长白山红松阔叶林的净碳交换变化及基于时间卷积神经网络的模拟

作者：齐建东; 谭新新

来源：林业科学, 2022, 58(02): 1-12.

• 时间卷积神经网络
• NEE
• 长白山红松阔叶林

【目的】分析长白山红松阔叶林净生态系统碳交换量(NEE)的季节性差异及其气象因子响应，在月尺度下揭示气象因子对NEE的动态影响，为调节研究地区的碳收支提供理论指导。同时研究时间卷积神经网络在森林生态系统净碳交换模拟中的应用，探索NEE模拟的新方法。【方法】基于长白山温带红松阔叶林通量观测站2007—2010年间的30 min观测数据，分析NEE和输入模型的5种气象因子的季节性差异，并分析5种气象因子与NEE的相关性。使用随机森林模型，计算影响NEE的各因子重要性得分，选择得分较高的5种气象因子：潜热通量、显热通量、冠层上方空气湿度、冠层上方水汽压和净辐射作为NEE模拟的输入；分别构建基于时间卷积神经网络(TCN)、长短期记忆网络(LSTM)、人工神经网络(ANN)、支持向量回归(SVR)和极限学习机(ELM)的5种NEE模型，采用决定系数(R2)、平均绝对误差(MAE)和均方根误差(RMSE)评价模型的预测精度和稳定性。【结果】长白山温带红松阔叶林通量观测站NEE全年总量为-74.777 3 gCO2·m-2a-1,总体表现为碳汇，但夏季表现为碳汇，冬季表现为碳源；NEE与潜热通量、冠层上方水汽压、净辐射和冠层上方空气湿度均极显著负相关(P<0.000 1),和显热通量相关性不显著；TCN模型的RMSE为0.110 5 mgCO2·m-2s-1,R2为0.821 4,RMSE分别比ELM、SVR、ANN和LSTM减少0.024 8、0.022 4、0.022 2和0.006 8 mgCO2·m-2s-1,R2分别比ELM、SVR、ANN和LSTM增加0.080 6、0.077 7、0.068 6、0.022 3;根据5种模型的10次试验结果，计算得到TCN模型RMSE的标准差为0.000 4 mgCO2·m-2s-1,相比ELM、ANN和LSTM分别减小0.001 4、0.001 3和0.000 2 mgCO2·m-2s-1。【结论】长白山温带红松阔叶林通量观测站的NEE总体表现为碳汇，但存在明显的季节差异；NEE与潜热通量、冠层上方水汽压、冠层上方空气湿度、净辐射极显著负相关(P<0.000 1),与显热通量相关性不显著。对于长白山温带红松阔叶林通量观测站的长期NEE预测结果表明，基于TCN的模型不仅预测精度良好，并且具有较强的稳定性，能为时间卷积神经网络在生态模拟领域的应用提供可行性依据。本研究结果可为调节长白山红松阔叶林的碳收支提供理论指导。

• 单位
  北京林业大学