機械学習から導出されたグローバル長期日次マルチレイヤ土壌水分量データセット

科学分野:

• 地球科学; 水文学; データサイエンス

背景:

• 土壌水分は、地球のエネルギーと水循環にとって非常に重要です。既存の土壌水分量製品は、しばしば深い土壌層の連続的で高解像度のデータを欠いています。

研究 の 目的:

• 2002年から2021年までをカバーする、グローバルで日次、シームレスなマルチレイヤ土壌水分量データセット（SWSM）を生成すること。0.05°の空間解像度で3つの異なる土壌深度層（0-10 cm、10-30 cm、30-60 cm）の推定値を提供すること。

主な方法:

• 機械学習アプローチ（XGBoost）を利用してSWSMデータセットを作成しました。現場観測を活用して、生成されたデータの厳密な検証を行いました。

主要な成果:

• SWSMデータセットは、すべての深度で0.90を超えるピアソン相関係数と0.05未満のRMSEで高い精度を示しました。特徴重要度分析により、データセットの物理的一貫性と深度依存性の水文学的パターンが確認されました。

結論:

• SWSMデータセットは、長期的な時間的カバレッジ、細かい空間解像度、およびマルチレイヤ構造を提供します。このデータセットは、水文学的モデリング、農業用水管理、および気候変動研究にとって貴重なリソースです。