干旱区生态环境知识资源中心(Arid): 基于人工神经网络的涡度相关仪观测蒸散量的数据插补方法

Arid

	基于人工神经网络的涡度相关仪观测蒸散量的数据插补方法
其他题名	Gap filling for evapotranspiration based on BP artificial neural networks
	张琨; 朱高峰; 白岩; 马婷
来源期刊	兰州大学学报. 自然科学版
ISSN	0455-2059
出版年	2014
卷号	50 期号:3 页码:348-355
中文摘要	立足于绿洲农田生态系统,采用人工神经网络方法对潜热通量数据进行模拟和插补.根据作物生长季分阶段模拟,对比整体模拟结果,发现分阶段模拟效果(R~2=0.91~0.95, RMSE=28.9~41.3 W/m~2, MAE=21.3~28.8 W/m~2)优于整体模拟效果(R~2=0.87~0.92, RMSE=39.6~50.7 W/m~2, MAE=27.6~34.9 W/m~2).通过模型网络连接权值对各阶段环境因子的相对贡献率作了定量分析,并从数学统计的角度对研究区蒸散发环境因子影响机理进行了分析.结果表明为了提高潜热通量的插补精度,合理地根据作物生长季分阶段建模插补是有必要的.
英文摘要	Based on the oasis farmland ecosystem, an artificial neural network approach was used to simulate the latent heat flux data and gap filling. According to crop growth season stages and comparing the overall simulation results, it was found that the stage simulation results were better than the overall simulation results. In addition, a quantitative analysis was made of the relative contribution of environmental factors in the various stages through the connection weights, and also were analyzed the environmental factors affecting the evapo-transpiration in the study area from mathematical and statistical perspectives. The research showed that crop growing season stages are necessary to improve the accuracy of gap filling of latent heat flux.
中文关键词	BP神经网络 ; 潜热通量 ; 贡献率分析 ; 模拟插补
英文关键词	BP neural network latent heat flux contribution analysis gap filling
语种	中文
国家	中国
收录类别	CSCD
WOS类目	GEOSCIENCES MULTIDISCIPLINARY
WOS研究方向	Geology
CSCD记录号	CSCD:5188522
来源机构	兰州大学
资源类型	期刊论文
条目标识符	http://119.78.100.177/qdio/handle/2XILL650/231418
作者单位	兰州大学干旱环境与气候变化协同创新中心, 西部环境教育部重点实验室, 兰州, 甘肃 730000, 中国
推荐引用方式 GB/T 7714	张琨,朱高峰,白岩,等. 基于人工神经网络的涡度相关仪观测蒸散量的数据插补方法[J]. 兰州大学,2014,50(3):348-355.
APA	张琨,朱高峰,白岩,&马婷.(2014).基于人工神经网络的涡度相关仪观测蒸散量的数据插补方法.兰州大学学报. 自然科学版,50(3),348-355.
MLA	张琨,et al."基于人工神经网络的涡度相关仪观测蒸散量的数据插补方法".兰州大学学报. 自然科学版 50.3(2014):348-355.