基于变点方法的非平稳土壤湿度动态建模

土壤湿度动态为科学家通过干燥曲线建模的土壤健康提供了指标。典型的建模过程需要手动将土壤湿度时间序列分离为干燥段，然后分别对它们拟合指数衰减模型。近年来传感器的发展意味着以前在少数野外观测活动中进行的实验现在可以扩展到数月或数年且采样率更高。为了更好地应对数据量不断增加的挑战，本文提出了一种新颖的基于变点的方法，自动识别土壤干燥过程中的结构变化，并同时估计土壤科学家感兴趣的干燥参数。我们进行了模拟研究以证明该方法在检测变化和恢复模型参数方面的性能。讨论了该方法的实际方面，例如添加协变量和惩罚学习。该方法应用于来自 NEON 数据门户的每小时土壤湿度时间序列，以研究土壤湿度干燥的时空动态。我们恢复了以前手动识别的已知关系，同时提供了跨土壤类型和位置的时间变异性的新见解。