基于KNN机器学习方法对青藏高原唐古拉地区表层土壤水热状况的模拟

doi:10.7522/j.issn.1000-0240.2021.0079

冰川冻土 ›› 2021, Vol. 43 ›› Issue (4): 1243-1252.doi: 10.7522/j.issn.1000-0240.2021.0079

基于KNN机器学习方法对青藏高原唐古拉地区表层土壤水热状况的模拟

刘宏超¹(), 马俊杰²^,³, 李韧²()

^1.兰州大学大气科学学院半干旱气候变化教育部重点实验室，甘肃兰州 730000
^2.中国科学院西北生态环境资源研究院冰冻圈科学国家重点实验室/青藏高原冰冻圈观测研究站，甘肃兰州 730000
^3.中国科学院大学，北京 100049

收稿日期:2020-01-08 修回日期:2020-05-15 出版日期:2021-08-31 发布日期:2021-09-09
通讯作者: 李韧 E-mail:liuhch18@lzu.edu.cn;liren@lzb.ac.cn
作者简介:刘宏超，硕士研究生，主要从事边界层与陆面过程研究. E-mail： liuhch18@lzu.edu.cn
基金资助:
自然科学基金项目(42071093);冰冻圈科学国家重点实验室创新群体项目(41721091)

Simulation of the water-thermal features within the surface soil in Tanggula region， Qinghai-Tibet Plateau， by using KNN model

Hongchao LIU¹(), Junjie MA²^,³, Ren LI²()

^1.Key Laboratory for Semi-Arid Climate Change of the Ministry of Education，College of Atmospheric Sciences，Lanzhou University，Lanzhou 730000，China
^2.Cryosphere Research Station on the Qinghai-Tibet Plateau，State Key Laboratory of Cryosphere Sciences，Northwest Institute of Eco-Environment and Resources，Chinese Academy of Sciences，Lanzhou 730000，China
^3.University of Chinese Academy of Sciences，Beijing 100049，China

Received:2020-01-08 Revised:2020-05-15 Online:2021-08-31 Published:2021-09-09
Contact: Ren LI E-mail:liuhch18@lzu.edu.cn;liren@lzb.ac.cn

摘要/Abstract

摘要：

利用唐古拉站2004—2012年气象观测资料，基于KNN算法，结合机器学习思想，建立了一个气象回归模型，模拟了2005年唐古拉地区表层土壤水热变化趋势，结合实测数据，将模拟值与观测值进行对比，并对模型模拟效果进行了评估。结果表明：KNN模型能够较好地模拟活动层表层土壤水热状况，各层土壤温度的模拟值与观测值的相关系数均在0.99以上，均方根误差在1.25 ℃以内；不同深度土壤水分的模拟值与观测值的相关系数均在0.95以上，均方根误差在0.02 m³?m^-3以内。总体上，KNN模型能够对青藏高原多年冻土区唐古拉地区表层土壤水热状况进行较为精确地模拟，该模型对于青藏高原其他地区的适用性有待进一步研究验证。

关键词: KNN, 机器学习, 青藏高原, 多年冻土, 土壤水热过程

Abstract:

Based on the meteorological observation data from 2004 to 2012 at Tangula Station， using the KNN algorithm， combined with machine learning ideas， a meteorological regression model was established to simulate the surface soil water-theamal change trend in Tangula region in 2005， and the measured values were combined with the observed values. The value comparison is made to evaluate the simulation effect of the model. The results show that the KNN model can well simulate the hydrothermal conditions of the soil in the active layer. The results show that the KNN model can well simulate the soil water and heat conditions in the active layer， and the correlation coefficients between the simulated values of the simulated soil temperature and the observed values are above 0.99， and the root mean square error is within 1.25 ℃； The correlation coefficients between the simulated and observed values of soil moisture are above 0.95， and the root mean square error is within 0.02 m³?m^-3. In general， the KNN model can simulate the hydrothermal process of Tangula station in the permafrost region of the Qinghai-Tibet Plateau， and its applicability to other parts of the Qinghai-Tibet Plateau needs further research and verification.

Key words: KNN, machine learning, Qinghai-Tibet Plateau, permafrost, hydrothermal process

中图分类号:

P642.14

刘宏超, 马俊杰, 李韧. 基于KNN机器学习方法对青藏高原唐古拉地区表层土壤水热状况的模拟[J]. 冰川冻土, 2021, 43(4): 1243-1252.

Hongchao LIU, Junjie MA, Ren LI. Simulation of the water-thermal features within the surface soil in Tanggula region， Qinghai-Tibet Plateau， by using KNN model[J]. Journal of Glaciology and Geocryology, 2021, 43(4): 1243-1252.

图/表 11

表1

图1

图2

图3

图4

图5

图6

图7

图8

图9

表2

参考文献 39

1	Zhang Yili， Li Bingyuan， Zheng Du. A discussion on the boundary and area of the Tibetan Plateau in China［J］. Geographical Research， 2000， 22（3）： 193-198.
	张镱锂，李炳元，郑度. 论青藏高原范围与面积［J］. 地理研究， 2000， 22（3）： 193-198.
2	Qiao Yu， Zhou Shunwu， Ma Yue， et al. Dynamic effect of Tibetan Plateau and its impact on weather and climate in China［J］. Meteorological Science and Technology， 2014， 42（6）： 1039-1046.
	乔钰，周顺武，马悦，等. 青藏高原的动力作用及其对中国天气气候的影响［J］. 气象科技， 2014， 42（6）： 1039-1046.
3	Yang Meixue， Wang Xuejia， Pang Guojin， et al. The Tibetan Plateau cryosphere： Observations and model simulations for current status and recent changes［J］. Earth- Science Reviews， 2019， 190： 353-369.
4	Wu Guoxiong， Liu Yimin， He Bian， et al. Thermal controls on the Asian summer monsoon［J］. Scientific Reports， 2012，2（1）：1-7.
5	Yao Tandong， Thompson L， Yang Wei， et al. Different glacier status with atmospheric circulations in Tibetan Plateau and surroundings［J］. Nature Climate Change， 2012， 1580： 1-5.
6	Zou Defu， Zhao Lin， Sheng Yu， et al. A new map of permafrost distribution on the Tibetan Plateau［J］. The Cryosphere， 2017， 11： 2527-2542.
7	Yang Meixue， Yao Tandong， Gou Xiaohua， et al. Water recycling between the land surface and atmosphere on the Northern Tibetan Plateau： a case study at ﬂat observation sites［J］. Arctic Antarctic & Alpine Research， 2007， 39（4）： 694-698.
8	Seneviratne S I， Corti T， Davin E L， et al. Investigating soil moisture-climate interactions in a changing climate： A review［J］. Earth Science Reviews， 2010， 99： 125-161.
9	Wang Xuejia， Pang Guojin， Yang Meixue， et al. Effects of modiﬁed soil water-heat physics on RegCM4 simulations of climate over the Tibetan Plateau［J］. Journal of Geophysical Research， 2016， 121（12）： 6692-6712.
10	Li Ren， Yang Wen， Ji Guoliang， et al. The 40 a variational characteristics of surface heating field over Wudaoliang in the northern Tibetan Plateau［J］. Acta Energy Solaris Sinica， 2006， 26（6）： 868-873.
	李韧，杨文，季国良，等. 40年来藏北高原五道梁地区地表加热场的变化特征［J］. 太阳能学报， 2006， 26（6）： 868-873.
11	Zhu Dan， Ciais P， Krinner G， et al. Controls of soil organic matter on soil thermal dynamics in the northern high latitudes［J］. Nature Communications， 2019， 10（1）：1-9.
12	Jorgenson M T， Osterkamp T E. Response of boreal ecosystems to varying modes of permafrost degradation［J］. Canadian Journal of Forest Research， 2005， 35（9）： 2100-2111.
13	Poutou E， Krinner G， Genthon C， et al. Role of soil freezing in future boreal climate change［J］. Climate Dynamics， 2004， 23（6）： 621-639.
14	Pang Guojin， Wang Xuejia， Yang Meixue. Using the NDVI to identify variations in， and responses of， vegetation to climate change on the Tibetan Plateau from 1982 to 2012［J］. Quaternary International， 2017， 444： 87-96.
15	Chen Deliang， Xu Baiqing， Yao Tandong， et al. Assessment of past， present and future environmental changes on the Tibetan Plateau［J］. Chin. Sci. Bull. 2015， 60（32）： 3025-3035.
	陈德亮，徐柏青，姚檀栋，等. 青藏高原环境变化科学评估：过去、现在与未来［J］. 科学通报， 2015， 60（32）： 3025-3035.
16	Wang Xuejia， Pang Guojin， Yang Meixue. Precipitation over the Tibetan Plateau during recent decades： a review based on observations and simulations［J］. International Journal of Climatology， 2018， 38： 1116-1131.
17	Hu Guojie， Zhao Lin， Liren， et al. Variations in soil temperature from 1980 to 2015 in permafrost regions on the Qinghai-Tibetan Plateau based on observed and reanalysis products［J］. Geoderma， 2019， 337： 893-905.
18	Cuo L， Zhang Y， Bohn T J， et al. Frozen soil degradation and its effects on surface hydrology in the northern Tibetan Plateau［J］. Journal of Geophysical Research： Atmospheres， 2015， 120（16）： 8276-8298.
19	Yang Yong， Chen Rensheng. Research review on hydrology in the permafrost and seasonal frozen regions［J］. Advances in Earth Science， 2011， 26（7）： 711-723.
	阳勇，陈仁升. 冻土水文研究进展［J］. 地球科学进展， 2011， 26（7）： 711-723.
20	Li Ren， Zhao Lin， Ding Yongjian， et al. Impact of surface energy variation on thawing process within active layer of permafrost［J］. Journal of Glaciology and Geocryology， 2011， 33（6）： 1235-1242.
	李韧，赵林，丁永建，等. 地表能量变化对多年冻土活动层融化过程的影响［J］. 冰川冻土， 2011， 33（6）： 1235-1242.
21	Hu Guojie， Zhao Lin， Li Ren， et al. Characteristics of hydro-thermal transfer during freezing and thawing period in permafrost regions［J］. Soils， 2014， 46（2）： 355-360.
	胡国杰，赵林，李韧，等. 青藏高原多年冻土区土壤冻融期间水热运移特征分析［J］. 土壤， 2014， 46（2）： 355-360.
22	Jiao Yongliang， Li Ren， Zhao Lin， et al. Processes of soil thawing-freezing and features of soil moisture migration in the permafrost active layer［J］. Journal of Glaciology and Geocryology， 2014， 36（2）： 237-247.
	焦永亮，李韧，赵林，等. 多年冻土区活动层冻融状况及土壤水分运移特征［J］. 冰川冻土， 2014， 36（2）： 237-247.
23	Zhang Wei， Wang Genxu， Zhou Jian， et al. Simulating the water-heat processes in the permafrost regions in the Tibetan Plateau based on CoupModel［J］. Journal of Glaciology and Geocryology， 2012， 34（5）： 1099-1109.
	张伟，王根绪，周剑，等. 基于CoupModel的青藏高原多年冻土区土壤水热过程模拟［J］. 冰川冻土， 2012， 34（5）： 1099-1109.
24	Yang Yong， Chen Rensheng， Ye Baisheng， et al. Heat and water transfer processes on the typical underlying surfaces of frozen soil in cold regions（I）： model comparison［J］. Journal of Glaciology and Geocryology， 2013， 35（6）： 1545-1554.
	阳勇，陈仁升，叶柏生，等. 寒区典型下垫面冻土水热过程对比研究（I）：模型对比［J］. 冰川冻土， 2013， 35（6）： 1545-1554.
25	Gao Yanhong， Cheng Guodong， Shang Lunyu， et al. Application of atmospheric model coupled with frozen soil parameterization to simulating spring soil condition in the Qilian Mountains［J］. Journal of Glaciology and Geocryology， 2007， 29（1）： 82-90.
	高艳红，程国栋，尚伦宇，等. 耦合冻土方案的大气模式对祁连山区春季土壤状况的模拟［J］. 冰川冻土， 2007， 29（1）： 82-90.
26	Hinzman L D， Kane D L， Gieck R E， et al. Hydrologic and thermal properties of the active layer in the Alaskan Arctic［J］. Cold Regions Science and Technology， 1991， 19（2）： 95-110.
27	Zhang Ning， Jia Ziyan， Shi Zhongzhi. Text categorization with KNN algorithm［J］. Computer Engineering， 2005， 31（8）： 171-172.
	张宁，贾自艳，史忠植. 使用KNN算法的文本分类［J］. 计算机工程， 2005， 31（8）： 171-172.
28	Xiong Yajun， Liao Xiaonong， Li Ziming， et al. Application of KNN data mining algorithm to haze grade forecasting in Beijing［J］. Meteorological Monthly， 2015， 41（1）： 98-104.
	熊亚军，廖晓农，李梓铭，等. KNN数据挖掘算法在北京地区霾等级预报中的应用［J］. 气象， 2015， 41（1）： 98-104.
29	Zhang Haoyu， Yao Gang， Yin Zhizhu， et al. Faul tstate perception method for six-phase PMSM based on wavelet neural network and KNN machine learning algorithm［J］. Electrical Measurement & Instrumentation， 2017， 56（2）： 1-9.
	张昊宇，姚钢，殷志柱，等. 基于小波神经网络与KNN机器学习算法的六相永磁同步电机故障态势感知方法［J］. 电测与仪表， 2017， 56（2）： 1-9.
30	Yao Jimin， Zhao Lin， Ding Yongjian， et al. The surface energy budget and evapotranspiration in the Tanggula region on the Tibetan Plateau［J］. Cold Regions Science and Technology， 2008， 52： 326-360.
31	Liu Yang， Zhao Lin， Li Ren. Simulation of the soil water-thermal features within the active layer in Tanggula region， Tibetan Plateau， by using SHAW model［J］. Journal of Glaciology and Geocryology， 2013， 35（2）： 280-290.
	刘杨，赵林，李韧. 基于SHAW 模型的青藏高原唐古拉地区活动层土壤水热特征模拟［J］. 冰川冻土， 2013， 35（2）： 280-290.
32	Joliffe I T， Stephenson D B. Forecast verification： a practitioner’s guide in atmospheric science［M］. New York： John Wiley and Son， 2003.
33	Wang Yuan， Qian Hao， Song Jinjie， et al. Verification of the T213 global spectral model of China National Meteorology Center over the East- Asia area［J］. Journal of Geophysical Research， 2008， 113（D10110）： 1-7.
34	Taylor K E. Summarizing multiple aspects of model performance in a single diagram［J］. Journal of Geophysical Research， 2001， 106（D7）： 7183-7192.
35	Diro G T， Sushama L， Huziy O. Snow-atmosphere coupling and its impact on temperature variability and extremes over North America［J］. Climte Dynamic， 2017. DOI： org/10.1007/s00382-017-3788-5 .
36	Jiao Yongliang， Li Ren， Zhao Lin， et al. Processes of soil thawing-freezing and features of soil moisture migration in the permafrost active layer［J］. Journal of Glaciology and Geocryology， 2014， 36（2）： 237-247.
	焦永亮，李韧，赵林，等. 多年冻土区活动层冻融状况及土壤水分运移特征［J］. 冰川冻土， 2014， 36（2）： 237-247.
37	Yang Yong， Chen Rensheng， Ji Xibin， et al. Heat and water transfer processes on alpine meadow frozen grounds［J］. Advances in Water Science， 2010， 21（1）： 30-35.
	阳勇，陈仁升，吉喜斌，等. 黑河高山草甸冻土带水热传输过程［J］. 水科学进展， 2010， 21（1）： 30-35.
38	Hu Guojie， Zhao Lin， Li Ren， et al. The Water- thermal characteristics of frozen soil under freeze- thaw based on CoupModel［J］. Scientia Geographica Sinica， 2013， 33（3）： 356-362.
	胡国杰，赵林，李韧，等. 基于CoupModel模型的冻融土壤水热耦合模拟研究［J］. 地理科学， 2013， 33（3）： 356-362.
39	Qin Yanhui， Wu Tonghua， Li Ren， et al. Thermal condition of the active layer on the Qinghai-Tibet Plateau simulated by using the model of GIPL2［J］. Journal of Glaciology and Geocryology， 2018， 40（6）： 1153-1166.
	秦艳慧，吴通华，李韧，等. 基于GIPL2模型的青藏高原活动层土壤热状况模拟研究［J］. 冰川冻土， 2018， 40（6）： 1153-1166.

观测项目	观测仪器信息	安装高度或深度
雪深	SR50-L，Camball	2 m
降水量	T-200B，Geonor	1.5 m
空气温湿度	HMP45C-L，Vaisala	2，5，10 m
辐射	CNR-1，Kipp & Zonen	2 m
风速	05103-L，R.M.Young	2，5，10 m
土壤热通量	HFP01，Campell	5，10，20 cm
表层土壤温度	105T，Campell	5，10，20，40 cm
表层土壤含水量	CS616-L，Campell	5，10，20 cm

深度	土壤温度相关系数			土壤水分相关系数
深度	本研究	Coupmodel^［38］	SHAW^［31］	本研究	Coupmodel^［38］	SHAW^［31］
5 cm	0.99	0.99	0.96	0.95	0.88	0.86
10 cm	0.99	0.99	0.97	0.95	0.91	0.79
20 cm	0.99	0.99	0.97	0.95	0.93	0.73
40 cm	0.99	0.99	0.97

[1]	李艳, 金会军, 温智, 赵子龙, 金晓颖. 多年冻土区斜坡稳定性研究综述[J]. 冰川冻土, 2022, 44(1): 203-216.
[2]	孟雅丽, 段克勤, 尚溦, 李双双, 邢莉, 石培宏. 基于CMIP6模式数据的1961—2100年青藏高原地表气温时空变化分析[J]. 冰川冻土, 2022, 44(1): 24-33.
[3]	柴乐, 张威, 刘亮, 马瑞丰, 唐倩玉, 李亚鹏, 乔静茹. 青藏高原东南部他念他翁山全新世早中期冰进事件研究[J]. 冰川冻土, 2022, 44(1): 307-315.
[4]	张怡, 段克勤, 石培宏. 1979—2100年青藏高原夏季大气0 ℃层高度变化分析[J]. 冰川冻土, 2022, 44(1): 34-45.
[5]	达伟, 王书峰, 沈永平, 陈安安, 毛炜峄, 张伟. 1957—2019年昆仑山北麓车尔臣河流域水文情势及其对气候变化的响应[J]. 冰川冻土, 2022, 44(1): 46-55.
[6]	李智斌, 赵林, 刘广岳, 邹德富, 汪凌霄, 杨斌, 杜二计, 胡国杰, 周华云, 王翀, 幸赞品, 赵建婷, 殷秀峰, 迟鸿飞, 谭昌海, 陈文. 冻结季沱沱河源多年冻土区活动层土壤水分含量分析[J]. 冰川冻土, 2022, 44(1): 56-68.
[7]	周华云, 刘广岳, 杨斌, 邹德富, 赵林, 杜二计, 谭昌海, 陈文, 杨朝磊, 文浪, 旺扎多吉, 张浔浔, 肖瑶, 胡国杰, 李智斌, 谢昌卫, 汪凌霄, 刘世博. 长江上游沱沱河源区多年冻土发育特征[J]. 冰川冻土, 2022, 44(1): 69-82.
[8]	刘广岳, 邹德富, 杨斌, 杜二计, 周华云, 肖瑶, 赵林, 谭昌海, 胡国杰, 庞强强, 王武, 孙哲, 朱小凡, 殷秀峰, 汪凌霄, 李智斌, 谢昌卫. 青藏高原腹地各拉丹冬南北坡多年冻土考察初步结果[J]. 冰川冻土, 2022, 44(1): 83-95.
[9]	罗京, 牛富俊, 林战举, 刘明浩, 尹国安, 高泽永. 青藏高原多年冻土区热融滑塌发育特征及规律[J]. 冰川冻土, 2022, 44(1): 96-105.
[10]	除多,扎西顿珠,次丹玉珍. NOAA IMS雪冰产品在青藏高原积雪监测中的适用性分析[J]. 冰川冻土, 2021, 43(6): 1659-1672.
[11]	卓嘎,罗布,巴桑曲珍. 青藏高原那曲中部土壤温湿分布特征[J]. 冰川冻土, 2021, 43(6): 1704-1717.
[12]	王世金,魏彦强,牛春华,张云飞. 青藏高原多灾种自然灾害综合风险管理[J]. 冰川冻土, 2021, 43(6): 1848-1860.
[13]	李飞,郭佳锴,张世强. VIC-CAS导热率和未冻水算法改进及其对多年冻土水热过程模拟的实验研究[J]. 冰川冻土, 2021, 43(6): 1888-1903.
[14]	李若晨,申保收,武小波,杨方社,郭忠明. 青藏高原典型山地冰川中痕量元素的空间分布和来源分析[J]. 冰川冻土, 2021, 43(5): 1277-1289.
[15]	曹瑜,游庆龙,蔡子怡. 1961—2019年青藏高原中东部夏季强降水与大尺度环流的关系[J]. 冰川冻土, 2021, 43(5): 1290-1300.

基于KNN机器学习方法对青藏高原唐古拉地区表层土壤水热状况的模拟

Simulation of the water-thermal features within the surface soil in Tanggula region， Qinghai-Tibet Plateau， by using KNN model

RichHTML

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 39

相关文章 15

Metrics

本文评价

推荐阅读 0