基于BP神經(jīng)網(wǎng)絡(luò)的巢湖市冬季淺層地溫預(yù)報(bào)

桂沁園 王學(xué)林 曹明

摘要 利用2011—2016年冬季（12月至翌年2月）巢湖市國(guó)家基本站逐日氣溫、地溫、日照、降水等氣象資料，采用相關(guān)分析法篩選出影響地溫的關(guān)鍵氣象因子，運(yùn)用MATLAB軟件構(gòu)建了基于BP神經(jīng)網(wǎng)絡(luò)淺層最低地溫預(yù)報(bào)模型，并比較不同層模擬精度。結(jié)果表明，0～20 cm地溫日變化均呈正弦曲線變化，越向深層地溫變化幅度越小，位相逐層滯后。相關(guān)性分析表明，淺層最低地溫與前一日的平均氣溫、最低氣溫、0～20 cm各層平均地溫和最低地溫成顯著正相關(guān)，與前一日日照時(shí)數(shù)成顯著負(fù)相關(guān)。模型模擬結(jié)果顯示0、5、10、15、20 cm最低地溫預(yù)報(bào)的標(biāo)準(zhǔn)誤差和絕對(duì)誤差逐層減小，20 cm層預(yù)報(bào)準(zhǔn)確度明顯優(yōu)于0 cm層。

關(guān)鍵詞 淺層地溫；預(yù)報(bào)模型；BP神經(jīng)網(wǎng)絡(luò)；安徽巢湖；冬季

中圖分類號(hào) P457 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1007-5739（2018）12-0190-03

Abstract Based on the observation data of daily air temperature，ground temperature，sunshine duration and precipitation from Chaohu observation station in winter（from December to February）from 2011 to 2016，the main meteorological factors affecting ground temperature were selected by correlation analysis method，shallow layer minimum ground temperature prediction model was set up based on BP neural network by using MATLAB software，and the simulation precision of different layers was compared in this paper. Results showed that the diurnal variation of 0-20 cm ground temperature was presented sine curve，as the depth increased，the ground temperature fluctuant range decreased，and the phase was delayed.Correlation analysis showed that the shallow layer minimum ground temperature had a significant positive correlation with the average temperature，minimum temperature，average ground temperature and the lowest ground temperature of 0-20 cm of the previous day，and was negatively correlated with the sunshine duration of the previous day. The simulation results showed that the standard error and absolute error of 0，5，10，15，20 cm minimum ground temperature prediction decreased layer-by-layer，and the prediction accuracy of 20 cm layer was obviously better than that of 0 cm layer.

Key words shallow layer ground temperature；forecast model；BP neural network；Chaohu Anhui；winter

地溫是衡量地表土壤熱量的物理量。下墊面溫度和不同深度的土壤溫度統(tǒng)稱地溫，淺層地溫是指離地面 5、10、15、20 cm的地中溫度[1]。作物的根系生長(zhǎng)在土壤中，因而土壤條件是影響農(nóng)作物生長(zhǎng)的重要環(huán)境因子[2-4]。地溫是影響作物生長(zhǎng)發(fā)育的重要?dú)庀笠蜃又?，研究表明，地溫產(chǎn)生1 ℃的變化就會(huì)對(duì)作物生長(zhǎng)發(fā)育形成明顯的影響[5]，如果地溫低于作物根系生理活動(dòng)所需下限溫度，將會(huì)使根系生長(zhǎng)受阻，導(dǎo)致作物生長(zhǎng)發(fā)育不良，甚至導(dǎo)致作物死亡[6]。因此，研究淺層地溫預(yù)報(bào)對(duì)防范農(nóng)作物越冬期凍害及防災(zāi)減災(zāi)具有重要的意義。

許多學(xué)者開(kāi)展了地溫預(yù)報(bào)方面的研究，楊 丹等[7]利用數(shù)理統(tǒng)計(jì)方法建立了山東萊蕪地溫的預(yù)報(bào)技術(shù)，李 帥等[8]利用逐日氣溫、20 cm地溫作為預(yù)報(bào)因子，建立了黑龍江春季10 cm地溫預(yù)報(bào)模型，羅喜平等[9]應(yīng)用統(tǒng)計(jì)回歸方法建立以氣溫為基礎(chǔ)的地溫預(yù)報(bào)模型。目前，關(guān)于巢湖地區(qū)地溫預(yù)報(bào)的研究尚不多見(jiàn)。本文采用BP神經(jīng)網(wǎng)絡(luò)模型算法及不同層地溫的觀測(cè)數(shù)據(jù)和相應(yīng)的氣象數(shù)據(jù)，構(gòu)建0～20 cm不同層地溫的估算模型，并基于相關(guān)氣象數(shù)據(jù)開(kāi)展地溫預(yù)報(bào)。本研究結(jié)果可為指導(dǎo)越冬作物安全越冬、趨利避害以及防災(zāi)減災(zāi)提供參考。

1 資料與方法

1.1 資料來(lái)源

本文選取2011—2016年冬季（12月至翌年2月）巢湖國(guó)家基本氣象站逐日氣象觀測(cè)資料，主要包括平均氣溫、最低氣溫、最高氣溫、日照時(shí)數(shù)、相對(duì)濕度、總云量、低云量、降水量、平均風(fēng)速，0～20 cm（0、5、10、15、20 cm）5層逐日平均地溫和最低地溫資料，平均氣溫、相對(duì)濕度、平均風(fēng)速和各層平均地溫為當(dāng)日2：00、8：00、14：00、20：00 4個(gè)整點(diǎn)數(shù)據(jù)的算數(shù)平均值，總云量和低云量為當(dāng)日8：00、14：00、20：00 3個(gè)整點(diǎn)人工觀測(cè)值的算數(shù)平均值，最高氣溫、最低氣溫以及各層最低地溫從逐日分鐘資料中獲取。

1.2 研究方法

BP神經(jīng)網(wǎng)絡(luò)[10-12]是一種多層前向型神經(jīng)網(wǎng)絡(luò)，具有典型的信號(hào)前向傳播，誤差反向傳播的特點(diǎn)，本文采用BP神經(jīng)網(wǎng)絡(luò)模型算法及不同層地溫的觀測(cè)數(shù)據(jù)和相應(yīng)的氣象數(shù)據(jù)，構(gòu)建不同層最低地溫的估算模型。

BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖1所示。第一層為輸入層，輸入經(jīng)過(guò)相關(guān)性分析后篩選的預(yù)報(bào)因子；第二層為隱含層，設(shè)置其節(jié)點(diǎn)數(shù)為20；第三層為輸出層，主要輸出不同層最低地溫。隱含層和輸出層傳遞函數(shù)均采用S型正切函數(shù)tansig，設(shè)網(wǎng)絡(luò)訓(xùn)練算法為traingdm，訓(xùn)練次數(shù)為50 000，初始學(xué)習(xí)速率為0.01。

1.3 模型檢驗(yàn)

模型優(yōu)劣的選取標(biāo)準(zhǔn)采用檢驗(yàn)?zāi)Ｐ统Ｓ玫慕y(tǒng)計(jì)方法，即回歸估計(jì)標(biāo)準(zhǔn)誤差RMSE（root mean squared error）、相對(duì)誤差RE（relative prediction error）、絕對(duì)誤差A(yù)E（absolute error）、決定系數(shù)R2，對(duì)模擬值與實(shí)測(cè)值之間的符合度進(jìn)行分析。計(jì)算公式如下：

1.4 統(tǒng)計(jì)分析

采用SPSS軟件進(jìn)行相關(guān)分析，MATLAB軟件進(jìn)行數(shù)據(jù)處理，使用Microsoft Excel 2003軟件作圖。

2 結(jié)果與分析

2.1 地溫的日變化

通過(guò)分析2011—2016年冬季各層地溫的日變化（圖2）可知，各層土壤溫度日變化呈正弦曲線變化，白天高、夜間低，各層平均土壤溫度在一天中都有一個(gè)最高值和最低值，隨著土壤深度的增加，最高溫度降低、最低溫度升高，地溫日變幅變小，0、5、10、15、20 cm地溫的平均日較差分別為14.1、6.1、3.5、2.0、1.2 ℃，氣溫的平均日較差為6.0 ℃，5 cm地溫和氣溫的日變幅最為接近。各層地溫日變化位相從地表向深層逐層滯后，各層地溫谷（峰）值出現(xiàn)的時(shí)間表現(xiàn)為0 cm>5 cm >10 cm>15 cm>20 cm。其中0 cm地溫谷值出現(xiàn)在7：00；日出后，受太陽(yáng)直接輻射作用溫度迅速上升，并向下層傳導(dǎo)熱量，帶動(dòng)下層地溫升高，0 cm地溫在13：00達(dá)到峰值；日落后，由于地表接近大氣，與大氣之間熱量交換頻繁，有一部分熱量散失到大氣中，溫度迅速下降；17：00以后已經(jīng)低于氣溫和其他各層地溫。各層地溫在白天變化差異大，隨后隨著氣溫的下降，地面溫度回落，溫度差逐步減少；20：00至次日7：00， 0～20 cm各層地溫平緩下降，各層地溫的平均值表現(xiàn)為由20 cm至0 cm逐層減小，由于溫度差，熱傳導(dǎo)方向發(fā)生變化，熱量有由深向表層傳遞的趨勢(shì)。

2.2 最低地溫的影響因子

由于土壤與空氣的能量交換和熱傳導(dǎo)，使地溫與氣溫之間存在著密切的關(guān)系，地溫對(duì)氣溫的變化具有一定的滯后效應(yīng)，同時(shí)土壤各層之間存在熱能量傳導(dǎo)效應(yīng)，因而選用前一日的平均氣溫、最高氣溫、最低氣溫、0～20 cm各層平均地溫和最低地溫作相關(guān)性分析。此外，地溫還與太陽(yáng)輻射、風(fēng)速、土壤濕度和土壤質(zhì)地等因素有關(guān)，因而選取將前一日的日照時(shí)數(shù)、總云量、低云量、相對(duì)濕度和平均風(fēng)速與當(dāng)日各層最低地溫作相關(guān)性分析。

運(yùn)用SPSS軟件對(duì)上述氣象因子進(jìn)行相關(guān)分析，由表1可知，當(dāng)日各層最低地溫與前一日平均氣溫、最低氣溫、最高氣溫、前一日0、5、10、15、20 cm平均地溫及最低地溫相關(guān)系數(shù)均>0.5，與前一日的日照時(shí)數(shù)成顯著的負(fù)相關(guān)。因此，本研究選取以上氣象因子作為模型輸入?yún)?shù)，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)對(duì)不同層最低地溫進(jìn)行模擬，并對(duì)預(yù)報(bào)模型擬合度進(jìn)行分析。

2.3 不同層最低地溫模型

2.3.1 模型訓(xùn)練結(jié)果。對(duì)比分析BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到的不同層最低地溫模擬值與同期實(shí)測(cè)值，結(jié)果如圖3所示。不同層地溫的模擬值和預(yù)測(cè)值均比較均勻地分布在1∶1線附近，0、5、10、15、20 cm層最低溫度模擬值和實(shí)測(cè)值決定系數(shù)分別為0.79、0.85、0.90、0.93、0.96，擬合精度隨著土壤層深度的加深而提高，20 cm層擬合效果明顯優(yōu)于0 cm層。

2.3.2 模型預(yù)報(bào)檢驗(yàn)。不同層地溫預(yù)報(bào)檢驗(yàn)結(jié)果（表2）表明，標(biāo)準(zhǔn)誤差、相對(duì)誤差和絕對(duì)誤差由0 cm層到5 cm層呈逐層減小的趨勢(shì)，R2呈逐漸增大的趨勢(shì)，其中標(biāo)準(zhǔn)誤差均<2 ℃，20 cm的標(biāo)準(zhǔn)誤差僅為0.40 ℃，R2達(dá)0.96，模型模擬精度明顯優(yōu)于表層，預(yù)報(bào)檢驗(yàn)效果較好。

3 結(jié)論與討論

本文對(duì)2011—2016年冬季巢湖市0、5、10、15、20 cm地溫的日變化進(jìn)行分析，通過(guò)相關(guān)性分析進(jìn)行預(yù)報(bào)因子篩選，建立0～20 cm最低地溫預(yù)報(bào)模型，并進(jìn)行模型預(yù)報(bào)檢驗(yàn)，得到如下結(jié)論：

（1）冬季0～20 cm地溫日變化與氣溫日變化密切相關(guān)，0 cm層在白天對(duì)氣溫的響應(yīng)最為劇烈，各層均呈正弦曲線變化，越向深層地溫變化幅度越小，位相逐層滯后，白天由地表向下傳輸熱量，夜間由深層向地表傳輸熱量。

（2）最低地溫預(yù)報(bào)模型檢驗(yàn)表明，預(yù)報(bào)準(zhǔn)確度由淺至深逐層提高，20 cm層預(yù)報(bào)效果明顯優(yōu)于0 cm層。各層絕對(duì)誤差在0.32～1.39 ℃之間，均<2 ℃，預(yù)報(bào)精度達(dá)到了業(yè)務(wù)應(yīng)用標(biāo)準(zhǔn)，為當(dāng)?shù)亻_(kāi)展地溫預(yù)報(bào)，科學(xué)指導(dǎo)越冬作物安全越冬、趨利避害提供參考。

（3）土壤表層與大氣直接接觸，受太陽(yáng)輻射以及與大氣熱量交換最為明顯，太陽(yáng)輻射與日照密切相關(guān)，而云量是影響日照的主要因子之一，雖然在預(yù)報(bào)因子的選擇上考慮了總云量和低云量，但是沒(méi)有具體按照晴天、多云和陰天進(jìn)行分類建立預(yù)報(bào)模型。此外，由于冬季氣溫較低，地溫常出現(xiàn)凍結(jié)或是積雪覆蓋，凍結(jié)現(xiàn)象影響了土層之間的熱量傳導(dǎo)，積雪覆蓋阻礙了土壤與大氣之間的能量交換，使土壤溫度，特別是表層地溫與氣溫、日照等氣象因素的關(guān)聯(lián)性減弱，這些都對(duì)預(yù)報(bào)模型的準(zhǔn)確性造成影響。

（4）本研究建立的冬季不同層日最低氣溫預(yù)報(bào)模型，在輸入層同時(shí)輸入多個(gè)預(yù)報(bào)因子作為輸入變量，在輸出層輸出多層最低地溫，所構(gòu)建多輸入多輸出的BP神經(jīng)網(wǎng)絡(luò)模型能一次性估測(cè)出各層地溫預(yù)報(bào)，大大減少建模和計(jì)算工作量，但對(duì)每一層而言預(yù)報(bào)因子的選擇不可能都達(dá)到最優(yōu)化。在具體建模時(shí)，應(yīng)該充分考慮特殊天氣情況（寒潮、雨雪冰凍、霧霾等）和土壤濕度、土壤性質(zhì)等因子影響。此外，還應(yīng)該分層分別建立地溫預(yù)報(bào)模型，有效提高準(zhǔn)確性，這有待今后做更深入的研究。

4 參考文獻(xiàn)

[1] 中國(guó)氣象局.地面氣象觀測(cè)規(guī)范[M].北京：氣象出版社，2003：85-89.

[2] 賀歡，田長(zhǎng)彥，王林霞.不同覆蓋方式對(duì)新疆棉田土壤溫度和水分的影響[J].干旱區(qū)研究，2009，6（6）：826-831.

[3] 米麗娜，王芳，李友宏，等.寧夏平原灌淤土土壤養(yǎng)分與作物產(chǎn)量的空間變異性[J].干旱區(qū)研究，2009，26（4）：508-513.

[4] 孫小妹，張濤，陳年來(lái)，等.土壤水分和氮素對(duì)春小麥葉片抗氧化系統(tǒng)的影響[J].干旱區(qū)研究，2011，28（2）：206-214.

[5] WALKER J M.One-degree increment in soil temperature affects maizes-eedling behavior[J].American Society Soil Science，1969，33：729-736.

[6] 姜會(huì)飛，廖樹(shù)華，葉爾克江，等.地面溫度與氣溫關(guān)系的統(tǒng)計(jì)分析[J].中國(guó)農(nóng)業(yè)氣象，2004，25（3）：1-4.

[7] 楊丹，薛曉萍，李楠，等.日光溫室地溫預(yù)報(bào)技術(shù)研究[J].中國(guó)蔬菜，2013（20）：54-60.

[8] 李帥，王萍，陳莉，等.黑龍江省春季淺層（0～20 cm）地溫變化特征及預(yù)報(bào)[J].冰川凍土，2014，36（1）：55-62.

[9] 羅喜平，周明飛，汪超.貴州省冬季地表（0 cm）溫度預(yù)報(bào)探討[J].貴州氣象，2016，40（4）：1-5.

[10] 金志鳳，符國(guó)槐，黃海靜，等.基于BP神經(jīng)網(wǎng)絡(luò)的楊梅大棚內(nèi)氣溫預(yù)測(cè)模型研究[J].中國(guó)農(nóng)業(yè)氣象，2011，32（3）：362-367.

[11] 楊再?gòu)?qiáng)，黃川容，費(fèi)玉娟，等.基于BP神經(jīng)網(wǎng)絡(luò)的溫室番茄氣孔導(dǎo)度的模擬研究[J].東北農(nóng)業(yè)大學(xué)學(xué)報(bào)，2011，42（11）：70-77.

[12] 倪玉紅，孫擎，王學(xué)林，等.盱眙龍蝦池塘夏季水溫與溶解氧變化特征及預(yù)報(bào)模型研究[J].中國(guó)農(nóng)學(xué)通報(bào)，2015，31（32）：33-39.