基于生态因子与神经网络的杉木叶片碳氮磷含量预测

编号 zgly0001740090

文献类型 期刊论文

文献题名 基于生态因子与神经网络的杉木叶片碳氮磷含量预测

作者 童冉  陈庆标  周本智 

作者单位 中国林业科学研究院亚热带林业研究所  浙江省建德市新安江林场 

母体文献 林业科学研究 

年卷期 2021,34(6)

页码 56-64

年份 2021 

分类号 S718.43 

关键词 RBF神经网络  生态因子  叶片  碳  氮  磷  杉木 

文摘内容 [目的]利用神经网络所具有的输入层与输出层间存在的高度非线性映射关系,对杉木叶片C、N、P含量实现准确、经济、快捷的预测。[方法]以我国亚热带地区杉木人工林为研究对象,运用径向基函数(RBF)神经网络在杉木叶片C、N、P含量与地理、气候及土壤性质等生态因子间构建最优预测模型,并结合已发表文献数据进行叶片C、N、P含量预测。[结果]模拟预测叶片C、N和P含量分别为476.68、12.27和1.24 mg·g^(-1),其中N含量远低于我国陆地植物叶片平均含量;叶片C/N、C/P和N/P平均值分别为40.28、412.01和10.50。预测结果与实测值较为符合,表明RBF人工神经网络模型用于预测杉木叶片C、N、P含量与生态因子的关系是可行的。[结论]模型可以较为准确地估测杉木叶片C、N、P含量,平均误差分别为1.82%、9.88%和7.02%。较低的叶片N含量和N/P表明亚热带地区杉木生长主要受到N素限制。