利用神经网络将CO2净通量分解为光合作用和呼吸作用

• 作者: 侯美亭
• 来源期刊: 气象科技进展
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 阅读
• 页码范围: 159
• 页数: 1页
• 语种: 中文

摘要

涡动相关(EC)技术用于测量生态系统与大气之间CO2的净交换(NEE),为研究生态系统对气候变化的响应提供了独特的机会.NEE是由所有呼吸过程产生的CO2总释放量(RECO)与光合作用碳的总吸收量(GPP)之间的差值.这两种总CO2通量是通过应用基于生理的功能关系和有限数量的环境驱动因素的分解方法从EC测量中反演而来.然而,应用于全球通量观测网络(FLUXNET)EC观测的分解方法,并不能解释调节GPP和RECO通量动态的多重共同作用因素.