基于KNN机器学习方法对青藏高原唐古拉地区表层土壤水热状况的模拟

• 作者: 刘宏超 马俊杰 李韧
• 来源期刊: 冰川冻土
• 关键词: KNN 机器学习 青藏高原 多年冻土 土壤水热过程
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 冰冻圈技术
• 页码范围: 1243-1252
• 页数: 10页
• 分类号: P642.14
• 语种: 中文
• DOI: 10.7522/j.issn.1000-0240.2021.0079

摘要

利用唐古拉站2004—2012年气象观测资料,基于KNN算法,结合机器学习思想,建立了一个气象回归模型,模拟了2005年唐古拉地区表层土壤水热变化趋势,结合实测数据,将模拟值与观测值进行对比,并对模型模拟效果进行了评估.结果表明:KNN模型能够较好地模拟活动层表层土壤水热状况,各层土壤温度的模拟值与观测值的相关系数均在0.99以上,均方根误差在1.25℃以内;不同深度土壤水分的模拟值与观测值的相关系数均在0.95以上,均方根误差在0.02 m3?m-3以内.总体上,KNN模型能够对青藏高原多年冻土区唐古拉地区表层土壤水热状况进行较为精确地模拟,该模型对于青藏高原其他地区的适用性有待进一步研究验证.