王思楠 李瑞平,2 吴英杰 赵水霞 王秀青
(1.内蒙古农业大学水利与土木建筑工程学院, 呼和浩特 010018;2.内蒙古自治区农牧业大数据研究与应用重点实验室, 呼和浩特 010018;3.中国水利水电科学研究院牧区水利科学研究所, 呼和浩特 010020;4.内蒙古自治区测绘地理信息中心, 呼和浩特 010050)
土壤含水率是地表能量平衡的重要决定参数,在全球水循环中起着重要作用[1]。同时在农业应用中,土壤水分含量不仅是作物生长发育的基本条件,也是作物产量估算、干旱监测的关键参数[2]。因此,准确、及时地反演土壤水分具有重要意义。
土壤水分的分布受多个相互作用的因素影响,如土壤特性、植被覆盖和气候条件[3]。因此,用传统的单点测量方法,如烘干法、数字探头等,相对难以有效地获得大规模的土壤水分信息[4]。与地面单点测量方法相比,遥感技术因其覆盖面广、时效性强、成本低,逐渐得到应用[5-6]。光学遥感作为最早和最成熟的地球观测技术,一直发挥着重要的作用。学者们通过地物反射辐射特征变化来模拟地表覆盖类型、地表温度、土壤热惯量及地表蒸散发与土壤含水量的经验关系,从而实现土壤水分的反演[7-9]。然而,上述大多数方法都是经验性的,对于回归分析需要做出的一些统计假设可能会导致使用受限,如离群数据、非线性、异方差和多共线性,不能对土壤水分进行强有力的预测。机器学习方法能够发现数据之间有意义的关联、模式和规则,可以克……