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

作者：李柳阳; 朱青; 刘亚; 廖凯华; 赖晓明

来源：水土保持学报, 2021, 35(02): 131-137.

DOI：10.13870/j.cnki.stbcxb.2021.02.018

• 土壤水文
• 时空变化
• 长三角
• 遥感反演

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,RMSE3/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,RMSE3/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。

• 单位
  中国科学院南京地理与湖泊研究所; 中国科学院大学