基于MLR和人工神经网络的新疆杨日蒸腾量估算

为解决当前旱区防护林主要树种新疆杨日蒸腾量(Tr)估算值的精确度低、估算模型泛化能力差等问题,采用7种气象因子(日照时长、风速、相对湿度、饱和水蒸气压差、最低温、最高温和日均温)的8种组合作为模型输入,构建了传统多元线性回归模型(MLR)和人工神经网络模型(BP和Elman),估算2020年生长季新疆杨Tr值,并对3种模型不同输入组合的估算结果进行比较与评价;同时基于Garson算法量化各气象因子对Tr估算值的相对贡献率。结果显示,BP和Elman模型对Tr估算值的精确度超过73.66%,在不同输入组合下人工神经网络模型估算精确度比MLR模型提高了8.45%~31.33%,其中拓扑结构为6-4-4-1的Elman模型估算值的精确度最高;气象因子饱和水蒸气压差对Tr估算值的相对贡献率最大,相对湿度次之,不同温度变量对Tr估算值的相对贡献率依次为:日均温>最低温>最高温。结果表明,所构建的新疆杨日蒸腾量的估算神经网络模型可提高对干旱地区防护林蒸腾量的估算精确度。