基于树木年轮径切特征的卷积神经网络树种识别

卷积神经网络可以通过树木年轮样本构造特征图像实现物种识别的自动化。本研究通过建立树木年轮样本构造特征图像集,选用LeNet、AlexNet、GoogLeNet和VGGNet 4个卷积神经网络模型,实现基于树木年轮横切面的计算机自动化树种精准识别,进而确定各模型的树种识别准确率,明晰不同树种在自动识别中的混淆情况,探测不同模型识别结果的差异。结果表明:本研究训练的用于树种识别的卷积神经网络模型具有较好的可信度;4个模型中GoogLeNet模型树种识别准确率最高,为96.7%,LeNet模型识别准确率最低(66.4%);不同模型对于所选树种的识别结果具有一致性,表现为对蒙古栎识别准确率最高(AlexNet模型识别率达到100%),对臭冷杉的识别准确率最低。本研究中也存在类似结构树种的识别混淆情况。模型在科和属水平的识别准确率高于种水平;阔叶树种因其显著的结构差异容易区分,阔叶树树种的识别准确率高于针叶树。总体上,通过卷积神经网络,探测了树木年轮特征的深层信息,达到树种的精准识别,提供了一种快速便捷的自动树种初筛鉴定方法。

白桦树轮记录的额尔古纳地区最近百年的降水变化

利用树木年轮探测历史时期气候因子变化具有较大潜力。本研究首次基于大兴安岭西北部额尔古纳地区的白桦(Betula platyphylla)树轮样本,重建了该地区1902~2019年(EPS>0.85)共118年6~7月的降水量变化,重建模型的方差解释量为30.4%;同时,本重建与邻近地区的历史资料有较好的对应关系,进一步验证了该重建序列的可靠性。该重建序列显示,自1902年以来本区域的降水变化相对平稳,共经历了8个偏干旱期(1903~1916年、1924~1929年、1937~1941年、1949~1954年、1965~1972年、1979~1983年、1990~1993年和2001~2007年)和8个偏湿润期(1917~1923年、1930~1936年、1942~1948年、1955~1964年、1973~1978年、1984~1989年、1994~2000年和2008~2019年),不存在明显的趋势变化,其中最长的偏干旱期为1903~1916年(共14年);该重建序列具有较好的时空代表性,1967年、1968年和2003年为该时期的3个极端干旱年,1920年为该时期的1个极端湿润年。波、谱分析结果显示该地区降水存在2.2 a、7~7.7 a以及8~15 a的准周期。另外,研究区降水变化与热带太平洋海温波动(如ENSO、PDO等)和极地海洋涛动(如AO)存在关联并受太阳活动影响。该研究不仅填补了区域空白,延长了该地区的降水记录,还证明阔叶树种白桦也是该地区可靠的树木年轮气候学代用资料。

东北三省植被气候生产力的时空变化及对气候变化的响应

要气候生产力是反映植物群落碳交换的关键指标,明确气候生产力变化对于评估区域生态系统的碳汇功能有重要意义。本研究基于1971--2020年东北三省的气温和降水数据,利用Miami模型和Thornthwaite-Memorial模型模拟了东北三省温度、降水和蒸散生产力,采用趋势分析、小波分析、M-K检验以及回归分析等方法分析了气候生产力的时空变化特征,并模拟了未来气候变化情景下蒸散生产力的变化特征,同时结合东北三省11个样点樟子松树轮数据探讨了模拟气候生产力的准确性。结果表明:1971--2020年,东北三省温度生产力(Y_(T))、降水生产力(Y_(P))和蒸散生产力(Y_(E))年均值分别为777.84、946.08、930.40g·m^(-2)·a^(-1),3种气候生产力整体呈增加趋势。其中,Y增加趋势最显著,增加速率为1.91g·m^(-2)·a^(-1),存在6、10和22年的主周期,并在1988年发生突变。气候生产力空间分布有明显差异,Y由南向北递减,气候倾向率总体呈增加趋势。Y和Y由东南向西北递减,东部高于西部。二者的气候倾向率在大部分地区呈下降趋势,仅在黑龙江西部和吉林西北部呈增加趋势。东北三省气候生产力的水热配比总体呈带状分布,空间差异明显,Y_(P)/Y_(T)范围在0.58~2.42,由北向南可划分为受降水影响较大区域(Y_(P)/Y_(T)>1.2)、水热较均衡区域(Y_(P)/Y_(T)~1)和受温度影响较大区域(Y_(P)/Y_(T)<0.8)。3种气候生产力与所对应的11个样点樟子松的平均年轮宽度指数变化基本一致,并呈正相关关系,说明模拟的气候生产力可靠。随着纬度升高,Y与樟子松年轮宽度的相关系数显著减小。研究结果有助于提升对东北三省气候生产力关联的植被固碳能力认识,为东北三省植被对气候变化的适应和未来植被动态预测提供科学依据。