融合时空注意力机制的土壤湿度预测方法

赫晓慧; 关煜歆; 程淅杰; 孟玉清; 杨松林; 冯跃华

doi:10.13961/j.cnki.stbctb.2025.06.009

您当前的位置：

首页 >

文章列表页 >

融合时空注意力机制的土壤湿度预测方法

水保监测与应用技术

- 融合时空注意力机制的土壤湿度预测方法
- Soil moisture prediction method integrating spatiotemporal attention mechanism
- 水土保持通报 2025年45卷第6期页码：169-180
- 作者机构：
  
  1.郑州大学地球科学与技术学院，河南郑州450001
  2.河南省豫东水利保障中心，河南开封475000
- 作者简介：
  
  赫晓慧（1978—），女（汉族），河南省商丘市人，博士，教授，主要从事高性能遥感计算、遥感反演研究。Email：hexh@zzu.edu.cn。
  程淅杰（1995—），女（汉族），河南省南阳市人，博士，讲师，主要从事遥感智能解译研究。Email：chengxj@zzu.edu.cn。
- 基金信息：
  
  河南省水利科技攻关项目“豫东引黄灌区作物耗水及生长过程信息智能感知关键技术”(GG202250);国家自然科学基金项目“地表时空异质性干扰下的非平衡复杂场景冬小麦叶面积指数反演”(42371358)
- DOI：10.13961/j.cnki.stbctb.2025.06.009
  中图分类号： Q948;S812.2
- CSTR：32312.14.stbctb.2025.06.009
- 收稿：2025-05-08，
  
  修回：2025-07-25，
  
  纸质出版：2025-12-10
- 稿件说明：
移动端阅览
赫晓慧, 关煜歆, 程淅杰，等.融合时空注意力机制的土壤湿度预测方法[J].水土保持通报,2025,45(6):169-180.

He Xiaohui, Guan Yuxin, Cheng Xijie, et al. Soil moisture prediction method integrating spatiotemporal attention mechanism [J]. Bulletin of Soil and Water Conservation,2025,45(6):169-180.
赫晓慧, 关煜歆, 程淅杰，等.融合时空注意力机制的土壤湿度预测方法[J].水土保持通报,2025,45(6):169-180. DOI： 10.13961/j.cnki.stbctb.2025.06.009. CSTR： 32312.14.stbctb.2025.06.009.

He Xiaohui, Guan Yuxin, Cheng Xijie, et al. Soil moisture prediction method integrating spatiotemporal attention mechanism [J]. Bulletin of Soil and Water Conservation,2025,45(6):169-180. DOI： 10.13961/j.cnki.stbctb.2025.06.009. CSTR： 32312.14.stbctb.2025.06.009.

摘要

目的

建立一个模型，解决现有土壤湿度预测模型在复杂时空动态表征与跨场景样本泛化的协同优化上存在的空间特征挖掘不足，时间动态建模局限以及数据分布差异适应性弱等问题，为应对旱涝灾害动态预警，灌溉资源精准配置以及提升农业抗灾能力提供科学决策引擎。

方法

提出一种注意力引导的时空特征动态融合土壤湿度预测网络模型（AGSMP-Net），模型融合了长短期时空预测网络和“特征-时间-空间”的注意力机制模块，可以专注于时间序列信息处理与空间分布的变化捕捉，把握土壤湿度的长期变化趋势，优化时空维度的信息利用。

结果

验证了利用气象要素（降水量、土壤温度）对土壤湿度预测任务中AGSMP-Net模型的可行性。在2015—2024年河南省的土壤湿度预测任务中，与ConvLSTM相比，AGSMP-Net模型精确度（

）高0.048，均方根误差（RMSE）低0.012。降水量对土壤湿度模型预测精度有显著影响。

结论

提出的模型通过时空注意力机制动态分配特征权重，能够有效捕捉土壤湿度变化的突变响应与稳态趋势，进而提升土壤湿度预测的精度。

Abstract

Objective

A model will be established to address the issues existing in current soil moisture prediction models， such as insufficient spatial feature mining， limitations in temporal dynamic modeling， and weak adaptability to data distribution differences in the collaborative optimization of complex spatiotemporal dynamic representation and cross-scenario sample generalization. This will provide a scientific decision-making tool for dynamic early warning of drought and flood disasters， precision allocation of irrigation resources， and improved agricultural disaster resistance.

Methods

To address these issues， an attention-guided spatiotemporal feature dynamic fusion network （AGSMP-Net） was proposed. The model integrated a long short term spatiotemporal prediction network with a feature-time-space attention mechanism module， enabling focused processing of time-series information and the capture of spatial distribution variations. It identified the long-term variation trends of soil moisture and optimized the utilization of information across spatiotemporal dimensions.

Results

Experiments validated the feasibility of the AGSMP-Net model in predicting soil moisture using meteorological factors （precipitation and soil temperature）. In the soil moisture prediction task for Henan Province from 2015 to 2024， compare

d to ConvLSTM， AGSMP-Net model improved the accuracy （

） from 0.758 to 0.806 and reduced the root mean square error （RMSE） from 0.069 to 0.057. Precipitation has a significant effect on the prediction accuracy of soil moisture model.

Conclusion

The proposed model dynamically allocates feature weights through the spatiotemporal attention mechanism， which can effectively capture both the abrupt responses and steady-state trends in soil moisture variations， thereby improving the accuracy of soil moisture prediction.

关键词

Keywords

references

Corona R ， Katul G ， Montaldo N . The root-zone soil moisture spectrum in a Mediterranean ecosystem ［J］. Journal of Hydrology ， 2022 ， 609 ： 127757 .

李小雁 . 干旱地区土壤-植被-水文耦合、响应与适应机制［J］. 中国科学：地球科学， 2011 ， 41 （ 12 ）： 1721 - 1730 .

Li Xiaoyan . Coupling， response and adaptation mechanism of soil-vegetation-hydrology in arid areas ［J］. Scientia Sinica （Terrae）， 2011 ， 41 （ 12 ）： 1721 - 1730 .

Li Qingliang ， Wang Ziyu ， Shangguan Wei ， et al . Improved daily SMAP satellite soil moisture prediction over China using deep learning model with transfer learning ［J］. Journal of Hydrology ， 2021 ， 600 ： 126698 .

Celik M F ， Isik M S ， Yuzugullu O ， et al . Soil moisture prediction from remote sensing images coupled with climate， soil texture and topography via deep learning ［J］. Remote Sensing ， 2022 ， 14 （ 21 ）： 5584 .

董红霞，张钦弟，卫强 . 基于HYDRUS-1D模型的半干旱黄土区典型整地措施土壤水分动态模拟［J］. 水土保持通报， 2023 ， 43 （ 5 ）： 156 - 168 .

Dong Hongxia ， Zhang Qindi ， Wei Qiang . Dynamic simulation of soil moisture under typical land preparation in semi-arid loess area using HYDRUS-1D model ［J］. Bulletin of Soil and Water Conservation ， 2023 ， 43 （ 5 ）： 156 - 168 .

吴泽棉，邱建秀，刘苏峡，等 . 基于土壤水分的农业干旱监测研究进展［J］. 地理科学进展， 2020 ， 39 （ 10 ）： 1758 - 1769 .

Wu Zemian ， Qiu Jianxiu ， Liu Suxia ， et al . Advances in agricultural drought monitoring based on soil moisture ［J］. Progress in Geography ， 2020 ， 39 （ 10 ）： 1758 - 1769 .

《中国统计年鉴2024》编委会 . 中国统计年鉴［M］. 北京：中国统计出版社， 2024 ： 4 - 5 .

National Bureau of Statistics of China . Cina Statistical yearbook 2024 ［M］. Beijing ： China Statistics Press ， 2024 ： 4 - 5 .

Egea G ， Diaz-Espejo A ， Fernández J E . Soil moisture dynamics in a hedgerow olive orchard under well-watered and deficit irrigation regimes：Assessment， prediction and scenario analysis ［J］. Agricultural Water Management ， 2016 ， 164 ： 197 - 211 .

樊婷，张存厚，张德广，等 . 内蒙古自治区达茂旗荒漠草原土壤水分对降水的响应［J］. 水土保持通报， 2020 ， 40 （ 1 ）： 72 - 77 .

Fan Ting ， Zhang Cunhou ， Zhang Deguang ， et al . Response of soil moisture of desert steppes to precipitation patterns in Damao Banner， Inner Mongolia ［J］. Bulletin of Soil and Water Conservation ， 2020 ， 40 （ 1 ）： 72 - 77 .

Mahmood R ， Hubbard K G . An analysis of simulated long-term soil moisture data for three land uses under contrasting hydroclimatic conditions in the northern great Plains ［J］. Journal of Hydrometeorology ， 2004 ， 5 （ 1 ）： 160 - 179 .

Carrasco-Benavides M ， Gonzalez Viejo C ， Tongson E ， et al . Water status estimation of cherry trees using infrared thermal imagery coupled with supervised machine learning modeling ［J］. Computers and Electronics in Agriculture ， 2022 ， 200 ： 107256 .

王铁英，王仰仁，战国隆，等 . 基于实时含水率数据的土壤墒情动态建模及预测［J］. 中国农业气象， 2021 ， 42 （ 1 ）： 13 - 23 .

Wang Tieying ， Wang Yangren ， Zhan Guolong ， et al . Dynamic modeling and prediction of soil moisture based on real-time water content data ［J］. Chinese Journal of Agrometeorology ， 2021 ， 42 （ 1 ）： 13 - 23 .

Jackson S H . Comparison of calculated and measured volumetric water content at four field sites ［J］. Agricultural Water Management ， 2003 ， 58 （ 3 ）： 209 - 222 .

舒素芳，钱华峰，邱小伟 . 基于气象因子的金华市土壤墒情预测模型［J］. 中国农业气象， 2009 ， 30 （ 2 ）： 180 - 184 .

Shu Sufang ， Qian Huafeng ， Qiu Xiaowei . Soil moisture forecast model based on meteorological factors in Jinhua City ［J］. Chinese Journal of Agrometeorology ， 2009 ， 30 （ 2 ）： 180 - 184 .

刘娣，孙佳倩，余钟波 . 基于机器学习模型的多层土壤湿度反演［J］. 河海大学学报（自然科学版）， 2024 ， 52 （ 3 ）： 7 - 14 .

Liu Di ， Sun Jiaqian ， Yu Zhongbo . Multi-layer soil moisture inversion based on machine learning models ［J］. Journal of Hohai University （Natural Sciences）， 2024 ， 52 （ 3 ）： 7 - 14 .

汪静平，吴小丹，马杜娟，等 . 基于机器学习的遥感反演：不确定性因素分析［J］. 遥感学报， 2023 ， 27 （ 3 ）： 790 - 801 .

Wang Jingping ， Wu Xiaodan ， Ma Dujuan ， et al . Remote sensing retrieval based on machine learning algorithm：Uncertainty analysis ［J］. National Remote Sensing Bulletin ， 2023 ， 27 （ 3 ）： 790 - 801 .

李明伟 . 基于LSTM模型预测不同水保工程措施条件下土壤侵蚀量：以辽西北地区为例［J］. 水土保持通报， 2023 ， 43 （ 4 ）： 162 - 169 .

Li Mingwei . Estimating soil erosion under different soil and water conservation engineering measures using LSTM model：A case study in northwest Liaoning Province ［J］. Bulletin of Soil and Water Conservation ， 2023 ， 43 （ 4 ）： 162 - 169 .

Xu Lei ， Lv Yu ， Moradkhani H . Daily multistep soil moisture forecasting by combining linear and nonlinear causality and attention-based encoder-decoder model ［J］. Stochastic Environmental Research and Risk Assessment ， 2024 ， 38 （ 12 ）： 4979 - 5000 .

Liu Kexin ， Lu Qi ， Guo Shilong ， et al . CNN based approach for root zone soil moisture prediction by ground penetrating radar ［J］. Journal of Physics： Conference Series ， 2024 ， 2887 （ 1 ）： 012007 .

Li Xiaoning ， Zhang Ziyin ， Li Qingliang ， et al . Enhancing soil moisture forecasting accuracy with REDF-LSTM：Integrating residual en-decoding and feature attention mechanisms ［J］. Water ， 2024 ， 16 （ 10 ）： 1376 .

Park S H ， Lee B Y ， Kim M J ， et al . Development of a soil moisture prediction model based on recurrent neural network long short-term memory （RNN-LSTM） in soybean cultivation ［J］. Sensors ， 2023 ， 23 （ 4 ）： 1976 .

Jiang Shuwen ， Chen Guifen ， Chen Dong ， et al . Application and evaluation of an improved LSTM model in the soil moisture prediction of southeast Chinese tobacco-producing areas ［J］. Journal of the Indian Society of Remote Sensing ， 2023 ， 51 （ 9 ）： 1843 - 1853 .

徐金鸿，李清泉，韦春桃，等 . 基于样本优化与深度特征提取的滑坡易发性评价［J］. 水土保持通报， 2025 ， 45 （ 2 ）： 190 - 200 .

Xu Jinhong ， Li Qingquan ， Wei Chuntao ， et al . Landslide susceptibility evaluation based on sample optimization and deep feature extraction ［J］. Bulletin of Soil and Water Conservation ， 2025 ， 45 （ 2 ）： 190 - 200 .

车银超，郑光，熊淑萍，等 . 多因素土壤墒情预测模型DA-LSTM-soil构建［J］. 河南农业大学学报， 2025 ， 59 （ 4 ）： 698 - 710 .

Che Yinchao ， Zheng Guang ， Xiong Shuping ， et al . Construction of a multi-factor soil moisture prediction model DA-LSTM-soil ［J］. Journal of Henan Agricultural University ， 2025 ， 59 （ 4 ）： 698 - 710 .

Kara A ， Pekel E ， Ozcetin E ， et al . Genetic algorithm optimized a deep learning method with attention mechanism for soil moisture prediction ［J］. Neural Computing and Applications ， 2024 ， 36 （ 4 ）： 1761 - 1772 .

杨肖杰，秦明周，张鹏岩，等 . 河南省耕地压力与经济发展耦合特征的时空分析［J］. 地域研究与开发， 2020 ， 39 （ 3 ）： 144 - 149 .

Yang Xiaojie ， Qin Mingzhou ， Zhang Pengyan ， et al . Spatio-temporal analysis of coupling characteristics of cultivated land pressure and economic development in Henan Province ［J］. Areal Research and Development ， 2020 ， 39 （ 3 ）： 144 - 149 .

刘英，岳辉，李遥，等 . 基于MODIS的河南省春旱遥感监测［J］. 干旱地区农业研究， 2018 ， 36 （ 3 ）： 218 - 223 .

Liu Ying ， Yue Hui ， Li Yao ， et al . Remote sensing monitoring of spring drought based on MODIS in Henan Province ［J］. Agricultural Research in the Arid Areas ， 2018 ， 36 （ 3 ）： 218 - 223 .

魏克循，马国明 . 河南省土壤普查办公室编著 . 河南土壤［M］. 北京：中国农业出版社， 2004 .

Wei Kexun ， Ma Guoming . Compiled by the Soil Census Office of Henan Province . Soil in Henan ［M］. Beijing ： China Agriculture Press ， 2004 .

Copernicus Climate Data Store . ERA5-Land Hourly Data （1950-present）［EB/OL］. （ 2025-4-13 ）［ 2025-05-08 ］. https：∥cds-beta.climate.copernicus.eu/datasets/reanalysis-era5-land？tab=overview https://cds-beta.climate.copernicus.eu/datasets/reanalysis-era5-land?tab=overview .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于深度学习算法的山地植物多样性空间分布格局模拟

一种基于U-Net的高分影像土地利用/覆盖变化检测方法

高原鼠兔干扰与高寒草甸退化的时空耦合关系

植被毯覆盖对高寒矿区煤矸石基质热性质的影响

基于景观连通性优化的坝上地区张家口段生态安全格局构建