基于随机森林的多源数据融合全球多层土壤水分数据集SMRFR的构建与应用研究

本研究创新性地利用随机森林(RF)算法整合多源数据，构建了全球9公里分辨率、覆盖5个土层(0-100 cm)的日尺度土壤水分(SM)数据集SMRFR(2000-2023)。通过扩展三重共定位(ETC)方法筛选高质量训练站点，结合ERA5-Land再分析数据和MODIS植被指数等21类预测因子，实现了0.0339 m3/m3的验证集无偏均方根误差(ubRMSE)，显著提升了深层根区土壤水分(RZSM)的监测能力，为农业水文模型和气候变化研究提供了高精度数据支撑。

　　

背景与意义
土壤水分(SM)作为陆地-大气界面水碳能量交换的关键变量，对径流、蒸散发等水文过程具有重要调控作用。现有监测手段存在明显局限：原位观测网络(如ISMN)空间代表性不足；卫星遥感(如SMOS/SMAP)仅能获取表层(~5 cm)数据；陆面模型(LSM)则受参数化不确定性的影响。本研究提出的SMRFR数据集通过机器学习方法突破了这些技术瓶颈。

研究方法创新
研究团队采用严格的质量控制流程，从国际土壤水分网络(ISMN)筛选出433个代表性站点作为训练数据，并创新性地引入扩展三重共定位(ETC)技术进行数据质量评估。预测因子体系包含ERA5-Land再分析数据、MODIS植被指数(NDVI/EVI)、地形特征和土壤属性等21类变量。通过五折交叉验证优化随机森林(RF)超参数(n_estimator=1100, max_depth=560)，构建了分层预测模型。

关键发现

1. 垂直渗透特征：模型重要性分析显示，上层土壤水分对下层预测贡献率达47-62%，证实了水分垂直运移的"记忆效应"。土壤质地(黏土/砂粒含量)对10-30 cm层空间变异的解释力达28%。
2. 气候适应性：在温带和大陆性气候区表现最优(相关系数0.89)，但在热带和极地地区因植被覆盖和积雪过程存在6-12%的高估。
3. 事件响应能力：对2020年亚洲季风极端降水事件的模拟显示，表层(0-5 cm)水分增加量达0.25 m³/m³，而50-100 cm层仅响应0.07 m³/m³，符合物理渗透规律。

跨区域验证
在巴西半干旱区的独立验证中，SMRFR的均方根误差(0.0339 m³/m³)显著优于ERA5-Land(0.1286)和GLEAM(0.1681)，证实了模型的强泛化能力。特别是在知识迁移场景下，对未参与训练的CEMADEM站点仍保持0.65的相关系数。

应用前景
该数据集支持多领域应用：

• 农业：通过0-30 cm层水分监测优化灌溉策略
• 水文：改进SWAT/VIC等模型的径流模拟
• 气候：分析SM-气候反馈机制
  研究团队计划进一步开发1公里分辨率产品，并探索与宇宙射线中子传感器(COSMOS)的融合方案，以提升田间尺度应用的精度。

技术局限
当前模型对极端降雨的瞬时响应存在平滑效应，且在冻土区表现有待提升。未来将通过引入LSTM神经网络改进动态过程模拟，并整合SMAP/Sentinel-1数据增强高纬度地区监测能力。