针对不同陆地生态系统中净生态系统CO_(2)交换量(Net ecosystem exchange,NEE)数据的长期连续测量中存在的数据差异问题,以中国气象局青海高寒生态气象野外科学试验基地野牛沟试验站为研究对象,利用涡动协方差技术获取高寒湿地生态系统...针对不同陆地生态系统中净生态系统CO_(2)交换量(Net ecosystem exchange,NEE)数据的长期连续测量中存在的数据差异问题,以中国气象局青海高寒生态气象野外科学试验基地野牛沟试验站为研究对象,利用涡动协方差技术获取高寒湿地生态系统水平上的NEE数据。通过对比机器学习算法和通量数据后处理算法(Reddyproc)两种数据填充方法,提出了一种结合机器学习与时序异常检测(Time series anomaly detection,TAD)的新框架,用于NEE数据的空白填补。研究结果表明:1)Reddyproc算法在剔除异常值后,NEE插补决定系数(R^(2))达到0.67,数据离散度显著降低,数据质量提升;2)八种机器学习模型中,随机森林(Random Forest,RF)模型表现最优,其决定系数(Coefficient of determination,R^(2))为0.63,均方根误差(Root mean square error,RMSE)为2.17μmol s^(-1)m^(-2),且经过时序异常检测后,估算精度提升了17%;3)Reddyproc和RF估算的CO_(2)通量存在季节性差异,冷季(1—3月和10—12月)Reddyproc估算值低于RF,而暖季(4—9月)则高于RF,表明冬季Reddyproc低估了CO_(2)释放,夏季则低估了CO_(2)吸收。该新框架有效解决了数据采集不确定性和缺失导致的二氧化碳通量计算准确率问题,为研究高寒湿地生态系统的碳固持能力、对气候变化的响应以及极端事件的影响提供了关键数据支持。未来研究应进一步探索新方法的适用性、改进和优化方向,以实现更准确、可靠且适用于不同生态系统的填补模型,为生态系统建模和预测提供强大工具。展开更多
利用涡度相关技术观测了青藏高原两个典型的生态系统即矮嵩草(K obresia hum ilis)草甸和金露梅(P oten-tilla f ruticosa)灌丛草甸的CO2通量,并就2003年8月份的数据,分析了生态系统通量变化与环境因子的关系.8月份是这两个生态系统的...利用涡度相关技术观测了青藏高原两个典型的生态系统即矮嵩草(K obresia hum ilis)草甸和金露梅(P oten-tilla f ruticosa)灌丛草甸的CO2通量,并就2003年8月份的数据,分析了生态系统通量变化与环境因子的关系.8月份是这两个生态系统的叶面积指数达到最高也是相对稳定的时期,在此期间矮嵩草草甸和金露梅灌丛草甸净碳吸收量分别达56.2和32.6 g C.m-2,日CO2吸收量最大值分别为12.7μm o l.m-2.-s 1和9.3μm o l.m-2.-s 1,排放量最大值分别为5.1μm o l.m-2.-s 1和5.7μm o l.m-2.-s 1.在相同光合有效光量子通量密度(PPFD)条件下,矮嵩草草甸CO2吸收速度大于金露梅灌丛草甸;在PPFD高于1 200μm o l.m-2.s-1的条件下,随气温增加,两生态系统的CO2吸收速度都下降,但矮嵩草草甸的下降速度(-0.086)比金露梅灌丛草甸(-0.016)快.土壤水分影响土壤呼吸,并且影响差异因植被类型不同而不同.生态系统日CO2吸收量随昼夜温差增加而增大;较大的昼夜温差导致较高的净CO2交换量;植物反射率与CO2通量之间存在负相关关系.展开更多
文摘针对不同陆地生态系统中净生态系统CO_(2)交换量(Net ecosystem exchange,NEE)数据的长期连续测量中存在的数据差异问题,以中国气象局青海高寒生态气象野外科学试验基地野牛沟试验站为研究对象,利用涡动协方差技术获取高寒湿地生态系统水平上的NEE数据。通过对比机器学习算法和通量数据后处理算法(Reddyproc)两种数据填充方法,提出了一种结合机器学习与时序异常检测(Time series anomaly detection,TAD)的新框架,用于NEE数据的空白填补。研究结果表明:1)Reddyproc算法在剔除异常值后,NEE插补决定系数(R^(2))达到0.67,数据离散度显著降低,数据质量提升;2)八种机器学习模型中,随机森林(Random Forest,RF)模型表现最优,其决定系数(Coefficient of determination,R^(2))为0.63,均方根误差(Root mean square error,RMSE)为2.17μmol s^(-1)m^(-2),且经过时序异常检测后,估算精度提升了17%;3)Reddyproc和RF估算的CO_(2)通量存在季节性差异,冷季(1—3月和10—12月)Reddyproc估算值低于RF,而暖季(4—9月)则高于RF,表明冬季Reddyproc低估了CO_(2)释放,夏季则低估了CO_(2)吸收。该新框架有效解决了数据采集不确定性和缺失导致的二氧化碳通量计算准确率问题,为研究高寒湿地生态系统的碳固持能力、对气候变化的响应以及极端事件的影响提供了关键数据支持。未来研究应进一步探索新方法的适用性、改进和优化方向,以实现更准确、可靠且适用于不同生态系统的填补模型,为生态系统建模和预测提供强大工具。
文摘利用涡度相关技术观测了青藏高原两个典型的生态系统即矮嵩草(K obresia hum ilis)草甸和金露梅(P oten-tilla f ruticosa)灌丛草甸的CO2通量,并就2003年8月份的数据,分析了生态系统通量变化与环境因子的关系.8月份是这两个生态系统的叶面积指数达到最高也是相对稳定的时期,在此期间矮嵩草草甸和金露梅灌丛草甸净碳吸收量分别达56.2和32.6 g C.m-2,日CO2吸收量最大值分别为12.7μm o l.m-2.-s 1和9.3μm o l.m-2.-s 1,排放量最大值分别为5.1μm o l.m-2.-s 1和5.7μm o l.m-2.-s 1.在相同光合有效光量子通量密度(PPFD)条件下,矮嵩草草甸CO2吸收速度大于金露梅灌丛草甸;在PPFD高于1 200μm o l.m-2.s-1的条件下,随气温增加,两生态系统的CO2吸收速度都下降,但矮嵩草草甸的下降速度(-0.086)比金露梅灌丛草甸(-0.016)快.土壤水分影响土壤呼吸,并且影响差异因植被类型不同而不同.生态系统日CO2吸收量随昼夜温差增加而增大;较大的昼夜温差导致较高的净CO2交换量;植物反射率与CO2通量之间存在负相关关系.
