基于性能触发的自适应模型降阶用于精准灌溉中的土壤湿度估计

准确的土壤湿度信息对于 developing precise irrigation control strategies 以提高水资源使用效率至关重要。基于有限土壤湿度传感器的土壤湿度估计对于在处理大规模农田时获取全面的土壤湿度信息至关重要。土壤湿度估计的主要挑战在于空间离散化作物-水文模型的高维度。在本研究中，我们提出了一种基于性能触发的自适应模型降阶方法以解决这一挑战。该方法采用基于轨迹的无监督机器学习技术，并设计了一种基于预测性能的触发方案，以此自适应地控制模型更新，使得在预测时域内，降阶模型与原始模型之间的预测误差保持在预设阈值以下。基于降阶模型设计了一个自适应扩展卡尔曼滤波器（EKF）用于土壤湿度估计。通过应用于模拟的大规模农田，对本文提出的方法的适用性和性能进行了广泛的评估。