区划研究所,北京,100081
出处:
《遥感信息》
刊期:
2018年第33卷第3期
基金:
国家自然科学基金(41571427) 国家重点研发计划重点专项(2016YFC0500203)

分类回归树算法在土壤水分估算中的应用

摘要:针对特征复杂的大尺度区域作物根区土壤水分信息获取难的问题,提出了一个基于CART算法的土壤水分估算模型.模型综合了多源环境变量信息,通过对特征复杂的数据空间进行划分,得到一系列特征单一、建模容易的数据子空间,通过对子空间的土壤水分估算实现全局范围的土壤水分信息获取.采用TVDI、AMSR2土壤水分产品、实测数据3种方式对中国北方土壤水分估算结果进行验证.验证结果表明,虽然TVDI和AMSR2 2种方法的验证效果并不理想,但是不同深度层的站点实测值和估算值之间却有着良好的关系,相关系数均大于0.4且极显著,平均相对误差均小于7.3%,均方根误差均小于0.05 m3/m3.该研究说明CART算法能够有效应用于估算大尺度区域的作物根区土壤水分.

说明:如本页面涉及到版权问题或作者不愿意公开,请联系本站管理员删除!

0.527526s