摘要：土壤水分是“四水”轉換的紐帶,農業(yè)生產的基礎,傳統(tǒng)的野外定點測量土壤水分的方法難以實現(xiàn)空間上的展布,現(xiàn)代微波遙感數(shù)據(jù)可以得到大尺度的土壤水分,但分辨率低。本文利用CLDAS數(shù)據(jù),將機器算法應用到遙感影像指數(shù)運算中,開展土壤水分的降尺度研究。論文分別采用OLS算法、Bagging算法、BRT算法和隨機森林算法模型建立MODIS光學遙感數(shù)據(jù)(LST、Albedo、NDVI、ET)與土壤水分的關系模型。研究結果表明:四種算法中隨機森林算法的擬合效果更優(yōu)(R 2=0.96128,RMSE=0.00699)。利用該算法算出降尺度后的土壤體積水分,可以得到大尺度且空間分辨率更高的土壤水分數(shù)據(jù)。大清河流域西北部土壤含水量為高于東南部,土壤含水量差異可達0.2 mm 3/mm^3,在流域土壤含水量空間分布的季節(jié)變化顯著,3月土壤水分低至0.16mm 3/mm^3,9月土壤水分高達0.33mm^3/mm^3。