基于深度学习的植被LAI时空动态模拟与归因研究：以东北地区为例
文献类型：学位论文
| 作者 | 王晗 |
| 答辩日期 | 2024-06 |
| 文献子类 | 学术型学位 |
| 授予单位 | 中国科学院大学 |
| 授予地点 | 中国科学院地理科学与资源研究所 |
| 导师 | 何洪林 ; 周玉科 |
| 关键词 | 记忆效应 植被动态 植被预测 深度学习 未来情景 |
| 学位名称 | 硕士 |
| 学位专业 | 地图学与地理信息系统 |
| 英文摘要 | 中国东北地区（Northeast China, NEC）作为国际地圈-生物圈计划（International Geosphere-Biosphere Programme，IGBP）选定的气候变化研究过渡带之一，对于区域生态环境规划和保护研究具有至关重要的参考价值。近年来，在全球变化背景下，东北地区的植被动态变化呈现复杂态势，亟需了解该地区植被的历史生长情况及其变化模式，以更好地应对未来气候变化所带来的挑战。 首先，本研究采用2001-2020年的GLASS LAI（Leaf area index）数据作为植被特征指标，运用趋势分析、BFAST01（Break for additive seasonal and trend）和连续变化检测算法，分析了东北地区线性和非线性的植被时空变化特征；其次，基于气候插值数据，利用趋势分析法、MK突变检验法和滑动T检验法，探究了东北地区气候因子的年际和年内时空变化趋势。同时，针对生长季的不同时期，采用高阶偏相关分析方法，探讨了不同时间尺度气候因子对植被的影响差异；最后，本文建立了多层、多元的ConvLSTM（Convolutional long short-term memory）时间模型，揭示了植被在生长季中对前期气候变量的记忆效应长度，并运用特征重要性分析了植被对不同时间尺度上气候因子的敏感性。同时，还探讨了考虑记忆效应的未来情景下的植被变化。主要结果如下： （1）2001-2020年，东北地区的主要变化特征为植被变绿、变绿速度减缓后加速。东北地区年平均植被LAI呈现出由西南向东北递增的趋势，其平均年际变化率为0.16±0.16/10a，约76.09%地区表现出显著增加的趋势。不同土地覆盖类型下，植被LAI的年内变化模式相似，即在7月达到峰值并开始下降。在各个季节中，夏季变化率（0.30±0.35/10a）最高，即变绿最为明显。研究区内，79.00%的区域植被LAI发生了显著突变，其中68.56%的趋势呈单调型增加，2011和2017年为植被突变拐点，两个时间节点突变前后植被变化速率先下降后上升。 （2）2001-2020年，东北地区的气候变化呈现出显著的湿化趋势。降水量（Precipitation, PRCP）在年际上呈现出显著的上升趋势（9mm/a），而其余年平均气候变量均为不显著变化。东北地区不同气候变量的变化率均表现为中部大于南北地区。各气候因子中，温度（Temperature, TEM）是影响东北地区植被生长的最重要因素；降水量与植被LAI在生长季（Growth season, GS）内表现为弱负相关，影响程度最小；日照时数（Sunshine duration, SSD）影响力略高于降水量；相对湿度（Relative humidity, RHU）影响程度高于日照时数，在不同时期与植被总体呈显著正相关。 （3）多层、多元ConvLSTM模型最佳结构为32-32-32-batch24网络结构，在东北地区植被LAI模拟中表现出了较高的模拟精度和稳定性（R2=0.74±0.13，RMSE=0.91±0.39，MAE=0.70±0.33）。东北地区植被LAI对气候变量的综合记忆效应长度在6个月模型模拟精度最高（R2=0.81±0.12）。相比于无记忆效应模型（Memory model 0 month, Mm0），70.41%的区域均有提升。其中林地和林草混交地提升效果最为显著。从年际模拟结果看，最佳记忆效应模型（Memory model 6 month, Mm6）同样具备最高的模拟性能。在生长季期间，81.90%的区域检测到植被LAI对于前期气候变量具有记忆效应，平均综合记忆长度为5.01±2.22个月，植被记忆效应在变褐期（GS1）较变绿期（GS2）更明显。 （4）在生长季期间，东北地区植被LAI对先前环境中的降水、温度敏感性更大，而对当前环境的相对湿度更为敏感。针对模型误差分析，Mm6和Mm0的变异系数（Coefficient of variation, CV）高值均主要分布在LAI值或年际变化率较低的区域，属于以草地和耕地为主要土地覆被的平原区，受人类活动干扰影响大。就气候变量影响而言，对于温度敏感性较强、相对湿度高的植被区域，模型性能高。未来气候情景下，SSP1-2.6和SSP2-4.5植被呈变绿趋势，而SSP5-8.5呈变褐趋势。相比2001-2020年，SSP1-2.6植被LAI增长量最大，SSP2-4.5情景下两个时段植被LAI相似，而SSP5-8.5的生长季LAI为负增长。 |
| 语种 | 中文 |
| 页码 | 119 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/208106]  |
| 专题 | 地理科学与资源研究所_研究生部 |
| 推荐引用方式 GB/T 7714 | 王晗. 基于深度学习的植被LAI时空动态模拟与归因研究：以东北地区为例[D]. 中国科学院地理科学与资源研究所. 中国科学院大学. 2024. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。