基于RF模型预测的地下水深度数据集

在这里，我们使用大量地下水观测样本，以及来自全球土地数据同化系统（GLDAS）和重力恢复与气候实验（GRACE）的数据集，建立了一种机器学习方法——随机森林——用于预测中国黄河流域的区域地下水位。我们证明了该模型的鲁棒性，在校准模式下R²为0.95，在10倍交叉验证模式下R²为0.91±0.009。

Here, we developed a machine learning method—Random Forest—for predicting regional groundwater levels in the Yellow River Basin of China, using a large number of groundwater observation samples and datasets from the Global Land Data Assimilation System (GLDAS) and the Gravity Recovery and Climate Experiment (GRACE). We demonstrated the robustness of this model, with an R² score of 0.95 in the calibration mode and 0.91±0.009 in the 10-fold cross-validation mode.

搜集汇总

背景与挑战

背景概述

该数据集利用随机森林模型，结合多源观测数据和卫星数据，对中国黄河流域地下水位进行高精度预测(R²>0.9)。数据集发布于2024年，包含约393MB的预测数据，适用于水文研究和机器学习应用。