植被生產力是生態(tài)系統(tǒng)間碳循環(huán)的重要指標,也是全球氣候變化最重要的參數之一,如總初級生產力（GPP）,凈生態(tài)系統(tǒng)生產力（NEP）。雖然現在有很多預測植被生產力數值的方法,但估測的不確定性依然存在于不同模型。本研究將基于Google Earth Engine的遙感氣象數據與基于渦度協方差技術的全球212個地面通量站點的數據產品結合進行植被生產力的估算,建立了一種基于機器學習的全球站點尺度的估算方法,明顯改善了植被生產力的反演精度。利用長時間序列的基于衛(wèi)星觀測數據進行反演,并且結合了隨機森林算法。通過與相對應通量站點數據產品的對比,研究結果驗證了機器學習方法在反演陸地生態(tài)系統(tǒng)生產力中的優(yōu)勢,為后期大尺度碳循環(huán)的研究提供了參考和方向。全文得出主要結論如下:（1）增強植被指數（EVI）是預測GPP模型中最重要的輸入參數。在預測不同植被覆蓋類型的生產力研究中重要性分析表明,EVI被證明是所有模型輸入變量中最重要的驅動因素。（2）利用來自全球16個落葉闊葉林通量站點的通量觀測數據產品、EVI、陸地表面溫度數據、短波輻射數據、降水數據建立了隨機森林模型。通過預測其他8個落葉闊葉林通量站點的GPP數值來... 

【文章來源】：中國地質大學(北京)北京市 211工程院校 教育部直屬院校

【文章頁數】：71 頁

【學位級別】：碩士

【部分圖文】：

研究技術路線

研究區(qū)位置分布示意圖，CRO、DBF、EBF、ENF、GRA、MF、OSH、SAV、WET和WSA分別指耕地、落葉闊葉林、常綠闊葉林、常綠針葉林、草原、混合林、稀樹灌叢、稀樹草原、濕地、多樹草原

通量觀測塔注：圖片來源于FLUXNET通量塔觀測網（http://fluxnet.fluxdata.org）

【參考文獻】：
期刊論文
[1]全球變暖、碳排放及不確定性[J]. 方精云,朱江玲,王少鵬,岳超,沈海花.  中國科學:地球科學. 2011(10)
[2]基于MODIS衛(wèi)星數據的中亞地區(qū)水體動態(tài)監(jiān)測研究[J]. 程彥培,張發(fā)旺,董華,王海平,馮仲科.  水文地質工程地質. 2010(05)
[3]基于渦度相關技術測算地表碳通量研究進展[J]. 耿紹波,魯紹偉,饒良懿,楊曉菲,高東,馮宗紅.  世界林業(yè)研究. 2010(03)
[4]凈生態(tài)系統(tǒng)生產力研究進展與問題[J]. 常順利,楊洪曉,葛劍平.  北京師范大學學報(自然科學版). 2005(05)



本文編號：3552378