基于集成学习的中国干旱与湿润区参考蒸散发(ETo)估算模型优化研究

针对气象数据缺失地区ETo估算难题，研究人员采用CatBoost等6种集成学习模型，基于中国20个站点60年数据，系统评估不同输入组合与数据集规模下的性能。发现CatBoost在R2>0.91的精度下显著降低数据依赖，揭示RH和Ra是区域差异关键因子，为全球多气候带农业水资源管理提供方法论参考。

　　

在全球气候变化背景下，农业水资源管理面临严峻挑战，其中参考蒸散发量(ET_o)的精准估算是灌溉系统设计的核心依据。传统FAO56-Penman-Monteith(PM)方法虽精度高，但依赖完整气象数据（如风速U₂、太阳辐射R_s等），在数据稀缺地区应用受限。中国作为气候类型复杂的农业大国，干旱与湿润区降水差异显著（干旱区P≤200 mm yr^-1，湿润区P≥800 mm yr^-1），亟需开发适应不同数据条件的ET_o估算方案。

为解决这一难题，河海大学等机构的研究团队创新性地采用6种集成学习模型（包括AdaBoost、CatBoost、XGBoost等），基于中国20个气象站1960-2019年的长期观测数据，首次系统评估了模型在完整/缺失数据条件下的跨气候带适用性。研究发现，CatBoost在R²=0.93的精度下展现出最优性能，仅需温度(T_max/T_min)结合部分指标即可实现R²>0.91的估算，且数据集规模对精度影响微弱（RMSE差异<0.025）。该成果发表于《Computers and Electronics in Agriculture》，为全球多气候带农业水管理提供了兼顾精度与实用性的技术范式。

关键技术方法包括：1) 基于国家气象信息中心60年站点数据构建多气候带数据集；2) 采用FAO56-PM作为基准值；3) 对比6种集成学习模型在全参数组合(C7)下的性能；4) 设计7种输入组合（如仅温度、温度+辐射等）和4种数据集规模(20-60年)的对比实验；5) 通过R²、RMSE等指标评估模型鲁棒性。

模型精度比较
在全数据输入条件下，CatBoost、GBDT和XGBoost表现最优，其中CatBoost训练效率比随机森林(RF)提升50%，内存占用比支持向量机(SVM)减少70%。Extra trees模型虽在训练集表现优异(R²>0.999)，但测试集出现显著过拟合。

输入组合影响
温度+辐射(R_a)组合在干旱区精度最高(R²=0.92)，而湿润区需加入相对湿度(RH)才能达到同等精度，揭示RH和R_a是造成区域差异的关键因子。

数据集规模效应
延长数据年限至60年虽未显著提升精度(RMSE降幅<2.5%)，但使模型稳定性提高23%，表明长期数据主要增强抗干扰能力而非基础精度。

讨论与结论
该研究突破性地证明：1) 集成学习可有效克服PM公式的数据完整性限制，CatBoost的"有序提升"算法对缺失数据具有天然鲁棒性；2) 区域气候特征决定关键输入因子选择，干旱区应优先保障辐射数据，湿润区需重点监测RH；3) 模型稳定性与数据年限正相关，但20年数据已可满足基础精度需求。这些发现为"一带一路"沿线数据稀缺地区的智慧农业建设提供了可推广的技术路径，未来研究可进一步探索模型在极端气候事件中的适应性。