虽然影响全球气候变化的因素很多, 但是化石燃料燃烧、土地利用变化等人类活动造成的大气中温室气体含量增加是近年来全球气候变化的主因^[1—2]。二氧化碳(CO₂)是主要的温室气体之一, 大量温室气体的排放不仅使得全球海平面上升, 还使得相关的自然灾害进一步频发, 甚至造成某些生物的灭绝^[3—4]。早在20世纪50年代末, 国外就已开展温室气体的观测研究, 但我国在20世纪90年代才建立了第一个全球温室气体本底站-青海瓦里关全球大气基准站^[5]。仪器监测目前仍然是CO₂浓度研究的主要方式。如韩炜等^[6]通过采用开路式红外分析器收集CO₂浓度, 分析了近地面CO₂浓度与下垫面及气象要素的相关性, 刘寿东等^[7]通过南京市多站点、多高度观测所得CO₂浓度分析了南京夏季城市大气二氧化碳浓度的时空分布规律。Crawford等^[8]使用分布在北半球的多个不同源头水流中的高频传感器的实测二氧化碳浓度数据, 探索了二氧化碳分压变化的基本模式。目前仪器观测已用于城市和野外等多场景的二氧化碳浓度研究中, 但仪器的铺设常具有一定的局限性, 受地形等因素影响较大。因而卫星监测因其具有不受时空限制、覆盖范围广、观测稳定、时间序列长和三维观测等优点备受关注^[9]。目前专用的CO₂探测卫星包括日本发射的温室气体观测卫星(GOSAT)^[10]、美国发射的轨道碳观测者2(OCO-2)^[11]以及中国发射的碳卫星(TanSat), 它们为广大学者提供了更好的观测方法及数据。吴迪等^[12]就对GOSAT卫星监测的二氧化碳浓度进行差值处理, 分析了黑龙江各地市的CO₂浓度时空分布规律。陆地生态系统中的植被呼吸、光合作用以及土壤呼吸, 对地面二氧化碳浓度的动态变化具有显著影响。这些过程与当地的水热条件、有效辐射等环境变化因素又紧密相关。在植被茂盛的区域, 太阳辐射较强时, 植物通过气孔吸收大气中的二氧化碳进行光合作用释放氧气, 近地面二氧化碳浓度降低^[13]。当水热条件适宜时, 植物的生长和光合作用效率提高, 进一步促进固碳。当光照不足, 或者太阳辐射过强时, 植被和土壤呼吸占据主导作用。植物呼吸和土壤呼吸作用增强时, 近地面空气二氧化碳浓度升高。土壤含水量是土壤呼吸作用的重要控制因素, 降水也可通过调节异养呼吸来调节土壤总呼吸^[14—15]。这些环境因子都会影响近地面空气二氧化碳浓度的变化。

二氧化碳浓度的数据质量直接影响研究结果。为了取得高质量的数据, 更好的探究二氧化碳浓度变化规律, 目前已有部分学者将机器学习方法用于二氧化碳浓度的模拟, 曹世杰等^[16]以人工神经网络模型对室内平均二氧化碳浓度进行模拟, 但由于其针对室内环境, 并未考虑气候因素的影响。多种模型的耦合也同样用于二氧化碳浓度模拟研究中, 尹航等^[17]融合了麻雀搜索算法和极限学习机ELM, 成功预测了羊舍的二氧化碳浓度。付子骏等^[18]采用张量分解和序列最小二乘规划对长短期记忆LSTM进行耦合, 更好地利用了变量间的内在联系, 更加准确地模拟了二氧化碳浓度。

黄土高原地区水土流失尤为突出, 是我们国家乃至世界上水土流失最严重、面积最大的区域^[19]。目前大部分学者大多是对室内的二氧化碳浓度进行模拟, 对于黄土高原地区沟壑区的地面空气二氧化碳浓度模拟的研究并不多, 且野外实测数据也常常由于设备故障等问题影响数据的完整性^[20]。因此, 本文采用机器学习方法对黄土高原沟壑区地面空气二氧化碳浓度进行模拟, 对多种方法和多种输入数据的模拟效果进行了评估, 并将其用于数据插补, 提高数据质量。这有助于更好的了解黄土高原沟壑区地面空气二氧化碳浓度的变化过程, 从而服务于变化环境下流域生态水文过程的研究, 并对黄土高原水土保持、植被恢复、节水固碳等工作的开展具有重要的应用价值和科学意义。

1 研究区与数据 1.1 研究区概况

本研究位于陕西咸阳市淳化县的和家山小流域, 建设了淳化生态水文实验基地, 研究区可开展地面空气二氧化碳浓度观测、水碳通量观测和常规气象观测^[21—22]。实验基地的地理位置如图 1所示, 其位于渭河北岸的黄土高原沟壑区, 盛行东风。气候属温带大陆性季风气候, 降雨主要集中在每年的夏季和秋季^[23]。土壤类型以黄绵土为主^[24]。研究区的植被覆盖度高, 主要植被类型包括灰绿藜(Chenopodium glaucum)、狗尾草(Setaria viridis)、碱蒿(Artemisia anethifolia)等^[25]。

1.2 二氧化碳浓度观测系统

二氧化碳浓度观测系统的主要设备有二氧化碳传感器(GMP252, Vaisala, Finland)和六要素气象传感器(WXA100-06, 中铭电气, China), 如图 2所示。观测系统的具体布设方案如图 3所示, 布设方案简图如图 4所示, 该套监测系统在安装初期进行了设备调试及标定, 设备安装公司建议每年进行一次标定, 本文仅采用数据长度为350的数据(未超过建议标定时间), 共设置三个安装在距离地面0.3m高度的二氧化碳传感器用于观测地面空气二氧化碳浓度, 自北向南分别命名为1号传感器、2号传感器和3号传感器, 其中1号传感器处的地面空气二氧化碳浓度命名为C₁, 2号传感器处的地面空气二氧化碳浓度命名为C₂, 3号传感器处的地面空气二氧化碳浓度命名为C₃。在距离地面3m高度处安装六要素气象传感器, 用于观测空气温度、空气相对湿度、风向、风速、气压和雨量；在距地面0.2m深度处埋设土壤三参数传感器, 用于观测土壤温度、土壤湿度和电导率。该观测系统可对野外地面空气二氧化碳浓度、土壤状态和常规气象要素进行连续观测, 可获得10min、30min、1h和1天尺度等多尺度的实测数据。

1.3 数据及预处理

本研究所采用的数据均为淳化生态水文实验基地的实测数据, 包括自北向南三个不同位置的地面空气二氧化碳浓度(C₁、C₂、C₃)、0.2m深度土壤温度(T_s)、空气温度(T_air)、空气相对湿度(RH)和气压(P)。所用数据均为日尺度数据, 数据为2021年2月1日至2022年1月23日, 数据长度为350个。作为输入变量的土壤温度、空气温度、空气相对湿度和气压插补后采用SG滤波^[26]进行预处理, 预处理后的数据如图 5至图 9所示。从图 4可以看出, 二氧化碳浓度日变化十分剧烈, 三个传感器所测地面空气二氧化碳浓度具有相同的变化趋势, 在1月和2月时二氧化碳浓度较高, 6月至10月二氧化碳浓度较低。对比不同传感器的数据可知, 1号传感器于2021年6月初出现故障, 1号传感器从2021年6月份开始出现所测地面空气二氧化碳浓度偏低的情况, 2021年6月份之后1号探头的实测数据存在问题。在环境因子中, 空气温度和土壤温度呈现相同的季节变化趋势, 夏季温度较高, 冬季温度较低。空气相对湿度和气压无明显的季节变化趋势。

为了分析二氧化碳浓度(C₂、C₃), 空气温度(T_air)、土壤温度(T_s)、空气相对湿度(RH)以及气压(P)在研究时段的统计信息, 本研究计算了各数据序列的平均值(x_mean)、最大值(x_max)、最小值(x_min)、标准差(x_std)、变异系数(C_v)、偏度(C_s)和峰度(C_k), 计算结果见表 1。1号传感器因发生故障, 不进行统计信息计算。计算结果表明, 在研究时段内, 空气温度的最大值为23.84℃, 最小值为-8.34℃, 平均值为11.00℃, 标准差为7.44℃；土壤温度的最大值为19.60℃, 最小值为0.60℃, 平均值为10.66℃, 标准差为6.17℃, 空气温度和土壤温度的平均值和标准差十分接近。用于模拟的四个环境因子中只有气压为正偏, 空气温度、土壤温度和相对湿度都为负偏。二氧化碳浓度的标准差较大, 气压的标准差较小。气压和二氧化碳浓度的数值都较大, 而气压的标准差远小于二氧化碳浓度, 说明气压的数据分布较集中, 变化较平稳。此外, 二氧化碳浓度, 空气温度、土壤温度、相对湿度和气压的峰度都为负数, 说明它们的分布峰值较平。对比不同传感器实测的二氧化碳浓度来看, 2号传感器和3号传感器处的地面空气二氧化碳浓度的最大值、最小值、均值和方差相差不大, 仅相差10%左右。

综合来看, 二氧化碳浓度和温度、相对湿度、气压数据在数值上的差距都较大。因此采用温度、相对湿度、气压数据对二氧化碳浓度时间序列模拟时, 需要对输入变量进行归一化处理。为了减少绝对尺度对模拟精度的影响, 本研究对模型所需的所有变量都按式(1)进行归一化处理。

$ x_{\text {normal }}=\frac{x-x_{\text {mean }}}{x_{\text {std }}} $

(1)

式中, x_normal为经过归一化处理的变量序列, x为原始观测的变量序列, x_mean为相应变量序列的平均值, x_std为相应变量序列的标准差。

2 研究方法

采用多种机器学习方法, 分别以其他位置二氧化碳浓度或环境因子的组合作为输入, 评价采用机器学习用于模拟黄土高原沟壑区地面空气二氧化碳浓度的潜力, 并遴选出最优机器学习方法对问题数据进行插补, 提高数据质量。

2.1 多层感知机

感知机最早由Frank提出用于解决分类问题^[27]。多个感知机连接即为多层感知机^[28](Multilayer Perceptrons, MLP)。MLP是一种具有较好非线性全局作用和高度并行能力, 前向反馈的人工神经网络, 可用于解决分类问题和回归问题^[29-30]。其基本结构由输入层、隐藏层和输出层构成^[31], 如图 10所示。一层隐藏层的MLP可用下式表示：

$ y=J_1\left(b^{(2)}+W^{(2)}\left(J_2\left(b^{(1)}+W^{(1)} x\right)\right)\right) $

(2)

式中：y是输出的模拟值；J₁和J₂是激活函数；W⁽¹⁾和b⁽¹⁾是隐藏层的权值系数和偏置项；W⁽²⁾和b⁽²⁾是输出层的权值系数和偏置项。

2.2 长短期记忆神经网络

长短期记忆神经网络(Long Short Term Memory, LSTM)最早由Hochreiter和Schmidhuber提出^[32]。目前LSTM在水文模拟中应用十分广泛^[33], 它主要通过设置遗忘门、输入门和输出门来解决传统RNN循环神经网络存在的长期记忆能力不足、梯度爆炸和梯度消失等问题^[34]。其常规的单元结构见图 11。它的运行过程可以用公式(3)表示：

$ \begin{aligned} i_t & =\sigma\left(W_{h i} h_{t-1}+W_{x i} x_t+W_{c i} c_{t-1}+b_i\right) \\ f_t & =\sigma\left(W_{h f} h_{t-1}+W_{x f} x_t+W_{c f} c_{t-1}+b_f\right) \\ c_t & =f_t \otimes c_{t-1}+i_t \otimes tanh \left(W_{h c} h_{t-1}+W_{x c} x_t+b_c\right) \\ o_t & =\sigma\left(W_{h o} h_{t-1}+W_{x o} x_t+W_{c o} c_t+b_o\right) \\ h_t & =o_t \otimes tanh \left(c_t\right) \\ y_t & =W_{h y} h_t+b_o \end{aligned} $

(3)

式中：x_t和y_t是LSTM在t时刻的输入和输出；i_t、f_t、c_t和o_t是在t时刻的输入门、遗忘门、记忆单元状态和输出门；W和b是对应时刻和对应门的权重系数矩阵和偏置项；h_t是在t时刻的递归输入；σ是sigmoid激活函数；tanh是双曲正切切激活函数。

2.3 双向长短期记忆神经网络

双向长短期记忆神经网络(Bidirectional Long Short-term Memory, Bi-LSTM)是基于LSTM产生的。一般LSTM都是前向模拟预测, 而Bi-LSTM可以理解为一个前向LSTM和一个后向LSTM组合而成, 如图 12所示, 预测结果由两个LSTM共同决定^[35]。双向长短期记忆可以更好地利用过去和未来的数据^[36]。

2.4 随机森林

随机森林(Random Forests, RF)是由Breiman在2001基于分类和回归树与随机子空间等方法提出的一种机器学习算法^[37]。随机森林由多个决策树构成, 其中的每个回归树都根据数据子集和解释变量子集进行训练, 共同决定预测值^[38—39]。随机森林的构造过程如图 13所示。随机森林因其具有较高的稳定性和特征鲁棒性, 能够有效的减少过拟合的风险^[40], 目前已广泛应用于随机分类和随机回归。

2.5 机器学习模型的参数设置

在MLP, LSTM, Bi-LSTM和RF的训练阶段都利用Python中Sklearn工具库的随机搜索和五折交叉验证确定参数。MLP的超参数设置包括隐藏层数量, 神经元数量, 激活函数, 学习和遗忘率；LSTM和Bi-LSTM的超参数设置包括神经元数量, 激活函数, 遗忘率。RF的超参数设置包括树的数量, 节点可分得的最小样本数, 叶子结点含有的最少样本数, 树的深度等。由于1号传感器正常监测的二氧化碳浓度数据约占整个研究时段的40%, 本研究中4种机器学习中训练集所占比例均设为40%。

2.6 模型评价指标的选择

为了评价对二氧化碳浓度模拟的效果好坏, 本研究采用了决定系数(Coefficient of determination, R²), 平均绝对误差(Mean absolute error, MAE), 均方根误差(Root mean square error, RMSE), 以及KGE系数(Kling-Gupta efficiency coefficient, KGE)作为评价指标。4个评价指标的计算公式如下：

$ \begin{gathered} R^2=\left[\frac{\sum\nolimits_1^N\left(\hat{y}_i-\overline{y_i}\right)\left(y_i-\bar{y}\right)}{\sqrt{\sum\nolimits_1^N\left(\hat{y}_i-\overline{y_i}\right)^2} \sqrt{\sum\nolimits_1^N\left(y_i-\bar{y}\right)^2}}\right]^2 \\ \mathrm{MAE}=\frac{\sum\nolimits_1^N\left|y_i-\hat{y}_i\right|}{N} \\ \mathrm{RMSE}=\sqrt{\frac{\sum\nolimits_1^N\left(y_i-\hat{y}_i\right)^2}{N}} \\ \mathrm{KGE}=1-\sqrt{(r-1)^2+\left(\frac{\mu_s}{\mu_0}-1\right)^2+\left(\frac{\sigma_s / \mu_s}{\sigma_0 / \mu_0}-1\right)^2} \end{gathered} $

(4)

式中, $\hat{y}_i $和y_i是模拟值和实测值, $ \overline{y_i}$是模拟值系列的均值, y是实测值系列的均值；N是样本总数；μ_s、μ₀是模拟值和实测值系列的均值, σs、σ0是模拟值和实测值系列的均方差, r是模拟值和实测值系列之间的线性相关系数。四个评价指标中MAE和RMSE越小模拟效果越好, R²和KGE越接近1模拟效果越好。

3 结果与分析 3.1 采用C₃作为输入对C₂的模拟结果

对比2号传感器处的地面空气二氧化碳浓度C₂和3号传感器处的地面空气二氧化碳浓度C₃可知, 在同一观测系统中的不同位置的地面空气二氧化碳浓度存在一定的差异, 但是它们具有相同的变化规律。因此以C₃作为输入, 对C₂进行模拟。采用MLP、LSTM、Bi-LSTM和RF模拟的评价指标计算结果见表 2。测试集的评价指标计算结果表明, 以其他位置的地面空气二氧化碳浓度作为输入, MLP和RF更为适合用于模拟, 其中MLP的性能较好, RF的性能次之。地面空气二氧化碳浓度的日变化本就十分剧烈, LSTM和Bi-LSTM的强记忆性反倒使得模拟精度远低于MLP和RF。评价指标的对比显示, 以其他位置实测二氧化碳浓度作为输入, MLP模拟二号传感器处的地面空气二氧化碳浓度(C₂)性能最好, 且其在测试集的误差仅为3.8%, 模拟精度很高。

不同机器学习模型的模拟值与实测值的散点图如图 14所示, 不同机器学习模型的模拟值与二号传感器处的地面空气二氧化碳浓度实测值C₂的对比图如图 15所示。从散点图来看, 在测试集和训练集, 不同机器学习模型所得模拟值与实测值的皮尔逊相关系数r均大于0.7, 模拟效果是可接受的。对比模拟值和实测值来看, 以其他位置实测二氧化碳浓度作为输入, 可以较好的模拟出地面空气二氧化碳浓度的整体变化过程。MLP还可以较好的模拟地面空气二氧化碳浓度高值和低值, 明显优于LSTM、Bi-LSTM和RF。

3.2 用于模拟C₂的输入变量组合

一般情况下输入参数的选择应该基于较简单的关系实现高准确性的模拟。因此本研究绘制了目标变量(C₂)和各计算了各变量之间的散点图, 并计算了他们之间的皮尔逊相关系数, 散点图如图 16, 相关系数的计算结果见表 3。从散点图来看, 空气温度、土壤温度和二氧化碳浓度的散点分布较集中, 其他两个输入变量(相对湿度和气压)和二氧化碳浓度的散点分布较分散。从相关性的计算结果来看, 土壤温度和二氧化碳浓度的线性相关系数为-0.870, 空气温度和二氧化碳浓度的线性相关系数为-0.806, 相对湿度和二氧化碳浓度的线性相关系数为-0.671, 在研究时段中二氧化碳浓度和土壤温度、空气温度都呈明显的负相关, 二氧化碳浓度高时土壤温度、空气温度都较低, 二氧化碳浓度低时土壤温度、空气温度都较高。气压和二氧化碳浓度的相关系数最低。

根据相关性分析的结果, 确定6种用于二氧化碳浓度模拟的输入组合, 不同输入组合的环境因子组成见表 4。在设置的6种输入组合中, 输入组合1由土壤温度单独作为输入；输入组合2由空气温度单独作为输入；输入组合3由土壤温度和空气温度共同作为输入；输入组合4由土壤温度、空气温度和相对湿度共同作为输入；输入组合5由土壤温度、空气温度和气压共同作为输入；输入组合6由全部环境因子(土壤温度、空气温度、相对湿度和气压)共同作为输入。

3.3 评价采用环境因子作为输入对C₂的模拟结果

以环境因子构造的多个输入组合作为输入, 对2号传感器处的地面空气二氧化碳浓度(C₂)采用MLP、LSTM、Bi-LSTM和RF模拟的评价指标计算结果见表 5。评价指标计算结果表明, 虽然空气温度、土壤温度、气压和相对湿度都会影响二氧化碳浓度, 但是不同的模型的性能有所差异, 它们的最优输入组合也不尽相同。综合多个评价指标在测试集的结果来看, MLP、Bi-LSTM和RF的最优输入组合均为输入组合1, LSTM的最优输入组合为输入组合4。值得强调的是, 以土壤温度(输入组合1)作为输入时, 4种机器学习方法模拟的平均绝对误差MAE最小。

以最优输入组合作为输入, 不同机器学习模型的模拟值与实测值的散点图如图 17所示, 不同机器学习模型的模拟值与C₂实测值的对比图如图 18所示。从散点图可知, 4种机器学习方法在训练集中和测试集中模拟值与实测值的皮尔逊相关系数都较高, 其中在训练集的最小值为0.786, 在测试集的最小值为0.896, 均大于0.7, 说明模拟效果是可接受的。

从模拟值与实测值的对比图来看, 4种机器学习模型都可以较好的模拟出二氧化碳浓度的整体变化过程, 但是在以环境因子作为输入时, 它们都无法模拟出日尺度地面空气二氧化碳浓度剧烈的变化。4种机器学习方法中LSTM对冬季二氧化碳浓度的低估最为突出, 主要原因是由于LSTM的最优输入组合与MLP和Bi-LSTM的有所不同。LSTM的最优输入组合是以土壤温度、空气温度和相对湿度共同作为输入, 其中空气温度比土壤温度的变化要剧烈的多, 空气温度在冬季又大部分时间都要低于土壤温度, 再加之相对湿度不具有明显的变化规律, 共同导致了LSTM对地面空气二氧化碳浓度的低估。

为了更加直观的对比不同机器学习模型的性能差异, 绘制了不同机器学习模型(最优输入组合)评价指标对比图, 如图 19所示。从对比图可知, 在训练集和测试集上, RF的所有评价指标都是最优的, 其中测试集的MAE为14.289μL/L，RMSE为19.109μL/L，R²为0.747, KGE为0.775；训练集的MAE为19.818μL/L，RMSE为24.697μL/L，R²为0.767, KGE为0.708。评价指标的对比显示, 以环境因子作为输入, RF模拟二号传感器处的地面空气二氧化碳浓度(C₂)性能最好, 且其在测试集的误差为6.3%, 模拟精度较高。

3.4 采用机器学习方法模拟C₁

1号传感器处的地面空气二氧化碳浓度C₁数据部分存在明显低估, 现采用多种机器学习方法, 以3号传感器处的地面空气二氧化碳浓度C₃和环境因子作为输入, 对进行C₁模拟。以3号传感器处的地面空气二氧化碳浓度C₃作为输入时, 机器学习方法采用MLP；以环境因子(土壤温度)作为输入时, 机器学习方法采用RF。模拟值与实测值的对比图如图 20所示, 在测试集上的模拟值不再有明显的低估情况。插补数据无法通过计算评价指标判断其数据质量, 因此计算了插补后数据的简要统计参数见表 6。与实测的不同传感器实测二氧化碳浓度的简要统计参数来看, 插补后的1号传感器和2号、3号传感器处的地面空气二氧化碳浓度的最大值、最小值、均值和方差同样相差不大, 插补后的数据质量有了明显提升。

4 结论

本文采用陕西省淳化生态水文实验基地二氧化碳浓度观测系统实测的二氧化碳浓度、空气温度、土壤温度相对湿度和气压数据, 以环境因子的组合和其他位置二氧化碳浓度作为输入, 对比研究了不同机器学习方法对二氧化碳浓度模拟的性能差异, 评价了不同输入组合对二氧化碳浓度模拟的影响, 验证了采用环境因子对二氧化碳浓度模拟的可行性, 确定了二氧化碳浓度模拟的最优机器学习模型, 并将最优机器学习方法用于插补数据。研究结果一方面可提高野外监测数据的质量, 另一方面有助于更好了解黄土高原沟壑区地面空气二氧化碳浓度的变化过程, 从而服务于变化环境下流域生态水文过程的研究, 并对黄土高原水土保持、植被恢复、节水固碳等工作的开展具有重要的应用价值和科学意义。

研究发现, (1)采用机器学习方法, 以系统内其他传感器实测的二氧化碳浓度作为输入模拟地面空气二氧化碳浓度是可行的, 4种机器学习方法中MLP可以较好的模拟地面空气二氧化碳浓度高值和低值, 明显优于LSTM、Bi-LSTM和RF。(2)采用机器学习方法, 以环境因子的组合作为输入模拟地面空气二氧化碳浓度是可行的, 4种机器学习方法中RF模拟地面空气二氧化碳浓度性能最好, 但需要注意的是, 在以环境因子作为输入时, 它们都无法模拟出日尺度地面空气二氧化碳浓度剧烈的变化。(3)采用机器学习方法, 以环境因子和同类型数据用于插补地面空气二氧化碳浓度实测数据都是可行的。其中以同类型的数据作为输入用于插补数据的效果要明显优于以环境因子作为输入, 以同类型数据作为输入可以较好地模拟出地面空气二氧化碳浓度的日尺度变化。

观测基地位于黄土高原, 黄土高原不同范围的生态因素存在差异, 不同的植被覆盖状态对碳循环有不同的影响^[41]。三个观测点的植被覆盖度有所差异, 其中1号观测点处植被覆盖度最低, 2号观测点处植被覆盖度中等, 3号观测点处植被覆盖度最高。这是在观测场能做到植被覆盖度方面的生态因素差异, 从某种程度可以反应黄土高原沟壑区的不同植被覆盖度。基于设备布设方案, 植被作为近地面二氧化碳浓度的关键影响因素^[42]。结合研究区2021年雨量数据和土壤湿度来看, 在8月该区域降雨量仅40mm左右, 土壤湿度不足20%, 而该地区9月份降雨量为230mm左右, 土壤湿度在25%—35%。9月份植被生长更茂盛, 9月地面二氧化碳浓度低于8月。地面二氧化碳浓度的低值往往出现在降雨时期附近, 随着降雨量的增加, 土壤呼吸受到抑制, 释放的CO₂有所减少^[43]。地面二氧化碳浓度与空气温度、土壤温度、降雨量、土壤湿度、风速和水汽压等都有关。对于绝大多数机器学习方法, 采用与目标变量具有相同变化趋势的环境因子作为输入, 模拟精度会更高。但对于日尺度变化相对剧烈的地面二氧化碳浓度, 过多的环境因子作为输入反而使得模拟精度有所降低。

实测数据常由于设备故障等问题而有一定的缺失, 本研究探究了不同输入数据组合对二氧化碳浓度模拟精度的影响, 验证了机器学习方法可用于插补二氧化碳浓度实测数据。应该注意的是, 对于插补后的数据质量还需要进一步定量分析。本研究仅使用了淳化生态水文实验基地的数据, 是机器学习方法在黄土高原沟壑区模拟二氧化碳浓度的一次尝试。虽然不同观测点的植被覆盖度有所差异, 但相对于整个黄土高原沟壑区的空间变异性还是不够, 未来需要使用更多站点数据对其潜在推广性进行进一步验证。