فهرست نشریات علمی دسترسی آزاد ایران

تبادل خالص بوم‌سازگان (NEE) به عنوان شاخصی مهم برای تعیین وضعیت انتقال دی‌اکسید کربن (CO2) بین سطح زمین و اتمسفر، مخصوصاً در مبحث تغییر اقلیم به شمار می‌آید. علیرغم قابلیت تجهیزات اندازه‌گیری زمینی در سنجش تبادلات کربن، به دلیل محدودیت‌های زمانی و مکانی مشاهدات، از مدل‌سازی برای پیش‌بینی NEE استفاده می‌گردد. در این تحقیق، تغییرات روزانه NEE در چهار تیپ عملکردی گیاهی (PFTs)‌ شامل جنگل پهن‌برگ (DBF)، جنگل سوزنی‌برگ (ENF)، جنگل آمیخته (MF)، و علفزار (GRA) مورد بررسی قرار گرفت. تکنیک جنگل تصادفی (RF) به عنوان یکی از روش‌های یادگیری ماشین با استفاده از چهار متغیر محیطی شامل تابش خورشید، دمای هوا، دمای خاک، و رطوبت نسبی به‌کار گرفته شد. مقادیر اندازه‌گیری شده و مدل‌سازی شده با استفاده از چهار شاخص آماری R²، NSE، Bias، و RMSE مقایسه شدند. بر اساس نتایج، DBF بهترین و GRA ضعیف‌ترین عملکرد را در مدل‌سازی داشتند. تحلیل اهمیت نسبی متغیرهای محیطی نیز نشان داد که شدت تابش خورشید بیشترین و رطوبت نسبی کمترین اهمیت را در تمام تیپ‌های عملکردی دارند. همچنین، در تیپ علفزار، تأثیر دمای خاک نسبت به دمای هوا در بهبود عملکرد مدل در مقایسه با تیپ‌های جنگلی بیشتر است. نتایج مدل‌سازی همچنین نشان داد که عدم قطعیت رخداد، یک چالش مهم در مراحل مختلف فنولوژیک در تمامی تیپ‌های عملکردی گیاهی محسوب می‌شود؛ به طوری که طبق تقویم میلادی، عدم قطعیت در فصول رشد و شکوفایی گیاهان طی روزهای 140 تا 220 در تیپ‌های جنگلی و روزهای 120 تا 210 در علفزار به اوج می‌رسد.