基于分類梯度提升算法和人工神經(jīng)網(wǎng)絡(luò)的食松和櫻核圓柏的氣孔導(dǎo)度模擬

摘要： 氣孔導(dǎo)度是表征植物蒸騰狀態(tài)的重要指標(biāo)，氣孔導(dǎo)度的準(zhǔn)確量化對于地表水文循環(huán)研究具有重要意義。為探索提高氣孔導(dǎo)度模擬準(zhǔn)確性的方法，本研究利用分類梯度提升算法（CatBoost,CAT）和人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network,ANN）兩種機器學(xué)習(xí)模型對食松（Pinus edulis）與櫻核圓柏（Juniperus monosperma）的氣孔導(dǎo)度進(jìn)行了模擬...