顾志华
- 作品数：1 被引量：5H指数：1
- 供职机构：浙江农林大学信息工程学院更多>>
- 发文基金：浙江省自然科学基金国家自然科学基金更多>>
- 相关领域：农业科学更多>>
- 基于贝叶斯改进的人工神经网络毛竹林碳通量估算被引量：5
- 2017年
- 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-1.25~0.57μmol·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。
- 汪雪周国模周健徐小军顾志华李楠
- 关键词：微气象因子
