近日，根据基本科学指标（Essential Science Indicators，简称ESI）最新统计结果，我院农业水土工程学科孙仕军教授课题组2020年12月发表在Journal of Hydrology期刊（影响因子5.9）的论文“Estimating daily reference evapotranspiration based on limited meteorological data using deep learning and classical machine learning methods”目前被引用128次，入选工程学（Engineering）学科领域高被引论文，被引频次排名工程学领域前1%。论文第一作者为陈志君博士，通讯作者为孙仕军教授。

该研究基于我国东北地区16个气象站点1951-2018年的逐日气象数据，建立了基于聚类算法的深度学习模型（图1），包括长短期记忆神经网络，时域卷积神经网络模型，简化了作物耗水量预测的复杂度，提高了逐日作物耗水量的预测精度（图2），实现了利用异地气象数据对类似地区作物耗水量的预测。相关研究成果为作物耗水量预测提供了新的思路和科学依据。

图1时域卷积神经网络模型

图2 深度学习模型预测精度对比

论文链接：https://www.sciencedirect.com/science/article/pii/S0022169420307460

撰稿：郑俊林

审核：徐   伟