利用中子探针标定数据与机器学习提升5TE土壤含水量传感器精度

方法

中子探针标定数据，比较岭回归、高斯过程、随机森林与XGBoost。

发现

机器学习校正后RMSE降至0.062-0.074，优于未校正的0.084-0.099。

机会点

可探索跨站点迁移学习与低成本传感器在线自校正，减少对中子探针的依赖。

用2017—2025年9个生长季4个站共1221组5TE—中子探针配对数据，比较岭回归、高斯过程、随机森林与XGBoost。留一年RMSE为0.066至0.074、留一站0.062至0.068，均优于未校正的0.084至0.099。