基于人工神经网络的ChinaFLUX观测站CO2模拟研究通量

涡度相关技术的发展,为准确获取区域尺度的CO2通量分布格局提供了数据基础.但由于涡度相关技术自身的局限性,需要利用模型模拟作为获取区域CO2通量的重要手段.可是CO2通量和其他微气象变量之间的非线性关系给模拟CO2通量的时空动态变化带来了一定的困难.人工神经网络模型为模拟CO2通量与其他微气象变量的非线性关系提供了一种新的手段.在ChinaFLUX三个不同类型(农田、森林、草地)生态系统中,基于2003年6～8月的半小时涡度相关观测数据,采用BP人工神经网络模型,以能量通量(净辐射、潜热、显热和土壤热通量)以及温度(空气温度、土壤温度)和表层土壤水分作为输入变量,模拟了CO2通量的动态变化.结果表明,人工神经网络模型具有较好的模拟结果,其R2系数在0.75与0.866之间.RMSE在0.008 μmol/m2与0.012 μmol/m2之间,MAE在1.38 μmol/m2与3.60 μmol/m2之间,其中农田和森林生态系统的模拟精度略高于草地生态系统.其次,通过比较土壤水分要素是否参与模拟的结果表明,在生长季期间,不存在土壤水分胁迫的情况下,土壤水分的参与并不能显著提供模型模拟的精度.最后,应用连接权重方法进行了神经网络模型不同输入变量的重要性分析,指出神经网络模型不完全是一个黑箱模型,也可以有效地揭示出某些机理性现象.该研究证明,神经网络模型不仅可以有效地模拟CO2通量,也可以揭示出一些机理现象,为通过涡度相关观测与遥感反演技术的集成途径,利用已获取的区域尺度能量通量数据,模拟分析区域尺度的CO2通量分布格局提供了一种有效的方法.