Нейросетевая модель для оценки потоков углерода в лесных экосистемах по данным дистанционного зондирования Земли
А.П. РОЗАНОВ, К.Г. ГРИБАНОВ
Институт естественных наук и математики, Уральский федеральный университет, Екатеринбург, Россия
alexey.rozanov@urfu.ru
Ключевые слова: нейронные сети, машинное обучение, потоки углерода, FLUXNET, MODIS
Страницы: 122-128
Аннотация
Лесные экосистемы являются одним из главных мест накопления и хранения углерода на Земле. Однако количественная инструментальная оценка потоков углекислого газа возможна лишь для участков радиусом 100-2000 м вокруг измерительной станции. При решении задачи масштабирования используются методы машинного обучения, способные аппроксимировать наблюдения с помощью интенсивностей излучения земной поверхности в разных спектральных интервалах в наземные наблюдения in situ . Представлены результаты оценки потоков углерода регрессионной нейросетевой моделью типа многослойный персептрон, обученной на данных сети FLUXNET для станции, расположенной в бореальном хвойном лесу (56,4615° с.ш., 32,9221° в.д.). Используя в качестве входных данных вегетационные индексы NVDI и EVI, полученные спектрорадиометром MODIS на спутнике Aqua, температуру воздуха на высоте 2 м и суммарное количество осадков при помощи модели дается оценка первичной валовой продукции (GPP), чистому экосистемному обмену (NEE), экосистемному дыханию (TER) и ряду других величин, характеризующих потоки воды и энергии. Проведенные статистические оценки демонстрируют высокие коэффициенты корреляции ( R ) и Нэша-Сатклиффа (NSE) на тестовом наборе данных: для GPP и TER - R ≥ 0,9; NSE ≥ 0,87; для NEE - R = 0,4, NSE = 0,15.
DOI: 10.15372/AOO20230207
EDN: MSYUGR
|
