摘要:
为准确反演安徽省土壤湿度,提高机器学习模型的适应性和精度,选用支持向量机回归、极端梯度提升、CatBoost、随机森林、自适应提升和Stacking模型(将前5种机器学习模型作为基模型,线性回归作为元模型)反演安徽省土壤湿度,并对Stacking模型的土壤湿度反演结果进行空间分布和时间序列分析。结果表明:在输入相同遥感数据的情况下,Stacking模型与单一模型相比具有更高的精度和鲁棒性,反演得到的土壤湿度与实测数据之间的相关系数达到0.72,均方根误差为0.05 m3/m3;安徽省土壤湿度空间异质性较高,北部地区较为干旱,平均土壤湿度约为0.2 m3/m3,东部巢湖、长江地带较为湿润,平均土壤湿度可以达到0.4 m3/m3;大别山区和皖南山区虽然海拔较高,但土壤湿度还是高于淮北平原,说明南北气候的差异可能影响土壤湿度;整体看,安徽省土壤湿度是由西北向东南递增的空间格局。