文献

J-GLOBAL ID：201902287964295361   整理番号：19A0494125

森林生態系におけるデータ駆動技術を用いた炭素と水フラックスのモデリングと予測【JST・京大機械翻訳】

Modeling and Predicting Carbon and Water Fluxes Using Data-Driven Techniques in a Forest Ecosystem

著者 (4件)： Dou Xianming (Key Laboratory of Coalbed Methane Resources and Reservoir Formation Process of Ministry of Education, China University of Mining and Technology, Xuzhou 221116, China) ,  Dou Xianming (School of Resources and Geosciences, China University of Mining and Technology, Xuzhou 221116, China) ,  Yang Yongguo (Key Laboratory of Coalbed Methane Resources and Reservoir Formation Process of Ministry of Education, China University of Mining and Technology, Xuzhou 221116, China) ,  Yang Yongguo (School of Resources and Geosciences, China University of Mining and Technology, Xuzhou 221116, China)
資料名： Forests (Web)  (Forests (Web))
巻： 8  号： 12  ページ： 498  発行年： 2017年 
JST資料番号： U7188A  ISSN： 1999-4907  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 森林生態系の炭素と水フラックスの正確な推定は,地球環境変化から生じる問題を扱うために特に重要であり,過去と将来の気候変動を分析し,診断するための炭素と含水量に関する有用な情報を提供する。本研究の主な焦点は,森林生態系における炭素および水フラックスを解明するために,一般化回帰ニューラルネットワーク,データ処理のグループ法(GMDH),極端な学習機械および適応ニューロファジィ推論システム(ANFIS)を含む4つの比較的新しい方法の実現可能性を調べることであった。これらのモデルと2つの広く使われているデータ駆動モデル,人工ニューラルネットワーク(ANN)とサポートベクトルマシン(SVM)との比較を行った。すべてのモデルを以下の統計的指標に基づいて評価した:決定係数,Nash-Sutcliffe効率,二乗平均二乗誤差および平均絶対誤差。結果は,データ駆動モデルが,限られた気象変数により各フラックスにおけるほとんどの変動を説明できることを示した。ANNモデルは,総一次生産性(GPP)および正味生態系交換(NEE)に対して最良の推定値を提供し,一方,ANFISモデルは生態系呼吸(R)に対して最良を達成し,単一モデルが炭素フラックス予測に対して他よりも一貫して優れていないことを示した。さらに,GMDHモデルは,すべての炭素フラックスと蒸発散(ET)推定に対して,一貫してより悪い結果を生み出した。全体として,炭素と水フラックスの間で,すべてのモデルはGPP,RおよびETフラックスに対して類似の高い満足できる精度を生み出し,渦共分散NEEを再現する合理的な仕事を与えた。これらの知見に基づいて,これらの進歩したモデルは,陸生炭素と水フラックスを推定するためのANNとSVMに対する有望な代替案であると結論した。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 蒸発散 ,  モデル ,  気候変動 ,  ファジィニューラルネットワーク ,  GMDH ,  含水量 ,  *予測 ,  サポートベクトルマシン ,  *炭素 ,  *モデリング
準シソーラス用語： 渦共分散 ,  純生態系交換 ,  総一次生産 ,  *水フラックス ,  *森林生態系 , 【Automatic Indexing@JST】

著者キーワード (7件)： 炭素フラックス ,  蒸発散 ,  森林生態系 ,  データ駆動技術 ,  データ処理のグループ法 ,  極端学習機械 ,  適応ニューロ-ファジィ推論システム

分類 (1件)： 生態系  (EE01040P)

引用文献 (85件)：

• Mitchell, S.R.; Emanuel, R.E.; McGlynn, B.L. Land-atmosphere carbon and water flux relationships to vapor pressure deficit, soil moisture, and stream flow. Agric. For. Meteorol. 2015, 208, 108-117.
• Medlyn, B.; De Kauwe, M. Biogeochemistry: Carbon dioxide and water use in forests. Nature 2013, 499, 287-289.
• Baldocchi, D.; Falge, E.; Gu, L.; Olson, R.; Hollinger, D.; Running, S.; Anthoni, P.; Bernhofer, C.; Davis, K.; Evans, R. Fluxnet: A new tool to study the temporal and spatial variability of ecosystem-scale carbon dioxide, water vapor, and energy flux densities. Bull. Am. Meteorol. Soc. 2001, 82, 2415-2434.
• Jensen, R.; Herbst, M.; Friborg, T. Direct and indirect controls of the interannual variability in atmospheric CO2 exchange of three contrasting ecosystems in Denmark. Agric. For. Meteorol. 2017, 233, 12-31.
• Thomas, C.K.; Law, B.E.; Irvine, J.; Martin, J.G.; Pettijohn, J.C.; Davis, K.J. Seasonal hydrology explains interannual and seasonal variation in carbon and water exchange in a semiarid mature ponderosa pine forest in central Oregon. J. Geophys. Res. Biogeosci. 2009, 114, G04006.

タイトルに関連する用語 (6件)： 森林生態系 ,  データ駆動 ,  炭素 ,  水フラックス ,  モデリング ,  予測