六种机器学习算法对西藏那曲草甸土土壤剖面温度的模拟效果对比
文献类型：期刊论文
| 作者 | 徐俊杰3,4,5,6; 于一雷2,3,4; 杨丽虎5,6; 李文彦3; 吕翠翠3; 韦欣1 |
| 刊名 | 中国农业气象
 |
| 出版日期 | 2025-06-20 |
| 卷号 | 46期号:06页码:781-795 |
| 关键词 | Soil temperature Machine learning Neural networks Forecast Random forest Xizang Naqu |
| ISSN号 | 1000-6362 |
| 产权排序 | 1 |
| 英文摘要 | 土壤温度预测的研究目前主要集中在土壤表层，然而关于深层土壤温度的预测较少，尤其是在相关气象数据不易获取的高寒地区。本研究采用传统的随机森林算法、粒子群优化和蚁群优化的随机森林算法，以及三种神经网络方法（径向基函数RBF、BP神经网络、极限学习机ELM），预测7个深度（0cm、10cm、20cm、30cm、40cm、50cm和60cm）的土壤温度，并比较不同机器学习算法在预测不同土壤深度温度时的性能。利用西藏那曲市2017-2019年土壤温度和气象要素数据集，将气温、湿度、太阳辐射、降水量和大气压作为模型的输入变量，并使用泰勒图进行模型的评估。结果表明：西藏那曲地区浅层土壤温度变化剧烈，直接受大气温度和太阳辐射的影响，而具有一定的热绝缘性的深层土壤温度变化较为平稳，且表现为明显的季节性波动特征；对比不同模型发现，在多个深度的土壤温度预测中，RBF（径向基函数）神经网络模型的预测精度、稳定性和泛化能力均表现出了更高的准确性，R2范围为0.9016～0.9904,MSE（均方误差）在0.2501～2.7725℃，在50cm深度处精度最高，R2达到了0.9904；其次为RF模型，R2在0.8861～0.9381。RBF神经网络模型能够更准确地捕捉土壤温度与各种影响因素之间的复杂关系，包括气象条件、土壤深度等。本研究提供了一种更为可靠和精确的工具来预测不同深度的土壤温度，为农业管理、环境保护和气候变化研究等领域提供了一定的科学依据。 |
| URL标识 | 查看原文 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/214456]  |
| 专题 | 陆地水循环及地表过程院重点实验室_中文论文 |
| 通讯作者 | 于一雷 |
| 作者单位 | 1.防灾科技学院生态环境学院 2.地下水污染控制与修复教育部工程研究中心/北京师范大学; 3.中国科学院雄安创新研究院(筹); 4.河北大学生态环境系; 5.中国科学院大学; 6.中国科学院地理科学与资源研究所陆地水循环及地表过程重点实验室; |
| 推荐引用方式 GB/T 7714 | 徐俊杰,于一雷,杨丽虎,等. 六种机器学习算法对西藏那曲草甸土土壤剖面温度的模拟效果对比[J]. 中国农业气象,2025,46(06):781-795. |
| APA | 徐俊杰,于一雷,杨丽虎,李文彦,吕翠翠,&韦欣.(2025).六种机器学习算法对西藏那曲草甸土土壤剖面温度的模拟效果对比.中国农业气象,46(06),781-795. |
| MLA | 徐俊杰,et al."六种机器学习算法对西藏那曲草甸土土壤剖面温度的模拟效果对比".中国农业气象 46.06(2025):781-795. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。