[发明专利]一种森林系统碳通量的估计方法

权利要求书

1.一种森林系统碳通量的估计方法，其特征在于，包括以下步骤：

训练过程：

W1、获得估计区域范围内的气象数据、基础地理数据、植被生理生态参数数据、土壤数据和碳通量观测数据；

植被生理生态参数N₁为植被生理生态参数所含具体参数类型的数量；

W2、根据已经初始化后的Biome-BGC模型确定点尺度的Biome-BGC模型和区域尺度Biome-BGC模型；

W3、基于点尺度的Biome-BGC模型，对植被生理生态参数和碳通量进行敏感性分析，确定对碳通量观测数据敏感的植被生理生态参数，记为敏感植被生理生态参数

对敏感植被生理生态参数进行相关性分析，剔除与敏感植被生理生态参数中参数类型具有相关性的参数类型且k≠j，得到非相关敏感植被生理生态参数X₃³ =[X_l³],l= 1,2,3,......,N₃ ， N₃ ≤ N₂ ；

W4、将非相关敏感植被生理生态参数数据、用于碳通量观测的气象数据输入点尺度的Biome-BGC模型，将碳通量观测数据作为验证数据，利用EnKF方法进行优化，得到优化后的模型参数；

W5、将优化后的模型参数作为区域尺度Biome-BGC模型的模型参数；运行区域尺度Biome-BGC模型，从而获得森林生态系统碳通量模拟结果Y；

W6、将非相关敏感植被生理生态参数的标准化数据以及Y的标准化数据作为神经网络的输入值；将森林生态系统碳通量模拟结果与碳通量观测数据作差，记为E；将E作为神经网络的目标值；训练神经网络模型得到训练好的神经网络模型，记为误差神经网络模型；

所述的神经网络模型采用全连接神经网络，

输入层神经元的个数n＝N₃+1，其中N₃个神经元的输入分别为非相关敏感植被生理生态参数的参数类型的标准化数据，1个神经元的输入为Y的标准化数据；

输出层为森林生态系统碳通量模拟结果与碳通量观测数据之差的估计值E′；

估计过程：

利用区域尺度Biome-BGC模型进行区域范围内的森林系统碳通量的模拟，森林生态系统碳通量模拟结果Y；

利用误差神经网络模型进行误差估计；

将森林生态系统碳通量模拟结果Y与误差的估计结果之和作为区域范围内森林系统碳通量的估计结果。

2.根据权利要求1所述的一种森林系统碳通量的估计方法，其特征在于，所述的神经网络模型中的隐含层的层数为3-7层。

3.根据权利要求2所述的一种森林系统碳通量的估计方法，其特征在于，所述的神经网络模型中的隐含层的层数为5层。

4.根据权利要求1、2或3所述的一种森林系统碳通量的估计方法，其特征在于，所述区域尺度Biome-BGC模型是利用区域栅格基础地理数据、区域栅格植被生理生态参数数据、区域栅格土壤数据以及区域气象栅格数据建立的Biome-BGC模型。

5.根据权利要求4所述的一种森林系统碳通量的估计方法，其特征在于，所述区域栅格基础地理数据、区域栅格植被生理生态参数数据和区域栅格土壤数据是根据基础地理数据、植被生理生态参数数据和土壤数据进行区域栅格化得到的。

6.根据权利要求4所述的一种森林系统碳通量的估计方法，其特征在于，所述区域气象栅格数据的获取过程如下：

根据气象数据获取气象格点数据；将气象格点数据输入MT-CLIM模型进行气候模拟，获取Biome-BGC模型所需的逐日气象数据；

再利用ArcGIS软件对气象要素模拟结果进行克里金插值操作，获取区域尺度Biome-BGC模型的气象栅格数据集，记为区域气象栅格数据集，即获得区域气象栅格数据。