基于太白山南坡巴山冷杉NPP动态变化的时间序列模型预测效果对比

摘要

基于收集整理的太白山地区1959-2016年58年间的气象数据及太白山巴山冷杉林(Abies fargesii Franch.forest)的生理参数数据,运用Biome-BGC模型模拟计算并对输出数据进行提取分析,得到太白山南坡巴山冷杉林的多年净初级生产力(NPP).然后分别利用自回归求和移动平均模型(ARIMA)、R语言、NAR动态神经网络模型对太白山南坡巴山冷杉林NPP的动态变化进行趋势拟合和短期预测,建立适用于太白山南坡巴山冷杉林NPP的时间序列模型,并应用白噪声检验等相关检验方法对3种模型的预测效果进行评价.结果显示:太白山南坡巴山冷杉林NPP在短期内(2017-2026年)仍保持着波动上升的趋势,可能出现1959年以来的最高值;在对巴山冷杉林未来变化的预测过程中,3种预测模型各有特点,ARIMA模型对太白山南坡巴山冷杉林NPP的预测结果通过了白噪声检验,并给出了在不同置信区间下的可能结果;NAR动态神经网络模型的拟合效果较好,也通过了误差自相关性检验,预测结果较好地模拟了太白山南坡巴山冷杉林NPP在未来一段时期内的变化趋势;R语言在剔除异常数据点后能够运用基础数据较好地对太白山南坡巴山冷杉林NPP动态变化进行模拟,表明预测结果与验证结果相关性达到0.944,误差项的P值远低于0.01.本研究表明3种方法构建的模型在数据拟合中均呈现出较好的效果,预测结果均在可信范围内,在实际预测工作中可根据数据特点选用不同方法.