Please use this identifier to cite or link to this item: http://hdl.handle.net/2067/3009
Title: Analisi del ruolo delle variabili climatiche nei flussi di CO2 tra ecosistemi e atmosfera tramite modelli empirici e serie storiche di misure eddy covariance
Other Titles: Role of climatic variables in CO2 fluxes between ecosystems and atmosphere using empirical models and eddy covariance timeseries
Authors: Cavalli, Daniela
Keywords: GPP;Eddy covariance;Drivers climatici;Climatic drivers;Random forest;AGR/05
Issue Date: 16-Jun-2016
Publisher: Università degli studi della Tuscia - Viterbo
Series/Report no.: Tesi di dottorato di ricerca. 28. ciclo
Abstract: 
Sempre maggiore interesse è rivolto all’aumento di anidride carbonica nell’atmosfera. Le attività antropiche
ne sono la causa principale contribuendo, ormai da molti decenni, a tale aumento tramite l’utilizzo a scopo
energetico dei combustibili fossili. Le misure eddy covariance rappresentano un fondamentale strumento di
monitoraggio di flussi di CO2. Tali misure sono misurate in continuo su circa 700 siti in differenti ecosistemi
a livello mondiale. In questo studio sono stati applicati differenti metodi empirici per rilasciare l’importanza
delle variabili climatiche nel guidare la GPP utilizzando le serie storiche di misure eddy covariance che
ricoprivano almeno sei anni di dati. Tramite l’utilizzo della SSA i segnali della GPP e delle variabili driver
sono stati scomposti in componenti di breve e lungo periodo, per indagare quale variabile condizionasse la
fotosintesi a diverse frequenze temporali. I metodi utilizzati si basano su Reti Neurali e Random Forest. Tali
modelli mostrano buone performance confermando l’efficacia di questi modelli nel riuscire a spiegare, nella
maggior parte dei casi, fenomeni ecologici complessi. Le metodologie che si sono dimostrate più robuste
nell’attribuire l’importanza ai driver ecologici sono tre: Forward stepwise method, destruction order method
e random forest method (FM, DM e RM). In generale in questo studio è emerso, sia nel breve che nel lungo
periodo, una maggiore dipendenza della fotosintesi alla disponibilità d’acqua, piuttosto che al tipo di
vegetazione e alle temperature. Mentre, in assenza di fattori limitanti, la radiazione è il driver ecologico che
influisce maggiormente sulla GPP nel breve periodo e per i siti forestali temperati di conifere anche sul lungo
periodo.

Increasing interest for increase of carbon dioxide in the atmosphere do human activities is directed in the last
years. The eddy covariance measurements are a fundamental of CO2 fluxes monitoring tool. At the present,
700 sites Such measures are mesured continuously on approximately 700 sites worldwide in different
ecosystems. In this study different empirical methods have been applied to release the importance of climatic
variables in driving GPP using the time series of eddy covariance measurements that covered at least six
years of data. Through the use of the SSA, signals of long and short term of GPP and driver variable have
been identified, to investigate which variable influence photosynthesis in different time frequencies. The
methods used are based on Neural Networks and Random Forest. These models show good performance,
confirming the effectiveness of these models to explain, in most cases, complex ecological phenomena. The
methodologies that have proven more robust in attributing importance to ecological drivers are three:
Forward stepwise method, destruction order method and random forest method (FM, DM and RM).
Generally in this study found, both in the short and long term, a greater dependence of photosynthesis to the
availability of water, rather than the type of vegetation and the temperatures. While, in the absence of
limiting factors, the radiation is the ecological driver that has the most influence on the GPP in the short term
and for temperate coniferous forest sites even over the long term.
Description: 
Dottorato di ricerca in Ecologia forestale
URI: http://hdl.handle.net/2067/3009
Appears in Collections:Archivio delle tesi di dottorato di ricerca

Files in This Item:
File Description SizeFormat
dcavalli_tesid.pdfTesi di dottorato2.31 MBAdobe PDFView/Open
Appendice_A_dcavalli_tesid.pdfAppendice A4.83 MBAdobe PDFView/Open
Appendice_B_dcavalli_tesid.pdfAppendice B980.28 kBAdobe PDFView/Open
Show full item record

Page view(s)

1
Last Week
0
Last month
1
checked on Nov 25, 2020

Download(s)

8
checked on Nov 25, 2020

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.