基于机器学习估算青藏高原多年冻土区草地净初级生产力

作者：李传华^*; 孙皓; 王玉涛; 曹红娟; 殷欢欢; 周敏; 朱同斌

来源：生态学杂志, 2020, 39(05): 1734-1744.

DOI：10.13292/j.1000-4890.202005.010

• 净初级生产力
• 随机森林
• 径向基函数神经网络
• 青藏高原
• 多年冻土区
• 驱动因子

净初级生产力(NPP)的估算还存在很大的不确定性。本文利用机器学习算法(RF和RBF-ANN)估算了2002—2018年青藏高原多年冻土区草地NPP,分析了青藏高原多年冻土区草地NPP的时空格局、变化特征及其对气候因子的响应。结果表明:(1)机器学习估算结果可靠,简单易行。(2)青藏高原多年冻土区草地NPP表现为东南向西北逐渐递减的趋势;NPP总量为175.39 Tg C·a-1,单位面积均值为164.10 g C·m-2·a-1,呈波动上升的趋势。(3)青藏高原多年冻土区草地NPP增加的面积占20.49%;各草地类型的NPP增长幅度不一致表现为高寒沼泽草甸>高寒草甸>高寒草原>高寒荒漠草原。(4)温度是青藏高原多年冻土区草地NPP变化的主导因子,降水的影响沿东南向西北逐渐减弱。

• 单位
  西北师范大学; 中国科学院寒区旱区环境与工程研究所; 冰冻圈科学国家重点实验室