10.13448/j.cnki.jalre.2022.204
我国典型生态系统净CO2交换量与蒸散量的多机器学习模型对比分析
为理解不同机器学习算法对我国典型生态系统碳水通量的模拟能力,基于中国生态系统研究网络九个站点的逐日环境要素、净CO2交换量(NEE)和蒸散量(ET)数据,通过极限梯度提升(XGBoost)、梯度提升回归(GBR)、支持向量机(SVM)、人工神经网络(ANN)、随机森林(RF)和K近邻法(KNN)等六种机器学习算法,分析它们对逐日NEE与ET估算的准确性.结果表明:1)对不同机器学习模型而言,XGBoost模型对NEE与ET估算的准确性始终优于其他模型,且鲁棒性最好;GBR模型次之,但KNN模型相对较差.2)对不同站点而言,多数机器学习模型对NEE模拟的准确性由大到小依次为当雄站>千烟洲站>长白山站>海北灌丛站>鼎湖山站>禹城站>海北湿地站>西双版纳站>内蒙古站;对ET模拟的准确性由大到小排序为当雄站>长白山站>海北灌丛站>千烟洲站>禹城站>海北湿地站>鼎湖山站>内蒙古站>西双版纳站.3)六种机器学习模型对ET的模拟效果整体优于对NEE的模拟.
净CO2交换量、蒸散量、机器学习模型、对比分析
36
X171;P426.2(环境生物学)
国家自然科学基金;江苏省自然科学基金;江苏省气象局青年基金项目
2022-08-11(万方平台首次上网日期,不代表论文的发表时间)
共9页
92-100