一种桑园生态系统的碳汇动态监测核算方法及系统
- 国知局
- 2024-08-05 11:48:48
本发明涉及碳汇核算,尤其涉及一种桑园生态系统的碳汇动态监测核算方法及系统。
背景技术:
1、目前对森林碳循环的动态监测和管理主要是通过安装观测点、观测塔、气象站等,从地面上监测森林生态系统中的大气二氧化碳浓度、土壤二氧化碳排放速率、水分蒸发量、光合速率等指标,以准确评估森林系统的碳储量变化,其中监测大气中二氧化碳浓度的方式是通过对森林区域进行气体样品的采集,对采集的气体进行处理使气体达到可以分析的要求,然后将处理后的气体样品送入分析仪器中进行分析获得二氧化碳等其他气体的浓度和变化趋势,最后将分析结果整合到监测系统中进行数据集成和分析得出农户林地碳汇的变化趋势,碳储量等。但是不同于其他森林植被,以剪伐为主的桑园利用模式决定了桑树的碳储量长期保持在1-2年的幼嫩新梢中。这就意味着整个桑树的固碳速率长期保持在一个近似于幼龄林的状态。故而采用森林经营中林木固碳常用的生长阶段划分将会低估桑园的碳汇贡献。因此,如何根据当前精确碳汇估算的需求,实现桑园生态系统的碳汇动态估算是亟需解决的问题。
技术实现思路
1、为了解决上述至少一个技术问题,本发明提出了一种桑园生态系统的碳汇动态监测核算方法及系统。
2、本发明第一方面提供了一种桑园生态系统的碳汇动态监测核算方法,包括:
3、获取目标地区的激光雷达数据及遥感光学影像进行预处理,分割目标桑园区域作为核算区域,在所述核算区域中根据预处理后的激光雷达数据及遥感光学影像提取多源特征变量;
4、根据资料检索进行目标桑园在历史预设时段的碳汇估算,将碳汇估算结果作为核算区域的碳汇基准数据,并将所述碳汇基准数据与所述多源特征变量匹配;
5、获取碳汇估算序列的时空特征,利用所述时空特征在匹配后的多源特征变量中筛选高响应的特征变量,通过筛选的特征变量构建碳汇动态监测模型;
6、根据目标桑园当前的植物学特征及剪伐特征获取对应的特征变量参数及碳汇动态检测模型,利用模型输出获取目标桑园当前碳汇估算数据,并进行可视化动态显示。
7、本方案中,获取目标地区的激光雷达数据及遥感光学影像进行预处理,分割目标桑园区域作为核算区域,具体为:
8、获取目标地区激光雷达数据及目标区域距离当前时间最近的遥感光学影像,将所述激光雷达数据通过变分模态分解进行模态划分生成若干模态分量,计算不同模态分量;
9、计算不同模态分量的能量熵,获取目标地区桑园的历史激光雷达数据设置自适应阈值,判断所述能量熵是否大于自适应阈值,利用判断结果将所述模态分量划分为高频分量及低频分量;
10、通过目标地区桑园的历史激光雷达数据训练二元分类器,选取所述高频分量利用二元分类器在目标地区激光雷达数据识别目标桑园区域的雷达回波;
11、将所述遥感光学影像进行网格化处理,根据不同网格的经纬度进行目标桑园区域的选取,分割出目标桑园区域对应的网格作为核算区域,并提取网格对应的若干波段值;
12、将目标桑园区域的核算区域雷达回波及波段值进行聚合,生成原始特征数据集。
13、本方案中,在所述核算区域中根据预处理后的激光雷达数据及遥感光学影像提取多源特征变量,具体为:
14、获取核算区域的原始特征数据集,通过数据检索引擎分别检索激光雷达获取森林参数的实例数据及遥感碳汇反演的实例数据,将两个分支获取的实例数据进行聚合;
15、提取聚合后实例数据中所涉及的信号特征,统计各信号特征的使用频率,利用所述使用频率筛选符合预设标准的信号特征进行标记;
16、计算标记信号特征之间的皮尔逊相关系数表征相关程度,将相关程度大于预设阈值的标记信号特征进行精简,利用精简后的信号特征在预处理后的激光雷达数据及遥感光学影像提取多源特征变量。
17、本方案中,根据资料检索进行目标桑园在历史预设时段的碳汇估算,将碳汇估算结果作为核算区域的碳汇基准数据,具体为:
18、获取目标桑园的历史种植及养殖数据,利用所述历史种植及养殖数据获取目标桑园生长年限内桑叶中的碳、桑枝条中的碳及桑根杆中的碳,相加生成目标桑园在历史预设时段的碳汇估算值;
19、利用所述碳汇估算值结合时间戳生成碳汇估算序列,根据历史激光雷达数据获取目标桑园中桑树植株的植物学特征,将所述植物学特征与所述碳汇估算序列进行配对;
20、获取剪伐特征对配对后碳汇估算序列进行标注,将所述植物学特征进行聚类,根据聚类类簇获取目标桑园生长年限内的生长阶段,将不同生长阶段的碳汇估算值作为核算区域的碳汇基准数据。
21、本方案中,获取碳汇估算序列的时空特征,利用所述时空特征在匹配后的多源特征变量中筛选高响应的特征变量,具体为:
22、读取碳汇估算序列导入编码器进行特征提取,所述编码器由时空卷积模块及时空注意力模块构成,将碳汇估算序列进行时空卷积及平均池化,利用一维卷积获取数据特征;
23、通过通道注意力获取数据特征每个通道上的权重,将所述权重与数据特征进行逐元素相乘得到通道加权校准后的数据特征,再利用时空注意力模块对通道加权校准后的数据特征添加时空权重;
24、通过解码器将时空加权后的数据特征根据通道进行堆叠,在利用时空卷积模块及时空注意力模块进行解码,获取碳汇估算序列的时空特征;
25、将多源特征变量根据预设数量限制进行随机组合,利用时空特征构建预测模型,根据预测模型的精确度评估不同特征变量组合的重要性特性,并获取不同特征变量组合的维度特性;
26、以最大化重要性特征及最小化维度特性为目标进行特征变量组合选取,获取目标桑园不同生长阶段下高响应的特征变量。
27、本方案中,通过筛选的特征变量构建碳汇动态监测模型,具体为:
28、根据目标桑园不同生长阶段下高响应的特征变量构建邻接矩阵,利用图卷积神经网络对所述邻接矩阵进行表示学习获取对应的图结构,利用图卷积神经网络的消息传递机制更新特征变量的嵌入表示;
29、并在邻居聚合中引入多头注意力机制,生成邻接矩阵中邻接特征变量的注意力权重,利用所述注意力权重实现特征变量的加权聚合,根据聚合后特征变量嵌入表示导入获取融合特征变量;
30、基于多层感知机构建碳汇动态监测模型,将所述融合特征变量导入所述碳汇动态监测模型,在隐藏层中进行线性变换和非线性激活处理,通过迭代训练输出最终碳汇动态监测模型;
31、将当前植物学特征及剪伐特征获取对应的特征变量参数矩阵作为模型输入,获取多维向量解码输出目标桑园当前碳汇估算数据。
32、本发明第二方面还提供了一种桑园生态系统的碳汇动态监测核算系统,该系统包括:存储器、处理器,所述存储器中包括桑园生态系统的碳汇动态监测核算方法程序,所述桑园生态系统的碳汇动态监测核算方法程序被所述处理器执行时实现如下步骤:
33、获取目标地区的激光雷达数据及遥感光学影像进行预处理,分割目标桑园区域作为核算区域,在所述核算区域中根据预处理后的激光雷达数据及遥感光学影像提取多源特征变量;
34、根据资料检索进行目标桑园在历史预设时段的碳汇估算,将碳汇估算结果作为核算区域的碳汇基准数据,并将所述碳汇基准数据与所述多源特征变量匹配;
35、获取碳汇估算序列的时空特征,利用所述时空特征在匹配后的多源特征变量中筛选高响应的特征变量,通过筛选的特征变量构建碳汇动态监测模型;
36、根据目标桑园当前的植物学特征及剪伐特征获取对应的特征变量参数及碳汇动态检测模型,利用模型输出获取目标桑园当前碳汇估算数据,并进行可视化动态显示。
37、本发明公开了一种桑园生态系统的碳汇动态监测核算方法及系统,包括:获取目标地区的激光雷达数据及遥感光学影像进行预处理,在核算区域中提取多源特征变量;获取核算区域的碳汇基准数据,提取碳汇估算序列的时空特征,利用时空特征在多源特征变量中筛选高响应的特征变量,构建碳汇动态监测模型;根据目标桑园当前的植物学特征及剪伐特征获取对应的特征变量参数,利用模型输出获取目标桑园当前碳汇估算数据。本发明在激光雷达数据及遥感光学影像中选取碳汇数据的高响应指标构建桑园生态系统的动态监测,降低了碳汇评估的复杂程度,为桑园生态系统固碳效应提供一定程度的评估参考标准。
本文地址:https://www.jishuxx.com/zhuanli/20240802/259547.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表