基于土壤温、湿度记忆性的土壤湿度预测方法研究     

魏森涛  王澄海  张飞民  杨凯 《干旱气象》2023,(5):783-791

土壤温、湿度是陆面过程的重要参数,也是大气数值模式下边界条件的重要物理参量。由于土壤湿度的观测站点较少,土壤温湿度的空间资料较少,另外,土壤温湿度作为干旱预测的主要内容,需要知道未来时刻的土壤温湿度变化。因此,如何获得未来时刻土壤温湿度的时空变化具有重要意义。本文根据土壤湿度的记忆性特点,通过机器学习方法试图获得模式中土壤湿度的时空变化。采用卷积神经网络算法(Convolutional Neural Networks,CNN),考虑土壤温度对土壤湿度的影响,选取ERA5 0～7、7～28、28～100、100～289 cm深度层土壤温、湿度作为预测因子,对月、季尺度上土壤湿度变化进行预测。结果表明,本方法能提前6个月对土壤湿度进行可靠有效地预测;预测的浅层(0～28 cm)与深层(28～289 cm)土壤湿度平均偏差分别小于0.05、0.02 m³·m^-3;在湿润区,平均偏差基本在0.03 m³·m^-3以内,表现出较好的效果。本文的预测方法和结果,既可用于土壤干旱的预测,也可作为数值模式初边界场的形...  相似文献