基于平均聚类采样策略的全球土壤湿度预测方法

本发明提供了基于平均聚类采样策略的全球土壤湿度预测方法，使用从具有异质土壤湿度变化特征的区域均匀提取的组样本进行训练。在不同区域的样本中确保多样性，以及在样本选择中的均匀性，有助于在模型训练过程中稳定地学习特征。在LandBench数据集上进行了实验，使用五种不同的种子进行了1天的全球预测。每个种子的结果取平均，结果表明所提出的分组抽样策略优于多个不采用此策略的传统基于LSTM的模型，中位数R2的改善范围为2.36%至4.31%，而KGE的改进范围为1.95%至3.16%。此外，在高纬度地区，尤其是在特定区域，该策略显示出显著的解释力提升，R2的改进超过40%。验证了所提出的抽样策略的有效性，并引入了一种新的训练范式，以增强深度学习社区的泛化能力。