基于CLDAS数据和机器算法模型的大清河流域地表土壤湿度降尺度研究
【摘要】 土壤水分是“四水”转换的纽带，农业生产的基础，传统的野外定点测量土壤水分的方法难以实现空间上的展布，现代微波遥感数据可以得到大尺度的土壤水分，但分辨率低。本文利用CL-DAS数据，将机器算法应用到遥感影像指数运算中，开展土壤水分的降尺度研究。论文分别采用OLS算法、Bagging算法、BRT算法和随机森林算法模型建立MODIS光学遥感数据(LST、Albedo、NDVI、ET)与土壤水分的关系模型。研究结果表明:四种算法中随机森林算法的拟合效果更优(R2=0.96128，RMSE=0.00699)。利用该算法算出降尺度后的土壤体积水分，可以得到大尺度且空间分辨率更高的土壤水分数据。大清河流域西北部土壤含水量高于东南部，土壤含水量差异可达0.2mm3/mm3，在流域土壤含水量空间分布的季节变化显著，3月土壤水分低至0.16mm3/mm3，9月土壤水分高达0.33mm3/mm3。
