An artificial neural network approach to estimate evapotranspiration from remote sensing and AmeriFlux data

估计土壤水分蒸发蒸腾损失总量(et ) 的一个简单、精确的方法为在大规模的地球系统的动态监视是必要的。在这份报纸，我们开发了遥感和 AmeriFlux 数据强迫估计 et 第一的一个人工的神经网络( ANN )模型， ANN 被训练， et 大小在 13 个 AmeriFlux 地点做了，陆地表面产品遥远地源于卫星察觉到的数据(规范的差别植被索引，陆地表面温度和表面网络放射)为时期 2002-2006 。与 ANN 估计的 et 然后被在一样的时期期间在五个 AmeriFlux 地点观察的 et 验证。确认地点盖住五种不同植被类型并且不涉及训练的 ANN。决心的系数(R ^ 啜 2 ^) 为在估计并且测量的 et 之间的比较的价值是 0.77， root-mean-square 错误是 0.62 mm/d，并且吝啬的剩余是 0.28。简单模型在捕获的这份报纸发展了季节并且总体上的 et 的 interannual 变化特征。然而，估计的 et 的精确性取决于植被类型，估计的 et 与另外的四种植被类型相比为脱落阔叶烟草森林在之中显示出最好的结果[出版摘要]