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

作者：唐欢; 叶剑; 高振翔; 孟韩春; 刘隆; 李成^*

来源：干旱区资源与环境, 2022, 36(08): 92-100.

DOI：10.13448/j.cnki.jalre.2022.204

• 净CO2交换量
• 蒸散量
• 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。

• 单位
  园艺与植物保护学院; 扬州大学; 浙江省发展规划研究院