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

赵文利¹, 邱国玉^1,?, 熊育久², 邹振东¹, 鄢春华¹, 余雷雨¹, 郝梦宇¹

1. 北京大学深圳研究生院环境与能源学院, 深圳 5180552. 中山大学土木工程学院, 广州 510275

收稿日期:2020-02-08修回日期:2020-04-10出版日期:2021-03-20

基金资助:深圳市知识创新计划(JCYJ20180504165440088)和国家自然科学基金(41671416)资助

Simulation of Sub-Daily Transpiration Characteristics of TypicalArbor Trees in Cities Based on Deep Neural Network

ZHAO Wenli¹, QIU Guoyu^1,?, XIONG Yujiu², ZOU Zhendong¹, YAN Chunhua¹, YU Leiyu¹, HAO Mengyu¹

1. School of Environment and Energy, Peking University Shenzhen Graduate School, Shenzhen 5180552. School of Civil Engineering, Sun Yat-Sen University, Guangzhou 510275

Received:2020-02-08Revised:2020-04-10Published:2021-03-20

PDF

(5358KB)

可视化

0

复制本文网址

1. 探讨2016版国际胰瘘研究小组定义和分级系统对胰腺术后患者胰瘘分级的影响.PDF(500KB)

-->

摘要/Abstract

摘要： 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。

引用本文

赵文利, 邱国玉, 熊育久, 邹振东, 鄢春华, 余雷雨, 郝梦宇. 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[J]. 北京大学学报自然科学版, 2021, 57(2): 322-332.
ZHAO Wenli, QIU Guoyu, XIONG Yujiu, ZOU Zhendong, YAN Chunhua, YU Leiyu, HAO Mengyu. Simulation of Sub-Daily Transpiration Characteristics of TypicalArbor Trees in Cities Based on Deep Neural Network[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2021, 57(2): 322-332.





PDF全文下载地址:

http://xbna.pku.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3596