数据驱动的植被总初级生产力估算方法研究

摘要：

植被总初级生产力(Gross Primary Production,GPP)是指在单位时间和单位面积上,绿色植物通过光合作用固定二氧化碳所产生的全部有机物同化量,对GPP的准确估算有助于碳循环的研究.为了提高GPP的估算精度,将机器学习技术与遥感技术相结合,首先利用GEE平台下的遥感数据以及中国陆地生态系统通量观测研究网络的通量塔实测GPP数据,建立数据集.然后使用随机森林作为估算模型,建模后根据数据特点对模型调参.最后获得模型的预测结果,决定系数R2为0.87,均方根误差RMSE的值为1.132 gC·m-2·d-1.这说明随机森林模型可以较为精确地估算GPP.结果 发现,以大数据以及人工智能为代表的计算机技术飞速发展,将为遥感技术注入新的活力,使遥感技术走向更加成熟的发展应用阶段.

关键词：随机森林模型、碳循环、GPP、大数据、GEE

所属期刊栏目：35

分类号：TP701(遥感技术)

资助基金：国家重点研发计划项目;国家自然科学基金项目;中国科学院百人计划项目;高分项目

在线出版日期：2020-12-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：943-949