农业基础科学论文_基于深度学习方法预测-中国铁道科学

一、本刊要求作者有严谨的学风和朴实的文风，提倡互相尊重和自由讨论。凡采用他人学说，必须加注说明。二、不要超过10000字为宜，精粹的短篇，尤为欢迎。三、请作者将稿件（用WORD格式）发送到下面给出的征文信箱中。四、凡来稿请作者自留底稿，恕不退稿。五、为规范排版，请作者在上传修改稿时严格按以下要求： 1．论文要求有题名、摘要、关键词、作者姓名、作者工作单位（名称，省市邮编）等内容一份。 2．基金项目和作者简介按下列格式：基金项目：项目名称（编号）作者简介：姓名（出生年－），性别，民族（汉族可省略），籍贯，职称，学位，研究方向。 3．文章一般有引言部分和正文部分，正文部分用阿拉伯数字分级编号法，一般用两级。插图下方应注明图序和图名。表格应采用三线表，表格上方应注明表序和表名。 4．参考文献列出的一般应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献。其他相关注释可用脚注在当页标注。参考文献的著录应执行国家标准GB7714-87的规定，采用顺序编码制。

农业基础科学论文_基于深度学习方法预测

作者:

关键词:

摘要：

文章摘要: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5～80cm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、0.029cm³·cm^-3和0.025 cm³·cm^-3，其中5～10cm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。

文章关键词:

论文分类号:TP18;S152.7

文章来源：《中国铁道科学》网址: http://www.zgtryflzz.cn/qikandaodu/2022/0711/1390.html