文献

J-GLOBAL ID：201702237299852450   整理番号：17A0750222

ニューラルネットワークを用いた大陸規模での推定根帯土壌水分【Powered by NICT】

Estimating Root Zone Soil Moisture at Continental Scale Using Neural Networks

著者 (3件)： Pan Xiaojun (School of Geography and Earth Sciences, McMaster University, Hamilton, Ontario, Canada, L8S 4L8) ,  Kornelsen Kurt C. (NSERC Canadian FloodNet, McMaster University, Hamilton, Ontario, Canada, L8S 4L8) ,  Coulibaly Paulin (School of Geography and Earth Sciences, McMaster University, Hamilton, Ontario, Canada, L8S 4L8)
資料名： Journal of the American Water Resources Association  (Journal of the American Water Resources Association)
巻： 53  号： 1  ページ： 220-237  発行年： 2017年 
JST資料番号： B0905A  ISSN： 1093-474X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本研究は,大陸規模での20cm(SM20)と50cm(SM50)の深さで根圏土壌水分(RZSM)を検索するために人工ニューラルネットワーク(ANN)の実現可能性を研究した,表面情報を用いた。陸面と種々の気候パターンの間の相互作用を捕捉するためにANNを訓練するために,米国本土上の557観測点のデータを収集した。感度解析をANNした根域における水とエネルギーバランスに直接影響する入力変数を同定することができたことを明らかにした。大面積におけるRZSM検索のための重要なデータは,土壌テクスチャ,表面土壌水分,空気温度,表面土壌温度,降雨,降雪の累積値を含んでいた。結果は,ANNは,ほとんどの場合,0.7以上の相関係数を有するSM20検索における高い技能を示したが,SM50を推定するには効果が低かったことを示した。ANNの比較は土壌テクスチャデータを用いたモデル性能,特にSM50の推定を改善することを示した。ANNは,異なる気候領域における応用のための高い柔軟性を有することを実証した。法はSoil Moisture and Ocean Salinity(SMOS)土壌水分データを用いた北アメリカにおけるRZSMを発生させた,SMOS表面土壌水分検索に匹敵する性能を持つGlobal Land Data Assimilation System Noahモデルと同程度の空間的土壌水分パターンを達成した。モデルは浅いRZSM検索のためのリモートセンシング土壌水分データを同化する効率的な代替物となり得る。Copyright 2017 Wiley Publishing Japan K.K. All Rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *水分 ,  気温 ,  相互作用 ,  *ニューラルネットワーク ,  相関係数 ,  エネルギー収支 ,  リモートセンシング ,  地温 ,  アメリカ合衆国 ,  *大陸 ,  降雨 ,  感度解析 ,  *土壌水 ,  土壌テクスチャ ,  気候

著者キーワード (9件)： 根域土壌水分 ,  通気帯 ,  推定 ,  人工ニューラルネットワーク ,  拡張 ,  データ駆動法 ,  地表水水文学 ,  感度解析 ,  水文サイクル

分類 (1件)： 流出解析  (DC07030N)

タイトルに関連する用語 (6件)： ニューラルネットワーク ,  大陸 ,  規模 ,  推定 ,  根 ,  土壌水分