基于XGBoost-ANN的城市绿地净碳交换模拟与特征响应

论文摘要

为分析城市绿地净生态系统碳交换（Net ecosystem exchange,NEE）对环境因子的响应,利用涡度相关法测量了2013—2016年生长季白天的NEE数据,使用XGBoost以及ANN模型对NEE进行模拟和分析,并通过决定系数（R2）、平均绝对误差（MAE）、均方根误差（RMSE）和一致性系数（IA） 4个指标评价模拟精度。结果表明,当输入因子为光合有效辐射（PAR）、饱和水汽压差（VPD）、空气温度（Ta）、相对湿度（RH）、土壤温度（Ts）、风速（WS）、10 cm处土壤含水率（VWC10）时,模拟效果达到最优。其训练集精度R2为0. 712,RMSE为4. 394μmol/（m2·s）,MAE为3. 129μmol/（m2·s）,IA为0. 911;测试集精度R2为0. 748,RMSE为4. 253μmol/（m2·s）,MAE为2. 971μmol/（m2·s）,IA为0. 920。在考虑因子间相互作用后,环境因子对NEE的重要性排序从大到小依次为PAR、VPD、Ta、RH、Ts、WS、VWC10;就单环境因子而言,对NEE的重要性由大到小依次为Ta、Ts、RH。通过计算生态系统净生产力（Net ecosystem productivity,NEP,即-NEE）对主要环境因子（PAR、VPD、Ta）的偏导数可知,生态系统光合作用表观量子效率最大值为0. 087,并且当PAR大于1 200μmol/（m2·s）时,其不再是影响光合作用的主要因素; VPD偏导数的变化趋势表明,VPD对植物光合作用的影响以抑制性为主,当VPD过大时,偏导数趋近于0,此时植物叶片气孔闭合,抑制光合作用; Ta偏导数的变化趋势说明,随着温度的升高,光合作用速率逐渐大于呼吸作用的速率。研究表明,基于XGBoost与ANN模型能够更为精确地模拟NEE动态,在相关环境因子中,PAR、VPD、Ta是影响NEE变化的主导因子,NEE对主要影响因子的生态特征响应趋势可为理解碳循环关键过程提供参考。

论文目录

• 0 引言
• 1 材料与方法
•   1.1 研究区概况
•   1.2 数据获取及预处理
•   1.3 模拟方法
•     1.3.1 XGBoost模型与因子选择
•     1.3.2 ANN神经网络及其偏导数
•     1.3.3 基于XGBoost与ANN神经网络的NEE分析模型
•   1.4 性能评估
• 2 结果与分析
•   2.1 模型参数优化
•     2.1.1 XGBoost模型
•     2.1.2 ANN神经网络
•   2.2 环境因子变化特征
•   2.3 环境因子重要性得分
•   2.4 NEE模拟结果以及对主要环境因子的响应过程
•     2.4.1 PAR对NEP的影响
•     2.4.2 饱和水汽压差对NEP的影响
•     2.4.3 空气温度对NEP的影响
• 3 讨论
•   3.1 样本大小及模型参数对模拟精度的影响
•   3.2 数据质量对模拟结果的影响
•   3.3 共线性变量对模型的影响
•   3.4 环境因子对NEE的影响
• 4 结论

文章来源

类型: 期刊论文

作者: 齐建东,黄金泽,贾昕

关键词: 碳通量,人工神经网络,环境因子,涡度协方差

来源: 农业机械学报 2019年05期

年度: 2019

分类: 农业科技,工程科技Ⅰ辑

专业: 环境科学与资源利用

单位: 北京林业大学信息学院,北京林业大学水土保持学院

基金: 国家重点研发计划项目(2017YFC0504400,2017YFC0504406),中央高校基本科研业务费专项资金项目(2015ZCQ-SB-02)

分类号: X171

页码: 269-278

总页数: 10

文件大小: 722K

下载量: 215