首页|基于气象因子的长三角地区农田站点土壤水分时间序列预测

基于气象因子的长三角地区农田站点土壤水分时间序列预测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
以长三角3省1市为研究区,旨在构建长三角地区土壤水分长时间序列,为农业生产和遥感算法提供数据支撑.研究基于空间匹配的站点土壤水分数据和气象数据,利用主成分分析得到4个有效主成分作为线性回归和BP神经网络模型的输入因子,建立土壤水分与气象因子间的定量关系,并评估所构建模型的精度.结果表明,基于全部站点数据建立的单一BP神经网络模型优于单一线性回归模型.单一线性回归模型的R2=0.34,RMSE=0.046 m3/m3,MAE=3.67％;而单一BP神经网络模型的训练、验证和测试3个数据集的R2均在0.64以上,RMSE<0.043 m3/m3,MAE低于3.4％.根据逐个站点分别构建分站点的BP神经网络模型,其总体精度高于基于全部站点数据构建的单一BP神经网络模型.分站点构建的BP神经网络模型的总体精度方面,3个数据集的R2均值在0.75以上,RMSE<0.039 m3/m3,MAE低于3％.通过对逐个站点分别构建BP神经网络模型,获得了精度较高、较稳定的土壤水分拟合结果.
Time Series Prediction of In-situ Soil Moisture Based on Meteorological Data in the Yangtze River Delta

李柳阳、朱青、刘亚、廖凯华、赖晓明

展开 >

中国科学院南京地理与湖泊研究所,中国科学院流域地理学重点实验室,南京 210008

中国科学院大学,北京 100049

土壤水文 时空变化 长三角 遥感反演

国家自然科学基金中国科学院前沿科学重点研究项目

41971117QYZDB-SSW-DQC038

2021

10.13870/j.cnki.stbcxb.2021.02.018

水土保持学报
中国土壤学会　中国科学院水利部水土保持研究所

水土保持学报

CSTPCDCSCD北大核心
影响因子：1.226
ISSN：1009-2242
年,卷(期)：2021.35(2)
  • 9
  • 17