报告详情
基于树的机器学习模型在美国陆地蒸散发估算中的应用
编号：3258
访问权限：仅限参会人
更新：2024-04-13 11:15:49 浏览：832次
口头报告
报告开始：2024年05月20日 10:45（Asia/Shanghai）
报告时间：10min
所在会场：[S7] 主题7、遥感与地理信息科学 [S7-10] 主题7、遥感与地理信息科学 专题7.16、专题7.15（20日上午，301）
暂无文件
摘要
蒸散量（ET）是生态和水文过程之间的重要纽带，对水资源管理、农业生产、生态系统维护和气候变化研究至关重要。机器学习方法已广泛运用于ET估算，尤其基于树的模型因其高效和准确性备受关注，但比较研究较少。本研究以美国大陆为例，利用地面观测数据和多源遥感数据，探索了随机森林、极限随机树（ERT）、XGBoost和LightGBM等基于树的机器学习算法在ET估算中的性能。结果显示，四种模型均能准确估算美国大陆ET，其中ERT模型表现最优，与观测数据具有高相关性（R²=0.842），低偏差（BIAS=-0.0003mm/d）和低均方根误差（0.723mm/d）。相较于MOD16A2，其R²提高0.403，RMSE降低5.311 mm/8d。基于ERT生成的美国2008-2018年逐日1km无缝陆地ET数据集优于其他全球产品，进一步验证了其可靠性，突显了ERT在ET估算中的潜力。
关键词
蒸散,遥感,机器学习
报告人
赵雨馨
硕士研究生 武汉理工大学稿件作者
全部评论
重要日期
-
会议日期
05月17日
2024
至05月20日
2024
-
03月31日 2024
初稿截稿日期
-
03月31日 2024
报告提交截止日期
-
05月20日 2024
注册截止日期
主办单位
青年地学论坛理事会
承办单位
厦门大学近海海洋环境科学国家重点实验室
中国科学院城市环境研究所
自然资源部第三海洋研究所
中国科学院城市环境研究所
自然资源部第三海洋研究所
联系方式
- 辜克兢（会务总协调、会场安排、学术安排）
- gu******@xmu.edu.cn
- 139********
- 柳欣（会务总协调）
- li******@xmu.edu.cn
- 138********
- 孙佳妮（会务总协调）
- sc******@chytey.com
- 152********
- 窦恒（会场安排、学术安排）
- do******@chytey.com
- 186********
- 李招英（会场技术服务）
- li******@xmu.edu.cn
- 138********
- 刘琳（学术安排）
- ll******@iue.ac.cn
- 133********
- 李虎（学术安排）
- hl******@iue.ac.cn
- 189********
- 柳欣（学术安排）
- li******@xmu.edu.cn
- 138********
- 胡勤梅（会议注册）
- ma******@chytey.com
- 135********
- 孙晓笛（会议注册）
- xi******@xmu.edu.cn
- 188********
- 许心雅（会议财务）
- xu******@xmu.edu.cn
- 180********
- 朱佳（商业赞助）
- zh******@xmu.edu.cn
- 139********
- 张君（海报张贴）
- ju******@xmu.edu.cn
- 138********
- 卢巍（海报张贴）
- lu******@chytey.com
- 189********
- 李璟（酒店预订及咨询）
- li******@chytey.com
- 186********
发表评论