第３５卷，第２期自然资源遥感Ｖｏｌ．３５，Ｎｏ．２２０２３年６月ＲＥＭＯＴＥＳＥＮＳＩＮＧＦＯＲＮＡＴＵＲＡＬＲＥＳＯＵＲＣＥＳＪｕｎ．，２０２３ｄｏｉ：１０．６０４６／ｚｒｚｙｙｇ．２０２２１０８引用格式：郭晓萌，方秀琴，杨露露，等．基于人工神经网络的西辽河流域根区土壤湿度估算［Ｊ］．自然资源遥感，２０２３，３５（２）：１９３－２０１．（ＧｕｏＸＭ，ＦａｎｇＸＱ，ＹａｎｇＬＬ，ｅｔａｌ．Ａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋ－ｂａｓｅｄｅｓｔｉｍａｔｉｏｎｏｆｒｏｏｔｚｏｎｅｓｏｉｌｍｏｉｓｔｕｒｅｉｎｔｈｅｗｅｓｔｅｒｎＬｉａｏｈｅｒｉｖｅｒｂａｓｉｎ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｆｏｒＮａｔｕｒａｌＲｅｓｏｕｒｃｅｓ，２０２３，３５（２）：１９３－２０１．）基于人工神经网络的西辽河流域根区土壤湿度估算郭晓萌，方秀琴，杨露露，曹煜（河海大学水文水资源学院，南京２１１１００）摘要：土壤水是衔接大气、地表、土壤和地下的水分转换和循环的核心，土壤湿度是全球气候观测系统的基本气候变量之一，在区域尺度的水分和能量交换中起着重要作用。根区土壤湿度的估算和时空变化特征的获取，对农业产量评估、洪水和干旱预测、水土保持等均具有重要意义。以西辽河流域作为研究区，基于人工神经网络，以遥感表层土壤湿度、累积降水量、累积日最高温、累积日最低温、相对湿度、日照时长、云覆盖度、风速、土壤属性、归一化植被指数、实际蒸散发量等作为解释变量，以站点实测的根区土壤湿度作为目标变量，采用２０１３—２０１８年的数据训练模型，估算研究区内２０１９—２０２０年每天的根区土壤湿度。结果表明，基于人工神经网络的根区土壤湿度估算值与站点实测根区土壤湿度之间的平均均方根误差为０．０５６７ｍ３／ｍ３，平均相关系数为０．６１１７，表明人工神经网络模型能够有效地估算西辽河流域内的根区土壤湿度。研究发现土壤湿度的变化量与降水量密切相关。关键词：根区土壤湿度；人工神经网络；西辽河流域；遥感土壤湿度中图法分类号：ＴＰ７９文献标志码：Ａ文章编号：２０９７－０３４Ｘ（２０２３）０２－０１９３－０９收稿日期：２０２２－０３－２８；修订日期：２０２２－０５－３０基金项目：国家自然科学基金项目“土壤湿度时空分布对半干旱区水文过程的作用机制研究”（编号：４２０７１０４０）和国家重点研发计划项目“小流域暴雨洪水及灾害风险关键...
