CN113449984B - 一种芦苇资源量评估方法 - Google Patents
一种芦苇资源量评估方法 Download PDFInfo
- Publication number
- CN113449984B CN113449984B CN202110713348.5A CN202110713348A CN113449984B CN 113449984 B CN113449984 B CN 113449984B CN 202110713348 A CN202110713348 A CN 202110713348A CN 113449984 B CN113449984 B CN 113449984B
- Authority
- CN
- China
- Prior art keywords
- reed
- area
- harvesting
- range
- leaf
- 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.)
- Active
Links
- 235000014676 Phragmites communis Nutrition 0.000 title claims abstract description 369
- 238000000034 method Methods 0.000 title claims description 14
- 238000003306 harvesting Methods 0.000 claims abstract description 187
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 147
- 238000011160 research Methods 0.000 claims abstract description 57
- 239000002028 Biomass Substances 0.000 claims abstract description 26
- 210000000056 organ Anatomy 0.000 claims abstract description 24
- 238000011161 development Methods 0.000 claims abstract description 17
- 238000011156 evaluation Methods 0.000 claims abstract description 8
- 241000196324 Embryophyta Species 0.000 claims description 24
- 244000273256 Phragmites communis Species 0.000 claims description 15
- 239000002131 composite material Substances 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 6
- 238000011282 treatment Methods 0.000 claims description 5
- 239000012634 fragment Substances 0.000 claims description 3
- 238000011284 combination treatment Methods 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 238000009395 breeding Methods 0.000 abstract description 3
- 230000001488 breeding effect Effects 0.000 abstract description 3
- 229920002472 Starch Polymers 0.000 description 6
- 239000008107 starch Substances 0.000 description 6
- 235000019698 starch Nutrition 0.000 description 6
- 230000007423 decrease Effects 0.000 description 2
- 208000019505 Deglutition disease Diseases 0.000 description 1
- 208000015220 Febrile disease Diseases 0.000 description 1
- 208000019693 Lung disease Diseases 0.000 description 1
- 206010067171 Regurgitation Diseases 0.000 description 1
- 241001627955 Tetraodon lineatus Species 0.000 description 1
- 206010047700 Vomiting Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229920002678 cellulose Polymers 0.000 description 1
- 239000001913 cellulose Substances 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000002496 gastric effect Effects 0.000 description 1
- 201000003453 lung abscess Diseases 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 206010036067 polydipsia Diseases 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 229920002994 synthetic fiber Polymers 0.000 description 1
- 239000003053 toxin Substances 0.000 description 1
- 231100000765 toxin Toxicity 0.000 description 1
- 230000008673 vomiting Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Abstract
本发明公开了一种芦苇资源量评估方法,其包括以下步骤:S1:据确定芦苇的分布范围;S2:获取芦苇研究区的高精度地形数据;S3:获取研究区内芦苇发育期的水位数据,利用水位数据减去高精度地形数据,得到研究区内芦苇发育期的水深数据;S4:建立芦苇质量与水深的关系模型;S5:将芦苇发育期的水深数据代入芦苇质量与水深的关系模型中,分析研究区内不同区域的芦苇质量;S6:确定芦苇的收割区域和保留区域面积,汇总收割区域内的芦苇参量及芦苇各器官性状和参量,确定芦苇生物量的收割系数。本发明能快速、高效地评估芦苇生长情况、生长面积和产量等,为芦苇生产管理提供支撑,工作人员根据评估的情况,为芦苇的收割和养殖制定精准的决策。
Description
技术领域
本发明涉及芦苇种植技术领域,具体涉及一种芦苇资源量评估方法。
背景技术
芦苇杆中纤维素含量较高,可以用来造纸和人造纤维,同时也可用于药用,主治,热病烦渴,胃热呕吐,噎膈,反胃,肺痿,肺痈,表热证,解河豚鱼毒。不同的应用需求对芦苇根、茎、叶等器官的性状要求不同。如造纸要求由芦苇的总生物量最大;苇席要求芦苇茎的产量最大、直径大小要符合一定的标准;苇画要求芦苇叶的产量最大、质量达标等等。
近年来,由于经济社会高速发展,水环境水生态压力较大,芦苇收割和资源化利用是重要的治理手段。需要开展对芦苇生长的资源量进行评估。
发明内容
针对现有技术中的上述不足,本发明提供了一种快速高效评估芦苇生长质量的芦苇资源量评估方法。
为了达到上述发明目的,本发明所采用的技术方案为:
提供一种芦苇资源量评估方法,其包括以下步骤:
S1:利用遥感卫星数据确定芦苇的分布范围;
S2:获取芦苇研究区的高精度地形数据;
S3:获取研究区内芦苇发育期的水位数据,利用水位数据减去高精度地形数据,得到研究区内芦苇发育期的水深数据;
S4:建立芦苇质量与水深的关系模型,芦苇质量包括芦苇的产量、芦苇的高度、芦苇的茎粗和芦苇的种植密度;
S5:将芦苇发育期的水深数据代入芦苇质量与水深的关系模型中,分析研究区内不同区域的芦苇质量;
S6:根据研究区内的功能区域划分,确定芦苇的收割区域和保留区域面积,汇总收割区域内的芦苇参量及芦苇各器官性状和产量,确定芦苇生物量的收割系数,收割系数为芦苇各器官收割量总占芦苇理论总产量的比例。
进一步地,步骤S4中水深与芦苇高度的关系模型为:
Y=-a×h+b;
水深与芦苇的茎粗的关系模型为:
D=-c×h+d;
水深与芦苇种植密度的关系模型为:
Q=e×h+f;
水深与芦苇产量的关系模型为:
G=-i×h3+j×h2-k×h+l;
其中,Y、D、Q和G分别为芦苇高度、芦苇的茎粗、芦苇种植密度和芦苇产量;a、b、c、d、e、f、i、j、k、l均为大于0的常数,根据水深与芦苇生物量采样数据拟合关系曲线获得;h为水深。
进一步地,步骤S5包括:
S51:利用研究区中芦苇发育期的水深数据中逐日或逐旬的水深数据,结合深与芦苇高度的关系模型、水深与芦苇的茎粗的关系模型、水深与芦苇种植密度的关系模型和水深与芦苇产量的关系模型,得到不同区域中的芦苇高度、芦苇的茎粗、芦苇种植密度和芦苇产量。
进一步地,步骤S6包括:
S61:根据研究区内的功能区划分,确定各功能区的收割范围、收割量和生物量的收割系数;
S62:计算研究区内芦苇的资源量,包括芦苇的保留面积,收割面积、芦苇收割总量,芦苇各器官收割的分量。
进一步地,步骤S61包括:
S611:对研究区内旅游功能区采用分片轮流收割,缓冲区域和其他区域全部收割;具体为:
研究区内的旅游功能区采取50%面积的收割,且两年收割一次;收割量为芦苇地面以上高度减去10cm的留茬,收割范围的面积为A1,则:
N1=S1_收割量/S1_总产量
S1_收割量=S1_茎+S1_叶鞘+S1_叶面
其中,N1为旅游功能区的生物量收割系数,S1_收割量为旅游功能区内芦苇各器官的总收割量,S1_总产量为旅游功能区内芦苇理论上的总产量,S1茎、S1叶鞘和S1叶面分别为旅游功能区内的茎、叶鞘和叶面的收割量;
S612:对研究区内道路或航道周围100m范围内的芦苇秋季收割,收割量为地上部分的90%;其他需要收割的区域的收割方式为:芦苇地面以上高度或水面上或冰面上10cm留茬,道路或航道周围的收割面积为A2;则
N2=S2_收割量/S2_总产量
S2_收割量=S2_茎+S2_叶鞘+S2_叶面
其中,N2为道路或航道周围100m范围内秋季或冬季收割芦苇的生物量收割系数,S2_收割量为不同季节收割芦苇不同器官的总收割量,S2茎、S2叶鞘和S2叶面分别为道路或航道周围100m范围内的茎、叶鞘和叶面的收割量;
S613:对研究区内居民地周边50m范围内采用轮流收割,居民地周边50m范围内芦苇收割范围的面积A3为;则:
N3=S3_收割量/S3_总产量
S3_收割量=S3_茎+S3_叶鞘+S3_叶面
其中,N3为居民地周边50m范围内的生物量收割系数,S3_收割量的居民地周边50m范围内的总收割量,S3_茎、S3_叶鞘和S3_叶面分别为居民地周边50m范围内的茎、叶鞘和叶面的收割量;
S614:结合步骤S611-S613,计算出研究区域内芦苇收割的总面积A:
A=A1+A2+A3-a
其中,a为A1、A2和A3对应的收割范围之间重复计算的面积。
进一步地,步骤S62包括:
S621:计算保留区域的面积:
B=D-A
其中,B为保留区域的面积,D为研究区域的芦苇总面积;
S622:计算芦苇收割区域的芦苇总收割量:
S收割量=S1_收割量+S2_收割量+S3_收割量-ε
其中,ε为各收割量中重复计算的收割量;
S623:计算研究区域内各芦苇器官的总收割量:
其中,S茎、S叶鞘和S叶面分别为研究区内芦苇的茎、叶鞘和叶面的总收割量,Si_茎、Si_叶鞘和Si_叶面分别为第i个要素确定的芦苇收割范围内茎、叶鞘和叶面的对应收割量,i为旅游功能区、道路或航道或居民地周边,ε茎、ε叶鞘和ε叶面分别为芦苇收割范围内茎、叶鞘和叶面收割量重复计算量。
进一步地,步骤S621具体包括:
S6211:对芦苇分布范围D、复合功能区的范围E1和生态服务功能区的范围E2取交集,得到在复合功能区、生态服务功能区的芦苇范围e1、e2,生态功能区范围为E3;
S6212:利用遥感影像分别得到航道和居民地的分布范围,对航道范围做100m的缓冲区,得到航道缓冲区范围F;对居民地范围做50m的缓冲区,得到居民地缓冲区范围G;
S6213:对芦苇分布范围D和航道缓冲区范围F取交集,得到航道缓冲区的芦苇范围f;
对芦苇分布范围D和居民地缓冲区范围G取交集,得到居民地缓冲区的芦苇范围g;
S6214:将复合功能区、生态服务功能区的芦苇范围e1、e2做合并处理,并依次去除航道缓冲区的芦苇范围f、居民地缓冲区的芦苇范围g,去除生态功能区范围E3,得到由功能区确定的芦苇收割范围A1;
S6215:将航道缓冲区芦苇范围f对居民地缓冲区芦苇范围g做擦除处理,并擦除生态功能区范围E3,得到由航道缓冲区确定的芦苇收割范围A2;
S6216:根据居民地缓冲区的芦苇范围g去除生态功能区范围E3,并保留余下范围的1/2,得到由居民地缓冲区确定的芦苇收割范围A3;
S6217:结合步骤S6214-S6216,得到研究区内芦苇总的收割范围A:
A=A1+A2+A3
S6218:计算芦苇保留区域面积B:
B=D-A
其中,D为研究区域的芦苇总面积。
本发明的有益效果为:本发明能快速、高效地评估芦苇生长情况、生长面积和产量等,为芦苇生产管理提供支撑,工作人员根据评估的情况,为芦苇的收割和养殖制定精准的决策。由于芦苇不同的器官具有不同的生产用途,本发明将芦苇各个器官的产量进行统计,提供了详细的芦苇生长质量情况,确保在养殖的过程中,芦苇能根据市场需要达到最大的产量。
附图说明
图1为芦苇资源量评估方法的流程图。
图2为白洋淀年平均水位与芦苇面积关系图。
图3为白洋淀年平均水位与芦苇产量关系图。
图4为白洋淀芦苇样地位置图。
图5为芦苇的水深与株高的关系图。
图6为芦苇的水深与茎粗的关系图。
图7为芦苇的水深与密度的关系图。
图8为芦苇的水深与产量的关系图。
图9为水面面积与水位的关系图。
图10为芦苇水位-芦苇面积的关系图(基于水位-面积与芦苇适宜生长水深计算)。
图11为白洋淀水位-芦苇产量关系图。
图12为白洋淀水位对应不同芦苇深度的产量图。
图13为白洋淀水位6.5m不同株高和株茎对应的芦苇面积和产量图。
图14为白洋淀水位7.0m不同株高和株茎对应的芦苇面积和产量图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
如图1所示,本方案的芦苇资源量评估方法,其包括以下步骤:
S1:利用遥感卫星数据确定芦苇的分布范围;
S2:获取芦苇研究区的高精度地形数据;
S3:获取研究区内芦苇发育期的水位数据,利用水位数据减去高精度地形数据,得到研究区内芦苇发育期的水深数据;
S4:建立芦苇质量与水深的关系模型,芦苇质量包括芦苇的产量、芦苇的高度、芦苇的茎粗和芦苇的种植密度;水深与芦苇高度的关系模型为:
Y=-a×h+b;
水深与芦苇的茎粗的关系模型为:
D=-c×h+d;
水深与芦苇种植密度的关系模型为:
Q=e×h+f;
水深与芦苇产量的关系模型为:
G=-i×h3+j×h2-k×h+l;
其中,Y、D、Q和G分别为芦苇高度、芦苇的茎粗、芦苇种植密度和芦苇产量;a、b、c、d、e、f、i、j、k、l均为大于0的常数,根据水深与芦苇生物量采样数据拟合关系曲线获得;h为水深。
S5:将芦苇发育期的水深数据代入芦苇质量与水深的关系模型中,分析研究区内不同区域的芦苇质量;包括:
S51:利用研究区中芦苇发育期的水深数据中逐日或逐旬的水深数据,结合深与芦苇高度的关系模型、水深与芦苇的茎粗的关系模型、水深与芦苇种植密度的关系模型和水深与芦苇产量的关系模型,得到不同区域中的芦苇高度、芦苇的茎粗、芦苇种植密度和芦苇产量。
S6:根据研究区内的功能区域划分,确定芦苇的收割区域和保留区域面积,汇总收割区域内的芦苇参量及芦苇各器官性状和产量,确定芦苇生物量的收割系数,收割系数为芦苇各器官收割量总占芦苇理论总产量的比例。具体包括:
S61:根据研究区内的功能区划分,确定各功能区的收割范围、收割量和生物量的收割系数;包括:
S611:对研究区内旅游功能区采用分片轮流收割,缓冲区域和其他区域全部收割;具体为:
研究区内的旅游功能区采取50%面积的收割,且两年收割一次;收割量为芦苇地面以上高度减去10cm的留茬,收割范围的面积为A1,则:
N1=S1_收割量/S1_总产量
S1_收割量=S1_茎+S1_叶鞘+S1_叶面
其中,N1为旅游功能区的生物量收割系数,S1_收割量为旅游功能区内芦苇各器官的总收割量,S1_总产量为旅游功能区内芦苇理论上的总产量,S1茎、S1叶鞘和S1叶面分别为旅游功能区内的茎、叶鞘和叶面的收割量;
S612:对研究区内道路或航道周围100m范围内的芦苇秋季收割,收割量为地上部分的90%;其他需要收割的区域的收割方式为:芦苇地面以上高度或水面上或冰面上10cm留茬,道路或航道周围的收割面积为A2;则
N2=S2_收割量/S2_总产量
S2_收割量=S2_茎+S2_叶鞘+S2_叶面
其中,N2为道路或航道周围100m范围内秋季或冬季收割芦苇的生物量收割系数,S2_收割量为不同季节收割芦苇不同器官的总收割量,S2茎、S2叶鞘和S2叶面分别为道路或航道周围100m范围内的茎、叶鞘和叶面的收割量;
S613:对研究区内居民地周边50m范围内采用轮流收割,居民地周边50m范围内芦苇收割范围的面积A3为;则:
N3=S3_收割量/S3_总产量
S3_收割量=S3_茎+S3_叶鞘+S3_叶面
其中,N3为居民地周边50m范围内的生物量收割系数,S3_收割量的居民地周边50m范围内的总收割量,S3_茎、S3_叶鞘和S3_叶面分别为居民地周边50m范围内的茎、叶鞘和叶面的收割量;
S614:结合步骤S611-S613,计算出研究区域内芦苇收割的总面积A:
A=A1+A2+A3-a
其中,a为A1、A2和A3对应的收割范围之间重复计算的面积。
S62:计算研究区内芦苇的资源量,包括芦苇的保留面积,收割面积、芦苇收割总量,芦苇各器官收割的分量。包括:
S621:计算保留区域的面积:
B=C-A
其中,B为保留区域的面积,C为研究区域的总面积;具体包括
S6211:对芦苇分布范围D、复合功能区的范围E1和生态服务功能区的范围E2取交集,得到在复合功能区、生态服务功能区的芦苇范围e1、e2,生态功能区范围为E3;
S6212:利用遥感影像分别得到航道和居民地的分布范围,对航道范围做100m的缓冲区,得到航道缓冲区范围F;对居民地范围做50m的缓冲区,得到居民地缓冲区范围G;
S6213:对芦苇分布范围D和航道缓冲区范围F取交集,得到航道缓冲区的芦苇范围f;
对芦苇分布范围D和居民地缓冲区范围G取交集,得到居民地缓冲区的芦苇范围g;
S6214:将复合功能区、生态服务功能区的芦苇范围e1、e2做合并处理,并依次去除航道缓冲区的芦苇范围f、居民地缓冲区的芦苇范围g,去除生态功能区范围E3,得到由功能区确定的芦苇收割范围A1;
S6215:将航道缓冲区芦苇范围f对居民地缓冲区芦苇范围g做擦除处理,并擦除生态功能区范围E3,得到由航道缓冲区确定的芦苇收割范围A2;
S6216:根据居民地缓冲区的芦苇范围g去除生态功能区范围E3,并保留余下范围的1/2,得到由居民地缓冲区确定的芦苇收割范围A3;
S6217:结合步骤S6214-S6216,得到研究区内芦苇总的收割范围A:
A=A1+A2+A3
S6218:计算芦苇保留区域面积B:
B=D-A
其中,D为研究区域的芦苇总面积。
S622:计算芦苇收割区域的芦苇总收割量:
S收割量=S1_收割量+S2_收割量+S3_收割量-ε
其中,ε为各收割量中重复计算的收割量;
S623:计算研究区域内各芦苇器官的总收割量:
其中,S茎、S叶鞘和S叶面分别为研究区内芦苇的茎、叶鞘和叶面的总收割量,Si_茎、Si_叶鞘和Si_叶面分别为第i个要素确定的芦苇收割范围内茎、叶鞘和叶面的对应收割量,i为旅游功能区、道路或航道或居民地周边,ε茎、ε叶鞘和ε叶面分别为芦苇收割范围内茎、叶鞘和叶面收割量重复计算量。
下面以白洋淀芦苇的生长情况为例进行分析,具体分析水深与芦苇生长质量的关系。
如图2所示,近几十年来,白洋淀的地表水位随年份和季节波动较大,当淀区水位低于6.5m(大沽)时称为半干淀,当水位低于5.5m时称为干淀,淀区年平均水位和芦苇面积,如表1所示。
表1白洋淀年平均水位和芦苇面积表
年份 | 年平均水位(m) | 芦苇面积(km2) |
1978 | 8.26 | 161.34 |
1980 | 7.87 | 149.24 |
1984 | 5.50 | 90.50 |
1990 | 8.35 | 148.83 |
1991 | 8.61 | 116.08 |
1996 | 8.61 | 125.06 |
1998 | 7.81 | 177.30 |
2000 | 6.71 | 175.34 |
2003 | 6.00 | 152.60 |
2010 | 6.41 | 158.22 |
2013 | 8.70 | 116.92 |
2017 | 7.22 | 178.47 |
根据淀区年平均水位和芦苇面积,进行拟合,如图2所示。
根据图2,可以得知1978~2017年的水位与芦苇面积显著性相关,其相关系数R2=0.8936,且呈二次函数相关,相关函数表达为:
F=-28.895z2+416.35z-1318.7
由上式可知:
令时,即z=7.20时,F=181.10。即临界水位在7.20m时,芦苇分布面积达到最大值181.10km2。当淀区水位低于临界水位时,芦苇无法获得充足的水分,导致芦苇面积减少;而当淀区水位高于临界水位时,苇地遭到洪水淹没,由苇田转变为白洋淀水域面积。
下面对白洋淀芦苇产量进行分析分析:
第一是简单的面积~芦苇产量关系,如下表2所示:
表2白洋淀年平均水位和芦苇产量表
年份 | 1978 | 1980 | 1984 | 1990 | 1991 | 1996 | 1998 |
年平均水位(m) | 8.26 | 7.87 | 5.50 | 8.35 | 8.61 | 8.61 | 7.81 |
芦苇产量(万吨) | 3.28 | 4.76 | 4.86 | 2.08 | 2.22 | 2.55 | 3.69 |
根据淀区年平均水位和芦苇产量,进行拟合,如图3所示。可以得知1978~1998年的水位与芦苇产量相关,其相关系数R2=0.7992,且呈二次函数相关,相关函数表达为:
P=-0.6819z2+8.7594z-22.68
可知:
令时,即z=6.42时,P=5.45。即水位在6.42m时,芦苇产量达到最大值5.45万吨。根据苇田面积,计算相应的淀内年平均水位;根据平均水位,从而计算芦苇的产量,如下表3所示。
表3不同年份实际芦苇产量与计算产量对比表
从上表3可以看出,尽管1949年和1937年芦苇实际产量均小于计算产量,相对误差分别为22.10%和39.32%,这是因为上述拟定面积~水位~产量的关系是基于1978年之后的数据,在解放之初和抗战时期,人为因素造成苇田芦苇遭到不同程度的破坏,导致产量减少。然而,对于1982年的芦苇产量,其计算值与实测值基本相等,表明根据芦苇面积,借助芦苇面积~平均水位~芦苇产量关系,能较好的估算白洋淀芦苇产量。
下面分析复杂的面积与芦苇产量的关系:
芦苇作为典型的挺水植物,对水生环境的适应力很强。随着水深的梯度变化,芦苇的生长发育也会随之发生相关性变化。研究发现,芦苇的株高、密度、茎粗(茎的直径)、芦苇生物量与水深的梯度变化关系密切。
考虑样地位置的水深,于2011年在远离旅游景区和养殖区的台田和沼泽内布置了12个监测采样区,其中,台田、沼泽样区个数均为6个(图4)。在每个区域内随机设置3个1m×1m的样方,在芦苇生长季末期,采用收割法采集样方内的芦苇地上部分。根据不同深度梯度,记录样方内芦苇株数、测定芦苇株高和茎粗,最后将芦苇齐根割下带回实验室进行生物量(干重)测定。
水深与株高的关系:
根据水深与株高数据,二者呈线性相关,如图5所示。
Y=-80.607h+295.26
从图5可以看出,二者相关系数R2=0.89。随着水深增加,单颗芦苇的株高减小,台地芦苇(水深为负)的株高大于沼泽芦苇(水深为正)。
由上式可知,当h=1.63,Y=163.87,即水深达到1.63m时,芦苇的生长高度为163.87cm,芦苇露出水面的高度仅为0.87cm,遭到淹没而不能生长,此时芦苇生长达到极限水深。
水深与茎粗的关系:
根据水深与茎粗数据,二者呈线性相关,如图6所示。
D=-0.3452h+0.8123
从图6可以看出,二者相关系数R2=0.9012。随着水深增加,单颗芦苇的茎粗减小,台地芦苇的茎粗大于沼泽芦苇。
由上式可知,当h=2.35,D=0。由此可以看出,水深超过2.35m时,芦苇由于茎非常细,而无法生长。
水深与密度的关系:
根据水深与密度数据,二者呈线性相关,如图7所示。
Q=16.102h+52.65
从图7可以看出,二者相关系数R2=0.9365。随着水深增加,芦苇的密度增加,台地芦苇的密度小于沼泽芦苇。
由上式可知,当h=-3.27,Q=0。由此可以看出,苇田高于水面3.27m时,芦苇无法获得水分而死亡。
水深与产量的关系:
从上面分析,可以看出台地芦苇随着水深逐渐向沼泽芦苇发展,芦苇变矮、苇茎变细,而苇株间距变短(芦苇变密),芦苇生长水深范围在-3.27m~1.63m,当苇田高程超出水面高度3.27m,芦苇不能获得其生长需求水分而死亡,当芦苇根部淹没深度超过1.63m,芦苇遭到淹没死亡。研究表明,常见的白洋淀芦苇生长水深为[-0.5,1],即水面以上0.5m和水面以下1m范围内。
根据水深与芦苇生物量数据,拟合关系曲线,如图8所示。
G=-1.05h3+0.97h2-0.09h+0.72
从图8可以看出,水深与芦苇生物量的相关系数R2=0.9307,曲线存在两个极值。对于地台芦苇,苇田离水面的高度0.5m时,单位苇田的生物量为最大,其值为1.14kg/m2;对于沼泽芦苇,水深为0.50m时,单位苇田的生物量为最大,其值为0.79kg/m2,水深为1.0m时,单位苇田的生物量为0.55kg/m2。
将不同水深芦苇单产进行离散化,见下表4。
表4水深与芦苇单产的关系表
水深 | 产量(kg/m2) |
[0.7,1.0] | 0.68 |
[0.5,0.7] | 0.78 |
[0.3,0.5] | 0.77 |
[0.1,0.3] | 0.73 |
[-0.1,0.1] | 0.73 |
[-0.3,-0.1] | 0.80 |
[-0.5,-0.3] | 0.99 |
不同水深芦苇产量:
根据白洋淀水位~水面面积关系曲线,见图9。选取不同的水位,以芦苇生长的临界水深[-0.5,1],计算芦苇生长的临界水深范围内相应的水面面积变化值,与2章中白洋淀水位~芦苇面积相比较,见图10所示。
取不同水位,计算相应水位不同水深芦苇面积,结合表4,计算不同水深芦苇的总产量,见图11-图12。
情景水位芦苇产量分析:
选取白洋淀特征水位6.5m和7.0m,进行情景水位芦苇产量分析。如表5和表6所示,
表5不同水深的芦苇性状
表6情景水位的产量和面积
不同芦苇性状的产量分布:
如图13为:白洋淀水位6.5m不同株高和株茎对应的芦苇面积和产量,图14为:白洋淀水位7.0m不同株高和株茎对应的芦苇面积和产量。
芦苇分为茎、叶和叶鞘,一株芦苇的总重量为茎重量、叶鞘重量和叶重量。根据李博等人1的研究成果,茎、叶鞘和叶面占芦苇总量分别为34%、36%和30%,如下表7和表8所示。
表7水位6.5m时相应的产量分布
表8水位7.0m时相应的产量分布
本发明能快速、高效地评估芦苇生长情况、生长面积和产量等,为芦苇生产管理提供支撑,工作人员根据评估的情况,为芦苇的收割和养殖制定精准的决策。由于芦苇不同的器官具有不同的生产用途,本发明将芦苇各个器官的产量进行统计,提供了详细的芦苇生长质量情况,确保在养殖的过程中,芦苇能根据市场需要达到最大的产量。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点,对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (3)
1.一种芦苇资源量评估方法,其特征在于,包括以下步骤:
S1:利用遥感卫星数据确定芦苇的分布范围;
S2:获取芦苇研究区的高精度地形数据;
S3:获取研究区内芦苇发育期的水位数据,利用水位数据减去高精度地形数据,得到研究区内芦苇发育期的水深数据;
S4:建立芦苇质量与水深的关系模型,所述芦苇质量包括芦苇的产量、芦苇的高度、芦苇的茎粗和芦苇的种植密度;
S5:将芦苇发育期的水深数据代入芦苇质量与水深的关系模型中,分析研究区内不同区域的芦苇质量;
S6:根据研究区内的功能区域划分,确定芦苇的收割区域和保留区域面积,汇总收割区域内的芦苇产量及芦苇各器官性状和产量,确定芦苇生物量的收割系数,所述收割系数为芦苇各器官收割量总占芦苇理论总产量的比例;
所述步骤S4中水深与芦苇高度的关系模型为:
Y=-a×h+b;
所述水深与芦苇的茎粗的关系模型为:
D=-c×h+d;
所述水深与芦苇种植密度的关系模型为:
Q=e×h+f;
所述水深与芦苇产量的关系模型为:
G=-i×h3+j×h2-k×h+l;
其中,Y、D、Q和G分别为芦苇高度、芦苇的茎粗、芦苇种植密度和芦苇产量;a、b、c、d、e、f、i、j、k、l均为大于0的常数,根据水深与芦苇生物量采样数据拟合关系曲线获得;h为水深;
所述步骤S6包括:
S61:根据研究区内的功能区划分,确定各功能区的收割范围、收割量和生物量的收割系数;
S62:计算研究区内芦苇的资源量,包括芦苇的保留面积,收割面积、芦苇收割总量,芦苇各器官收割的分量;
所述步骤S61包括:
S611:对研究区内旅游功能区采用分片轮流收割,缓冲区域和其他区域全部收割;具体为:
研究区内的旅游功能区采取50%面积的收割,且两年收割一次;收割量为芦苇地面以上高度减去10cm的留茬,收割范围的面积为A1,则:
N1=S1_收割量/S1_总产量
S1_收割量=S1_茎+S1_叶鞘+S1_叶面
其中,N1为旅游功能区的生物量收割系数,S1_收割量为旅游功能区内芦苇各器官的总收割量,S1_总产量为旅游功能区内芦苇理论上的总产量,S1茎、S1叶鞘和S1叶面分别为旅游功能区内的茎、叶鞘和叶面的收割量;
S612:对研究区内道路或航道周围100m范围内的芦苇秋季收割,收割量为地上部分的90%;其他需要收割的区域的收割方式为:芦苇地面以上高度或水面上或冰面上10cm留茬,道路或航道周围的收割面积为A2;则
N2=S2_收割量/S2_总产量
S2_收割量=S2_茎+S2_叶鞘+S2_叶面
其中,N2为道路或航道周围100m范围内秋季或冬季收割芦苇的生物量收割系数,S2_收割量为不同季节收割芦苇不同器官的总收割量,S2茎、S2叶鞘和S2叶面分别为道路或航道周围100m范围内的茎、叶鞘和叶面的收割量;
S613:对研究区内居民地周边50m范围内采用轮流收割,居民地周边50m范围内芦苇收割范围的面积A3为;则:
N3=S3_收割量/S3_总产量
S3_收割量=S3_茎+S3_叶鞘+S3_叶面
其中,N3为居民地周边50m范围内的生物量收割系数,S3_收割量的居民地周边50m范围内的总收割量,S3_茎、S3_叶鞘和S3_叶面分别为居民地周边50m范围内的茎、叶鞘和叶面的收割量;
S614:结合步骤S611-S613,计算出研究区域内芦苇收割的总面积A:
A=A1+A2+A3-a
其中,a为A1、A2和A3对应的收割范围之间重复计算的面积;
所述步骤S62包括:
S621:计算保留区域的面积:
B=D-A
其中,B为保留区域的面积,D为研究区域的芦苇总面积;
S622:计算芦苇收割区域的芦苇总收割量:
S收割量=S1_收割量+S2_收割量+S3_收割量-ε
其中,ε为各收割量中重复计算的收割量;
S623:计算研究区域内各芦苇器官的总收割量:
其中,S茎、S叶鞘和S叶面分别为研究区内芦苇的茎、叶鞘和叶面的总收割量,Si_茎、Si_叶鞘和Si_叶面分别为第i个要素确定的芦苇收割范围内茎、叶鞘和叶面的对应收割量,i为旅游功能区、道路或航道或居民地周边,ε茎、ε叶鞘和ε叶面分别为芦苇收割范围内茎、叶鞘和叶面收割量重复计算量。
2.根据权利要求1所述的芦苇资源量评估方法,其特征在于,所述步骤S5包括:
S51:利用研究区中芦苇发育期的水深数据中逐日或逐旬的水深数据,结合深与芦苇高度的关系模型、水深与芦苇的茎粗的关系模型、水深与芦苇种植密度的关系模型和水深与芦苇产量的关系模型,得到不同区域中的芦苇高度、芦苇的茎粗、芦苇种植密度和芦苇产量。
3.根据权利要求1所述的芦苇资源量评估方法,其特征在于,所述步骤S621具体包括:
S6211:对芦苇分布范围D、复合功能区的范围E1和生态服务功能区的范围E2取交集,得到在复合功能区、生态服务功能区的芦苇范围e1、e2,生态功能区范围为E3;
S6212:利用遥感影像分别得到航道和居民地的分布范围,对航道范围做100m的缓冲区,得到航道缓冲区范围F;对居民地范围做50m的缓冲区,得到居民地缓冲区范围G;
S6213:对芦苇分布范围D和航道缓冲区范围F取交集,得到航道缓冲区的芦苇范围f;
对芦苇分布范围D和居民地缓冲区范围G取交集,得到居民地缓冲区的芦苇范围g;
S6214:将复合功能区、生态服务功能区的芦苇范围e1、e2做合并处理,并依次去除航道缓冲区的芦苇范围f、居民地缓冲区的芦苇范围g,去除生态功能区范围E3,得到由功能区确定的芦苇收割范围A1;
S6215:将航道缓冲区芦苇范围f对居民地缓冲区芦苇范围g做擦除处理,并擦除生态功能区范围E3,得到由航道缓冲区确定的芦苇收割范围A2;
S6216:根据居民地缓冲区的芦苇范围g去除生态功能区范围E3,并保留余下范围的1/2,得到由居民地缓冲区确定的芦苇收割范围A3;
S6217:结合步骤S6214-S6216,得到研究区内芦苇总的收割范围A:
A=A1+A2+A3
S6218:计算芦苇保留区域面积B:
B=D-A
其中,D为研究区域的芦苇总面积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110713348.5A CN113449984B (zh) | 2021-06-25 | 2021-06-25 | 一种芦苇资源量评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110713348.5A CN113449984B (zh) | 2021-06-25 | 2021-06-25 | 一种芦苇资源量评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113449984A CN113449984A (zh) | 2021-09-28 |
CN113449984B true CN113449984B (zh) | 2023-12-29 |
Family
ID=77812981
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110713348.5A Active CN113449984B (zh) | 2021-06-25 | 2021-06-25 | 一种芦苇资源量评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113449984B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1704758A (zh) * | 2004-05-28 | 2005-12-07 | 北京农业信息技术研究中心 | 利用遥感和地理信息系统技术实现小麦品质监测预报方法 |
WO2011102520A1 (ja) * | 2010-02-22 | 2011-08-25 | 株式会社パスコ | 水稲収量予測モデル生成方法、及び水稲収量予測方法 |
JP2012005494A (ja) * | 2000-05-19 | 2012-01-12 | Fujita Corp | 人工ヨシ原 |
CN102393238A (zh) * | 2011-08-01 | 2012-03-28 | 高吉喜 | 一种草地地上干物质量遥感估测方法 |
CN103514569A (zh) * | 2013-10-15 | 2014-01-15 | 南京大学 | 一种基于gis技术的粮食作物产量可视化新方法 |
CN105621619A (zh) * | 2016-02-04 | 2016-06-01 | 济宁市任城区路口渔业专业合作社 | 湖滨湿地水生植物-鱼类-底栖生物水质净化系统及其净化方法 |
CN106600506A (zh) * | 2016-11-25 | 2017-04-26 | 中国科学院生态环境研究中心 | 用于消除湖库型黑臭水体的治理方法 |
CN108764188A (zh) * | 2018-06-02 | 2018-11-06 | 太原理工大学 | 一种沙棘果品产量遥感精确估算方法 |
CN109325433A (zh) * | 2018-09-14 | 2019-02-12 | 东北农业大学 | 引入地形因子的黑土区大豆生物量多时相遥感反演方法 |
CN110705811A (zh) * | 2018-07-10 | 2020-01-17 | 中国水利水电科学研究院 | 基于水位埋深值预测产量的方法和装置 |
CN110745955A (zh) * | 2019-10-18 | 2020-02-04 | 水利部交通运输部国家能源局南京水利科学研究院 | 平原浅水湖泊生态水位调控方法 |
CN111814326A (zh) * | 2020-07-02 | 2020-10-23 | 中国科学院东北地理与农业生态研究所 | 一种沼泽湿地芦苇地上生物量估算方法 |
CN113011993A (zh) * | 2021-03-19 | 2021-06-22 | 中国水利水电科学研究院 | 基于标准数据的农业污染源入水体负荷量测算方法 |
-
2021
- 2021-06-25 CN CN202110713348.5A patent/CN113449984B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012005494A (ja) * | 2000-05-19 | 2012-01-12 | Fujita Corp | 人工ヨシ原 |
CN1704758A (zh) * | 2004-05-28 | 2005-12-07 | 北京农业信息技术研究中心 | 利用遥感和地理信息系统技术实现小麦品质监测预报方法 |
WO2011102520A1 (ja) * | 2010-02-22 | 2011-08-25 | 株式会社パスコ | 水稲収量予測モデル生成方法、及び水稲収量予測方法 |
CN102393238A (zh) * | 2011-08-01 | 2012-03-28 | 高吉喜 | 一种草地地上干物质量遥感估测方法 |
CN103514569A (zh) * | 2013-10-15 | 2014-01-15 | 南京大学 | 一种基于gis技术的粮食作物产量可视化新方法 |
CN105621619A (zh) * | 2016-02-04 | 2016-06-01 | 济宁市任城区路口渔业专业合作社 | 湖滨湿地水生植物-鱼类-底栖生物水质净化系统及其净化方法 |
CN106600506A (zh) * | 2016-11-25 | 2017-04-26 | 中国科学院生态环境研究中心 | 用于消除湖库型黑臭水体的治理方法 |
CN108764188A (zh) * | 2018-06-02 | 2018-11-06 | 太原理工大学 | 一种沙棘果品产量遥感精确估算方法 |
CN110705811A (zh) * | 2018-07-10 | 2020-01-17 | 中国水利水电科学研究院 | 基于水位埋深值预测产量的方法和装置 |
CN109325433A (zh) * | 2018-09-14 | 2019-02-12 | 东北农业大学 | 引入地形因子的黑土区大豆生物量多时相遥感反演方法 |
CN110745955A (zh) * | 2019-10-18 | 2020-02-04 | 水利部交通运输部国家能源局南京水利科学研究院 | 平原浅水湖泊生态水位调控方法 |
CN111814326A (zh) * | 2020-07-02 | 2020-10-23 | 中国科学院东北地理与农业生态研究所 | 一种沼泽湿地芦苇地上生物量估算方法 |
CN113011993A (zh) * | 2021-03-19 | 2021-06-22 | 中国水利水电科学研究院 | 基于标准数据的农业污染源入水体负荷量测算方法 |
Non-Patent Citations (6)
Title |
---|
2015 年中国海岸带盐沼遥感监测与生态服务价值评估;罗敏;中国优秀硕士学位论文全文数据库 (工程科技I辑)》(第07期);全文 * |
water level fluctuations and air temperatures affect common reed habitus and productivity in an intermittent wetland ecosystem;Caberscik等;water;第12卷(第10期);全文 * |
Yang Miao等.landscape pattern evolution processes of wetlands and their driving factors in the Xiong'an new area of China.international journal of environmental research and public health.2021,第18卷(第09期),全文. * |
扎龙湿地芦苇群落生长特征对水深梯度变化的响应;杨晓杰;佟守正;李旭业;杨建宇;刘通;;东北林业大学学报(12);全文 * |
苏州太湖湿地芦苇生物量与水深的动态特征研究;王丹等;环境污染与防治;第32卷(第07期);49-54 * |
鄱阳湖洲滩芦苇种群特征及其与淹水深度和地下水埋深的关系;许秀丽等;湿地学科;第12卷(第06期);715-720 * |
Also Published As
Publication number | Publication date |
---|---|
CN113449984A (zh) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ares | Dynamics of the root system of blue grama. | |
CN108549986B (zh) | 基于水位梯度的退化湿地生态需水量的测量方法 | |
Coners et al. | Evapotranspiration and water balance of high-elevation grassland on the Tibetan Plateau | |
Amatya et al. | Long-term hydrology and water quality of a drained pine plantation in North Carolina | |
Gong et al. | Soil respiration in poplar plantations in northern China at different forest ages | |
CN115376016B (zh) | 一种基于植被水分指数与蒸散发结合的稻田实际灌溉面积识别方法 | |
Kaigama et al. | Root and Top Growth of Irrigated and Nonirrigated Grain Sorghum 1 | |
Clebsch et al. | Summer climatic gradients and vegetation near Barrow, Alaska | |
Liu et al. | An ecological indicator system for shallow landslide analysis | |
CN113449984B (zh) | 一种芦苇资源量评估方法 | |
Nikolaev et al. | Effect of hydrothermal conditions of permafrost soil on radial growth of larch and pine in Central Yakutia | |
CN113361952A (zh) | 一种芦苇生长情况评估方法 | |
Räsänen et al. | The impact of tourism and reindeer herding on forest vegetation at Saariselkä, Finnish Lapland: a pollen analytical study of a high-resolution peat profile | |
Wang et al. | Responses of tree islands to air temperature change at treeline on north-facing slopes of the Changbai Mountains | |
Takahashi et al. | Effects of climatic conditions on annual shoot length and tree-ring width of alpine dwarf pine Pinus pumila in central Japan | |
CN113434810B (zh) | 一种芦苇生长质量的控制方法 | |
CN109041875A (zh) | 基于农艺性状的油菜的产量和抗倒性的预测方法 | |
Nizinski et al. | Actual evapotranspiration of a thorn scrub with Acacia tortilis and Balanites aegyptiaca (North Senegal) | |
CN113029290A (zh) | 一种水生植物适宜水位的测定方法 | |
Elferts et al. | Effect of water level and climatic factors on the radial growth of black alder | |
Costa Neto et al. | Relationship between distribution of the radicular system, soil moisture and yield of sugarcane genotypes | |
Li et al. | An experimental study on the physical mechanics and collision characteristics of potato tubers in different haulm removal times | |
Ilola et al. | Testing of a Danish growth model for barley, turnip rape and timothy in Finnish conditions | |
Ross et al. | Phytometrical characteristics of the willow plantation at Tõravere | |
CN113092211B (zh) | 一种冷冻制片技术检测橡胶草植物根组织乳管的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |