采用机器学习提升中国实际蒸散发估算

本期分享一篇本人在水文资源领域顶刊Journal of hydrology上接收的一篇关于利用机器学习方法来提升中国实际蒸散发估算的论文, 论文题目为
Improving terrestrial evapotranspiration estimation across China during 2000-2018 with machine learning methods, 可在https://www.sciencedirect.com/science/article/pii/S0022169421005850下载原文阅读，该文公开了最终的中国2000-2018年的10天平均的一年36期的1km实际蒸散发数据集，可在https://doi.org/10.6084/m9.figshare.12278684.v5.下载
这个工作的主要技术路线如下所示：
首先通过气象资料和遥感资料来输出5种过程模型，然后在站点上训练5种模型的模拟蒸散发和实际蒸散发的关系，训练采用了6种机器学习方法，从中可以得到最优的机器学习方法，该文得到的是高斯过程回归GPR，然后应用GPR来集成5个过程模型的中国实际蒸散发，从而得到一套新的中国实际蒸散发数据(ChinaET10day/1km), 并将该产品与已有的覆盖中国的高分辨率的8种ET产品进行比较，结果表明该产品的精确度更高

流程图.jpg