Published February 10, 2023 | Version v1
Publication Open

Modelling soil moisture using climate data and normalized difference vegetation index based on nine algorithms in alpine grasslands

Creators

  • 1. Beijing Institute of Big Data Research
  • 2. Institute of Geographic Sciences and Natural Resources Research
  • 3. Chinese Academy of Sciences

Description

Soil moisture (SM) is closely correlated with ecosystem structure and function. Examining whether climate data (temperature, precipitation and radiation) and the normalized difference vegetation index (NDVI) can be used to estimate SM variation could benefit research related to SM under climate change and human activities. In this study, we evaluated the ability of nine algorithms to explain potential SM (SM p ) variation using climate data and actual SM (SM a ) variation using climate data and NDVI. Overall, climate data and the NDVI based on the constructed random forest models led to the best estimated SM ( R 2 ≥ 94%, RMSE ≤ 2.98, absolute value of relative bias: ≤ 3.45%). Randomness, and the setting values of the two key parameters ( mtry and ntree ), may explain why the random forest models obtained the highest accuracy in predicating SM. Therefore, the constructed random forest models of SM p and SM a in this study can be thus be applied to estimate spatiotemporal variations in SM and for other related scientific research (e.g., differentiating the relative effects of climate change and human activities on SM), at least for Tibetan grassland region.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

ترتبط رطوبة التربة ارتباطًا وثيقًا بهيكل النظام الإيكولوجي ووظيفته. دراسة ما إذا كان يمكن استخدام البيانات المناخية (درجة الحرارة وهطول الأمطار والإشعاع) ومؤشر الاختلاف المعياري للغطاء النباتي (NDVI) لتقدير تباين التباين المعياري يمكن أن يفيد البحوث المتعلقة بالتباين المعياري في ظل تغير المناخ والأنشطة البشرية. في هذه الدراسة، قمنا بتقييم قدرة تسع خوارزميات على شرح الاختلاف المحتمل في SM (SM p ) باستخدام البيانات المناخية والاختلاف الفعلي في SM (SM a ) باستخدام البيانات المناخية و NDVI. بشكل عام، أدت البيانات المناخية ومؤشر NDVI بناءً على نماذج الغابات العشوائية المبنية إلى أفضل تقدير SM ( R 2 ≥ 94 ٪، RMSE ≤ 2.98، القيمة المطلقة للتحيز النسبي: ≤ 3.45 ٪). قد تفسر العشوائية، وقيم الإعداد للمعلمتين الرئيسيتين (mtry و ntree )، سبب حصول نماذج الغابات العشوائية على أعلى دقة في التنبؤ بالسم. لذلك، يمكن تطبيق نماذج الغابات العشوائية المبنية من SM p و SM a في هذه الدراسة لتقدير الاختلافات المكانية والزمانية في SM وللبحوث العلمية الأخرى ذات الصلة (على سبيل المثال، التمييز بين الآثار النسبية لتغير المناخ والأنشطة البشرية على SM)، على الأقل لمنطقة المراعي التبتية.

Translated Description (French)

L'humidité du sol (SM) est étroitement corrélée à la structure et à la fonction de l'écosystème. Examiner si les données climatiques (température, précipitations et rayonnement) et l'indice de végétation à différence normalisée (NDVI) peuvent être utilisés pour estimer la variation du SM pourrait être bénéfique pour la recherche liée au SM dans le cadre du changement climatique et des activités humaines. Dans cette étude, nous avons évalué la capacité de neuf algorithmes à expliquer la variation potentielle de SM (SM p ) à l'aide de données climatiques et la variation réelle de SM (SM a ) à l'aide de données climatiques et de NDVI. Dans l'ensemble, les données climatiques et l'IVDN basées sur les modèles forestiers aléatoires construits ont conduit à la meilleure estimation du SM ( R 2 ≥ 94 %, RMSE ≤ 2,98, valeur absolue du biais relatif : ≤ 3,45 %). Le caractère aléatoire et les valeurs de réglage des deux paramètres clés ( mtry et ntree) peuvent expliquer pourquoi les modèles forestiers aléatoires ont obtenu la plus grande précision dans la prédiction du SM. Par conséquent, les modèles forestiers aléatoires construits de SM p et SM a dans cette étude peuvent donc être appliqués pour estimer les variations spatio-temporelles de SM et pour d'autres recherches scientifiques connexes (par exemple, différencier les effets relatifs du changement climatique et des activités humaines sur SM), au moins pour la région des prairies tibétaines.

Translated Description (Spanish)

La humedad del suelo (SM) está estrechamente correlacionada con la estructura y función del ecosistema. Examinar si los datos climáticos (temperatura, precipitación y radiación) y el índice de vegetación de diferencia normalizada (NDVI) se pueden utilizar para estimar la variación del SM podría beneficiar la investigación relacionada con el SM en relación con el cambio climático y las actividades humanas. En este estudio, evaluamos la capacidad de nueve algoritmos para explicar la variación potencial de SM (SM p ) utilizando datos climáticos y la variación real de SM (SM a) utilizando datos climáticos y NDVI. En general, los datos climáticos y el NDVI basados en los modelos de bosques aleatorios construidos condujeron al mejor SM estimado ( R 2 ≥ 94%, RMSE ≤ 2.98, valor absoluto de sesgo relativo: ≤ 3.45%). La aleatoriedad y los valores de ajuste de los dos parámetros clave ( mtry y ntree) pueden explicar por qué los modelos de bosque aleatorio obtuvieron la mayor precisión en el pronóstico de SM. Por lo tanto, los modelos de bosque aleatorio construidos de SM p y SM a en este estudio se pueden aplicar para estimar las variaciones espaciotemporales en SM y para otras investigaciones científicas relacionadas (por ejemplo, diferenciar los efectos relativos del cambio climático y las actividades humanas en SM), al menos para la región de pastizales tibetanos.

Files

pdf.pdf

Files (3.4 MB)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:066bb8152c484d95dd831550c71941b1
3.4 MB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
نمذجة رطوبة التربة باستخدام بيانات المناخ ومؤشر الاختلاف الطبيعي للغطاء النباتي بناءً على تسع خوارزميات في المراعي الجبلية
Translated title (French)
Modélisation de l'humidité du sol à l'aide de données climatiques et d'un indice de végétation normalisé basé sur neuf algorithmes dans les prairies alpines
Translated title (Spanish)
Modelado de la humedad del suelo utilizando datos climáticos e índice de vegetación de diferencia normalizada basado en nueve algoritmos en pastizales alpinos

Identifiers

Other
https://openalex.org/W4320080365
DOI
10.3389/fenvs.2023.1130448

Is supplement to
https://openalex.org/W4385533602 (Other)
https://openalex.org/W4324030030 (Other)
https://openalex.org/W3207046288 (Other)
https://openalex.org/W3094954546 (Other)
https://openalex.org/W3034924094 (Other)
https://openalex.org/W3023446922 (Other)
https://openalex.org/W2981906196 (Other)
https://openalex.org/W2377244945 (Other)
https://openalex.org/W1569360120 (Other)
https://openalex.org/W1488708774 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
China

References

  • https://openalex.org/W1578517626
  • https://openalex.org/W1598793890
  • https://openalex.org/W1988790447
  • https://openalex.org/W1998876440
  • https://openalex.org/W2011231327
  • https://openalex.org/W2013049148
  • https://openalex.org/W2060737415
  • https://openalex.org/W2068371905
  • https://openalex.org/W2089333997
  • https://openalex.org/W2092345531
  • https://openalex.org/W2100515351
  • https://openalex.org/W2136302279
  • https://openalex.org/W2137370709
  • https://openalex.org/W2167731682
  • https://openalex.org/W2210752586
  • https://openalex.org/W2287134350
  • https://openalex.org/W2290811432
  • https://openalex.org/W2291082207
  • https://openalex.org/W2332737653
  • https://openalex.org/W2356652595
  • https://openalex.org/W2412063700
  • https://openalex.org/W2529858031
  • https://openalex.org/W2560775747
  • https://openalex.org/W2583342470
  • https://openalex.org/W2598395549
  • https://openalex.org/W2736290716
  • https://openalex.org/W2756162836
  • https://openalex.org/W2768521402
  • https://openalex.org/W2770701142
  • https://openalex.org/W2773675020
  • https://openalex.org/W2791839034
  • https://openalex.org/W2806834755
  • https://openalex.org/W2887841021
  • https://openalex.org/W2894871882
  • https://openalex.org/W2901287651
  • https://openalex.org/W2909511867
  • https://openalex.org/W2911964244
  • https://openalex.org/W2946111339
  • https://openalex.org/W2978481388
  • https://openalex.org/W2994445267
  • https://openalex.org/W3007859004
  • https://openalex.org/W3008384792
  • https://openalex.org/W3044013246
  • https://openalex.org/W3045288728
  • https://openalex.org/W3086335466
  • https://openalex.org/W3089286070
  • https://openalex.org/W3109475044
  • https://openalex.org/W3195302893
  • https://openalex.org/W3196145518
  • https://openalex.org/W3200616495
  • https://openalex.org/W3200802708
  • https://openalex.org/W4200334776
  • https://openalex.org/W4210762924
  • https://openalex.org/W4220992637
  • https://openalex.org/W4221044088
  • https://openalex.org/W4223487889
  • https://openalex.org/W4223559467
  • https://openalex.org/W4224217219
  • https://openalex.org/W4224232031
  • https://openalex.org/W4224232521
  • https://openalex.org/W4225282328
  • https://openalex.org/W4226303942
  • https://openalex.org/W4283691751
  • https://openalex.org/W4285719527
  • https://openalex.org/W4288077485
  • https://openalex.org/W4289731448
  • https://openalex.org/W4292223695
  • https://openalex.org/W4292566721
  • https://openalex.org/W4293065230
  • https://openalex.org/W4293206858
  • https://openalex.org/W4293294423
  • https://openalex.org/W4293801242
  • https://openalex.org/W4309705353