【文献精选】CATENA｜基于机器学习算法的土壤水分时空外推

本研究探讨了机器学习算法在土壤水分预测中的时间和地理外推性能。研究使用了支持向量回归器（SVR）、随机森林（RF）和投票回归器（VR）三种算法，基于希腊阿尔塔平原农业气象站的数据进行校准和评估。结果表明，在时间外推背景下，算法表现出较高的预测精度（R²>0.75，RMSE<0.042 cm³cm⁻³），而在地理外推背景下，预训练算法在未监测站点同样表现良好。研究强调了降水和土壤温度作为重要预测因子的作用，并指出该框架适用于未监测地点的土壤水分预测，为精准农业和极端水文事件预测提供了潜在工具。