基于深度神经网络的城市典型乔木日内蒸腾特征模拟研究
以城市典型乔木小叶榕全天24小时每10分钟的树干液流及同步气象观测数据为训练集,建立基于深度神经网络的城市典型乔木植被蒸腾估算模型,得到10分钟尺度的小叶榕蒸腾模拟结果,系统地探讨干湿季和昼夜影响小叶榕蒸腾的环境控制因子.基于深圳市91个气象观测站的常规气象观测数据,应用训练好的深度神经网络模型,估算得到站点尺度的深圳市典型乔木逐小时蒸腾特征.结果表明:1)深度神经网络模型可以高精度地模拟城市小叶榕每10分钟尺度的蒸腾变化,与树干液流系统实测数据相比,决定系数R2=0.91,平均绝对百分比误差MAPE=21.77％,均方根误差RMSE=0.02 mm/h;2)湿季和干季城市小叶榕蒸腾的主要控制因子,白天均为太阳辐射和气温,夜间均为饱和水汽压差;3)城市小叶榕在夜间仍然存在蒸腾,干、湿季平均蒸腾速率分别达到0.03和0.01 mm/h;4)深圳市不同区域的植被蒸腾特征存在差异,蒸腾速率最高可相差0.10 mm/h,总体而言,湿季白天的蒸腾速率(91个站点均值为0.1 mm/h)比干季白天(均值为0.08 mm/h)更高,大部分站点夜间植被蒸腾量接近0,但仍存在蒸腾,少部分站点干季夜间平均蒸腾速率可达0.07 mm/h,湿季夜间可达0.10 mm/h.
城市蒸散发、典型乔木、小叶榕、深度神经网络、植被蒸腾、控制因子
57
深圳市知识创新计划;国家自然科学基金
2021-04-08（万方平台首次上网日期，不代表论文的发表时间）
共11页
322-332
