科研之友
微信
新浪微博
Facebook
分享链接
摘要
碳通量的估算对全球碳循环有很重要的意义,目前精度最高的涡度相关法并不能完全满足大区域估算的需求,因此寻求一种估算大区域碳通量的方法具有重要的意义。对毛竹（Phyllostachys heterocycla cv.pubescens）林碳通量相关气候因子进行敏感性分析,定量分析气候因子对碳通量的影响程度,鉴于贝叶斯在处理不确定性方面的优势,提出了一种基于贝叶斯（Bayesian）改进的BP神经网络（Back Propagation Neural Network,BPNN）方法对浙江省安吉县毛竹林碳通量进行估算,并利用毛竹林通量塔实测值进行验证。结果表明:1)经敏感性分析,对毛竹林碳通量估算影响程度较高的因子为潜热通量、入射辐射、土壤温度、摩擦风速等,这与实际生态过程中对于碳通量贡献最大的因素基本一致。2)利用本研究方法估算的毛竹林碳通量的变化范围为-1.250.57μmol·m-2·s-1,年平均值为-0.057 85μmol·m-2·s-1,表现为碳汇,与实测情况相符。3)通过B-BPNN方法估算的碳通量值与碳通量实际值相关性达到0.932,均方根误差（RSME）为0.103,偏差（Bias）为0.001 06,该结果比单纯的BPNN方法估算结果的相关性（0.827）提高12.70%,均方根误差（0.155）降低33.55%。说明B-BPNN算法能改进单纯算法模型中估算碳通量的不确定性,提高碳通量预测的精度。
- 出版日期2017
- 单位浙江农林大学
