近日，我院葛继稳教授湿地碳汇课题组在期刊《Science of The Total Environment》（IF=9.8）上在线发表“Estimating the methane flux of the Dajiuhu subalpine peatland using machine learning algorithms and the maximal information coefficient technique”（利用机器学习算法和最大信息技术（MIC）估算神农架大九湖亚高山泥炭湿地的甲烷通量）论文，2022级博士生李雪为论文第一作者，葛继稳教授为通讯作者。
由于气候等原因涡度相关系统测得的甲烷通量数据常常缺失严重，占数据总长度的20%~90%。因此，插补方法的选择是造成陆地生态系统与大气间能量、物质交换年收支总量不确定性的重要因素之一。该文利用神农架大九湖泥炭亚热带泥炭湿地生态系统研究站的观测资料，采用最大信息技术（MIC）和机器学习算法（RF、SVM、BP）建立了甲烷通量估算模型，创新性的解决了这一问题。
图1.图形摘要。主要包括了文章的四部分（获取数据、因子排序、建立模型、估算甲烷通量）。
结果表明：（1）最大信息系数技术（MIC）能够识别与甲烷通量相关性较强的环境变量。（2）土壤温度、土壤含水量和空气温度是影响甲烷通量的主要环境因素。（3）基于随机森林算法（RF）的模型表现出比其他模型更好的性能。
本研究所提出的方法可以帮助指导建立更精确的估算模型，对其他生态系统痕量气体的估算具有极重要的参考价值和意义。
该研究得到国家自然科学基金（31971490和42377486）的支持。
原文链接：
Xue Li, Jiwen Ge*, Ziwei Liu, Shiyu Yang, Linlin Wang, Ye Liu. Estimating the methane flux of the Dajiuhu subalpine peatland using machine learning algorithms and the maximal information coefficient technique[J]. Science of The Total Environment, 2024, 916: 170241.https://doi.org/10.1016/j.scitotenv.2024.170241
