【文献精选】COMPUT ELECTRON AGR｜基于降水相关数据的随机森林跨季节土壤含水量预测

本研究利用随机森林（RF）方法，基于降水相关数据预测台湾台中地区农田地表以下10 cm和20 cm深度的逐时土壤含水量（SWC）。研究背景强调了SWC预测对干旱风险准备和水资源管理的重要性，而现有研究较少仅依赖降水数据进行预测。研究目的是通过RF模型，仅使用现成的降水数据预测SWC，简化模型并提高适用性。结果表明，6-8天的累积降雨量最适合RF预测，模型在10 cm和20 cm深度表现出合理性能（MAE分别为0.6%和1.0%）。然而，雨季预测准确性较低，可能与风暴事件导致的异常高SWC有关。结论指出，RF模型在仅使用降水数据时表现良好，并为不同季节的SWC预测提供了实用指南。