CN113656757A - 一种基于氧气浓度变化规律的林业碳汇量计量方法 - Google Patents
一种基于氧气浓度变化规律的林业碳汇量计量方法 Download PDFInfo
- Publication number
- CN113656757A CN113656757A CN202110996842.7A CN202110996842A CN113656757A CN 113656757 A CN113656757 A CN 113656757A CN 202110996842 A CN202110996842 A CN 202110996842A CN 113656757 A CN113656757 A CN 113656757A
- Authority
- CN
- China
- Prior art keywords
- space
- forest
- oxygen concentration
- image
- target space
- 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
Images
Classifications
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computational Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Optimization (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于氧气浓度变化规律的林业碳汇量计量方法,包括以下步骤:步骤S1、利用林分图像特征相似度比对技术在待计量林业碳汇量的林地目标空间中选取出与所述林地目标空间具有最高林分相似性的局部空间作为代表所述林地目标空间的测算空间;步骤S2、对所述测算空间按照预设间隔进行氧气浓度采集分别得到氧气浓度测算时序数据,并基于氧气浓度测算时序得到氧量浓度平均时序数据;步骤S3、基于所述氧气浓度平均时序数据求得测算空间中的林业碳汇量,并求出林地目标空间中林业碳汇量。本发明避免对林地目标空间进行氧气浓度的全监测,减少监测硬件数量和数据处理数量,提高测算速率,并且消除其他因素的干扰,提高计算精度。
Description
技术领域
本发明涉及林业碳汇量测算技术领域,具体涉及一种基于氧气浓度变化规律的林业碳汇量计量方法。
背景技术
对林业碳汇的定量研究是近年随全球抑制温室气体排放而呈现的热点之一。只有对现有森林的林业碳汇量有一个明确的量化才能对森林的碳汇功能进行有效的评估,从而确定我国未来林业发展的方向和温室气体减排的任务。因此森林碳汇计量方法是评价森林碳汇生态效益大小的基础工作,在此基础上可以开展森林碳汇管理和经济评价,为全面开展以碳汇为目的的森林经营打好基础。
现今国内外普遍运用的碳汇计量方法是生物量、蓄积量法、生物量清单法、涡旋相关法、涡度协方差法和弛豫涡旋积累法等,这些方法都不能快速准确实时计量林木的林业碳汇量。
发明内容
本发明的目的在于提供一种基于氧气浓度变化规律的林业碳汇量计量方法,以解决现有技术中不能快速准确实时计量林木的林业碳汇量的技术问题。
为解决上述技术问题,本发明具体提供下述技术方案:
一种基于氧气浓度变化规律的林业碳汇量计量方法,包括以下步骤:
步骤S1、利用林分图像特征相似度比对技术在待计量林业碳汇量的林地目标空间中选取出与所述林地目标空间具有最高林分相似性的局部空间作为测算空间,所述测算空间表征为所述林地目标空间的林分特征的代表性区域;
步骤S2、对所述测算空间按照预设间隔进行氧气浓度采集,分别得到氧气浓度测算时序数据,并基于氧气浓度测算时序得到氧气浓度平均时序数据,所述氧气浓度平均时序数据表征为所述测算空间中林分释氧量对氧气浓度的改变作用;
步骤S3、基于所述氧气浓度平均时序数据求得测算空间中的林业碳汇量,并将测算空间中林业碳汇量按照林地目标空间和测算空间基于林分特征相似性进行空间比例映射得到林地目标空间中林业碳汇量。
作为本发明的一种优选方案,所述步骤S1中,所述测算空间的选取方法包括:
步骤S101、采集林地目标空间的俯视图像得到林地目标空间图像,并将林地目标空间图像进行步进式图像采集得到多个表征局部空间的俯视图像的局部空间图像;
步骤S102、将所述林地目标空间图像进行图像压缩至与局部空间图像具有相同尺寸,并计算林地目标空间图像和所有局部空间图像的林分特征相似度,选取出最大林分特征相似度对应的局部空间图像作为林地目标空间图像的代表性区域。
作为本发明的一种优选方案,所述步骤S102中,所述林地目标空间图像和所有局部空间图像的林分特征相似度的计算方法包括:
将所述林地目标空间图像和局部空间图像均转换为RGB三通道图向量形式;
将转换为RGB三通道图向量形式的林地目标空间图像和局部空间图像输入CNN卷积神经网络进行特征提取得到林地目标空间的林分特征序列和局部空间的林分特征序列;
利用欧式距离依次度量每个局部空间的林地特征序列和林地目标空间的林地特征序列的林分特征相似度,并选取与林地目标空间的林地特征序列具有最高林分特征相似度的局部空间的林地特征序列对应的局部空间作为测算空间。
作为本发明的一种优选方案,所述步进式图像采集的方法包括:
步骤S1011、为林地目标空间图像建立与林地目标空间地理坐标系相同的图像坐标系,实现将所述林地目标空间的地理坐标映射到所述林地目标空间图像的图像坐标上,使得根据林地目标空间图像像素点的图像坐标直接追踪到在所述林地目标空间中与所述像素点对应的空间点的地理位置;
步骤S1012、设定图像采集框架{[x,y]|x∈[x1,x1+a],y∈[y1,y1+b]},其中,[x,y]表征为图像采集框架,x1、x1+a分别表征为图像采集框架的两竖边,y1、y1+b分别表征为图像采集框架的两横边,a、b分别表征为横边长度和竖边长度,设定步进阈值c;
步骤S1013、设定纵向步进次数j=0;
步骤S1014、设定纵向步进次数i=0;
步骤S1015、以图像采集框架从林地目标空间图像横向坐标初值线x1=X=x0,林地目标空间图像纵向步进线y1=Y=y0+j*c出发沿林地目标空间图像纵向步进线y1=Y=y0+j*c按照x1+i*c规律进行横向步进采集,i自加1,转至步骤S1015入口,直至图像采集框架的竖边x1+b+i*c溢出林地目标空间图像横向坐标终值线X=xend,转至步骤S1016,其中,x0和xend分别为林地目标空间图像横向坐标初值和终值,y0为林地目标空间图像纵向坐标初值,X,Y分别为林地目标空间图像的图像横坐标和图像纵坐标;
步骤S1016、j自加1,转至步骤S1014,直至图像采集框架的横边y1+b+j*c溢出林地目标空间图像纵向坐标终值线Y=yend,完成林地目标空间图像的步进式图像采集,并将图像采集框架采集的所有图像作为局部空间图像。
作为本发明的一种优选方案,所述步骤S2中,所述氧气浓度测算时序监测时序数据的采集方法包括:
在测算空间中林分的释氧部位设置最少一处氧气浓度监测装置,其中氧气浓度监测装置用于监测测算空间中林分的释氧部位在每个监测时序上产生的氧气浓度;
将所述氧气浓度监测装置在每个监测时序上的氧气浓度的测量数据时序顺序排列生成氧气浓度测算时序数据。
作为本发明的一种优选方案,将所述氧气浓度监测装置的监测时序的时序间隔进行无限压缩使得监测时序的时序间隔无限接近于0,实现氧气浓度监测装置对测算空间的氧气浓度达到实时监测以避免空气流动造成的氧气浓度的测算误差。
作为本发明的一种优选方案,所述释氧量时序数据的生成方法包括:
将所述氧气浓度测算时序数据依据林地释氧量变化明显的周期间隔进行间隔划分得到氧气浓度平均时序数据,所述氧气浓度平均时序数据表征测算空间中林分的释氧部位在林分释氧量变化明显的周期上产生的氧气浓度。
作为本发明的一种优选方案,所述步骤S3中,所述测算空间中林业碳汇量的计算方法包括:
在所述释氧浓度平均时序数据中标定出释氧浓度呈升序形态的升序区间,以及释氧浓度呈降序形态的降序区间;
将所述升序区间中每个时序上的释氧浓度减去初始时序上的释氧浓度的差值求和得到氧气浓度增量,将所述降序区间中每个时序上的释氧浓度减去期末时序上的释氧浓度的差值求和得到氧气浓度减量;
基于所述氧气浓度增量与所述氧气浓度减量分别计算得到测算空间中林分在监测时序内的释放氧气质量和消耗氧气质量,所述释放氧气质量和消耗氧气质量的计算公式为:m1=ρ×A1×h×s,m2=ρ×A2×h×s,其中,m1、m2分别为释放氧气质量和消耗氧气质量,A1、A2分别为氧气浓度增量与氧气浓度减量,ρ是氧气密度,h是测算空间中林木的释氧部位的平均高度,s是测算空间面积。
作为本发明的一种优选方案,所述测算空间中林业碳汇量的计算方法还包括:
基于所述释放氧气质量和消耗氧气质量得到测算空间中林分在监测时序内的固定二氧化碳质量和释放二氧化碳质量,所述固定二氧化碳质量和释放二氧化碳质量的计算公式分别为:m3=m1×(MrCO2/MrO2),m4=m2×(MrCO2/MrO2),其中,m3、m4分别为固定二氧化碳质量和释放二氧化碳质量,m1、m2分别为释放氧气质量和消耗氧气质量,MrCO2、MrO2分别为CO2和O2的分子量;
将固定二氧化碳质量m3减去释放二氧化碳质量m4得到测算空间的林业碳汇量。
作为本发明的一种优选方案,所述步骤S3中,所述林地目标空间的林业碳汇量的计算方法包括:
将测算空间中林业碳汇量进行空间比例映射至林地目标空间得到林地目标空间的林业碳汇量。
本发明与现有技术相比较具有如下有益效果:
本发明利用林分图像特征相似度识别方法在林地目标空间中选取一个与林地目标空间具有最高林分相似性的局部空间代表林地目标空间并作为测算空间,计算测算空间中林业碳汇量以实现对林业目标空间的局部测算,由测算空间与林地目标空间的林分特征相似度关系和空间尺寸比例关系将测算空间中林业碳汇量映射至林地目标空间中,得到林地目标空间中林业碳汇量,可以避免对林地目标空间进行氧气浓度的全监测,减少监测硬件数量和数据处理数量,提高测算速率,并且将氧气浓度监测装置测算的时序间隔无限压缩,实现氧气浓度监测装置对测算空间的氧气浓度达到实时监测以避免空气流动造成的氧气浓度的测算误差,消除其他因素的干扰,提高测算精度。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图引伸获得其它的实施附图。
图1为本发明实施例提供的林业碳汇量计量方法流程图;
图2为本发明实施例提供的局部空间图像采集示意图。
图中箭头表示横向采集方向和纵向采集方向。
图中标号分别表示如下:
1-林地目标空间图像,2-图像采集框架。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1和2所示,现有涡旋相关法、涡度协方差法和弛豫涡旋积累法等,都是以检测二氧化碳的浓度变化为基础,但二氧化碳的吸收与释放不仅是林业,还有其中的动物、微生物等,此是不可避免的,因此通过仪器直接计量空气中二氧化碳的增减量来推算出林业碳汇量是非常不准确地,空气中二氧化碳的含量在0.004%左右,属于极低空气中成分,但每昼夜的变化幅度却很大,24小时的变化幅度超过20%,所以目前采用的碳通量等多种以二氧化碳含量变化而计量碳汇的方法都存在不准确的缺点。
本实施提供了一种基于氧气浓度变化规律的林业碳汇量计量方法,不是直接计量林业吸收二氧化碳的质量,而是间接通过林业的氧气释放量来换算出二氧化碳的吸收量,因为在氧气浓度的变化中起决定作用的是林地目标空间中的林分,在空气中氧气含量在20%左右,每昼夜的变化幅度很小,即使存在空气的流动因素,但因为仅有林木能进行光合作用,因此林冠的部分是释放氧气的源头,该区域的氧气浓度要高于其他区域,因此将氧气浓度的监测间隔无限缩短至无限接近于0,则氧气浓度的在每个监测时序上的测量数据近似于实时测量,也能准确反应林地目标空间中林分的光合作用和呼吸作用对氧气浓度的改变,排除空气流动因素对氧气浓度干扰作用,能够进一步提高林地目标空间中氧气浓度的测算精度,所以计量林分通过光合作用和呼吸作用在一段时间内共同作用增加的氧气质量以准确反应二氧化碳的吸收量,进而计算得到精确的林业碳汇量。
对林地目标空间采用全面积的林业碳汇量测算,需要耗费大量的氧气浓度监测装置进行实时采集每个单位面积上的氧气浓度时序数据,同时会产生大量的实时数据,具有较高的运算压力,尤其在林业目标空间越大,运算压力越重的弊端越凸显,在林业目标空间中选择一个具有代表性的局部空间作为测算空间,即可以降低运算数据量和氧气浓度监测装置数量,也可以确保测算空间的测算数据与林地目标空间具有关联性,可由测算空间根据关联性映射到林地目标空间上直接得到林地目标空间的林业碳汇量。
本发明提供了一种基于氧气浓度变化规律的林业碳汇量计量方法,包括以下步骤:
步骤S1、利用林分图像特征相似度比对技术在待计量林业碳汇量的林地目标空间中选取出与林地目标空间具有最高林分相似性的局部空间作为测算空间,测算空间表征为林地目标空间的林分特征的代表性区域;
步骤S1中,测算空间的选取方法包括:
步骤S101、采集林地目标空间的俯视图像得到林地目标空间图像,并将林地目标空间图像进行步进式图像采集得到多个表征局部空间的俯视图像的局部空间图像;
步进式图像采集的方法包括:
步骤S1011、为林地目标空间图像建立与林地目标空间地理坐标系相同的图像坐标系,实现将林地目标空间的地理坐标映射到林地目标空间图像的图像坐标上,使得根据林地目标空间图像像素点的图像坐标直接追踪到在林地目标空间中与像素点对应的空间点的地理位置;
步骤S1012、设定图像采集框架{[x,y]|x∈[x1,x1+a],y∈[y1,y1+b]},其中,[x,y]表征为图像采集框架,x1、x1+a分别表征为图像采集框架的两竖边,y1、y1+b分别表征为图像采集框架的两横边,a、b分别表征为横边长度和竖边长度,设定步进阈值c;
步骤S1013、设定纵向步进次数j=0;
步骤S1014、设定纵向步进次数i=0;
步骤S1015、以图像采集框架从林地目标空间图像横向坐标初值线x1=X=x0,林地目标空间图像纵向步进线y1=Y=y0+j*c出发沿林地目标空间图像纵向步进线y1=Y=y0+j*c按照x1+i*c规律进行横向步进采集,i自加1,转至步骤S1015入口,直至图像采集框架的竖边x1+b+i*c溢出林地目标空间图像横向坐标终值线X=xend,转至步骤S1016,其中,x0和xend分别为林地目标空间图像横向坐标初值和终值,y0为林地目标空间图像纵向坐标初值,X,Y分别为林地目标空间图像的图像横坐标和图像纵坐标;
步骤S1016、j自加1,转至步骤S1014,直至图像采集框架的横边y1+b+j*c溢出林地目标空间图像纵向坐标终值线Y=yend,完成林地目标空间图像的步进式图像采集,并将图像采集框架采集的所有图像作为局部空间图像。
图像采集框架横边长度和纵边长度本实施例不作限定,可由使用者进行自定义,采用步进式采集模式是为了能够较多的采集不同种类的局部空间图像,从而增加获得与林地目标空间林分特征相似度最高的局部空间的可能性。
步骤S102、将林地目标空间图像进行图像压缩至与局部空间图像具有相同尺寸,并计算林地目标空间图像和所有局部空间图像的林分特征相似度,选取出最大林分特征相似度对应的局部空间图像作为林地目标空间图像的代表性区域。
步骤S102中,林地目标空间图像和所有局部空间图像的林分特征相似度的计算方法包括:
将林地目标空间图像和局部空间图像均转换为RGB三通道图向量形式;
将转换为RGB三通道图向量形式的林地目标空间图像和局部空间图像输入CNN卷积神经网络进行特征提取得到林地目标空间的林分特征序列和局部空间的林分特征序列;
利用欧式距离依次度量每个局部空间的林地特征序列和林地目标空间的林地特征序列的林分特征相似度,并选取与林地目标空间的林地特征序列具有最高林分特征相似度的局部空间的林地特征序列对应的局部空间作为测算空间。
利用林分图像相似度比照在林地目标空间图像中筛选出与林地目标空间图像具有最高林分相似性的局部空间图像,局部空间图像和林地目标空间图像的林分特征相似度表征为局部空间中林分特征与林地目标空间中林分的特征具有最高的相似性,因此局部空间和林地目标空间的氧气浓度具有较为一致变动特征,局部空间可以视作林地目标空间中林分最具代表性的空间,映射到真实空间中可得到局部空间图像对应的局部空间与林地目标空间具有最高林分相似性,则局部空间中林分产生的林业碳汇量与林地目标空间中林分产生的林业碳汇量具有最高林分特征相似度,因此可将局部空间作为测算空间进行林业碳汇量的测算,测算完成后在映射至林地目标空间中。
利用CNN卷积神经网络可以更多的提取林地目标空间图像和局部空间图像的图像特征,将林分图像特征相似度对比转换为特征序列形式的林分特征相似度对比,提高林分特征相似度对比的准确性。
步骤S2、对测算空间按照预设间隔进行氧气浓度采集,分别得到氧气浓度测算时序数据,并基于氧气浓度测算时序得到氧气浓度平均时序数据,氧气浓度平均时序数据表征为测算空间中林分释氧量对氧气浓度的改变作用;
步骤S2中,氧气浓度测算时序监测时序数据的采集方法包括:
在测算空间中林分的释氧部位设置最少一处氧气浓度监测装置,其中氧气浓度监测装置用于监测测算空间中林分的释氧部位在每个监测时序上产生的氧气浓度;
将氧气浓度监测装置在每个监测时序上的氧气浓度的测量数据时序顺序排列生成氧气浓度测算时序数据。
将氧气浓度监测装置的监测时序的时序间隔进行无限压缩使得监测时序的时序间隔无限接近于0,实现氧气浓度监测装置对测算空间的氧气浓度达到实时监测以避免空气流动造成的氧气浓度的测算误差。
在监测时序的时序间隔可设定1秒(或其他数值),比如以一天为一个监测周期,则需要获得测算空间中每天的氧气浓度,而每天分为白昼和黑夜则林业的光合作用不同,导致氧气浓度也是波动的过程,则可利用采集一天内各个监测时序的平均氧气浓度作为每天的氧气浓度,以2020年4月14日的共青林场林地的测算空间(s=66.6平方米)为例,如表1所示。
2020年4月14日的氧气浓度值和氧气浓度平均值(表1)
可求得测算空间(s=66.6平方米)在一天内的氧气浓度监测时序数据。
氧气浓度时序数据的生成方法包括:
将氧气浓度测算时序数据依据林分氧气浓度变化明显的周期间隔进行间隔划分得到平均氧气浓度时序数据,平均氧气浓度时序数据表征测算空间中林分的释氧部位在每个林分氧气浓度变化明显的周期上产生的氧气浓度,本实施例以15天一个林分氧气浓度变化周期,其中林分氧气浓度变化周期中的林分释氧量保持较为稳定的状态,可归为同一释氧量时序从而在不同释氧量时序上进行释氧量运算实现释氧量变化特征分析,即作为氧气浓度测算时序数据的划分间隔以共青林场林地的测算空间(s=66.6平方米)2020年3月10日至24日为例(表2)。
2020年3月10日至24日的每连续15天平均值(表2)
步骤S3、基于氧气浓度平均时序数据求得测算空间中的林业碳汇量,并将测算空间中林业碳汇量按照林地目标空间和测算空间基于林分特征相似性进行空间比例映射得到林地目标空间中林业碳汇量。
步骤S3中,测算空间中林业碳汇量的计算方法包括:
在释氧浓度平均时序数据中标定出释氧浓度呈升序形态的升序区间,以及释氧浓度呈降序形态的降序区间;
将升序区间中每个时序上的释氧浓度减去初始时序上的释氧浓度的差值求和得到氧气浓度增量,将降序区间中每个时序上的释氧浓度减去期末时序上的释氧浓度的差值求和得到氧气浓度减量;
基于氧气浓度增量与氧气浓度减量分别计算得到测算空间中林分在监测时序内的释放氧气质量和消耗氧气质量,释放氧气质量和消耗氧气质量的计算公式为:m1=ρ×A1×h×s,m2=ρ×A2×h×s,其中,m1、m2分别为释放氧气质量和消耗氧气质量,A1、A2分别为氧气浓度增量与氧气浓度减量,ρ是氧气密度,h是测算空间中林木的释氧部位的平均高度,s是测算空间面积。
测算空间中林业碳汇量的计算方法还包括:
基于释放氧气质量和消耗氧气质量得到测算空间中林分在监测时序内的固定二氧化碳质量和释放二氧化碳质量,固定二氧化碳质量和释放二氧化碳质量的计算公式分别为:m3=m1×(MrCO2/MrO2),m4=m2×(MrCO2/MrO2),其中,m3、m4分别为固定二氧化碳质量和释放二氧化碳质量,m1、m2分别为释放氧气质量和消耗氧气质量,MrCO2、MrO2分别为CO2和O2的分子量;
将固定二氧化碳质量m3减去释放二氧化碳质量m4得到测算空间的林业碳汇量。
步骤S3中,林地目标空间的林业碳汇量的计算方法包括:
将测算空间中林业碳汇量进行空间比例映射至林地目标空间得到林地目标空间的林业碳汇量。
具体的,将高于林业生物学零度(林业开始枝叶生长)单元的氧气浓度平均值作为基点标准值(对应本实施例中的升序区间的初始时序的释氧量),此后林分随着气温的上升,能进行光合作用的面积逐步增大,光合作用作用强度逐步增强,因此释放的氧气数量逐渐增加,这段生长期内林分的光合作用大于呼吸作用,空气中氧气浓度逐步增加。以共青林场林地3.10日至6.22日的测算空间(s=66.6平方米)的氧气浓度值为例(表3)
测算空间的释氧量时序数据(表3)
从将升序区间(时序1-7)中每个时序上的释氧量减去初始时序(时序1)上的释氧量的差值求和得到氧气浓度增量为0.431。
利用公式m1=ρ×A1×h×s,计算测算空间中林分生长期间内(时序1-7)的释放氧气质量。
利用公式m3=m1×(MrCO2/MrO2),计算林分在生长期间(时序1-7)固定二氧化碳质量。
以共青林场林地为例,杨树平均树高21米,树冠(光合作用部分/释氧部位)高度为14米,3月10日至6月22日测算空间(s=66.6平方米)的杨树林释放氧气质量为1.429千克/立方米×0.431×14米×66.6平方米=574.2千克,固定二氧化碳质量为574.2千克×44/32=789.5千克
氧气浓度逐步增加至最大时(对应于降序区间的初始时序的释氧量),此后林分随着气温的降低,林分进行光合作用作用强度逐步减弱,因此释放的氧气数量逐渐减少,这段生长期内林分的光合作用小于呼吸作用,释放地氧气量逐步减少。以共青林场林地6.23日至10.5日的测算空间(s=66.6平方米)氧气浓度值为例(表4)
测算空间的释氧量时序数据(表4)
从将降序区间(时序8-14)中每个时序上的释氧量减去期末时序(时序14)上的释氧量的差值求和得到氧气浓度减量为0.363。
利用公式m2=ρ×A2×h×s,计算测算空间中林业生长期间内(时序8-14)的减少氧气质量。
利用公式m4=m2×(MrCO2/MrO2),计算林分在生长期间(时序8-14)释放二氧化碳质量。
共青林场林地6月23日至10月5日的测算空间(s=66.6平方米)消耗氧气质量为1.429千克/立方米×0.363×14米×66.6平方米=483.7千克,释放二氧化碳质量为483.7千克×44/32=665.1千克。
共青林场林地3月10日至10月5日的测算空间的林业碳汇量为(789.5-665.1)=124.4千克。
每亩共青林场林地(666平方米)与测算空间(s=66.6平方米)的尺寸比例尺为10:1,将测算空间比例映射至与每亩共青林场林地得到每亩共青林场林地的林业碳汇量为124.4/10=1244千克,最终将每亩共青林场林地的林业碳汇量乘以共青林场林地的总亩数得到整个共青林场地的林业碳汇量。
本发明利用林分图像特征相似度识别方法在林业目标空间中选取一个与林地目标空间具有最高林分相似性的局部空间代表林地目标空间并作为测算空间,计算测算空间中林业碳汇量以实现对林业目标空间的局部测算,由测算空间与林业目标空间的林分特征相似度关系和空间尺寸比例关系将测算空间中林业碳汇量映射至林地目标空间中,得到林地目标空间中林业碳汇量,可以避免对林地目标空间进行氧气浓度的全监测,减少监测硬件数量和数据处理数量,提高测算速率,并且将氧气浓度监测装置测算的时序间隔无限压缩实现氧气浓度监测装置对测算空间的氧气浓度达到实时监测以避免空气流动造成的氧气浓度的测算误差,消除其他因素的干扰,提高测算精度。
以上实施例仅为本申请的示例性实施例,不用于限制本申请,本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内,对本申请做出各种修改或等同替换,这种修改或等同替换也应视为落在本申请的保护范围内。
Claims (10)
1.一种基于氧气浓度变化规律的林业碳汇量计量方法,其特征在于,包括以下步骤:
步骤S1、利用林分图像特征相似度比对技术在待计量林业碳汇量的林地目标空间中选取出与所述林地目标空间具有最高林分相似性的局部空间作为测算空间,所述测算空间表征为所述林地目标空间的林分特征的代表性区域;
步骤S2、对所述测算空间按照预设间隔进行氧气浓度采集,分别得到氧气浓度测算时序数据,并基于氧气浓度测算时序得到氧气浓度平均时序数据,所述氧气浓度平均时序数据表征为所述测算空间中林分释氧量对氧气浓度的改变作用;
步骤S3、基于所述氧气浓度平均时序数据求得测算空间中的林业碳汇量,并将测算空间中林业碳汇量按照林地目标空间和测算空间基于林分特征相似性进行空间比例映射得到林地目标空间中林业碳汇量。
2.根据权利要求1所述的一种基于氧气浓度变化规律的林业碳汇量计量方法,其特征在于:所述步骤S1中,所述测算空间的选取方法包括:
步骤S101、采集林地目标空间的俯视图像得到林地目标空间图像,并将林地目标空间图像进行步进式图像采集得到多个表征局部空间的俯视图像的局部空间图像;
步骤S102、将所述林地目标空间图像进行图像压缩至与局部空间图像具有相同尺寸,并计算林地目标空间图像和所有局部空间图像的林分特征相似度,选取出最大林分特征相似度对应的局部空间图像作为林地目标空间图像的代表性区域。
3.根据权利要求2所述的一种基于氧气浓度变化规律的林业碳汇量计量方法,其特征在于:所述步骤S102中,所述林地目标空间图像和所有局部空间图像的林分特征相似度的计算方法包括:
将所述林地目标空间图像和局部空间图像均转换为RGB三通道图向量形式;
将转换为RGB三通道图向量形式的林地目标空间图像和局部空间图像输入CNN卷积神经网络进行特征提取得到林地目标空间的林分特征序列和局部空间的林分特征序列;
利用欧式距离依次度量每个局部空间的林地特征序列和林地目标空间的林地特征序列的林分特征相似度,并选取与林地目标空间的林地特征序列具有最高林分特征相似度的局部空间的林地特征序列对应的局部空间作为测算空间。
4.根据权利要求3所述的一种基于氧气浓度变化规律的林业碳汇量计量方法,其特征在于:所述步进式图像采集的方法包括:
步骤S1011、为林地目标空间图像建立与林地目标空间地理坐标系相同的图像坐标系,实现将所述林地目标空间的地理坐标映射到所述林地目标空间图像的图像坐标上,使得根据林地目标空间图像像素点的图像坐标直接追踪到在所述林地目标空间中与所述像素点对应的空间点的地理位置;
步骤S1012、设定图像采集框架{[x,y]|x∈[x1,x1+a],y∈[y1,y1+b]},其中,[x,y]表征为图像采集框架,x1、x1+a分别表征为图像采集框架的两竖边,y1、y1+b分别表征为图像采集框架的两横边,a、b分别表征为横边长度和竖边长度,设定步进阈值c;
步骤S1013、设定纵向步进次数j=0;
步骤S1014、设定纵向步进次数i=0;
步骤S1015、以图像采集框架从林地目标空间图像横向坐标初值线x1=X=x0,林地目标空间图像纵向步进线y1=Y=y0+j*c出发沿林地目标空间图像纵向步进线y1=Y=y0+j*c按照x1+i*c规律进行横向步进采集,i自加1,转至步骤S1015入口,直至图像采集框架的竖边x1+b+i*c溢出林地目标空间图像横向坐标终值线X=xend,转至步骤S1016,其中,x0和xend分别为林地目标空间图像横向坐标初值和终值,y0为林地目标空间图像纵向坐标初值,X,Y分别为林地目标空间图像的图像横坐标和图像纵坐标;
步骤S1016、j自加1,转至步骤S1014,直至图像采集框架的横边y1+b+j*c溢出林地目标空间图像纵向坐标终值线Y=yend,完成林地目标空间图像的步进式图像采集,并将图像采集框架采集的所有图像作为局部空间图像。
5.根据权利要求4所述的一种基于氧气浓度变化规律的林业碳汇量计量方法,其特征在于:所述步骤S2中,所述氧气浓度测算时序监测时序数据的采集方法包括:
在测算空间中林分的释氧部位最少设置一处氧气浓度监测装置,其中氧气浓度监测装置用于监测测算空间中林分的释氧部位在每个监测时序上产生的氧气浓度;
将所述氧气浓度监测装置在每个监测时序上的氧气浓度的测量数据时序顺序排列生成氧气浓度测算时序数据。
6.根据权利要求5所述的一种基于氧气浓度变化规律的林业碳汇量计量方法,其特征在于:将所述氧气浓度监测装置的监测时序的时序间隔进行无限压缩使得监测时序的时序间隔无限接近于0,实现氧气浓度监测装置对测算空间的氧气浓度达到实时监测以避免空气流动造成的氧气浓度的测算误差。
7.根据权利要求6所述的一种基于氧气浓度变化规律的林业碳汇量计量方法,其特征在于:所述释氧量时序数据的生成方法包括:
将所述氧气浓度测算时序数据依据林地释氧量变化明显的周期间隔进行间隔划分得到氧气浓度平均时序数据,所述氧气浓度平均时序数据表征测算空间中林分的释氧部位在林分释氧量变化明显的周期上产生的氧气浓度。
8.根据权利要求7所述的一种基于氧气浓度变化规律的林业碳汇量计量方法,其特征在于,所述步骤S3中,所述测算空间中林业碳汇量的计算方法包括:
在所述释氧浓度平均时序数据中标定出释氧浓度呈升序形态的升序区间,以及释氧浓度呈降序形态的降序区间;
将所述升序区间中每个时序上的释氧浓度减去初始时序上的释氧浓度的差值求和得到氧气浓度增量,将所述降序区间中每个时序上的释氧浓度减去期末时序上的释氧浓度的差值求和得到氧气浓度减量;
基于所述氧气浓度增量与所述氧气浓度减量分别计算得到测算空间中林分在监测时序内的释放氧气质量和消耗氧气质量,所述释放氧气质量和消耗氧气质量的计算公式为:m1=ρ×A1×h×s,m2=ρ×A2×h×s,其中,m1、m2分别为释放氧气质量和消耗氧气质量,A1、A2分别为氧气浓度增量与氧气浓度减量,ρ是氧气密度,h是测算空间中林木的释氧部位的平均高度,s是测算空间面积。
9.根据权利要求8所述的一种基于氧气浓度变化规律的林业碳汇量计量方法,其特征在于,所述测算空间中林业碳汇量的计算方法还包括:
基于所述释放氧气质量和消耗氧气质量得到测算空间中林分在监测时序内的固定二氧化碳质量和释放二氧化碳质量,所述固定二氧化碳质量和释放二氧化碳质量的计算公式分别为:m3=m1×(MrCO2/MrO2),m4=m2×(MrCO2/MrO2),其中,m3、m4分别为固定二氧化碳质量和释放二氧化碳质量,m1、m2分别为释放氧气质量和消耗氧气质量,MrCO2、MrO2分别为CO2和O2的分子量;
将固定二氧化碳质量m3减去释放二氧化碳质量m4得到测算空间的林业碳汇量。
10.根据权利要求9所述的一种基于氧气浓度变化规律的林业碳汇量计量方法,其特征在于,所述步骤S3中,所述林地目标空间的林业碳汇量的计算方法包括:
将测算空间中林业碳汇量进行空间比例映射至林地目标空间得到林地目标空间的林业碳汇量。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110996842.7A CN113656757A (zh) | 2021-08-27 | 2021-08-27 | 一种基于氧气浓度变化规律的林业碳汇量计量方法 |
PCT/CN2022/107950 WO2023024798A1 (zh) | 2021-08-27 | 2022-07-26 | 一种基于氧气浓度变化规律的林业碳汇量计量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110996842.7A CN113656757A (zh) | 2021-08-27 | 2021-08-27 | 一种基于氧气浓度变化规律的林业碳汇量计量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113656757A true CN113656757A (zh) | 2021-11-16 |
Family
ID=78493126
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110996842.7A Pending CN113656757A (zh) | 2021-08-27 | 2021-08-27 | 一种基于氧气浓度变化规律的林业碳汇量计量方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113656757A (zh) |
WO (1) | WO2023024798A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SE2150439A1 (en) * | 2021-04-08 | 2022-10-09 | Earthbanc Ab | System and method for measuring carbon sequestration |
CN115235560A (zh) * | 2022-09-19 | 2022-10-25 | 北京英视睿达科技股份有限公司 | 评估生态系统碳汇能力的方法、装置、设备及存储介质 |
WO2023024798A1 (zh) * | 2021-08-27 | 2023-03-02 | 邢长山 | 一种基于氧气浓度变化规律的林业碳汇量计量方法 |
CN116128377A (zh) * | 2023-04-04 | 2023-05-16 | 山东省海洋资源与环境研究院(山东省海洋环境监测中心、山东省水产品质量检验中心) | 一种近海岸区域的碳汇效果评估方法、装置和电子设备 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116451977B (zh) * | 2023-06-14 | 2023-09-19 | 北京林业大学 | 绿地碳汇功能提升的规划、设计和植物营建方法及装置 |
CN117235434B (zh) * | 2023-11-15 | 2024-03-19 | 人工智能与数字经济广东省实验室(深圳) | 林业碳汇项目基线构建方法、系统、终端及介质 |
CN117871792B (zh) * | 2024-03-13 | 2024-05-14 | 河北省建筑科学研究院有限公司 | 用于对园区绿植碳汇的动态监测方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NZ586188A (en) * | 2007-12-20 | 2012-05-25 | 2245060 Ontario Ltd | Remote sensing and probabilistic sampling based method for determining the carbon dioxide volume of a forest |
CN108776195A (zh) * | 2018-05-24 | 2018-11-09 | 邢长山 | 基于氧气浓度以检测林地单位面积碳汇量的方法及系统 |
CN111984912A (zh) * | 2020-08-28 | 2020-11-24 | 邢长山 | 绿色植物释氧量和绿色植物碳汇量的计算方法 |
CN112287287B (zh) * | 2020-11-06 | 2021-04-27 | 东北林业大学 | 一种林木碳汇量的测定方法、系统及装置 |
CN113656757A (zh) * | 2021-08-27 | 2021-11-16 | 邢长山 | 一种基于氧气浓度变化规律的林业碳汇量计量方法 |
-
2021
- 2021-08-27 CN CN202110996842.7A patent/CN113656757A/zh active Pending
-
2022
- 2022-07-26 WO PCT/CN2022/107950 patent/WO2023024798A1/zh unknown
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SE2150439A1 (en) * | 2021-04-08 | 2022-10-09 | Earthbanc Ab | System and method for measuring carbon sequestration |
SE544695C2 (en) * | 2021-04-08 | 2022-10-18 | Earthbanc Ab | System and method for measuring carbon sequestration |
WO2023024798A1 (zh) * | 2021-08-27 | 2023-03-02 | 邢长山 | 一种基于氧气浓度变化规律的林业碳汇量计量方法 |
CN115235560A (zh) * | 2022-09-19 | 2022-10-25 | 北京英视睿达科技股份有限公司 | 评估生态系统碳汇能力的方法、装置、设备及存储介质 |
CN116128377A (zh) * | 2023-04-04 | 2023-05-16 | 山东省海洋资源与环境研究院(山东省海洋环境监测中心、山东省水产品质量检验中心) | 一种近海岸区域的碳汇效果评估方法、装置和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2023024798A1 (zh) | 2023-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113656757A (zh) | 一种基于氧气浓度变化规律的林业碳汇量计量方法 | |
CN109544038B (zh) | 一种基于生命周期分析的生物质碳排放估算系统和方法 | |
CN104834823B (zh) | 基于卫星-地基co2数据联合同化的碳源汇估测方法 | |
CN111751376B (zh) | 一种基于冠层图像特征衍生的水稻氮素营养估算方法 | |
CN112507839A (zh) | 一种城市景观固碳量的快速测算方法 | |
CN109710889B (zh) | 一种基于树木年轮精确估计森林生产力的取样方法 | |
CN114254802B (zh) | 气候变化驱动下植被覆盖时空变化的预测方法 | |
CN105095676A (zh) | 一种城市群碳排放绩效的核算方法 | |
CN115952702B (zh) | 一种基于forcchn模型和遥感数据的森林nep的计算方法 | |
CN111879915A (zh) | 一种滨海湿地高分辨率的逐月土壤盐度监测方法及系统 | |
CN116842877B (zh) | 一种基于多源数据综合利用的小尺度三维风场重构算法 | |
Anderson et al. | Estimating aboveground biomass and average annual wood biomass increment with airborne leaf-on and leaf-off LiDAR in Great Lakes forest types | |
CN116881812A (zh) | 基于多源遥感数据和随机森林法估测森林碳储量的方法 | |
CN114486786A (zh) | 土壤有机质测定方法及测定系统 | |
CN116502050A (zh) | 全球通量站点蒸散发观测缺失的动态插补方法与系统 | |
CN116128345A (zh) | 一种基于动态过程本底的国家公园综合成效评价方法 | |
CN113282883B (zh) | 一种逐日降水数据综合插值方法 | |
CN116879176A (zh) | 基于遥感技术区域生态环境监测和森林密度估测方法 | |
CN114781199A (zh) | 水源涵养对气候变化的响应分析方法、装置、介质和设备 | |
Maselli et al. | Validating an integrated strategy to model net land carbon exchange against aircraft flux measurements | |
CN113095571B (zh) | 一种基于树木代谢速率理论的生物量模型预测方法及系统 | |
CN115203643A (zh) | 融合水文与生态要素的水源涵养功能定量诊断方法及系统 | |
CN112712213B (zh) | 一种集中空调住宅深度迁移学习能耗预测方法及系统 | |
CN114266003B (zh) | 一种基于碳收支平衡分析的高原湖泊区域碳中和计算方法 | |
Kulmala et al. | A novel concept for assessing the potential of different boreal ecosystems to mitigate climate change (CarbonSink+ Potential) |
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 |