在数据稀缺的干旱地区进行实际蒸发透气估计的新型混合模型:使用深度学习集成经过修改的Budyko和机器学习模型
Mahdi Mohammadnezhad1, Kamran Davary1, Pooya Shirazi1
1Water Science and Engineering Department, College of Agriculture, Ferdowsi University of Mashhad, P. O. Box: 9177948974, Mashhad, Iran.
这项研究引入了一种混合模型,将Budyko框架与XGBoost机器学习结合起来,以准确估计实际蒸发转化 (ETa). 这种新的方法显著改善了数据稀缺地区的水资源管理.
科学领域:
- 水文和水资源水文与水资源
- 环境科学 环境科学
- 数据科学数据科学数据科学
背景情况:
- 实际蒸发透气 (ETa) 估计对于水资源管理至关重要,但在数据稀缺的地区具有挑战性.
- 现有的模型在非稳定状态条件下与气候,土壤和植被的复杂相互作用作斗争.
- 准确的ETA数据对于水文建模和可持续资源分配至关重要.
研究的目的:
- 开发和验证一种新的混合方法来估计每月的ETa.
- 将修改后的Budyko框架与优化的机器学习模型 (XGBoost) 集成.
- 通过遥感和埃迪共变量数据来解决非平稳状态的流域条件.
主要方法:
- 开发了一个混合模型,将修改后的Budyko框架与优化的XGBoost机器学习模型集成在一起.
- 远程传感数据 (ERA5,TerraClimate) 和埃迪协变数据被用作输入.
- 布迪科参数的时间尺度被优化,以考虑非平稳状态条件.
主要成果:
- 混合模型显著优于独立模型,包括修改的Budyko (张方程) 和其他机器学习方法.
- 特性重要性分析 (SHAP值) 确定了气候,土壤和植被指数作为ETA的关键驱动因素.
- 经过优化后的混合模型显示出对Eta估计的卓越预测能力.
结论:
- 混合方法有效地减轻了概念模型和数据驱动模型的弱点.
- 这种可扩展和具有成本效益的方法利用全球可用的数据来改善水资源管理.
- 该研究为全球数据稀缺地区的可持续水资源管理提供了一个务实的工具.
更多相关视频
13:27Exploring the Effects of Atmospheric Forcings on Evaporation: Experimental Integration of the Atmospheric Boundary Layer and Shallow Subsurface
Published on: June 8, 2015
09:55Surface Renewal: An Advanced Micrometeorological Method for Measuring and Processing Field-Scale Energy Flux Density Data
Published on: December 12, 2013
相关概念视频
Adaptations that Reduce Water Loss
Application of Linearization and Approximation
Precipitation Processes
Precipitation and Co-precipitation
Model Approaches for Pharmacokinetic Data: Physiological Models
Precipitation Gravimetry
In determining nickel by gravimetric analysis, a precipitant of ethanolic dimethylglyoxime is added to a hot nickel salt solution. This is quickly followed by the dropwise addition of dilute ammonia solution until precipitation occurs. A...
