混合机器学习揭示美国数百流域活跃根区储量的时空动态（2001–2020）

研究团队开发了一种流域尺度、面向生态系统的混合机器学习模型，将简约生态水文结构与数据驱动灵活性结合，把时变活跃根区储量（aSrz）作为潜变量推断。模型不预设根系深度或土层，利用蒸散发、径流、积雪和陆地水储量等多源观测学习自适应水分分配，并在2001–2020年美国数百个流域应用，显示aSrz在大气需求与供水均衡的过渡区达到峰值，其实现容量反映长期水文气候与下垫面约束。