基于机器学习模型的多层土壤湿度反演

为了获取深层土壤湿度缺测值,采用支持向量机、BP神经网络和随机森林3种机器学习算法,在表层至深层土壤中利用主成分分析法选择与土壤湿度相关性显著的气象因子作为输入数据,建立多层土壤湿度反演模型反演了不同深度的土壤湿度。结果表明:随机森林模型模拟结果更加稳定,反演效果更佳;受气象因子驱动的影响,3种机器学习模型对地表0~10.cm深度内土壤湿度的反演效果更佳,对深层土壤湿度的反演效果随着深度增加而变差;增加表层土壤湿度及不同深度土壤温度作为驱动因子可以有效提高机器学习模型对深层土壤湿度的反演能力。     

基于平均影响值算法和BP神经网络的根区土壤湿度估算

为了探讨基于地表特征信息应用人工神经网络计算根区土壤湿度(root zone soil moisture, RZSM)的可行性,利用中国境内4个典型区域的农田生态系统野外台站的地表和根区土壤水分实测数据,结合6种气象数据和2种植被指数数据构建了不同深度根区土壤湿度的反向传播(back propagation, BP)神经网络计算模型,采用决定系数R²、均方根误差(root mean squared error, RMSE)和平均绝对误差(mean absolute error, MAE)3个指标来评估4个站点不同土层深度的模型性能,并使用平均影响值(mean impact value, MIV)算法得到9个地表特征变量的重要性。结果表明：在20～90 cm和20～100 cm深度,模型的平均R²值分别为0.79、0.69、0.66、0.56、0.51和0.47;RMSE为1.91%、2.17%、2.51%、2.71%、2.82%和3.08%;MAE为1.44%、1.61%、1.75%、1.89%、2.04%和2.35%,表明BP神经网络模型能...     

浅谈地面气象观测报表的编制方法

各类气象报表的编制工作是我国地面测报工作中重要的组成部分,减少或是消灭地面气象观测报表的错误是我国基层台站中测报人员努力的工作目标。     

地面气象观测场的防雷策略

地面气象观测场由于其地理位置、环境及其操作仪器等因素的影响,极易受雷电的影响,因此防雷工作是地面气象观测场建设和运行过程中非常重要的一项工作。本为通过分析雷电入侵地面气象观测场的途径,对地面气象观测场的建筑设施和仪器设备的防雷问题进行综合分析,提出地面气象观测场的防雷策略。     

主成分分析方法在BP学习中的应用

用主成分分析的思想解决BP算法中的两个问题．一是隐层中神经元的个数,另一个是训练的初始参数．为了便于比较,采用来自武汉同济医院的58个样本作为学习对象．通过实验比较得知,改进后的算法不仅节省了训练时间,而且能够得到更好的学习效果．     

提高地面气象观测目测能力的有效途径

地面气象观测是气象观测的一个重要部分析,而其中的人工目测与其它的器测项目一样,都是一种统一技术的规范行为,在地面气象观测项目中也有着非常重要的地位,准确的目测能为天气预报和气候分析以及科学研究等提供重要的科学依据。因此本文就如何提高气象观测的云、能、天目测能力展开讨论。     

对地面气象观测若干理论的研究

地面气象观测是气象观测的重要组成部分,是每个地面气象台站的基本任务之一。它是利用一些仪器对近地面层大气的气象情况进行观测,还包含用目力对自由大气的一些现象进行观察,如云况、光、电等。地面气象观测的要素一般有:大气压力、空气温度及土壤温度、空气湿度、风向、风速、日照、降水量、蒸发、雪深、雪压、冻土、电线积冰、云状、云量、云高、能见度、天气现象等。     

基于主成分分析的BP神经网络长期预报模型

MATLAB是进行神经网络系统设计及多元统计分析的有力工具.利用MATLAB6.5对月平均降水量的前期预报因子进行主成分分析,实现样本的最优压缩,从而降低样本的维数,建立起基于主成分分析的神经网络广西北部地区5月平均降水预测模型.计算结果表明,基于主成分分析的神经网络模型在预测中与多元回归模型相比有较好效果.     

主成分分析与BP网络组合的大坝变形预报

将主成分分析与BP神经网络相结合应用到大坝变形影响因子的优化中,建立大坝变形预测模型.可以有效地降低输入因子的维数,减小因子之间相关性的影响,简化网络结构,降低网络训练难度,提高预测的稳定性及精度,提升BP网络训练的效率,解决由影响因子内部相关性而需引入大量因子的问题.通过实验结果对比表明,主成分分析与BP网络相结合的...     

基于GA-BP神经网络的自建点PM2.5浓度校准研究

为精准预报空气质量,以PM2.5为例对其自建点监测浓度进行校准,选取6种污染物浓度以及5个环境因素建立神经网络模型。BP算法由于权值和阈值的随机性可能存在局部最优、过渡拟合等缺陷,所以利用遗传算法优化BP神经网络,构建GA-BP神经网络模型。仿真结果表明,GA-BP神经网络的校准平均绝对百分比误差和均方误差分别为12.56%和0.0197,明显低于BP神经网络,说明该模型校准效果更好,能明显提高空气质量预报的准确率。     

地表温度估测土壤含水量

介绍了利用热红外数据,通过地表温度遥感监测土壤水分的方法及其原理.对影像经过一系列预处理工作之后,将图像亮度值D N(TM6)转换为地表温度,利用实时的土壤含水量与地表温度进行相关分析,发现二者之间存在显著的正相关关系,并通过回归分析,初步建立了二者关系的数学模型.基于上述数学模型和地表温度的数字图象,可以得到土壤水分的等级图.     

土的含水率测定方法综述

土的含水率测定对于农业生产、地质灾害、工程建设和遗址保护等领域有着非常重要的意义,随着物联网技术的应用和传感器技术的发展,研发适应人工智能的含水率测定技术需求急迫。文中整理比对了各国含水率测定规范方法,并对现有测定方法的优缺点和适应性进行总结分析。提出应进一步加强土壤水分间接测试理论的定量研究,完善数学模型;测定仪器逐步向小型化、低功耗、无损型转变;测定方法应与现代信息技术紧密结合,加强含水率数据的采集和应用于反馈、控制的人工智能管理研究。     

基于ArcGIS的淤地坝土壤含水量空间变化分析

目的探讨淤地坝坝地含水量的空间分布规律。方法根据对韭园沟三角坪坝地实地取样所测定的土壤含水量,结合GIS软件的DEM分析及统计功能,从不同深度含水量的水平变化情况、垂直变化情况及总平均含水量变化方面对坝地含水量的空间变化规律进行了系统的分析。结果通过分析得出各个不同深度含水量的水平变化特点和垂直变化特点。结论坝地含水量在靠近排洪渠的位置较高,由地表向下含水量不断增加,2 m以下含水量开始减少,2.4 m以下含水量开始表现出稳定趋势。     

土的含水率测试在公路工程中的应用

通过土的天然含水率、液限、塑限的测试及其导出的塑性指数、液性指数,可用于粘性土的分类,判别粘性土的状态,反映相关的物理力学性质和承载能力,在工程实践中得到广泛的应用。     

Impacts of Soil Moisture Content and Vegetation on Shear Strength of Unsaturated Soil

It is analyzed that the impacts of vegetation type and soil moisture content on shear strength of unsaturated soil through direct shearing tests for various vegetation types, different soil moisture contents and different depth unsaturated soil. The results show that the cohesion of unsaturated soil changes greatly, and the friction angle changes a little with soil moisture content, h is also shown that vegetation can improve shear strength of unsaturated soil, which therefore provides a basis that vegetation can reinforce soil and protect slopes.     

长安地区人工林地土层含水量研究

根据长安区引镇梧桐林地、韦曲镇南杨树林地与西安市南郊麦地土壤含水量的测定．研究了0～600cm土壤含水量的变化和土壤干层特点与分布．结果表明，长安地区在正常降雨年份人工林地土壤含水量从地表向地下呈现由高到低再到高的变化；17龄梧桐林、13龄和10龄杨树林地200-400cm深度范围内土壤含水量平均为9．13％、9．23％和9．50％，发育了明显的土壤干层；麦地土层含水量比梧桐林和杨树林地明显高，无土壤干化的显示；在丰水年该地区人工林土层含水量与正常降雨年份林地土壤含水量显著不同，17龄梧桐林、13龄和10龄杨树林地200～400cm深度范围内土壤含水量平均为22．55％、21．20％和21．15％，土壤干层消失．这表明在降水量增加的条件下，土壤干层中的水分完全有可能恢复．土壤干层的发育会影响植物的正常生长、植被类型、植树造林和生态环境恢复，因此土壤干层水分恢复具有重要意义。     

半干旱地区土壤湿度变化特征

利用兰州大学半干旱气候与环境观测站(SACOL)站2006年5月至2009年12月5～80 cm的土壤体积含水量间隔半小时的数据,分析了半干旱地区土壤湿度变化特征.结果表明:5～40 cm土壤湿度有明显的季节变化,呈现出三高三低的变化特征,80 cm土壤湿度季节变化不明显;土壤湿度浅层比深层波动大,5～80 cm各层土壤体积含水量平均日较差依次为1.08％,0.57％,0.25％,0.11％,0.04％,相比于10 cm土壤体积含水量5.71％的方差,80 cm的方差只有2.69％;土壤湿度大小因土壤深度、季节和天气背景不同而有所差异,春、夏、秋季土壤湿度随深度加深呈降低型,冬季呈现增长型;随着深度的加深,上下层土壤湿度的相关性逐渐减弱,滞后时间在增加,滞后时间最短为3.5h,最长为35 h.     

基于模拟土壤含水量的干旱监测技术

为实现大范围干旱的实时监测,开发了基于模拟土壤含水量的干旱监测技术.采用VIC(variable infiltration capacity)大尺度水文模型模拟了30 km网格尺度的逐日土壤含水量,建立了土壤含水量距平指数(SMAPI),分析了其在2002年山东干旱和2010年西南地区干旱监测中的作用.结果表明,SMAPI具有较明确的物理意义,能够反映大范围干旱在时间和空间上的发生、发展及变化趋势.基于模拟土壤含水量的干旱监测技术,可为全面认识干旱,有效预防和减轻干旱灾害提供技术支持.