本期分享一篇本人在水文資源領(lǐng)域頂刊Journal of hydrology上接收的一篇關(guān)于利用機(jī)器學(xué)習(xí)方法來提升中國(guó)實(shí)際蒸散發(fā)估算的論文, 論文題目為
Improving terrestrial evapotranspiration estimation across China during 2000-2018 with machine learning methods, 可在https://www.sciencedirect.com/science/article/pii/S0022169421005850下載原文閱讀，該文公開了最終的中國(guó)2000-2018年的10天平均的一年36期的1km實(shí)際蒸散發(fā)數(shù)據(jù)集沃但，可在https://doi.org/10.6084/m9.figshare.12278684.v5.下載
這個(gè)工作的主要技術(shù)路線如下所示：
首先通過氣象資料和遙感資料來輸出5種過程模型娶靡，然后在站點(diǎn)上訓(xùn)練5種模型的模擬蒸散發(fā)和實(shí)際蒸散發(fā)的關(guān)系挽绩，訓(xùn)練采用了6種機(jī)器學(xué)習(xí)方法，從中可以得到最優(yōu)的機(jī)器學(xué)習(xí)方法拥知，該文得到的是高斯過程回歸GPR匾二，然后應(yīng)用GPR來集成5個(gè)過程模型的中國(guó)實(shí)際蒸散發(fā)，從而得到一套新的中國(guó)實(shí)際蒸散發(fā)數(shù)據(jù)(ChinaET10day/1km), 并將該產(chǎn)品與已有的覆蓋中國(guó)的高分辨率的8種ET產(chǎn)品進(jìn)行比較烟央，結(jié)果表明該產(chǎn)品的精確度更高
