基于时间序列的土壤墒情预测影响因素研究

摘要：

[目的]分析预测土壤墒情变化趋势,总结影响土壤墒情的因素,为土壤改良提供参考.[方法]通过对不同深度土壤墒情随时间呈现的动态变化进行研究,针对研究区的具体气象条件和土壤情况,应用时间序列模型和深度学习方法,探究BAG土壤墒情预测模型的预测性能.通过对土壤深度、数据和环境因子与预测模型的相关关系的分析,证明该模型的预测精度.[结果]1)深度与预测性能的关联:研究区内不同深度的土壤含水量预测误差的平均绝对值都较为平稳,均在1%以下,不同深度的土壤含水量不会直接影响BAG的预测性能.2)墒情数据对预测模型的影响:研究区内1 095条、729条和364条数据作为输入数据进行预测,序列长度为364时,各个深度预测精度较好.3)环境因子对预测模型的影响:预测精度并不随着相关性的强弱而相应变化,阈值为0.3以上的环境因子预测精度最好.[结论]在一定的序列长度和环境因子数量下,BAG的预测性能较高.

关键词：土壤墒情预测、BAG模型、环境因子、时间序列模型

所属期刊栏目：55

分类号：S152.7(土壤学)

在线出版日期：2024-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：38-42,61