基于机器学习算法和能量闭合理论的高标准稻田蒸散估算

为选出模拟长江中下游高标准稻田各生育期实际蒸散(ETa)的最优机器学习模型,并探究能量闭合对机器学习模型模拟ETa的影响,基于南通市2020年高标准水稻田小气候、土壤和通量观测数据,分析各生育期稻田ETa及相关因子的时间变化特征,利用BP神经网络和随机森林两种算法估算各生育期ETa,评估基于波文比的强迫能量闭合对机器学习模型模拟ETa精度的影响。结果表明:(1)在不同生育期,气象和土壤因子对稻田ETa的重要性不同,入射短波辐射(K↓)始终是稻田ETa的主控因子。(2)加入K↓可显著提高机器学习模型对ETa的模拟精度,相关系数提高了14.9%,RMSE降低51.1%。5种变量组合中,包含饱和水汽压差(VPD)、风速(U)、气温(Ta)、相对湿度(RH)和入射短波辐射(K↓)的BP1模型是模拟分蘖期前稻田ETa的最佳模型,包含Ta、RH和K↓的BP3模型更适于模拟分蘖期后的稻田ETa。(3)强迫能量闭合能改善BP神经网络模型对ETa的模拟效果,在分蘖期前更为明显,5种变量组合中,BP2模型(U、Ta、RH和K↓)在能量闭合后的模拟效果提升最明显,相关系数提高了3.5%,RMSE降低25.7%。

水稻生长季CO_(2)通量的时间动态和影响因子研究

为了明确长三角地区稻麦轮作生态系统中水稻生长季CO_(2)通量的多时间尺度变化特征,量化环境因子对农田CO_(2)通量变化的贡献度,拆分环境因子的直接影响和间接影响,该研究利用涡度相关观测系统进行了2年CO_(2)通量的连续观测,分析了辐射类、温度类、水汽类和风速对CO_(2)通量的影响。结果表明:稻麦轮作生态系统在水稻生长季是一个二氧化碳汇,2020、2021年水稻生长季的总固碳量分别为396.3、491.9 g/m^(2)(以C计);CO_(2)通量也有明显的日变化,呈现出“U形”和“V型”的单峰曲线,吸收峰值出现在第200~250天。在不同时间尺度上,影响CO_(2)通量的主控因子始终是光合有效辐射;但随时间尺度的增加,各个因子贡献度的差异逐渐减小。饱和水汽压差也是影响CO_(2)通量的重要因子,它与光合有效辐射的交互作用会抑制彼此对CO_(2)通量的直接贡献。