农业机械学报

作者：齐建东，黄俊尧

单位：北京林业大学,北京林业大学,

关键词：草地生态系统; 净碳交换; 深度学习

基金：国家重点研发计划项目（2017YFC0504400）

为应用深度学习理论及技术对高寒地区草原生态系统净碳交换（NEE）进行模型模拟，基于全球通量观测网络（FLUXNET）中内蒙古自治区锡林郭勒盟多伦县草原2007—2008年间的CO2?通量数据，采用深度学习中基于注意力机制的编码器-解码器框架对NEE进行模拟，使用随机森林模型计算光量子通量密度（PPFD）、土壤温度（Ts）、空气温度（Ta）、降水量（P）、土壤含水率（SWC）和饱和水汽压差（VPD）与NEE关系的重要性得分，并分析该关系的季节性差异。结果表明，深度学习模型的均方根误差为0.28?μmol/(m2·s)，决定系数为0.93，相比传统的人工神经网络与支持向量机模型，分别减小0.14、0.08?μmol/(m2·s)和增加0.29、0.34，说明深度学习模型具有更高预测准确度；在深度学习模型中引入注意力机制后，10次训练预测的标准差为0.002μmol/(m2·s)，〖JP2〗相比普通深度学习编码器-解码器网络模型和长短期记忆网络分别减小0.005?μmol/(m2·s)和0.036?μmol/(m2?s)，验证了注意力机制在预测稳定性上的优势。由随机森林模型计算的环境因子重要性得分显示，由非生长季向生长季过渡的3—4月间，PPFD（33.5）与VPD（30.0）对NEE的变化起主导作用；进入生长季后的5—6月间，SWC（50.5）是NEE变化的主要影响因素；7月P（3.8）较少，PPFD（26.8）与SWC（60.1）协同作用NEE的变化；8月PPFD（2.8）与SWC（6.9）相对充足，VPD（41.5）与P（42.7）成为影响NEE的主要因素；9月后PPFD与P均急剧减小，并维持稳定，温度系数?Q10?较生长季略增大，并在1月达到最大值5?96，因此，在非生长季1—3月Ts（44.6）与10—12月Ts(54.2)通过影响植物呼吸成为影响NEE的决定性因子。高寒地区草地生态系统生长季的NEE变化主要受辐射、温度和水分的影响，非生长季主要受温度影响，且辐射、温度、水分的影响程度存在明显季节性差异。与支持向量机等传统机器学习算法相比，深度学习理论及技术在生态模型模拟领域具有更好的应用前景。?

来源：2020年第6期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2020年第6期