首页|基于BP神经网络模型的全球森林土壤异养硝化过程N2O排放通量估算

基于BP神经网络模型的全球森林土壤异养硝化过程N2O排放通量估算

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
N2O作为重要的温室气体之一,对地球和人类都有很大的影响.为了深入探究对有机氮异养硝化作用及其产生N2O过程的影响机制,完善全球N2O通量估算模型,本研究采用Pearson相关性分析与广义可加模型(GAM)对全球135个样点有机氮异养硝化速率及其产生N2O速率的影响因子进行分析,然后将主要影响因子作为BP神经网络的输入层来模拟全球森林土壤有机氮异养硝化速率及其产生N2O速率的空间分布.结果 显示,土壤pH和土壤C/N是影响有机氮异养硝化速率的主要因素,土壤C/N、土壤孔隙含水量(WFPS)以及土壤温度是影响有机氮异养硝化产生N2O速率的主要因素.全球森林土壤异养硝化速率平均为0.4241(0.0014～0.689) μg N·g-1·d-1,异养硝化产生N2O速率平均为0.2936(0.21 ～ 1.103)μg N2O·kg-1·d-1;北纬5O°左右的森林土壤异养硝化速率及其产生的N2O的速率均较高,而在南纬3O°至北纬3O°的森林土壤异养硝化速率及其N2O的产生速率均较低,尽管在亚洲东北部地区森林土壤异养硝化速率很高,但其产生N2O的速率却很小;全球森林土壤有机氮异养硝化作用下N2O的排放量约为(1.4584+0.3791)TgN ·a-1,是天然土壤N2O排放量的26.O4％,是全球N2O排放量的8.58％.
Estimation of N2O emission flux from heterotrophic nitrification process in global forest soils based on BP neural network model

刘炳彦、张军辉、耿世聪、陶晶晶、冯月

展开 >

中国科学院沈阳应用生态研究所森林生态与管理重点实验室,沈阳110016

中国科学院大学,北京100049

异养硝化速率 异养硝化产生N2O速率 BP神经网络 环境因子 空间分布

国家自然科学基金国家自然科学基金辽宁省自然科学基金

41675150318004132019-BS-262

2022

10.13292/j.1000-4890.202202.020

生态学杂志
中国生态学学会

生态学杂志

CSTPCDCSCD
影响因子：1.439
ISSN：1000-4890
年,卷(期)：2022.41(2)
  • 1
  • 5