基于GA-BP神经网络的雷竹林CO_(2)浓度反演

作     者：侯志康 曾松伟 莫路锋 周宇峰 Hou Zhikang;Zeng Songwei;Mo Lufeng;Zhou Yufeng

作者机构：浙江农林大学信息工程学院杭州311300 浙江农林大学环境与资源学院杭州311300 

出 版 物：《林业科学》 (Scientia Silvae Sinicae)

年 卷 期：2022年第58卷第2期

页      面：42-48页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 09[农学] 0903[农学-农业资源与环境] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金两化融合重点项目(U1809208) 浙江省自然基金公益项目(LGN18C200017) 

主　　题：生态系统 碳通量 GA-BP 碳储量 雷竹林 

摘      要：【目的】研发竹林气象因子采集系统,分析雷竹林CO_(2)浓度与温湿度等气象因子之间的关系,探讨基于GA-BP神经网络的雷竹林CO_(2)浓度反演模型(简称GA-BP模型),为竹林碳储量、竹林增汇、竹林固碳能力等研究提供基础数据。【方法】根据微气象学相关原理、方法及森林碳通量动态感知的需求,设计基于嵌入式的森林碳通量数据远程实时监测系统,该监测系统以成熟雷竹林为监测对象,进行为期2个月(2019年10—11月)的气象数据监测;在此基础上,提出GA-BP模型。【结果】根据GA-BP模型和BP模型反演的结果可知:GA-BP模型反演结果的决定系数R^(2)为0.86,比BP模型的R^(2)(0.79)提高了0.07;平均绝对误差为8.12 mg·m^(-3),比BP神经网络下降2.79 mg·m^(-3)。GA-BP模型相较于BP网络具有更稳定的反演性能和更高的反演精度。【结论】可以利用竹林气象因子采集系统获取相关气象数据;基于CO_(2)浓度与温湿度等气象因子之间的相关性,本研究提出的基于GA-BP神经网络的CO_(2)浓度反演模型能够有效反演研究区的CO_(2)浓度。