首页|黄河源永曲河流域高寒草甸地上生物量模拟与时空分布特征研究

黄河源永曲河流域高寒草甸地上生物量模拟与时空分布特征研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
本研究基于谷歌引擎通过四种常用模型及多种输入组合(地理空间变量(Geospatial variables,GV),植物功能类型(Plant functional types,VT),地面测量(Ground measurements,GM),气象变量(Meteorological variables,MV))对黄河源区高寒草甸地上生物量(Aboveground biomass,AGB)进行了模拟,并分析了 AGB的时空分布与地形因子的关系.结果表明,仅使用GV构建的模型表现较差(0.122＜R2＜0.486),MV和VT分别与GV结合使用时能提高模拟精度0.104～0.203(R2),GM与GV结合使用时,模型精度达到了最高(0.678＜R2＜0.705).在没有GM参与的情况下,深度神经网络(Deep neural network,DNN)模型结合GV-VT-MV变量组合获得了最好模拟精度为0.686(R2).混合使用多种植被类型的数据可以提高模拟精度.本研究发现海拔是影响黄河源流域单位内高寒草甸AGB时空分布的重要决定因素,并且对AGB年变化量影响最强.
Aboveground Biomass Simulation and Its Temporal-Spatial Variation of Yongqu River Basin in the Alpine Meadow in the Yellow River Source Zone

Qinghai Tibet Plateau alpine meadowMachine learningGoogle Earth EngineAboveground bi-omass simulationSpatial distribution of aboveground biomass

李希来、Jay Gao、师研

展开 >

青海大学农牧学院,青海西宁810016

奥克兰大学环境学院,新西兰奥克兰1010

青藏高原高寒草甸 机器学习 谷歌引擎 地上生物量模拟 地上生物量空间分布

青海省自然科学基金创新团队项目国家自然科学联合基金高等学校学科创新引智计划青海省科技创新创业团队项目

2020-ZJ-904U21A20191D18013

2023

10.11733/j.issn.1007-0435.2023.07.006

草地学报
中国草学会

草地学报

CSTPCDCSCD北大核心
影响因子：1.156
ISSN：1007-0435
年,卷(期)：2023.31(7)
  • 25