[发明专利]单株立木固碳能力预测方法、装置以及采集设备

权利要求书

1.一种单株立木固碳能力预测方法，其特征在于，包括：

获取待预测单株立木的茎干水分数据和微环境参数数据；

对所述茎干水分数据和微环境参数数据进行预处理，得到主成分分量数据；

将所述主成分分量数据输入预设的固碳能力预测模型进行预测，得到待预测单株立木固碳能力的预测结果；

其中，所述预设的固碳能力预测模型以单株立木样本的样本数据为输入，及样本数据对应的固碳能力数据真值为标签，基于神经网络模型进行训练后得到，所述样本数据包括：茎干水分样本数据和微环境参数样本数据预处理后的主成分分量数据。

2.根据权利要求1所述的单株立木固碳能力预测方法，其特征在于，对所述茎干水分数据和微环境参数数据进行预处理，得到主成分分量数据，包括：

采用滑动平均滤波法，对所述茎干水分数据和微环境参数数据进行滤波处理，得到滤波处理后的茎干水分数据和微环境参数数据；

采用主成分分析法，对所述滤波处理后的茎干水分数据和微环境参数数据进行主成分分析处理，得到主成分分量数据。

3.根据权利要求2所述的单株立木固碳能力预测方法，其特征在于，所述采用滑动平均滤波法，对所述茎干水分数据和微环境参数数据进行滤波处理，得到滤波处理后的茎干水分数据和微环境参数数据的步骤之后，还包括：

对所述滤波处理后的茎干水分数据和微环境参数数据进行标准化处理，得到标准化处理后的茎干水分数据和微环境参数数据。

4.根据权利要求1-3中任一项的单株立木固碳能力预测方法，其特征在于，所述预设的固碳能力预测模型以单株立木样本的样本数据为输入，及样本数据对应的固碳能力数据真值为标签，基于神经网络模型进行训练后得到，所述样本数据包括：茎干水分样本数据和微环境参数样本数据预处理后的主成分分量数据的步骤之前，还包括训练神经网络模型的步骤，包括：

获取单株立木样本的茎干水分样本数据、微环境参数样本数据和与所述单株立木样本的茎干水分样本数据和微环境参数样本数据对应的固碳能力数据真值；

对所述单株立木样本的茎干水分样本数据和微环境参数样本数据进行预处理，得到单株立木样本的主成分分量数据；

将单株立木样本的主成分分量数据和所述固碳能力数据真值组成的样本集分为训练集和测试集；

将训练集中的单株立木样本的主成分分量数据作为输入，训练集中的固碳能力数据真值作为标签，对神经网络模型进行训练，得到训练后的单株立木固碳能力神经网络模型；

将测试集中的单株立木样本的主成分分量数据输入到所述训练后的单株立木固碳能力神经网络模型进行检测，得到测试集中单株立木固碳能力的预测结果；

利用测试集中的固碳能力数据真值对所述测试集中单株立木固碳能力的预测结果进行验证，验证合格后，得到预设的固碳能力预测模型。

5.根据权利要求1所述的单株立木固碳能力预测方法，其特征在于，所述微环境参数数据包括：

空气温度数据、相对湿度数据、土壤温度数据、土壤湿度数据、茎干温度数据、光合有效辐射数据、光照强度数据和饱和水汽压差数据、大气压和二氧化碳浓度。

6.一种单株立木固碳能力预测装置，其特征在于，包括：

接收模块，用于获取待预测单株立木的茎干水分数据和微环境参数数据；

处理模块，用于对所述茎干水分数据和微环境参数数据进行预处理，得到主成分分量数据；

预测模块，用于将所述主成分分量数据输入预设的固碳能力预测模型进行预测，得到待预测单株立木固碳能力的预测结果；

其中，所述预设的固碳能力预测模型以单株立木样本的样本数据为输入，及样本数据对应的固碳能力数据真值为标签，基于神经网络模型进行训练后得到，所述样本数据包括：茎干水分样本数据和微环境参数样本数据预处理后的主成分分量数据。