基于GA-BP神经网络的雷竹林CO2浓度反演

[目的]研发竹林气象因子采集系统,分析雷竹林CO2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CO2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R2为0.86,比BP模型的R2(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CO2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CO2浓度反演模型能够有效反演研究区的CO2浓度.