GPR、XGBoost和CatBoost模拟江西地区参考作物蒸散量的适应性研究

刘小强，代智光，吴立峰，张富仓，董建华，陈志月

GPR、XGBoost和CatBoost模拟江西地区参考作物蒸散量的适应性研究

刘小强1, 2，代智光1，吴立峰1*，张富仓2，董建华3，陈志月4

（1.南昌工程学院 水利与生态工程学院，南昌 330099；2.西北农林科技大学 旱区农业水土工程教育部重点实验室，陕西 杨凌 712100；3.昆明理工大学 农业与食品学院，昆明 650500；4.河海大学 水文水资源学院，南京 210098）

【】提高机器学习模型模拟参考作物蒸散量在江西省适应性和精度。基于江西南昌等15个气象站2001—2015年日值气象数据（最高气温、最低气温、地表辐射、大气顶层辐射、相对湿度和2 m高风速），以FAO-56 Penman-Monteith（P-M）公式的计算结果作为对照，建立了计算0的高斯过程回归（GPR）、极限梯度提升（XGBoost）和梯度提升决策树（CatBoost）模型，并分别与经验模型进行比较。各气象参数对机器学习模型模拟0的精度影响由大到小依次为：s、max和min、、2，且采用max、min、s和气象参数组合的机器学习模型（0.2 mm/d）模拟0精度高。此外，3种机器学习模型在有限的气象数据时具有较好的适用性，且优于传统经验模型，其中GPR和CatBoost模型的预测精度高，但GPR模型稳定性最好。考虑到所研究模型调参的复杂性、预测精度和稳定性，GPR模型可作为江西地区参考作物蒸散量模拟的推荐方法。

参考作物蒸散量；高斯过程回归；极限提升增强；梯度提升决策树；经验模型

0 引言

【研究意义】作物需水量是农田土壤水分循环的关键因子，对水资源优化配置和灌溉制度的制定有重要意义，而计算作物需水量的关键是确定参考作物蒸散量（0）[1]。【研究进……