近来,朱青课题组系统评价了三种代表性土壤平均水分预测点位识别技术(时间稳定性、K均值聚类和随机采样)的精度。研究发现时间稳定性方法能够获得较为可靠的预测精度(RMSE为0.02-0.04m3/m3),且只需1个代表性观测点,但使用该方法前期需要获得大量的(至少1年)前期土壤水分观测值来进行分析和计算;基于环境因子(EFs,包括土壤性质和地形)的K均值聚类预测精度(RMSE<0.03m3/m3)略好于时间稳定性法,只需少量(<8个)的代表性观测点,但使用该方法前期需获得研究区的土壤和地形数据;基于一期土壤水分采样数据和环境因子(EFsTheta)的K均值聚类预测精度(绝大多数情形下RMSE<0.02m3/m3)显著好于其它方法,但需获得土壤和地形数据以及少量的土壤水分观测值;随机采样法在保证一定精度(RMSE<0.02m3/m3)的前提下,分层抽样与全局抽样分别至少40和60个代表性观测点,但它们的优势在于预先不需要测定任何数据。在此基础上,基于已有土壤和地形数据、精度要求和样点数量要求,研究开发了索引表,用于选择最优的土壤平均水分预测点位识别方法。本研究为遥感土壤水分尺度转换提供技术支持,成果发表在国际水文学杂志“Journal of Hydrology”(TOP,IF=3.043),第一作者为廖凯华助理研究员。
论文链接:http://www.sciencedirect.com/science/article/pii/S0022169417300525

不同土壤平均水分预测点位识别方法的误差分析