基于机器学习算法模拟不同土壤深度含水率

准确模拟土壤水分(SM)对农田精准灌溉、优化区域水资源配置和提高农业水资源利用效率具有重要意义。采用逐日气象和土壤含水量数据,探究随机森林(RF)和支持向量机(SVM)模拟不同深度(4 cm、10cm和20 cm)土壤含水量的适用性,采用太阳辐射(Rs)、空气温度(T)、降水量(P)、风速(U2)、空气湿度(RH)和土壤温度(ST)数据的4种输入组合,探讨不同输入变量对SM模拟的影响。结果表明:RF模型在4种输入组合下模拟不同深度土壤含水量精度最高,SVM模型模拟精度较低,R2范围分别为0.871~0.914和0.710~0.814,RMSE范围分别为0.050~0.069 cm^(3)/cm^(3)和0.080~0.098 cm^(3)/cm^(3),MAE范围分别为0.030~0.051 cm^(3)/cm^(3)和0.060~0.077cm^(3)/cm^(3)。考虑模型精度和数据易获取性,RF模型在Rs、T、P、ST和RH输入下精度较高,R2范围为0.884~0.914,RMSE范围为0.050~0.064 cm^(3)/cm^(3),MAE范围为0.030~0.043 cm^(3)/cm^(3)。因此,建议采用RF模型在Rs、T、P、RH和ST输入下模拟不同土壤深度含水量。