摘要

为获取我国南方典型湿润山区关键土壤水力特性(饱和导水率(KS)与田间持水量(FC))的精细空间数据,本文以地形因子和土壤理化性质为输入,以相关性分析为选取标准建立三种不同输入模式,采用多元线性和机器学习技术构建了四种表层土壤水力特性估算模型(多元线性回归(MLR)、遗传算法-人工神经网络(GA-BP)、支持向量机回归(SVR)、随机森林(RF))。然后,将四种估算模型同传统土壤转换函数(PTFs)对比分析,探究不同输入模式在不同估算模型中的优劣,择优选取估算模型预测屯溪流域表层土壤水力特性。此外,本文还深入分析机器学习在小样本回归问题上的泛化能力。结果表明:(1)KS估算效果为RF>SVR>MLR>GA-BP>PTFs,FC估算效果为SVR>RF>GA-BP>MLR>PTFs。(2)屯溪流域KS和FC的空间变化呈现一致性,整体空间分布与屯溪流域高程变化保持一致,说明湿润山区表层土壤水力特性与高程存在密切的非线性关系。(3)SVR与RF模型更适合应用于小样本回归问题,GA-BP模型则需要较大的样本容量来充分捕捉特征以此达到理想效果。本研究实现了最优估算输入因子来生成高精度土壤性质产品,为水文模型输入提供可靠来源从而提高其模拟精度。