基于SMAR模型与随机森林回归的高分辨率根区土壤水分模拟研究
文献类型：期刊论文
| 作者 | 吕爱锋1; 刘永毫2; 张文翔2 |
| 刊名 | 生态学报
 |
| 出版日期 | 2026-01-08 |
| 卷号 | N/A期号:07页码:1-20 |
| 关键词 | 云南省 土壤水分分析关系(SMAR) 土壤水分 随机森林 扩展三重搭配 降尺度模型 |
| ISSN号 | 1000-0933 |
| DOI | 10.20103/j.stxb.202504170911 |
| 产权排序 | 1 |
| 英文摘要 | 根区土壤水分（RZSM）在水文循环中发挥着关键作用，调节着陆地和大气之间的水热交换过程，RZSM的精确模拟有助于深入地理解土壤剖面的水分迁移机制。云南省地处中国西南部，近年来干旱频发。相较于气象干旱与水文干旱，该区域对农业干旱的系统研究仍显不足。农业干旱具体表现为土壤水分的亏缺，其亏缺程度直接关联农业干旱的严重程度。因此，RZSM的动态模拟对于农业干旱监测具有突出意义。基于土壤水分分析关系（SMAR）模型，构建了一种集评估、模拟与降尺度于一体的系统方法框架，能够同时获取高精度、高分辨率的表层（0—10cm）与根区（10—60cm）土壤水分数据集。分析结果表明：（1）中国气象局陆面数据同化系统（CLDAS）相较于全球陆面数据同化系统（GLDAS）、欧洲中期天气预报中心第五版再分析数据（ERA5）和土壤水分业务产品系统（SMOPS），在站点尺度和区域尺度评估中均具有最小的不确定性，可作为SMAR模型的最优输入；（2）相较于原始CLDAS（CLDAS）、降尺度CLDAS(CLDASDS)、降尺度残差校正CLDAS(CLDASDSC)结果，降尺度残差校正累积分布函数（CDF）匹配(CLDASDSCC)结果在站点尺度下均方根误差（RMSE）、相关系数（CC）与偏差（Bias）分别为0.01m3/m3、0.97、-0.0006m3/m3，显著提升了表层土壤水分（SSM）的空间分辨率同时保持较高精度；（3）四个SMAR参数均受到植被、气候和土壤因子的综合影响。模拟的RZSM在站点尺度下表现出较高的精度，整个研究时段的平均CC为0.95、RMSE为0.01m3/m3、Bias为-0.001m3/m3，表明所构建方法能够准确地识别区域土壤水分的时空变化趋势，具有良好的评估能力和应用潜力。 |
| URL标识 | 查看原文 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/219572]  |
| 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 | 吕爱锋 |
| 作者单位 | 1.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; 2.云南师范大学地理学部云南省高原地理过程与环境变化重点实验室 |
| 推荐引用方式 GB/T 7714 | 吕爱锋,刘永毫,张文翔. 基于SMAR模型与随机森林回归的高分辨率根区土壤水分模拟研究[J]. 生态学报,2026,N/A(07):1-20. |
| APA | 吕爱锋,刘永毫,&张文翔.(2026).基于SMAR模型与随机森林回归的高分辨率根区土壤水分模拟研究.生态学报,N/A(07),1-20. |
| MLA | 吕爱锋,et al."基于SMAR模型与随机森林回归的高分辨率根区土壤水分模拟研究".生态学报 N/A.07(2026):1-20. |
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。