期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于集成树类算法估算农田蒸散量
1
作者
顾信钦
吴立峰
《节水灌溉》
北大核心
2022年第5期26-32,共7页
准确估算蒸散量(ET)对水资源管理和干旱评估具有重要意义。评估了两种集成树类算法,XGBoost(XGB)和Random Forest (RF)对不同时间尺度下农田ET的表现。模型输入数据使用了通量站点的气象观测数据和MODIS卫星的叶面积指数(LAI)产品数据以...
准确估算蒸散量(ET)对水资源管理和干旱评估具有重要意义。评估了两种集成树类算法,XGBoost(XGB)和Random Forest (RF)对不同时间尺度下农田ET的表现。模型输入数据使用了通量站点的气象观测数据和MODIS卫星的叶面积指数(LAI)产品数据以及ERA再分析数据。结果表明,2个站点模型的偏差百分比(PBIAS)均在5%以内,整体上不存在高估或低估现象。在气象数据基础上增加LAI能提高模型预测精度,但气象数据与再分析数据作为输入时差异不大。在半小时尺度和日尺度下2个站点的XGB模型整体上优于RF模型。可为准确估算ET提供参考方法。
展开更多
关键词
蒸散量
XGBoost
Random
Forest
机器学习
在线阅读
下载PDF
职称材料
题名
基于集成树类算法估算农田蒸散量
1
作者
顾信钦
吴立峰
机构
江西省南昌市南昌工程学院水利与生态工程学院
出处
《节水灌溉》
北大核心
2022年第5期26-32,共7页
基金
江西省教育厅科技项目(GJJ211904)
江西省科技合作专项(20212BDH80016)。
文摘
准确估算蒸散量(ET)对水资源管理和干旱评估具有重要意义。评估了两种集成树类算法,XGBoost(XGB)和Random Forest (RF)对不同时间尺度下农田ET的表现。模型输入数据使用了通量站点的气象观测数据和MODIS卫星的叶面积指数(LAI)产品数据以及ERA再分析数据。结果表明,2个站点模型的偏差百分比(PBIAS)均在5%以内,整体上不存在高估或低估现象。在气象数据基础上增加LAI能提高模型预测精度,但气象数据与再分析数据作为输入时差异不大。在半小时尺度和日尺度下2个站点的XGB模型整体上优于RF模型。可为准确估算ET提供参考方法。
关键词
蒸散量
XGBoost
Random
Forest
机器学习
Keywords
evapotranspiration
XGBoost
Random Forest
machine learning
分类号
S274.1 [农业科学—农业水土工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于集成树类算法估算农田蒸散量
顾信钦
吴立峰
《节水灌溉》
北大核心
2022
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
