论文部分内容阅读
随着一带一路建设的不断深化,可持续发展逐渐成为了沿线国家的共识。作为河西走廊的重要组成部分,黑河流域生态环境变化因此成为了国内外研究的热点。总初级生产力是物质和能量流转的关键参数,是生物圈和生态系统质量状况的重要指标。准确估算黑河流域总初级生产力,不仅有助于加快河西走廊地区生态文明建设,还对促进一带一路经济开放区繁荣发展具有重要作用。
为精确模拟黑河流域总初级生产力,深入探索其分布特征与成因,本文以2015年生长季为研究时间段,依次展开了三个步骤的研究:首先,利用多源多分辨率数据驱动CASA模型、VPM模型和TL-LUE模型,以估算黑河流域总初级生产力;其次,利用多元线性回归和支持向量机算法集成多种单一模型,以优化黑河流域总初级生产力估算结果;最后,利用量化分析指标确定最佳总初级生产力模型,利用时空分布图揭示总初级生产力变化规律,利用拟合散点图研究总初级生产力影响因子。其中,多源数据包括MODIS产品数据、不同尺度的气象数据、黑河流域土地利用数据和高程数据,量化分析指标包括判定系数R2、偏差系数Bias和均方根误差RMSE。
基于涡动站实测数据和MODISGPP产品,分别对单一模型和集成模型的估算精度展开评估。经回归分析和对比分析后,归纳总结研究成果如下所示:
(1)CASA模型、VPM模型和TL-LUE模型在黑河流域具有比MODISGPP产品更高的适用性,可用于精确模拟黑河流域8天时间分辨率的总初级生产力。于流域整体而言,判定系数至少增长20%,均方根误差至少减少57%,偏差系数至少减少69%。
(2)以多元线性回归算法和支持向量机算法集成单一模型可有效减弱总初级生产力的估算误差。于流域整体而言,与MODISGPP相比,判定系数增长率约有5%和10%的上升,均方根误差减少率约有11%和19%的上升,偏差系数减少率均有30%的上升。
(3)模拟黑河流域玉米、怪柳、芦苇和高寒草甸的总初级生产力,支持向量机集成模型在所有模型中表现最佳。与MODISGPP相比,判定系数增长范围约为7%至527%,均方根误差减少范围约为56%至86%,偏差系数减少范围约为90%至99%。
(4)在黑河流域,由温度和水分主导,受植被种类和长势影响,生长季累积总初级生产力呈现中游最高、上游其次、下游最低的空间分布梯度,而8天时间分辨率总初级生产力则呈现先增大,后减小,于7月下旬达到最高值的时间变化趋势。
(5)在黑河流域,总初级生产力受生长环境和植被长势影响,气温越高,水分越多,植被越茂盛,总初级生产力越高。其中,气温、降水、叶面积指数、归一化植被指数和增强型植被指数分别可解释84%、81%、97%、86%和92%的总初级生产力变化。
为精确模拟黑河流域总初级生产力,深入探索其分布特征与成因,本文以2015年生长季为研究时间段,依次展开了三个步骤的研究:首先,利用多源多分辨率数据驱动CASA模型、VPM模型和TL-LUE模型,以估算黑河流域总初级生产力;其次,利用多元线性回归和支持向量机算法集成多种单一模型,以优化黑河流域总初级生产力估算结果;最后,利用量化分析指标确定最佳总初级生产力模型,利用时空分布图揭示总初级生产力变化规律,利用拟合散点图研究总初级生产力影响因子。其中,多源数据包括MODIS产品数据、不同尺度的气象数据、黑河流域土地利用数据和高程数据,量化分析指标包括判定系数R2、偏差系数Bias和均方根误差RMSE。
基于涡动站实测数据和MODISGPP产品,分别对单一模型和集成模型的估算精度展开评估。经回归分析和对比分析后,归纳总结研究成果如下所示:
(1)CASA模型、VPM模型和TL-LUE模型在黑河流域具有比MODISGPP产品更高的适用性,可用于精确模拟黑河流域8天时间分辨率的总初级生产力。于流域整体而言,判定系数至少增长20%,均方根误差至少减少57%,偏差系数至少减少69%。
(2)以多元线性回归算法和支持向量机算法集成单一模型可有效减弱总初级生产力的估算误差。于流域整体而言,与MODISGPP相比,判定系数增长率约有5%和10%的上升,均方根误差减少率约有11%和19%的上升,偏差系数减少率均有30%的上升。
(3)模拟黑河流域玉米、怪柳、芦苇和高寒草甸的总初级生产力,支持向量机集成模型在所有模型中表现最佳。与MODISGPP相比,判定系数增长范围约为7%至527%,均方根误差减少范围约为56%至86%,偏差系数减少范围约为90%至99%。
(4)在黑河流域,由温度和水分主导,受植被种类和长势影响,生长季累积总初级生产力呈现中游最高、上游其次、下游最低的空间分布梯度,而8天时间分辨率总初级生产力则呈现先增大,后减小,于7月下旬达到最高值的时间变化趋势。
(5)在黑河流域,总初级生产力受生长环境和植被长势影响,气温越高,水分越多,植被越茂盛,总初级生产力越高。其中,气温、降水、叶面积指数、归一化植被指数和增强型植被指数分别可解释84%、81%、97%、86%和92%的总初级生产力变化。