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。
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 Typical Arbor Trees in Cities Based on Deep Neural Network[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2021, 57(2): 322-332.