10.11755/j.issn.1006-7639(2023)-05-0783
基于土壤温、湿度记忆性的土壤湿度预测方法研究
土壤温、湿度是陆面过程的重要参数,也是大气数值模式下边界条件的重要物理参量.由于土壤湿度的观测站点较少,土壤温湿度的空间资料较少,另外,土壤温湿度作为干旱预测的主要内容,需要知道未来时刻的土壤温湿度变化.因此,如何获得未来时刻土壤温湿度的时空变化具有重要意义.本文根据土壤湿度的记忆性特点,通过机器学习方法试图获得模式中土壤湿度的时空变化.采用卷积神经网络算法(Convolutional Neural Networks,CNN),考虑土壤温度对土壤湿度的影响,选取ERA5 0~7、7~28、28~100、100~289 cm深度层土壤温、湿度作为预测因子,对月、季尺度上土壤湿度变化进行预测.结果表明,本方法能提前6个月对土壤湿度进行可靠有效地预测;预测的浅层(0~28 cm)与深层(28~289 cm)土壤湿度平均偏差分别小于 0.05、0.02 m3·m-3;在湿润区,平均偏差基本在0.03 m3·m-3以内,表现出较好的效果.本文的预测方法和结果,既可用于土壤干旱的预测,也可作为数值模式初边界场的形成.
卷积神经网络、土壤温度、土壤湿度、影响因素、预测
41
P426.1(气象基本要素、大气现象)
国家自然科学基金;甘肃省自然科学基金
2023-11-14(万方平台首次上网日期,不代表论文的发表时间)
共9页
783-791