科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于机器学习方法和多源数据构建高精度蒸散发(Evapotranspiration, ET)产品对研究气候变化背景下干旱、半干旱地区陆地水循环变化具有重要意义。本文利用西北地区12个草地通量站点与卫星遥感产品，基于随机森林、极端梯度提升、支持向量回归和人工神经网络4种机器学习方法构建ET估算模型，制作5 km分辨率ET产品，并分析ET的长期变化趋势。交叉验证结果表明，4种模型的均方根误差都低于0.57 mm·d-1,R2高达0.73～0.88。SHAP(SHapley Additive exPlanation)可解释性分析表明，4种模型均将净辐射、植被和土壤湿度作为ET估算的重要因子，也能刻画出土壤偏干时土壤水分对ET的限制作用，有较好的物理解释性。多模型集合的ET结果相比单一机器学习模型以及现有遥感产品误差分别降低7%～20%和45%～70%。趋势分析结果显示，西北地区非裸地下垫面在2001—2018年间整体呈现ET增加趋势，平均速率为19 mm/(10 a)。在河套平原和内蒙古中部和东北部地区，ET的增长速率超过降水，这可能会进一步加剧这些地区的干旱化。
- 单位
