物候与机器学习 - 物候模型发展的简单思考
编号:1906 稿件编号:935 访问权限:仅限参会人 更新:2021-06-16 16:57:51 浏览:708次 特邀报告

报告开始:2021年07月11日 15:10 (Asia/Shanghai)

报告时间:25min

所在会议:[S7B] 7B、地理及地理信息科学 » [S7B-3] 专题7.7 陆地生态系统物候与碳循环遥感及模拟

暂无文件

摘要
植物物候学是研究自然界植物和环境条件(气候、水文、土壤等条件)的周期性变化之间相互关系的科学。植物物候不仅通过物种间的物候适应度差异影响生态系统结构和功能,还可以通过改变植被冠层与近地面大气之间的碳、水和能量交换影响局地天气和气候系统。因此,准确模拟植物物候期对于理解生态系统对气候变化的响应,以及模拟陆地生态系统碳、水和能量平衡具有重要的意义。全球变化背景下物候学研究取得蓬勃发展,但物候模型研究相对滞后。物候模型模拟结果的不准确,已成为全球陆面模式模拟陆地生态系统碳、水循环准确性的重要限制因素。基于新的实验手段,明确物候响应气候变化机制,构建基于过程的植物物候模型,已成为全球变化生态学领域重要的前沿问题。本文首先综述了不同环境因子对植物物候的影响,回顾了植物模型发展历史,指出了气候变化背景下的植物物候模型所面临的挑战,探讨了结合机器学习和贝叶斯等数学方法的物候模型优化思路,以提高物候模型在全球变化背景下物候模拟和预测的准确性。
关键字
物候模型,气候变化,,过程机制,机器学习
报告人
付永硕
北京师范大学

稿件作者
付永硕 北京师范大学
发表评论
验证码 看不清楚,更换一张
全部评论
登录 会议管理 酒店预订 提交摘要