首页|基于生态因子与神经网络的杉木叶片碳氮磷含量预测

基于生态因子与神经网络的杉木叶片碳氮磷含量预测

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
[目的]利用神经网络所具有的输入层与输出层间存在的高度非线性映射关系,对杉木叶片C、N、P含量实现准确、经济、快捷的预测.[方法]以我国亚热带地区杉木人工林为研究对象,运用径向基函数(RBF)神经网络在杉木叶片C、N、P含量与地理、气候及土壤性质等生态因子间构建最优预测模型,并结合已发表文献数据进行叶片C、N、P含量预测.[结果]模拟预测叶片C、N和P含量分别为476.68、12.27和1.24 mg·g-1,其中N含量远低于我国陆地植物叶片平均含量;叶片C/N、C/P和N/P平均值分别为40.28、412.01和10.50.预测结果与实测值较为符合,表明RBF人工神经网络模型用于预测杉木叶片C、N、P含量与生态因子的关系是可行的.[结论]模型可以较为准确地估测杉木叶片C、N、P含量,平均误差分别为1.82％、9.88％和7.02％.较低的叶片N含量和N/P表明亚热带地区杉木生长主要受到N素限制.
Prediction of Carbon,Nitrogen,and Phosphorus Contents of Chinese Fir Based on Ecological Factors and Artificial Neural Networks

童冉、陈庆标、周本智

展开 >

中国林业科学研究院亚热带林业研究所,钱江源森林生态系统国家定位观测研究站,浙江杭州311400

浙江省建德市新安江林场,浙江建德311600

RBF神经网络 生态因子 叶片 碳 氮 磷 杉木

国家重点研发计划子课题中央级公益性科研院所基本科研业务费专项

2016YFD0600202-4CAFYBB2017ZX002-2

2021

10.13275/j.cnki.lykxyj.2021.06.007

林业科学研究
中国林业科学研究院

林业科学研究

CSTPCDCSCD北大核心
影响因子：0.996
ISSN：1001-1498
年,卷(期)：2021.34(6)
  • 25