CN104200386A - 森林生态系统健康分析方法 - Google Patents
森林生态系统健康分析方法 Download PDFInfo
- Publication number
- CN104200386A CN104200386A CN201410469089.6A CN201410469089A CN104200386A CN 104200386 A CN104200386 A CN 104200386A CN 201410469089 A CN201410469089 A CN 201410469089A CN 104200386 A CN104200386 A CN 104200386A
- Authority
- CN
- China
- Prior art keywords
- forest ecosystem
- environmental data
- health
- data
- ecosystem
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种森林生态系统健康分析方法,包括:获取样地的环境数据,以及样地的健康等级;根据样地的环境数据和健康等级训练分类器模型;获取区域森林生态系统的环境数据;使用训练得到的分类器模型对森林生态系统的环境数据进行处理,得到区域森林生态系统的健康等级分布图。通过本发明,分类器模型的特点在于需要样本数据少但适用范围大,在应用到区域森林生态系统健康分析时,依赖小数据量的样地数据即可建立可靠度较高的模型,应用到区域森林范围的环境数据时,可以快速分析出森林生态系统的健康状况。
Description
技术领域
本发明涉及一种森林生态系统健康分析方法。
背景技术
由于森林覆盖区域较大,地形复杂,收集到的数据有限,因此,很难对区域范围的森林健康进行全面评价。已有的研究方法都是在对一定范围内的样地进行全面调查,在此基础上,对所调查的样地进行健康评价,如果想搞清楚较大区域的森林健康状况,需要耗费大量的人力、物力、财力和很长的时间,进行样地调查,所以,随着区域面积的增大,森林生态系统的调查将很难实现。
如何实现在有限的人力、物力、财力和时间内,通过对有效数量的样地的调查,实现对区域森林生态系统健康的快速评价,是目前要解决的难题。
发明内容
本发明的主要目的在于,提供一种森林生态系统健康分析方法,通过对有效数量的样地的调查,实现对区域森林生态系统健康的快速评价。
本发明的目的及解决其技术问题是采用以下技术方案来实现的。依据本发明提出的一种森林生态系统健康分析方法,包括:获取样地的环境数据,以及所述样地的健康等级;根据所述样地的环境数据和健康等级,训练分类器模型;获取区域森林生态系统的环境数据;使用训练得到的分类器模型对所述区域森林生态系统的环境数据进行处理,得到所述区域森林生态系统的健康等级分布图。
可选地,前述的森林生态系统健康分析方法,在使用训练得到的分类器模型对所述区域森林生态系统的环境数据进行处理之前,还包括:根据对所述样地的环境数据的获取时间与对所述区域森林生态系统的环境数据的获取时间之间的差别,对所述区域森林生态系统的环境数据进行修正。
可选地,前述的森林生态系统健康分析方法,在使用训练得到的分类器模型对所述区域森林生态系统的环境数据进行处理之前,还包括:根据所述样地的地理位置与所述区域森林生态系统的地理位置之间的差别,对于所述区域森林生态系统的环境数据进行修正。
可选地,前述的森林生态系统健康分析方法,在训练分类器模型之前,还包括:将所述样地的环境数据处理为预设形式的数据;在使用训练得到的分类器模型对所述区域森林生态系统的环境数据进行处理之前,还包括:将所述区域森林生态系统的环境数据处理为所述预设形式的数据。
可选地,前述的森林生态系统健康分析方法,所述分类器模型为SVM(支持向量机)模型。
借由上述技术方案,本发明的森林生态系统健康分析方法至少具有下列优点:
分类器模型的特点在于需要样本数据少但适用范围大,在应用到区域森林生态系统健康分析时,依赖小数据量的样地数据即可建立可靠度较高的模型,应用到森林范围的环境数据时,可以快速分析出区域森林生态系统的健康状况。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
图1是根据本发明的一个实施例的森林生态系统健康分析方法的流程图。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的森林生态系统健康分析方法其具体实施方式、结构、特征及其功效,详细说明如后。在下述说明中,不同的“一实施例”或“实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
如图1所示,本发明的一个实施例提出的一种森林生态系统健康分析方法,包括:
步骤110,获取样地的环境数据,以及样地的健康等级。本实施例中对样地不做限制,例如,已知的较典型的生态系统(可以准确判断其健康等级);对环境数据的类型不做限制,可以是每个树木的胸径(用胸围尺实测),树高(用望远测树仪实测),草本和灌木的种类、数量(灌木是5米×5米样方,草本是1米×1米样方,然后实测),生物量(乔木生物量采用挖全株,烘干,实测,(也可以采用他人经验公式);草本和灌木生物量是挖全株,烘干,实测),土壤水分物理性质(采用环刀法),土壤氮磷钾含量(样地取土样,带回实验室,用常规土化分析方法测定),等等。
步骤120,根据样地的环境数据和健康等级,训练分类器模型。现有的分类器模型训练方法较成熟,多种类型方法均适用于本实施例的技术方案。
步骤130,获取区域森林生态系统的环境数据。
步骤140,使用训练得到的分类器模型对区域森林生态系统的环境数据进行处理,得到区域森林生态系统的健康等级分布图。
在本实施例的技术方案中,分类器模型的特点在于需要样本数据少但适用范围大,在应用到区域森林生态系统健康分析时,依赖小数据量的样地数据即可建立可靠度较高的模型,应用到大范围森林生态系统的环境数据时,可以快速分析出区域森林生态系统的健康状况。
根据本发明的另一实施例的森林生态系统健康分析方法,在步骤140之前,还包括:
根据对样地的环境数据的获取时间与对区域森林生态系统的环境数据的获取时间之间的差别,对区域森林生态系统的环境数据进行修正。
在本实施例的技术方案中,因为获取时间的不同往往对获取的数据造成影响,例如,在不同季节对同一区域森林生态系统采集的数据会有所不同,但该区域森林生态系统的健康等级不变;本实施例的技术方案中考虑到了获取时间的差别,保证样地环境数据与区域森林环境数据之间的一致性,从而使得对健康等级的分析结果更加准确。
根据本发明的另一实施例的森林生态系统健康分析方法,在步骤130之前,还包括:
根据样地的地理位置与区域森林生态系统的地理位置之间的差别,对于区域森林生态系统的环境数据进行修正。
在本实施例的技术方案中,因为所在地地理位置的不同带来的温度、气候等问题往往对获取的数据造成影响,相同健康等级的区域森林生态系统由于其地理位置不同,造成采集到的数据也有所不同;本实施例的技术方案中考虑到了地理位置的差别,保证样地环境数据与区域森林环境数据之间的一致性,从而使得对健康等级的分析结果更加准确。
根据本发明的另一实施例的森林生态系统健康分析方法,在步骤120之前,还包括:将样地的环境数据处理为预设形式的数据;在步骤140之前,还包括:将区域森林生态系统的环境数据处理为预设形式的数据。
在本实施例的技术方案中,将样地的环境数据与区域森林生态系统的环境数据进行标准化处理,使得部分不同类型的数据进行统一化,这会使应用到分类器的数据更加规范,有利于准确地对区域森林生态系统的健康等级进行分类。
根据本发明的另一实施例的森林生态系统健康分析方法,分类器模型为SVM模型。在本实施例中,建立基于支持向量机(SVM)的区域森林生态系统健康快速评价模型,以林业二类调查数据或林场的三类数据为预测集,对整个研究区的区域森林生态系统健康状况进行全面评价。支持向量机(Support Vector Machine,SVM)的优点:(1)SVM是一种有坚实理论基础的新颖的小样本学习方法。它基本上不涉及概率测度及大数定律等,不需要先验概率问题,其不同于现有的统计方法。(2)SVM的最终决策函数只由少数的支持向量所确定,计算的复杂性取决于支持向量的数目,而不是样本空间的维数,这在某种意义上避免了“维数灾难”。(3)SVM克服了神经网络受到网络结构复杂性和样本容量的影响大,容易出现过学习或低泛化能力的不足,SVM对于小样本数据分析具有出色的学习能力和推广能力。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (5)
1.一种森林生态系统健康分析方法,其特征在于,包括:
获取样地的环境数据,以及所述样地的健康等级;
根据所述样地的环境数据和健康等级训练分类器模型;
获取区域森林生态系统的环境数据;
使用训练得到的分类器模型对所述区域森林生态系统的环境数据进行处理,得到所述区域森林生态系统的健康等级分布图。
2.根据权利要求1所述的森林生态系统健康分析方法,其特征在于,在使用训练得到的分类器模型对所述区域森林生态系统的环境数据进行处理之前,还包括:
根据对所述样地的环境数据的获取时间与对所述区域森林生态系统的环境数据的获取时间之间的差别,对所述区域森林生态系统的环境数据进行修正。
3.根据权利要求1所述的森林生态系统健康分析方法,其特征在于,在使用训练得到的分类器模型对所述区域森林生态系统的环境数据进行处理之前,还包括:
根据所述样地的地理位置与所述区域森林生态系统的地理位置之间的差别,对于所述区域森林生态系统的环境数据进行修正。
4.根据权利要求1所述的森林生态系统健康分析方法,其特征在于,在训练分类器模型之前,还包括:
将所述样地的环境数据处理为预设形式的数据;
在使用训练得到的分类器模型对所述区域森林生态系统的环境数据进行处理之前,还包括:
将所述区域森林生态系统的环境数据处理为所述预设形式的数据。
5.根据权利要求1至4中任一项所述的森林生态系统健康分析方法,其特征在于,所述分类器模型为SVM(支持向量机)模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410469089.6A CN104200386A (zh) | 2014-09-16 | 2014-09-16 | 森林生态系统健康分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410469089.6A CN104200386A (zh) | 2014-09-16 | 2014-09-16 | 森林生态系统健康分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104200386A true CN104200386A (zh) | 2014-12-10 |
Family
ID=52085673
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410469089.6A Pending CN104200386A (zh) | 2014-09-16 | 2014-09-16 | 森林生态系统健康分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104200386A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108920674A (zh) * | 2018-07-09 | 2018-11-30 | 广州地理研究所 | 一种生态安全格局构建方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080270189A1 (en) * | 2006-11-21 | 2008-10-30 | Practice Fusion, Inc. | Health care practice management messaging and mining system and method |
CN101359381A (zh) * | 2007-07-30 | 2009-02-04 | 株式会社日立制作所 | 改善环境负荷意图决定支援装置 |
CN101615285A (zh) * | 2009-08-04 | 2009-12-30 | 北京师范大学 | 一种生态环境需水阈值的计算方法 |
-
2014
- 2014-09-16 CN CN201410469089.6A patent/CN104200386A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080270189A1 (en) * | 2006-11-21 | 2008-10-30 | Practice Fusion, Inc. | Health care practice management messaging and mining system and method |
CN101359381A (zh) * | 2007-07-30 | 2009-02-04 | 株式会社日立制作所 | 改善环境负荷意图决定支援装置 |
CN101615285A (zh) * | 2009-08-04 | 2009-12-30 | 北京师范大学 | 一种生态环境需水阈值的计算方法 |
Non-Patent Citations (2)
Title |
---|
曹云生: "基于支持向量机(SVM)的森林生态系统健康评价及预警", 《万方数据库》 * |
迟国东: "广西森林生态系统健康分析与管理对策研究", 《内蒙古林业调查设计》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108920674A (zh) * | 2018-07-09 | 2018-11-30 | 广州地理研究所 | 一种生态安全格局构建方法 |
CN108920674B (zh) * | 2018-07-09 | 2019-05-24 | 广州地理研究所 | 一种生态安全格局构建方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Multi-decadal trends in global terrestrial evapotranspiration and its components | |
Condés et al. | Climate influences on the maximum size-density relationship in Scots pine (Pinus sylvestris L.) and European beech (Fagus sylvatica L.) stands | |
Temesgen et al. | A review of the challenges and opportunities in estimating above ground forest biomass using tree-level models | |
Almeida et al. | Needs and opportunities for using a process-based productivity model as a practical tool in Eucalyptus plantations | |
Motuma et al. | Land suitability analysis for wheat and sorghum crops in Wogdie District, South Wollo, Ethiopia, using geospatial tools | |
van der Kamp et al. | Statistical downscaling of historical monthly mean winds over a coastal region of complex terrain. II. Predicting wind components | |
Keleş et al. | Urbanization and forest cover change in regional directorate of Trabzon forestry from 1975 to 2000 using landsat data | |
Szabó et al. | Possibilities of land use change analysis in a mountainous rural area: a methodological approach | |
Tesfamichael et al. | Investigating the impact of discrete-return lidar point density on estimations of mean and dominant plot-level tree height in Eucalyptus grandis plantations | |
Solberg et al. | Age-independent site index mapping with repeated single-tree airborne laser scanning | |
Maçaneiro et al. | More than environmental control at local scales: do spatial processes play an important role in floristic variation in subtropical forests? | |
Herbei et al. | Processing and use of satellite images in order to extract useful information in precision agriculture. | |
Shaharum et al. | Mapping the spatial distribution and changes of oil palm land cover using an open source cloud-based mapping platform | |
Nyström et al. | Change detection of mountain birch using multi-temporal ALS point clouds | |
Kumar et al. | GIS-MAP based Spatial Analysis of Rainfall Data of Andhra Pradesh and Telangana States using R. | |
Ayrey et al. | Ecologically-based metrics for assessing structure in developing area-based, enhanced forest inventories from LiDAR | |
Xiong et al. | Long time-series urban heat island monitoring and driving factors analysis using remote sensing and geodetector | |
Li et al. | Improving estimation of forest aboveground biomass using Landsat 8 imagery by incorporating forest crown density as a dummy variable | |
Vatandaslar et al. | Retrieval of forest height information using spaceborne LiDAR data: a comparison of GEDI and ICESat-2 missions for Crimean pine (Pinus nigra) stands | |
Parra‐Sanchez et al. | Neutral‐based processes overrule niche‐based processes in shaping tropical montane orchid communities across spatial scales | |
Batsukh et al. | Prediction of biome-specific potential evapotranspiration in Mongolia under a scarcity of weather data | |
Saarinen et al. | Using multi-source data to map and model the predisposition of forests to wind disturbance | |
Deng et al. | Recognition of shelterbelt continuity using remote sensing and waveform recognition | |
Lookingbill et al. | Assessing national park resource condition along an urban–rural gradient in and around Washington, DC, USA | |
Yue et al. | Evaluation of climatic factors for the classification of Oklahoma pavement regions |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20141210 |