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

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CLDAS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(R~2=0.961 28,RMSE=0.006 99)。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0.2 mm~3/mm~3,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0.16 mm~3/mm~3,9月土壤水分高达0.33 mm~3/mm~3。