论文部分内容阅读
利用美国产AZ-M 茎流系统和澳大利亚产AXWG03自动气象站于2005 年8-10月份对鲁东大学校内龙爪槐液流及其微环境气象因子进行了观测，探讨了BP-人工神经网络模型在树干液流与气象因子定量分析中的适用性，并比较了考虑液流滞后效应前后人工神经网络模型拟合精度的变化。结果表明，液流速率相对于太阳总辐射量、光合有效辐射量和风速分别存在10min、10min 和20min的滞后时间。与多元线性回归(MLR)和不考虑滞后效应的人工神经网络(NBP)相比，考虑滞后效应的BP-人工神经网络模型(CBP)在气象因子与树干液流定量分析中的拟合精度显著提高。CBP、NBP和MLR得到的液流速率拟合值与观测值回归方程的决定系数分别为0.936、0.866 和0.831；液流速率拟合值与观测值相对误差处于％5±和％ 10 ±范围内的分别为41.177％、35.849％、30.189％和70.588％、62.264％、31.527％。CBP 在树干液流与环境因子定量分析中是一种较好的新方法。