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
北极夏季无冰区苔原CO_(2)的释放对全球碳循环起着重要的作用。在第4次北极科学考察(2008年7月26日—8月5日)期间,采用密闭箱法在北极新奥尔松(Ny-Ålesund)黄河站区附近的鸟类保护区苔原(Tundra in Seabird Sanctuary,TSB)、普通...北极夏季无冰区苔原CO_(2)的释放对全球碳循环起着重要的作用。在第4次北极科学考察(2008年7月26日—8月5日)期间,采用密闭箱法在北极新奥尔松(Ny-Ålesund)黄河站区附近的鸟类保护区苔原(Tundra in Seabird Sanctuary,TSB)、普通海滩苔原(Tundra in Non-seabird Colony,TNS)和两者间的过渡苔原(Tundra in Transition Zone,TTR)监测CO_(2)净通量(Net CO_(2)Fluxes,NEE)空间变异规律及其影响因素。结果表明:鸟类保护区苔原TSB的平均NEE为(–39.0±6.0)mg·m^(–2)·h^(–1),为CO_(2)吸收汇,且对CO_(2)的吸收随着植被覆盖度和海鸟活动强度的增强而显著增强;普通海滩苔原TNS和过渡苔原TTR的平均NEE分别为(12.0±6.3)mg·m^(–2)·h^(–1)和(40.5±29.3)mg·m^(–2)·h^(–1),均为CO_(2)净排放源。普通海滩苔原TNS的CO_(2)排放强度随土壤水分的减少和地势增高而增强;过渡苔原TTR中高地苔原区的平均NEE为(106.4±23.1)mg·m^(–2)·h^(–1),为CO_(2)强排放源;而泥炭苔原区的平均NEE为(–58.3±9.5)mg·m^(–2)·h^(–1),为CO_(2)强吸收汇。苔原土壤的理化性质对苔原NEE有重要影响,鸟类保护区苔原TSB和普通海滩苔原TNS的NEE与土壤含水率呈显著负相关关系(r=–0.44,P=0.003)。鸟类保护区苔原TSB的NEE与土壤温度弱正相关(r=0.32,P=0.06),与NH4+-N(P<0.05)和NO_(3)^(–)-N(P<0.05)含量均显著负相关。在全球变暖的驱使下,不同地形地貌和海鸟活动特征的北极苔原区域CO_(2)排放的复杂性将显著增强,对全球碳循环产生较大的影响,本研究也将为此提供科研资料。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。
文摘北极夏季无冰区苔原CO_(2)的释放对全球碳循环起着重要的作用。在第4次北极科学考察(2008年7月26日—8月5日)期间,采用密闭箱法在北极新奥尔松(Ny-Ålesund)黄河站区附近的鸟类保护区苔原(Tundra in Seabird Sanctuary,TSB)、普通海滩苔原(Tundra in Non-seabird Colony,TNS)和两者间的过渡苔原(Tundra in Transition Zone,TTR)监测CO_(2)净通量(Net CO_(2)Fluxes,NEE)空间变异规律及其影响因素。结果表明:鸟类保护区苔原TSB的平均NEE为(–39.0±6.0)mg·m^(–2)·h^(–1),为CO_(2)吸收汇,且对CO_(2)的吸收随着植被覆盖度和海鸟活动强度的增强而显著增强;普通海滩苔原TNS和过渡苔原TTR的平均NEE分别为(12.0±6.3)mg·m^(–2)·h^(–1)和(40.5±29.3)mg·m^(–2)·h^(–1),均为CO_(2)净排放源。普通海滩苔原TNS的CO_(2)排放强度随土壤水分的减少和地势增高而增强;过渡苔原TTR中高地苔原区的平均NEE为(106.4±23.1)mg·m^(–2)·h^(–1),为CO_(2)强排放源;而泥炭苔原区的平均NEE为(–58.3±9.5)mg·m^(–2)·h^(–1),为CO_(2)强吸收汇。苔原土壤的理化性质对苔原NEE有重要影响,鸟类保护区苔原TSB和普通海滩苔原TNS的NEE与土壤含水率呈显著负相关关系(r=–0.44,P=0.003)。鸟类保护区苔原TSB的NEE与土壤温度弱正相关(r=0.32,P=0.06),与NH4+-N(P<0.05)和NO_(3)^(–)-N(P<0.05)含量均显著负相关。在全球变暖的驱使下,不同地形地貌和海鸟活动特征的北极苔原区域CO_(2)排放的复杂性将显著增强,对全球碳循环产生较大的影响,本研究也将为此提供科研资料。
