【技术实现步骤摘要】
本专利技术属于计算机，具体是一种耦合resnets（residual neuralnetwork，残差神经网络）和改进casa模型的区域植被gpp估算方法。
技术介绍
1、总初级生产力（gross primary production，gpp）是指植物在单位时间内通过光合作用吸收co2产生有机物的总量。准确估算gpp对了解陆地生态系统对碳封存的贡献，及其对全球气候变化的影响至关重要。
2、目前用于gpp估算的模型大致可以分为两类：基于光能利用率的gpp估算模型和基于归一化植被指数的gpp估算模型。基于光能利用率的估算模型具有更为稳健的生物物理机制，因而普遍优于使用基于归一化植被指数的gpp估算模型。其中，casa（carnegie amesstanford approach）模型为广泛用于自然生态系统和农田地区的光能利用率模型，该模型的核心概念是将gpp估算为植被吸收的光合有效辐射与光能利用率的乘积。
3、然而，casa模型的性能表现在不同植被和下垫面类型中存在很大的不确定性。首先，传统casa模型无法直接估算g...
【技术保护点】
1.一种耦合ResNets和改进CASA模型的区域植被GPP估算方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的耦合ResNets和改进CASA模型的区域植被GPP估算方法，其特征在于，步骤1中，气象参数包括空气温度Ta、太阳辐射Ra、地表蒸散发ET、大气二氧化碳浓度Ac和饱和水汽压差VPD；植被参数包括增强植被指数EVI；土壤参数包括土壤湿度SM；
3.根据权利要求1所述的耦合ResNets和改进CASA模型的区域植被GPP估算方法，其特征在于，步骤1中，日间法是FLUXNET推荐的标准NEE通量划分方法，通过拟合基于白天和夜...
【技术特征摘要】
1.一种耦合resnets和改进casa模型的区域植被gpp估算方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的耦合resnets和改进casa模型的区域植被gpp估算方法，其特征在于，步骤1中，气象参数包括空气温度ta、太阳辐射ra、地表蒸散发et、大气二氧化碳浓度ac和饱和水汽压差vpd；植被参数包括增强植被指数evi；土壤参数包括土壤湿度sm；
3.根据权利要求1所述的耦合resnets和改进casa模型的区域植被gpp估算方法，其特征在于，步骤1中，日间法是fluxnet推荐的标准nee通量划分方法，通过拟合基于白天和夜间nee数据的光和温度驱动模型来计算实测总初级生产力gppm和生态系统呼吸er；实测总初级生产力gppm的计算公式如下：
4.根据权利要求1所述的耦合resnets和改进casa模型的区域植被gpp估算方法，其特征在于，步骤2中，传统casa模型的表达式如下：
5.根据权利要求1所述的耦合resnets和改进casa模型的区域植被gpp估算方法，其特征在于，步骤3中，将步骤1得到的目标区域的气象参数、植被参数和土壤参数输入到resnets网络中，得到对应的光能利用率，具体步骤如下：
6.根...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。