论文部分内容阅读
利用2008和2010年的气温、饱和差、总辐射和叶面积指数作为模型输入,液流法观测的蒸腾速率作为模型输出,建立了用于杨树林冠蒸腾模拟的BP人工神经网络模型,利用2009年的观测数据对模型的模拟能力进行了检验,并应用连接权值计算得到的输入变量对输出变量的相对贡献进行了敏感性分析。结果表明：建立的BP人工神经网络蒸腾模型可以很好的模拟林冠蒸腾大小和季节变化,模拟的绝对误差和绝对相对误差的平均值分别为0.11 mm/d和9.5%,纳什效率系数为0.83;输入变量对蒸腾的相对贡献以及蒸腾与输入变量之间的相关性大小