考虑土壤水分影响迟滞效应的蒸散发智能估算模型

摘要

基于长短期记忆网络（LSTM）方法,构建考虑土壤水分影响迟滞效应的蒸散发智能估算模型（LSTM-SWC）.结果表明,土壤水分对蒸散发的显著影响层分别为:0～10 cm（榆林、盐池、鄂尔多斯）、 10～20 cm（景阳岭）、 20～30 cm（大野口）和20～40 cm（垭口、阿柔、大沙龙、通辽）,显著影响层前1 d的土壤水分对蒸散发的影响最为显著;在干旱半干旱地区, LSTM-SWC模型率定期相关系数（R）为0.88,均方根误差(R_MSE)为0.54 mm/d,克林—古普塔效率(K_GE)为0.83,不确定度(U_95%)为2.17 mm/d;验证期R=0.82, R_MSE=0.67 mm/d, K_GE=0.82, U_95%=2.55 mm/d, LSTM-SWC模型模拟蒸散发的性能较好,与未考虑土壤水分影响迟滞效应的机器学习模型和基于物理机制的CLM5.0模型相比, LSTMSWC更适用于估算干旱半干旱地区实际蒸散发.气象因素对LSTM-SWC模型性能的影响占79.26%,土壤水分对模型性能的影响占20.74%.在不同土壤水分百分位上,祁连山区LSTM-SWC模型K_GE=0.70～0.86,略有波动,变化不大;农牧交错带LSTM-SWC模型K_GE=-0.13～0.60,且变异性极强. LSTMSWC模型模拟性能在蒸散发变异性较强的农牧交错带性能略差,是由于当蒸散发变异性较强时,模型需要增加更多的隐藏单元数以刻画蒸散发的强变异性.但更复杂的模型结构扩大了噪声的影响,使得模型泛化能力变差,性能下降.考虑土壤水分迟滞效应可显著提升干旱半干旱地区蒸散发模拟性能. LSTM-SWC模型可为干旱半干旱地区草地蒸散发估算提供新方法.

关键词

土壤水分迟滞效应 / 蒸散发 / 长短期记忆网络法 / 干旱半干旱地区

基金资助

国家自然科学基金面上项目(42371022,41877148); 甘肃省科技计划项目(24YFFA012)