基于集成树类算法估算农田蒸散量

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。