《表2 不同轮作序列和耕作措施下土壤含水率LSTM神经网络模型模拟值与实测值的统计指标》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《保护性耕作下土壤水分变化特征模拟研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

利用基于LSTM神经网络的土壤含水率预测模型对研究区2012—2013年1—12月0～200 cm共9个土层的土壤含水率进行模拟，以验证模型对模拟研究区土壤含水率的适应性，选取均方根误差（Root mean squared error，RMSE）、决定系数（Determination coefficient，R2）和平均相对误差（Mean relatively error，MRE） 3种统计指标对模拟结果进行分析，如表2所示。两个轮作序列中，LSTM神经网络模型模拟土壤含水率的精度随着土层深度的增加不断下降，但模型对研究区0～200 cm土层土壤含水率的模拟效果总体良好，4种耕作措施的土壤含水率的模拟值与实测值的平均RMSE为2.29%，平均MRE为6.79%，平均R2为0.82。结果表明，LSTM神经网络模型对土壤含水率的模拟具有较高的准确性，利用该模型可以实现陇中黄土高原沟壑区土壤水分变化的动态模拟。