基于模型平均法的表层土壤含水率多模型综合反演

摘要

土壤水分是农作物和牧草生长的关键因素,也是影响全球气候变化和水循环的重要因子,因此准确监测土壤水分对促进农牧业可持续管理至关重要。基于Landsat 8 OLI多光谱影像,在表面生物物理特性和地形参数的基础上,结合野外实测土壤含水率,采用经验模型法分别构建了反距离加权法(Inverse Distance Weighting,IDW)、多元线性回归(Multivariable Linear Regression,MLR)、随机森林(Random Forest,RF)的土壤含水率反演模型,并采用模型平均法(Granger-Ramanathan,GR)进行组合反演,结果显示,通过模型平均法组合单一模型后在该研究区的土壤含水率反演中表现出了更好的适用性,模型平均法GR对于土壤含水率的估算效果佳,建模集与验证集R^(2)≥0.88,均方根误差均不大于1.42%,且模型性能远优于反距离加权法、多元线性回归和随机森林。