[目的]研发竹林气象因子采集系统,分析雷竹林CO2浓度与温湿度等气象因子之间的关系,探讨基于GA-BP神经网络的雷竹林CO2浓度反演模型(简称GA-BP模型),为竹林碳储量、竹林增汇、竹林固碳能力等研究提供基础数据.[方法]根据微气象学相关原理、方法及森林碳通量动态感知的需求,设计基于嵌入式的森林碳通量数据远程实时监测系统,该监测系统以成熟雷竹林为监测对象,进行为期2个月(2019年10—11月)的气象数据监测;在此基础上,提出GA-BP模型.[结果]根据GA-BP模型和BP模型反演的结果可知:GA-BP模型反演结果的决定系数R2为0.86,比BP模型的R2(0.79)提高了0.07;平均绝对误差为8.12 mg·m-3,比BP神经网络下降2.79 mg·m-3.GA-BP模型相较于BP网络具有更稳定的反演性能和更高的反演精度.[结论]可以利用竹林气象因子采集系统获取相关气象数据;基于CO2浓度与温湿度等气象因子之间的相关性,本研究提出的基于GA-BP神经网络的CO2浓度反演模型能够有效反演研究区的CO2浓度.

生态系统;碳通量;GA-BP;碳储量;雷竹林

浙江农林大学信息工程学院 杭州 311300;浙江农林大学环境与资源学院 杭州 311300

[1]侯志康;曾松伟;莫路锋;周宇峰-.基于GA-BP神经网络的雷竹林CO2浓度反演)[J].林业科学,2022(02):42-48

微气象学

GA,雷竹林,气象因子,采集系统,温湿度,反演模型,碳储量,增汇,固碳能力,关原,碳通量,动态感知,实时监测系统,气象数据,数据监测,决定系数,平均绝对误差,更稳,反演精度,反演研究

0.189922