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

摘要：

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.

关键词：净CO2交换量、蒸散量、机器学习模型、对比分析

所属期刊栏目：36

分类号：X171;P426.2(环境生物学)

资助基金：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

在线出版日期：2022-08-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：92-100