换一批马拉河流域植被生态需水特征及估算
Characteristics and estimation of vegetation ecological water demand in the Mara River Basin
摘要生态需水是生态用水控制和区域生态环境恢复建设的基本依据.马拉河流域拥有世界著名的生态系统,植被生态需水占流域总需水量的很大一部分.基于1980-2020年ERA5气象数据、叶面积指数(LAI)与世界土壤数据库数据,采用Penman-Monteith法计算了马拉河流域四个季节(短旱季、长雨季、长旱季、短雨季)植被生态需水量的时空变化特征.在此基础上,使用支持向量机(SVM)、随机森林(RF)和卷积神经网络(CNN)3种机器学习方法与7个环境因子(气温、降水、10 m风速、LAI、太阳辐射、相对湿度、地形)建立了回归模型,分别估算了 2011-2020年逐年不同季节的植被生态需水量,并与Penman-Monteith法计算结果进行时间序列拟合度和空间相似性的比较.结果表明:马拉河流域植被生态需水量在过去40年所有季节都呈现为波动变化,植被生态需水量长雨季＞长旱季＞短雨季＞短旱季,长雨季的植被生态需水量约为短旱季的1.5倍.不同季节均呈现出上下游高、中游低的植被生态需水量空间分布格局.LAI为最大的正影响因子,风速为最大的负影响因子.就不同方法估算的植被生态需水量准确性而言,RF表现最为优异,主要体现在最值估算误差最小,时间变化序列的拟合度最高,空间分布最为相似,相对误差最小,而SVM的预测结果相对最差.RF是相对最适用于马拉河流域植被生态需水量估算的算法.使用3种不同的机器学习方法估算马拉河流域不同季节植被生态需水量,并对结果进行比较,可为生态需水的估算提供技术参考.
更多相关知识
关键词
马拉河流域植被生态需水量支持向量机(SVM)随机森林(RF)卷积神经网络(CNN)估算Mara River Basinvegetation ecological water demandsupport vector machine(SVM)random forest(RF)convolution neural network(CNN)estimation
栏目名称
DOI
10.20103/j.stxb.202209182672
发布时间
2023-10-25（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家重点研发计划（2018YFE0105900）
- 浏览22
- 被引13
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
