典型文献
湿地生态系统实际蒸散发数据驱动估算模型研究
文献摘要:
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.
文献关键词:
湿地;蒸散发;机器学习;深度学习;ERA5-Land
中图分类号:
作者姓名:
凌从高;穆溪;许敏;王思晨;赵秋雨;江鹏
作者机构:
安徽大学资源与环境工程学院,合肥230601;安徽大学信息材料与智能感知安徽省实验室,合肥230601
文献出处:
引用格式:
[1]凌从高;穆溪;许敏;王思晨;赵秋雨;江鹏-.湿地生态系统实际蒸散发数据驱动估算模型研究)[J].安徽农业大学学报,2022(05):771-779
A类:
Fluxnet2015
B类:
湿地生态系统,实际蒸散发,估算模型,全球通,观测数据,RF,GBR,支持向量回归,SVR,深度学习神经网络,DNN,Evaporation,ET,特征变量,变量组合,短波辐射,净辐射,生产总值,土壤温度,经度,纬度,模型输入,测试数据,ERA5,Land,再分析资料,输入特征,估计精度,RPE,模型算法
AB值:
0.292352
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。