论文部分内容阅读
本研究利用湖南会同杉木人工林生态系统国家野外观测研究站2008-2011年的气象环境因子和碳通量数据,应用人工神经网络模型,探讨了对碳通量影响很大但并不冗余的环境要素,模拟和预测杉木人工林生态系统与大气间的碳通量。研究结果表明：(1)CIV.8(包括pc,、Ta, Par、 Rh、 Ws、Ts)拟合效果最好,其R2(0.87)、Outlier (0.79%)、RMSE (0.11)与其他组合相比都有较大优势,Ivf值与其它组合相比并未表现出优势。7个环境因子中Prec对亚热带地区会同杉木人工林2008年7-9月半小时尺度上的碳通量影响较小。相关分析表明Par是该地区2008年7-9月半小时尺度上影响碳通量的决定性因子。在本研究中,基于亚热带地区会同杉木人工林2008年7-9月的环境因素和碳通量数据、6个(Ta,Par, pc, Rh, Ws, Ts)输入、系统自动产生的隐含层数、1个(CO2flux)输出的网络结构是最合适的网络结构。(2)全年的模型拟合效果都很好：R2在0.77-0.83之间、Ivf在0.92-0.97之间、Outlier在1.40%-1.78%之间、RMSE在0.10-0.11之间。基于亚热带会同杉木人工林2008年和2009年的训练数据,GNN神经网络模型在训练阶段并没有表现出显著的年份差异,只是由于局部时间段数据质量问题,导致某些时间段模型拟合欠佳。(3)分阶段训练和预测表明：7-9月的碳通量拟合效果R2在0.79-0.86之间,Ivf在0.99-1.02之间,Outlier在1.04%-1.40%之间,RMSE值在0.11-0.13之间。1-3月的碳通量拟合效果R2在0.64-0.67之间,Ivf在0.64-0.84之间,Outlier在1.81%-2.85%之间,RMSE值在0.08-0.10之间。模型无法拟合峰值的变化(7-9月RMSE值较大),除此之外,7-9月的拟合效果最好(R2、Ivf、 Outlier表现最佳),误差率最小,1-3月的拟合效果欠佳(R2、Ivf、Outlier表现欠佳),误差率最大。(4)从全年的变化规律看来：碳通量的日总量年进程变化无明显规律,碳排放的高峰期出现在4-6月和9-10月,碳吸收的高峰期在4-6月和10-12月,1-3月碳排放和碳吸收均表现很弱,日变化较小。每年的月平均日变化基本呈现单波形,7-9月碳排放和碳吸收都较大,7-8月达到最大,1-3月碳吸收和碳排放很弱,12月和1月的日碳通量差最小。