首页|基于GA-BP神经网络的雷竹林CO2浓度反演

基于GA-BP神经网络的雷竹林CO2浓度反演

扫码查看
原文链接
  • 万方数据
[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.
CO2 Concentration in Phyllostachys praecox Stand Inversion Based on GA-BP Neural Network

侯志康、曾松伟、莫路锋、周宇峰

展开 >

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

生态系统 碳通量 GA-BP 碳储量 雷竹林

国家自然科学基金两化融合重点项目浙江省自然科学基金公益项目

U1809208LGN18C200017

2022

10.11707/j.1001-7488.20220205

林业科学
中国林学会

林业科学

CSTPCDCSCD北大核心
影响因子：1.272
ISSN：1001-7488
年,卷(期)：2022.58(2)
  • 3
  • 18