[发明专利]单株立木固碳能力预测方法、装置以及采集设备

说明书

本发明涉及立木固碳技术领域，尤其涉及一种单株立木固碳能力预测方法、装置以及采集设备。其方法包括：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。本发明的目的是解决现有技术对单株立木固碳能力进行预测容易对植物造成损伤，预测的误差大，导致对单株立木固碳能力预测的精度低的问题。

技术领域

本发明涉及立木固碳技术领域，尤其涉及一种单株立木固碳能力预测方法、装置以及采集设备。

背景技术

大气二氧化碳浓度上升引起的温室效应及环境问题日益突出，通过如立木形成的生态系统将二氧化碳固定封存起来，即单株立木固碳主要是通过光合作用固定的有机物，减去自身呼吸消耗，得到用于生长、发育和繁殖所需的净增量的过程，该过程不仅与立木所在区域的微环境参数有关，也与其内部水分运移及其它生理活动有着紧密的联系。通过单株立木固碳能力的预测对明确和认知植物生长、发育、林木固碳，进而由小及大指导碳汇造林等具有重要的意义。

目前，关于林木固碳能力的研究中，现有的方法包括生物量法、涡度协方差法和遥感估算法等。其中，生物量法是通过大量实地调查砍伐林木，每木检尺得到实测数据，构建胸径、树高和地形等因子与生物量之间的模型；然而，模型的构建时间长，林木生长和碳汇累计由树木种类、年龄、长势、内部水分存储、立地条件以及气候等多因素综合决定，将现有构建的模型用于不同时空条件检测单株立木固碳能力会出现较大的误差。涡度协方差法使用的设备较为昂贵，且对地形因素有较大的要求，在预测时，容易对立木造成损伤。遥感估算法所构建模型通常是对大尺度上如地区、国家乃至全球的林木碳汇估计，对估计出的结果误差较大且不具有普适性。

发明内容

本发明提供一种单株立木固碳能力预测方法，用以解决现有技术对林木固碳能力进行预测容易对植物造成损伤，预测的误差大，导致对单株立木固碳能力预测的精度低的问题。

本发明提供一种单株立木固碳能力预测方法，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。

根据本发明提供的一种单株立木固碳能力预测方法，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。

根据本发明提供的一种单株立木固碳能力预测方法，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。

根据本发明提供的一种单株立木固碳能力预测方法，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：