典型文献
增强回归树模型在青藏高原高寒灌丛通量数据插补中的应用
文献摘要:
涡度相关技术连续观测的碳水通量是准确评估生态系统固碳持水等生态功能的重要基础数据,由于通量观测数据的缺失十分常见且比例较高,引入现代机器学习算法以发展缺失数据的插补方法对降低研究结果不确定性具有重要意义.该研究利用青藏高原东北隅高寒金露梅(Potentilla fruticosa)灌丛已发布的2003–2005年水、热、CO2通量数据集,结合气温、大气水汽压、风速、太阳短波辐射、表层土壤温度和表层土壤含水量等主要环境因子构建了增强回归树模型(BRT)以插补缺失通量数据,并与中国通量观测研究联盟(ChinaFLUX)的数据序列进行了比对,以评估BRT在通量数据集成分析中的应用.BRT对大样本(N>10000)通量数据具有较好的模拟效果,观测值与模拟值的回归斜率为1.01–1.05(R2>0.80).BRT表明植被生长季(5–10月)白天30 min净CO2交换量(NEE)主要受控于太阳短波辐射和大气水汽压,二者对NEE变异的相对贡献之和为74.7%.表层土壤温度是生长季夜间及非生长季全天30 min NEE的主要驱动因子,其相对贡献为68.5%.30 min显热通量(H)和潜热通量(LE)均主要受控于太阳短波辐射(相对贡献大于58.6%).BRT插补的30 min缺失通量数据均显著小于ChinaFLUX的插补结果.除逐日NEE无显著差异外(p=0.14),BRT的逐日生态系统总交换(GEE)、生态系统呼吸(RES)、H和LE极显著小于ChinaFLUX的数据序列分别约17.5%、21.0%、2.7%和2.2%,但由于量级差异较小,二者具有较高的一致性(数据序列的回归斜率在0.95–1.17).除逐月GEE和RES外,BRT的逐月NEE、H和LE与ChinaFLUX的数据序列无显著(p>0.09)差异.相对于ChinaFLUX数据插补方法,BRT不需要复杂的数学表达就可模拟主要环境因子的非线性作用特征,从而进行缺失通量数据的插补,是通量数据集成分析的一种可行方法.
文献关键词:
高寒灌丛;涡度相关技术;通量数据插补;增强回归树模型
中图分类号:
作者姓名:
李红琴;张亚茹;张法伟;马文婧;罗方林;王春雨;杨永胜;张雷明;李英年
作者机构:
洛阳师范学院生命科学学院, 河南洛阳 471934;中国科学院三江源国家公园研究院, 西宁 810008;中国科学院西北高原生物研究所高原生物适应与进化重点实验室, 西宁 810008;成都信息工程大学大气科学学院, 成都 610225;海北藏族自治州气象局, 青海海北 810200;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
文献出处:
引用格式:
[1]李红琴;张亚茹;张法伟;马文婧;罗方林;王春雨;杨永胜;张雷明;李英年-.增强回归树模型在青藏高原高寒灌丛通量数据插补中的应用)[J].植物生态学报,2022(12):1437-1447
A类:
通量数据插补
B类:
增强回归树模型,青藏高原,高原高寒,高寒灌丛,涡度相关技术,连续观测,碳水通量,评估生态系统,生态系统固碳,持水,生态功能,通量观测,观测数据,现代机器,机器学习算法,缺失数据,插补方法,研究利用,原东,东北隅,金露梅,Potentilla,fruticosa,大气水汽,水汽压,太阳短波辐射,表层土壤,土壤温度,土壤含水量,环境因子,BRT,补缺,中国通,观测研究,ChinaFLUX,数据序列,数据集成,大样本,观测值,植被生长,白天,交换量,NEE,受控,相对贡献,非生长季,全天,驱动因子,显热通量,潜热通量,LE,逐日,GEE,生态系统呼吸,RES,级差,逐月,数学表达,非线性作用,作用特征,可行方法
AB值:
0.302659
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。