基于光照度的农田蒸散量估算方法研究

摘要

针对实际蒸散量(Actual evapotranspiration,ETa)估算过程中太阳辐射测量设备昂贵、难以大量布署安装,以及单元机器学习回归算法精度低、泛化性能差的问题,提出了一种基于光照度的集成算法.首先,将光照度作为模型的输入量代替太阳辐射,提出了基于光照度的晴朗指数;提出了以极端梯度提升模型(Extreme gradient boosting,XGBoost)、分布式梯度提升框架(Light gradient boosting machine,LightGBM)、随机森林回归(Random forest regression,RFR)、支持向量回归(Support vector regression,SVR)为基础模型的实际蒸散量估算集成算法.结果 表明:在农田实际蒸散量的估算中光照度可以替代太阳辐射,通过单元模型和集成模型分别对比基于光照度和太阳辐射的ETa估算结果,两者最大均方根误差(RMSE)差值为0.031 mm/h,决定系数(R2)的最大差值为0.053.晴朗指数有助于模型更好地学习不同天气条件下的蒸散量数据分布特征,与未添加晴朗指数的集成模型估算结果相比,RMSE降低了0.028 mm/h,R2提高了0.03.采用集成算法比单元模型算法性能有明显提升,基于光照度的集成模型RMSE为0.037 mm/h、R2为0.985.本文从估算蒸散量所需的数据源、特征量以及估算算法等多个角度进行了探索,为农田蒸散量的估算提供了一种新思路.