古尔班通古特沙漠固沙灌木的冠幅预测模型

以古尔班通古特沙漠中三种类型沙丘(固定沙丘、半固定沙丘和流动沙丘)上主要固沙灌木梭梭(Haloxylon ammodendron)、白梭梭(Haloxylon persicum)、沙拐枣(Calligonum mongolicum)、蛇麻黄(Ephedra distachya)和油蒿(Artemisia ordosica)为研究对象,利用12个基础模型建立了不同沙丘类型上所有灌木和不同类型灌木的冠幅模型。模型拟合结果表明:不论是不同沙丘类型上所有灌木的拟合效果还是不同类型灌木的拟合效果,固定沙丘和半固定沙丘均优于流动沙丘。同时,两个近“S”形模型M7(Gompertz Model)和M12(HossfeldⅠModel)对三种类型沙丘上的固沙灌木均有较好拟合效果;M1(Linear Model)、M2(Quadratic Model)、M3(Power Model)、M6(Logistic Model)、M7、M9(Gauss Model)、M10(Mitscherlinch Model)和M12八个模型适用于研究区绝大部分固沙灌木冠幅模型的模拟。但不同沙丘类型上所有灌木和不同类型的灌木都有不同的最优冠幅模型。研究可为今后该地区相关生态模型建立和防风固沙效益的评价提供科学依据。

古尔班通古特沙漠灌木冠幅预测模型

古尔班通古特沙漠是中国第二大沙漠,也是中国固定和半固定沙丘主要分布区,固沙灌木种较多。冠幅不仅是反映固沙灌木可视化的重要参数,也是反映沙漠植被生长情况的重要变量。以3种沙丘(固定沙丘、半固定沙丘和流动沙丘)上主要固沙灌木为研究对象,利用12种基础模型、BP(Backpropagation Neural Network)神经网络和支持向量机(Support Vector Machine,SVM)机器学习算法建立了基于固沙灌木株高和冠长率的冠幅预测模型,同时将两种机器学习算法拟合结果与基础模型进行比较,最终选出了适合研究区的冠幅预测模型。结果表明:(1)不同沙丘类型和不同灌木种类的最优冠幅预测模型不同,且固定沙丘和半固定沙丘模型优于流动沙丘。3种沙丘类型最优拟合为M2(Quadratic Model)模型;(2)白梭梭(Haloxylon persicum)在半固定沙丘和流动沙丘上拟合的最优模型分别为M2、M7(Gompertz),沙拐枣(Calligonum mongolicum)最优模型为M2,蛇麻黄(Ephedra distachya)和油蒿(Artemisia ordosica)在半固定沙丘和流动沙丘上拟合较优模型分别为M2、M7。总体来说,基础模型M2和M7可以较好地预测不同类型的灌木冠幅值;(3)基于径向基(Radial Basis Function)核函数的支持向量回归机的冠幅预测模型明显优于BP神经网络模型。