کاربرد تکنیک جنگل تصادفی در مدل سازی کربن تبادلی اندازه گیری شده به روش همبستگی پیچه ای

تبادل خالص بوم سازگان (NEE) به عنوان شاخصی مهم برای تعیین وضعیت انتقال دی اکسید کربن (CO۲) بین سطح زمین و اتمسفر، مخصوصا در مبحث تغییر اقلیم به شمار می آید. علیرغم قابلیت تجهیزات اندازه گیری زمینی در سنجش تبادلات کربن، به دلیل محدودیت های زمانی و مکانی مشاهدات، از مدل سازی برای پیش بینی NEE استفاده می گردد. در این تحقیق، تغییرات روزانه NEE در چهار تیپ عملکردی گیاهی (PFTs) شامل جنگل پهن برگ (DBF)، جنگل سوزنی برگ (ENF)، جنگل آمیخته (MF)، و علفزار (GRA) مورد بررسی قرار گرفت. تکنیک جنگل تصادفی (RF) به عنوان یکی از روش های یادگیری ماشین با استفاده از چهار متغیر محیطی شامل تابش خورشید، دمای هوا، دمای خاک، و رطوبت نسبی به کار گرفته شد. مقادیر اندازه گیری شده و مدل سازی شده با استفاده از چهار شاخص آماری R²، NSE، Bias، و RMSE مقایسه شدند. بر اساس نتایج، DBF بهترین و GRA ضعیف ترین عملکرد را در مدل سازی داشتند. تحلیل اهمیت نسبی متغیرهای محیطی نیز نشان داد که شدت تابش خورشید بیشترین و رطوبت نسبی کمترین اهمیت را در تمام تیپ های عملکردی دارند. همچنین، در تیپ علفزار، تاثیر دمای خاک نسبت به دمای هوا در بهبود عملکرد مدل در مقایسه با تیپ های جنگلی بیشتر است. نتایج مدل سازی همچنین نشان داد که عدم قطعیت رخداد، یک چالش مهم در مراحل مختلف فنولوژیک در تمامی تیپ های عملکردی گیاهی محسوب می شود؛ به طوری که طبق تقویم میلادی، عدم قطعیت در فصول رشد و شکوفایی گیاهان طی روزهای ۱۴۰ تا ۲۲۰ در تیپ های جنگلی و روزهای ۱۲۰ تا ۲۱۰ در علفزار به اوج می رسد.

کلیدواژه ها:

تبادل خالص بوم سازگان ، تیپ عملکردی گیاهی ، جنگل تصادفی ، دی اکسید کربن ، عدم قطعیت ، فنولوژی