《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》
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。
图表编号 | XD00206361900 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.25 |
作者 | 王钧、李广、聂志刚、刘强、闫丽娟 |
绘制单位 | 甘肃农业大学信息科学技术学院、甘肃农业大学林学院、甘肃农业大学信息科学技术学院、甘肃农业大学信息科学技术学院、甘肃农业大学农学院 |
更多格式 | 高清、无水印(增值服务) |