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 ?mol/m²与0.012 ?mol/m²之间, MAE在1.38 ?mol/m²与3.60 ?mol/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.