典型文献
基于深度学习方法预测缺资料区域深层土壤水分
文献摘要：
土壤水分是陆地大气间水和能量交换的重要变量,特别是半干旱区土壤水分在植被恢复过程中扮演着关键作用.针对黄河流域土壤水分站网稀少、获取高质量时空连续的土壤水分信息较为困难的问题,为了在这种缺资料地区获取高精度的土壤水分信息,从而进一步开展黄河流域生态水文退化恢复机制解析,选取该区域内浑河流域作为试验区,同为我国北方半干旱地区呼伦贝尔草原的土壤水分实测数据集被用来驱动时空融合的卷积-循环神经网络(CNN-RNN)深度学习方法,集成多源遥感数据和表层土壤水分数据预测缺资料区域浑河流域时空连续的深层土壤水分信息,并采用多指标评估该方法的可行性.结果表明:基于深度学习方法预测的浑河流域5～80 cm土壤水分与实测数据相比存在低估现象,总体的相关系数R、均方根误差RMSE和平均绝对误差MAE分别可以达到0.67、0.029 cm3·cm-3和0.025 cm3·cm-3,其中5～10 cm土壤水分预测效果表现最好,即使对于难以预测的深层土壤水分,最低的R、RMSE和MAE也可以达到0.58、0.031 cm3·cm-3和0.027 cm3·cm-3.研究成果表明基于深度学习预测缺资料区域深层土壤水分的方法具有一定的可行性,为缺资料地区获取高精度的土壤水分提供了另一种思路.
文献关键词：
土壤水分;深度学习;缺资料流域;生态水文;神经网络;半干旱区;黄河流域;气候变化
中图分类号：
作者姓名：
张自豪;王国强;薛宝林;阿膺兰;张晓婧;王立波
作者机构：
北京师范大学水科学研究院, 北京 100875;中国水利水电科学研究院流域水循环模拟与调控国家重点实验室, 北京 100038
文献出处：
引用格式：
[1]张自豪;王国强;薛宝林;阿膺兰;张晓婧;王立波-.基于深度学习方法预测缺资料区域深层土壤水分)[J].水利水电技术（中英文）,2022(11):25-36
A类：
缺资料流域
B类：
深度学习方法,深层土壤,地大,能量交换,半干旱区,干旱区土壤,植被恢复,恢复过程,分站,站网,稀少,时空连续,分信,缺资料地区,黄河流域生态,生态水文,恢复机制,机制解析,浑河流域,试验区,半干旱地区,呼伦贝尔草原,时空融合,循环神经网络,RNN,多源遥感数据,表层土壤水分,数据预测,多指标评估,低估,RMSE,平均绝对误差,MAE,cm3,土壤水分预测,难以预测,分提
AB值：
0.250833
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
