节水灌溉WaterSavingIrrigationwww.irrigate.com.cn基于机器学习算法模拟不同土壤深度含水率邓红艳1，吴宗俊2，崔宁博2，徐郁葭3，高颖3（1.咸阳市水利工作队，陕西咸阳712000；2.四川大学水力学与山区河流开发保护国家重点实验室，成都610065；3.仁寿铧锐农业投资有限责任公司，四川仁寿620500）摘要：准确模拟土壤水分（SM）对农田精准灌溉、优化区域水资源配置和提高农业水资源利用效率具有重要意义。采用逐日气象和土壤含水量数据，探究随机森林（RF）和支持向量机（SVM）模拟不同深度（4cm、10cm和20cm）土壤含水量的适用性，采用太阳辐射（Rs）、空气温度（T）、降水量（P）、风速（U2）、空气湿度（RH）和土壤温度（ST）数据的4种输入组合，探讨不同输入变量对SM模拟的影响。结果表明：RF模型在4种输入组合下模拟不同深度土壤含水量精度最高，SVM模型模拟精度较低，R2范围分别为0.871~0.914和0.710~0.814，RMSE范围分别为0.050~0.069cm3/cm3和0.080~0.098cm3/cm3，MAE范围分别为0.030~0.051cm3/cm3和0.060~0.077cm3/cm3。考虑模型精度和数据易获取性，RF模型在Rs、T、P、ST和RH输入下精度较高，R2范围为0.884~0.914，RMSE范围为0.050~0.064cm3/cm3，MAE范围为0.030~0.043cm3/cm3。因此，建议采用RF模型在Rs、T、P、RH和ST输入下模拟不同土壤深度含水量。关键词：土壤水分；随机森林；支持向量机；土壤深度中图分类号：S152.7文献标识码：ADOI：10.12396/jsgg.2022394邓红艳，吴宗俊，崔宁博，等.基于机器学习算法模拟不同土壤深度含水率［J］.节水灌溉，2023（3）：38-47，60.DOI：10.12396/jsgg.2022394.DENGHY，WUZJ，CUINB，etal.Simulationofsoilmoistureatdifferentdepthsbasedonmachinelearningalgorithms［J］.WaterSavingIrrigation，2023（3）：38-47，60.DOI：10.12396/jsgg.2022394.SimulationofSoilMoistureatDifferentDepthsBasedonMachineLearningAlgorithmsDENGHong-yan1，WUZong-jun2，CUINing-bo2，XUYu-jia3，GaoYing3（1.XianyangWaterConservancyTeam，Xianyang712000，ShaanxiProvince，China；2.StateKeyLaboratoryofHydraulicsandMountainRiverDevelopmentandProtection，SichuanUniversity，Chengdu610065，China；3.RenshouHuaruiAgriculturalInvestmentCo.LTD，Renshou620500，SichuanProvince，China）Abstract：Accuratesimulationofsoilmoisture(SM)isofgreatsignificanceforprecisionirrigationoffarmland,op...
