典型文献
基于集成树类算法估算农田蒸散量
文献摘要：
准确估算蒸散量(ET)对水资源管理和干旱评估具有重要意义.评估了两种集成树类算法,XGBoost(XGB)和Random Forest(RF)对不同时间尺度下农田ET的表现.模型输入数据使用了通量站点的气象观测数据和MODIS卫星的叶面积指数(LAI)产品数据以及ERA再分析数据.结果表明,2个站点模型的偏差百分比(PBIAS)均在5％以内,整体上不存在高估或低估现象.在气象数据基础上增加LAI能提高模型预测精度,但气象数据与再分析数据作为输入时差异不大.在半小时尺度和日尺度下2个站点的XGB模型整体上优于RF模型.可为准确估算ET提供参考方法.
文献关键词：
蒸散量;XGBoost;Random Forest;机器学习
中图分类号：
作者姓名：
顾信钦;吴立峰
作者机构：
江西省南昌市南昌工程学院水利与生态工程学院,南昌330099
文献出处：
引用格式：
[1]顾信钦;吴立峰-.基于集成树类算法估算农田蒸散量)[J].节水灌溉,2022(05):26-32
A类：
B类：
蒸散量,ET,水资源管理,干旱评估,XGBoost,Random,Forest,RF,不同时间尺度,模型输入,输入数据,数据使用,气象观测,观测数据,MODIS,叶面积指数,LAI,产品数据,ERA,再分析数据,PBIAS,高估,低估,气象数据,数据基础,时差,半小时,小时尺度,日尺度,参考方法
AB值：
0.411677
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
