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。
![](/__local/E/36/82/3C254FD2359548627A3B063887C_12B338E7_CC3A.png)
图1时域卷积神经网络模型
![](/__local/0/C1/B3/8632862DC43F690C07D26579FE6_ACA11E23_C016.png)
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