黄河源永曲河流域高寒草甸地上生物量模拟与时空分布特征研究

摘要：

本研究基于谷歌引擎通过四种常用模型及多种输入组合(地理空间变量(Geospatial variables,GV),植物功能类型(Plant functional types,VT),地面测量(Ground measurements,GM),气象变量(Meteorological variables,MV))对黄河源区高寒草甸地上生物量(Aboveground biomass,AGB)进行了模拟,并分析了 AGB的时空分布与地形因子的关系.结果表明,仅使用GV构建的模型表现较差(0.122＜R2＜0.486),MV和VT分别与GV结合使用时能提高模拟精度0.104～0.203(R2),GM与GV结合使用时,模型精度达到了最高(0.678＜R2＜0.705).在没有GM参与的情况下,深度神经网络(Deep neural network,DNN)模型结合GV-VT-MV变量组合获得了最好模拟精度为0.686(R2).混合使用多种植被类型的数据可以提高模拟精度.本研究发现海拔是影响黄河源流域单位内高寒草甸AGB时空分布的重要决定因素,并且对AGB年变化量影响最强.

关键词：青藏高原高寒草甸、机器学习、谷歌引擎、地上生物量模拟、地上生物量空间分布

所属期刊栏目：31

分类号：Q141(生态学（生物生态学）)

资助基金：青海省自然科学基金创新团队项目;国家自然科学基金;高等学校学科创新引智计划;青海省科技创新创业团队项目

在线出版日期：2023-08-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：1964-1976