基于人工神经网络的ChinaFLUX 观测站CO2模拟研究通量* |
| |
引用本文: | 何洪林,于贵瑞,张雷明,孙晓敏,苏,文.基于人工神经网络的ChinaFLUX 观测站CO2模拟研究通量*[J].中国科学D辑,2006,36(Z1):234-243. |
| |
作者姓名: | 何洪林 于贵瑞 张雷明 孙晓敏 苏 文 |
| |
作者单位: | (中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室, 北京 100101) |
| |
摘 要: | 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.
|
关 键 词: | ChinaFLUX BP人工神经网络 CO2通量 能量通量 因子重要性分析 |
收稿时间: | 2005-10-27 |
修稿时间: | 2006-04-04 |
|
| 点击此处可从《中国科学D辑》浏览原始摘要信息 |
| 点击此处可从《中国科学D辑》下载免费的PDF全文 |
|