CN114817616B - 一种森林蓄积量连续监测方法、系统及其执行方法 - Google Patents

一种森林蓄积量连续监测方法、系统及其执行方法 Download PDF

Info

Publication number
CN114817616B
CN114817616B CN202210745848.1A CN202210745848A CN114817616B CN 114817616 B CN114817616 B CN 114817616B CN 202210745848 A CN202210745848 A CN 202210745848A CN 114817616 B CN114817616 B CN 114817616B
Authority
CN
China
Prior art keywords
forest
accumulation
monitoring
class
change
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
Application number
CN202210745848.1A
Other languages
English (en)
Other versions
CN114817616A (zh
Inventor
高飞
李娜娜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Forestry And Grassland Investigation And Planning Institute Sichuan Forestry And Grassland Ecological Environment Monitoring Center
Original Assignee
Sichuan Sample Space Time Technology Co ltd
Sichuan Forestry And Grassland Investigation And Planning Institute Sichuan Forestry And Grassland Ecological Environment Monitoring Center
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sichuan Sample Space Time Technology Co ltd, Sichuan Forestry And Grassland Investigation And Planning Institute Sichuan Forestry And Grassland Ecological Environment Monitoring Center filed Critical Sichuan Sample Space Time Technology Co ltd
Priority to CN202210745848.1A priority Critical patent/CN114817616B/zh
Publication of CN114817616A publication Critical patent/CN114817616A/zh
Application granted granted Critical
Publication of CN114817616B publication Critical patent/CN114817616B/zh
Priority to JP2023100523A priority patent/JP7339467B1/ja
Priority to US18/213,912 priority patent/US11869023B1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0203—Market surveys; Market polls
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0098—Plants or trees
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Library & Information Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Chemical & Material Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Wood Science & Technology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Botany (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Multimedia (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Image Analysis (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明涉及一种森林蓄积量连续监测方法、系统及其执行方法，方法包括如下步骤：1样地抽样设计；2智能样地布设；3样地数据自动采集；4蓄积动态更新：地类变化小班通过遥感变化检测，对森林资源变化图斑的图形和属性信息同时更新；地类无变化小班通过智能样地数据建立动态林分更新模型后，对森林小班的属性信息进行更新；5精度检验与校正；6监测出数：输出本期蓄积监测数据；7判断监测周期是否到达。本发明的实施使得调查监测周期短，监测结果精准可比，成本大幅下降，减少工作组织、质量检验和生产安全的工作量和风险，尤其适合于以县、林场为经营单位的森林资源蓄积量调查监测，综合效益显著。

Description

一种森林蓄积量连续监测方法、系统及其执行方法
技术领域
本发明属于物联网数据采集、计算、处理技术领域，具体涉及一种森林蓄积量连续监测方法、系统及其执行方法。
背景技术
森林蓄积量是林业调查主要的监测指标，采用实测与目测相结合、抽样控制与小班调查相结合的森林资源规划设计调查（简称二类调查）及森林资源专项调查是县域森林蓄积量获取的主要方法，对森林蓄积量监测的新技术和新方法主要集中在生长模型更新、遥感定量反演、激光雷达测树等领域，用于解决二类调查中森林蓄积量调查周期长、精度低，可比性差、成本高的问题。
目前二类调查每10年开展一次，周期长，工作量大，难以满足“年度出数、年度考核”工作要求。生长模型更新、遥感定量反演等方法严重依赖已有调查样地质量和数量，并因建模使用的样地数据为静态数据，会出现初期模拟精度高，后期精度明显下降甚至错误的情况。激光雷达测树成本高，点云数据后期处理方法复杂，难以大规模推广使用。
目前亟需一种调查监测周期短，监测结果精准可比，成本低、操作简单的监测方法和系统实现县级、林场区域的森林蓄积量的连续监测，突破森林蓄积量难以“实时出数，连续可比”监测的难题。
发明内容
本发明的目的是提供一种调查监测周期短，监测结果精准可比，成本低、操作简单，突破森林蓄积量难以“实时出数，连续可比”监测的难题的森林蓄积量连续监测方法、系统及其执行方法。
上述目的是通过如下技术方案实现：一种森林蓄积量连续监测方法，包括如下步骤：
（1）样地抽样设计：完成监测样地布设，确定样地总体、抽样方法和样地空间位置；
（2）智能样地布设：对样地完成首次测量和监测设备布设；
（3）样地数据自动采集；
（4）蓄积动态更新：地类变化小班通过遥感变化检测，对森林资源变化图斑的图形和属性信息同时更新；地类无变化小班通过智能样地数据建立动态林分更新模型后，对森林小班的属性信息进行更新；
（5）精度检验与校正；
（6）监测出数：输出本期蓄积监测数据；
（7）判断监测周期是否到达，是，则结束流程；否，则返回执行步骤（3），开展连续监测。
进一步的技术方案是，所述步骤（4）的具体步骤如下：
（4.1）依据步骤（3）中采集的数据计算出每个智能样地的蓄积；
（4.2）基于智能样地计算当前监测区的森林蓄积量和抽样精度，森林蓄积量计算公式如下：
Figure 781754DEST_PATH_IMAGE002
其中，V all_Plot 为基于智能样地计算当前监测区的森林蓄积量，v ij 为第j个总体的第i个样地的蓄积，s ij 为第j个总体的第i个样地的面积，S j 为第j个总体的总面积，n为第j个总体的样地数量；m为当前监测区总体数量；
抽样精度计算公式如下：
Figure 962199DEST_PATH_IMAGE004
其中，
Figure 100002_DEST_PATH_IMAGE005
为当前样地总体的抽样精度，
Figure 545496DEST_PATH_IMAGE006
为可靠性指标，
Figure 100002_DEST_PATH_IMAGE007
为第j个总体样本方差 的算术平方根，
Figure 949933DEST_PATH_IMAGE008
为第j个总体的样本平均数；
（4.3）判断抽样精度是否达到抽样设计，是，则执行步骤（4.4）；否，则执行步骤（1），调整抽样设计，补设智能样地；
（4.4）判断是否结合一类调查，是，则基于智能样地计算当前监测区的森林蓄积量即为本期森林蓄积量，执行步骤（4.17）；否，则执行步骤（4.5）；
（4.5）判断监测期是否获取有遥感影像，有，则执行步骤（4.6）；否，则只开展动态林分模型更新，执行步骤（4.11）；
（4.6）开展遥感变化检测更新，以遥感变化检测为主，辅以现地调查、档案更新方式，区划地类变化小班的空间范围，形成遥感判读图斑数据库；
（4.7）依据现地调查、档案更新，对遥感判读图斑填写现地调查因子，形成现地调查数据库；
（4.8）将现地调查数据库和基期森林资源小班数据库进行空间更新分析，将现地调查因子在基期森林资源小班数据库上进行空间和属性更新，生成本期森林资源小班数据库；
（4.9）将本期森林资源小班数据库和基期森林资源小班数据库进行空间联合分析，对联合结果仅保留前后地类发生变化小班作为森林资源变化数据库；
（4.10）对森林资源变化数据库的本期小班蓄积和基期小班蓄积的差值进行汇总，获得地类变化小班的小班蓄积变化量，计算公式如下：
Figure 205465DEST_PATH_IMAGE010
其中，
Figure 100002_DEST_PATH_IMAGE011
为地类变化小班的小班蓄积变化量，
Figure 720760DEST_PATH_IMAGE012
为第i个森林资 源变化数据库小班的小班蓄积，
Figure 100002_DEST_PATH_IMAGE013
为第i个森林资源变化数据库小班的基期小班蓄 积，o为森林资源变化数据库小班总数量；
（4.11）判断是否结合二类调查，是，则执行步骤（4.12）；否，执行步骤（4.14）；
（4.12）计算地类无变化小班内样地总蓄积，将其同基期样地总蓄积的比值同1做差值，作为动态林分模型更新参数，计算公式如下：
Figure 100002_DEST_PATH_IMAGE015
其中，
Figure 892984DEST_PATH_IMAGE016
为动态林分模型更新参数，
Figure 100002_DEST_PATH_IMAGE017
为地类无变化小班内样地总蓄积，
Figure 406005DEST_PATH_IMAGE018
为基期样地总蓄积；
（4.13）对地类无变化小班蓄积乘以动态林分模型更新参数，汇总后即为林分结构变化小班的森林蓄积量变化量，计算公式如下：
Figure 211150DEST_PATH_IMAGE020
其中，
Figure 100002_DEST_PATH_IMAGE021
为林分结构变化小班的森林蓄积量变化量，
Figure 920349DEST_PATH_IMAGE022
为地类 无变化小班蓄积，
Figure 100002_DEST_PATH_IMAGE023
为地类无变化小班内样地总蓄积，
Figure 963391DEST_PATH_IMAGE024
为基期样地总蓄积；
（4.14）计算各分层或配额中地类无变化小班内样地总蓄积，将其同基期样地总蓄积的比值同1做差值，作为各分层或是配额的动态林分模型更新参数，计算公式如下：
Figure 100002_DEST_PATH_IMAGE025
其中，
Figure 975210DEST_PATH_IMAGE026
为第j个分层或配额的动态林分模型更新参数，
Figure 100002_DEST_PATH_IMAGE027
为第j个分层或 是配额中地类无变化小班内样地总蓄积，
Figure 660793DEST_PATH_IMAGE028
为第j个分层或配额的基期样地总蓄积；
（4.15）对地类无变化小班的各分层或配额内基数小班蓄积乘以动态林分模型更新参数，汇总后作为各分层或配额林分结构变化小班的森林蓄积量变化量，计算公式如下：
Figure 314629DEST_PATH_IMAGE030
Figure 743336DEST_PATH_IMAGE032
Figure 801422DEST_PATH_IMAGE034
其中，
Figure 100002_DEST_PATH_IMAGE035
为林分结构变化小班的森林蓄积量变化量，
Figure 377897DEST_PATH_IMAGE036
为第j个分 层或是配额中地类无变化小班内样地总蓄积，
Figure 694477DEST_PATH_IMAGE028
为第j个分层或配额的基期样地总 蓄积，
Figure 100002_DEST_PATH_IMAGE037
为第j个分层或配额中第
Figure 100002_DEST_PATH_IMAGE039
个地类无变化小班的基期小班蓄积，
Figure 180953DEST_PATH_IMAGE040
为第j个分层或配额的地类无变化小班内样地蓄积，
Figure 100002_DEST_PATH_IMAGE041
为第j个分层或配额的基期 样地蓄积，
Figure 534574DEST_PATH_IMAGE042
为第j个分层或是配额内地类无变化小班数量，
Figure 100002_DEST_PATH_IMAGE043
为分层或是配额数量；
（4.16）计算森林资源小班的森林蓄积量变化，计算公式如下：
Figure 100002_DEST_PATH_IMAGE045
其中，
Figure 988558DEST_PATH_IMAGE046
为森林资源小班的森林蓄积量变化量，
Figure 100002_DEST_PATH_IMAGE047
为地类变化小班的 小班蓄积变化量，
Figure 328404DEST_PATH_IMAGE048
为林分结构变化小班的森林蓄积量变化量；
（4.17）流程结束。
进一步的技术方案是，所述步骤（5）中在监测基数上叠加森林蓄积量变化量，对监测结果开展精度检验，对不符合精度要求数据查找原因后进行校正，使智能样地数据和森林资源小班数据均符合精度要求。
进一步的技术方案是，所述步骤（5）的具体步骤如下：
（5.1）判断是否结合一类调查，否，则执行步骤（5.2），是，基于智能样地计算的监测区总蓄积即为本期森林蓄积量；
（5.2）判断是否配额抽样，是，则执行步骤（5.5）；否，将监测小班蓄积汇总值与抽样总体调查蓄积值进行对比，其中，监测小班蓄积汇总值为监测基期小班森林蓄积量与森林小班蓄积量变化量合计值，抽样总体调查蓄积为基于智能样地计算的本期监测区总蓄积量；
（5.3）判断监测小班蓄积汇总值与抽样总体调查蓄积值的差异在±1倍标准误之内，否，则执行步骤（5.4）；是，则无需进行校正，本期森林蓄积量为监测小班蓄积汇总值；
（5.4）对森林资源小班蓄积偏差大的小班修改后，使监测小班蓄积汇总值与抽样总体调查蓄积值的差异在±1倍标准误之内，本期森林蓄积量为校正后监测小班蓄积汇总值；
（5.5）计算各配额内监测小班公顷蓄积和抽样调查公顷蓄积并进行对比，判断两者差值是否超过规定阈值，否，执行步骤（5.6）；是，则无需校正，此时本期森林蓄积量为各配额内监测小班蓄积汇总值；
（5.6）对森林资源小班蓄积偏差大的小班修改后，使各配额内监测小班公顷蓄积与抽样调查公顷蓄积的差异在规定阈值之内，本期森林蓄积量为各配额内校正后监测小班蓄积汇总值；
（5.7）流程结束。
进一步的技术方案是，所述步骤（6）的具体步骤如下：
（6.1）判断本期成果精度检验是否合格，否，则执行步骤（6.3），是，则输出本期成果数据库，并加时间戳进行归档存储；
（6.2）输出各成果主要指标；
（6.3）流程结束。
为实现上述目的，本发明还提供一种森林蓄积量连续监测系统，用于完成上述任一所述的森林蓄积量连续监测方法中的步骤（4）~（7），包括：
用户登录及管理模块：用于登录森林蓄积量连续监测系统；
智能样地数据接收与存储模块：用于接收并解析智能样地数据，将数据保存至对森林样地时空数据库并进行更新；
遥感变化检测模块：利用多期遥感影像，获得监测前后两期间的遥感变化判断图斑；
遥感判断图斑调查和编辑模块：用于在遥感判读图斑经现地核实、档案更新后，完成遥感判读图斑因子录入；
样地蓄积计算模块：用于利用森林样地时空数据库中更新的样木调查信息，计算本期各样地蓄积和抽样总体蓄积；
森林资源变化数据库生成模块：利用遥感判读图斑核实结果，更新基期森林资源小班数据，经图形和属性对比分析，获得森林资源变化图斑，并计算出本期森林资源小班蓄积及森林蓄积量变化量；
林分模型更新计算模块：计算出动态模型更新参数，获取本期林分结构变化引起森林蓄积量变化量；
抽样精度和特征值计算模块：用于统计生成监测总体抽样精度和特征值；
监测时空数据库更新模块：用于在本期成果经精度检验合格后，对本期成果加时间戳进行归档存储；
监测成果计算和统计模块：用于统计监测成果的主要指标及统计数表。
本发明还提供一种森林蓄积量连续监测系统的执行方法，包括如下步骤：
一种森林蓄积量连续监测系统执行流程如下：
（1）用户使用用户登录及管理模块登录应用系统；
（2）使用智能样地数据接收与存储模块，采集和更新本期样地样木数据库；
（3）使用遥感变化检测模块，根据前后期遥感影像获得森林资源判读图斑；
（4）使用遥感判读图斑调查和编辑模块，对森林资源判读图斑经外业调查、档案更新，图形和属性编辑后，获得现地调查数据库；
（5）使用森林资源变化数据库生成模块，对现地调查数据库叠加基期森林资源小班数据，生成森林资源变化数据库，并统计出地类变化引起森林蓄积量变化量；
（6）使用林分模型更新计算模块，对地类未变化小班进行动态林分模型更新参数，对所有地类未变化小班进行蓄积更新，统计出林分结构变化引起森林蓄积量变化量；
（7）使用抽样精度和特征值计算模块，计算抽样总体特征值，计算样地森林蓄积量和森林小班蓄积，根据精度控制要求进行数据校正；
（8）在成果精度检验合格后，使用监测时空数据库更新模块，输出本期成果数据库，并加时间戳进行归档存储；
（9）用户按需使用监测成果计算和统计模块统计监测成果主要指标及统计数表。
相比于现有技术，本发明的优势在于：实现森林蓄积量的实时精准出数。智能样地一次部署，即可实现将数据的采集频率提升至多天一次，再通过蓄积动态更新和精度校正与校正，可以实现多天即可出数，监测时效性大大提升，完全满足“年度出数、年度考核”。获取的数据是精准的一手测量数据，构建林分更新模型动态调整，保证模拟数据的精准可靠。
实现森林蓄积量的连续可比，相比遥感定量反演、激光雷达测树，本发明是对固定样地、固定样木的固定测量位置进行连续监测，调查体系、调查方法和调查对象始终保持不变，故监测的成果连续可比，受测量环境、基期基础数据质量的影响较小。
降低县级森林蓄积量监测成本，本发明通过一次监测，可以实现连续10年的1天1测，多天1传输的监测效果，成本较人工调查大幅下降，减少工作组织、质量检验和生产安全的工作量和风险，综合效益显著。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明一种实施方式所涉及的森林蓄积量连续监测方法的流程示意图；
图2为本发明一种实施方式所涉及的样地抽样设计操作流程图；
图3为本发明一种实施方式所涉及的智能样地布设的流程示意图；
图4为本发明一种实施方式所涉及的样地数据自动采集的流程示意图；
图5为本发明一种实施方式所涉及的蓄积动态更新流程的流程示意图；
图6为本发明一种实施方式所涉及的精度检验与校正流程的流程示意图；
图7为本发明一种实施方式所涉及的监测出数流程的流程示意图；
图8为本发明一种实施方式所涉及的森林蓄积量连续监测系统的结构框图；
图9为本发明一种实施方式所涉及的森林蓄积量连续监测系统的执行流程示意图。
具体实施方式
下面结合附图对本发明进行详细描述，本部分的描述仅是示范性和解释性，不应对本发明的保护范围有任何的限制作用。此外，本领域技术人员根据本文件的描述，可以对本文件中实施例中以及不同实施例中的特征进行相应组合。
本发明实施例如下，参照图1，一种森林蓄积量连续监测方法，包括如下步骤：
（1）样地抽样设计：根据业务需求，结合实际工作基础完成监测样地布设，确定样地总体、抽样方法、样地空间位置；
二类调查中抽样设计属于控制抽样，即评定抽样总体内小班调查累计蓄积同样地调查蓄积的在一定偏差量范围内。本发明抽样设计根据业务需求和结合实际工作基础可以分为三类，抽样设计分为三类，一是结合森林资源连续清查（简称一类调查）的抽样设计，二是结合二类调查的抽样设计，三是基于森林资源管理“一张图”或林草湿综合监测的森林资源小班数据（简称森林小班数据），使用典型调查方法，抽样设计采用分层抽样或配额抽样。样地抽样设计操作流程如下，如图2：
（1.1）判断是否结合一类调查，即是否在一类调查固定样地基础上，采用系统抽样方法进行加密进行部署，否，执行步骤（1.2），是，按4km×4km或是2km×2km进行加密布设监测样地。此时方法作为省级或是市级一类调查的组成部分，在完成县域森林蓄积量监测同时，又补充完成省级或市级森林资源监测体系，并且可以同时监测森林蓄积量和森林面积变化，缺点是布设样地数量较多。
（1.2）判断是否结合二类调查，即是否抽样设计和样地布设直接使用二类调查抽样设计结果，否，执行步骤（1.3），是，布设样地数量由二类调查抽样设计方法决定，常采用区划后抽样，即在小班区划后，以调查总体内可抽样的有、疏林地为抽样对象，机械布设等距样本单元，落入抽样对象内的样本单元为实测样地。此方法布设的样地数虽少于使用一类调查，但数量仍然较多。
（1.3）使用森林小班数据作为抽样对象，采用典型调查方法，抽样设计主要使用分层抽样或配额抽样，对控制特征进行分析和挑选后，按精度要求确定样地数量。此方法选择样地代表性强、布设样地数量少，抽样偏差低。以配额抽样为例：在抽样设计时，先按树种组对县域森林资源小班进行分层，在分层结果进一步按照龄组分配抽样数量，分配比例依据分层中各龄组面积比例分派样地数额。例如马尾松林按龄组统计，马尾松幼龄林、中龄林、近熟林、成熟林和过熟林比例为4:4:1:0.5:0.5，则可以将马尾松近熟林、成熟林和过熟林进行合并，形成马尾松幼龄林、马尾松中龄林和马尾松近成过林熟林三个配额，如果马尾松林层共设定10个样地，则马尾松幼龄林、马尾松中龄林和马尾松近成过林的数量分别为4个、4个和2个。
（1.4）开展样地布设，按控制特征对森林小班数据划定分层或配额，在各分层或配额的森林小班中进行系统布点，确定每个样地的空间位置。其中系统布点指间隔固定距离布设点位，采用随机抽样、机械抽样的方式抽取设定数量的样地。
（2）智能样地布设：对样地完成首次测量和监测设备布设，保证测试设备运行正常，数据采集和传输稳定可靠；
智能样地是在样地蓄积调查过程中，使用树径测量传感器代替人工围尺测量，使用数据采集终端数据采集代替人工记录，使移动通信网关或北斗短报文网关定时采集、传输树径测量传感器数据，实现样地数据自动、连续监测。树径测量传感器安装后可测量树径周长和样木直径，并通过WIFI\蓝牙\Lora等无线自组网技术同数据采集终端连接，完成数据采集录入，树径测量传感器和数据采集终端同样使用WIFI\蓝牙\Lora等无线自组网技术同移动通信网关或北斗短报文网关组网并完成数据汇集传输。移动通信网关通过通信运营商的移动通信基站将数据发送回通信服务器，北斗短报文网关通过北斗卫星将数据发送北斗指挥机。通信服务器和北斗指挥机数据通过光纤网络传输至森林蓄积量连续监测应用系统。
具体流程如下，如图3：
（2.1）到达布设样地，完成样地测设，使用数据采集终端测试样地信号类型，选择网关类型。如果有2/3/4/5G等移动通信信号，选择移动通信网关，如果没有2/3/4/5G等移动通信信号，选择北斗短报文网关。
（2.2）在样地中央位置选择一株样木布设铝合金支架，固定通信网关并进行信号测试，成功后保持通信网关开启状态。
（2.3）通过数据采集终端连接通信网关，设置数据采集频率，确定通信网关和树径测量传感器的下次自动启动时间和启动时长。
（2.4）选择样木直径测量位置，使用钉子固定树径测量传感器于被测样木上。
（2.5）按下树径测量传感器启动按钮，指示灯亮起，使用数据采集终端连接树径测量传感器，保证显示连接树径测量传感器编码同树径测量传感器外壳标签编码一致。
（2.6）从树径测量传感器的拉线出口将拉绳拉出，绕样木一圈后扣入防拆拉线固定口。
（2.7）数据采集终端中查看样木直径是否有测量数值或是否明显偏离实际值，是，则按下树径测量传感器启动按钮，在数据采集终端清零后，重新拉动拉绳安装。
（2.8）点击连接树径测量传感器，录入树种、检尺类型。其中树种和检尺类型均按技术规定编码要求填写代码，例如树种为柏木，代码填写601，检尺类型为活立木，代码填写1。
（2.9）树径测量传感器同通信网关通信，传输测量数值至通信网关并进行时钟同步，以及获得树径测量传感器的下次启动时间和启动时长。
（2.10）树径测量传感器在无连接情况下，间隔固定时间后自动进入休眠状态，指示灯熄灭。
（2.11）重复步骤（2.4）-（2.10），完成样地内全部样木的测量和树径测量传感器安装。
（2.12）通信网关通过卫星/移动通信基站将存储信息传回通信接收装置，并汇总进入平台层的网络服务器。对通过卫星回传的信息，传回北斗指挥机汇总进入网络服务器，对通过移动通信基站回传的信息，传回通信服务器汇总进入网络服务器。
（2.13）断开数据采集终端和通信网关连接，间隔固定时间后通信网关自动进入休眠状态，指示灯熄灭。
（3）样地数据自动采集；
智能样地按设定监测频率回传数据，应用系统对采集数据完成解析和存储任务。智能样地布设后，设置采集频率，确定通信网关和树径测量传感器启动时间，启动周期性数据采集和回传，一个周期智能样地自动数据采集回传流程如下，如图4：
（3.1）判断通信网关是否唤醒，如果根据设置唤醒时间已经定时启动，通信网关通过卫星/移动通信基站访问服务器端的网络服务器，获取下次唤醒时间和唤醒时长，如果未到唤醒时间则通信网休眠中，等待下一次唤醒。设置的通信中继启动时间要早于树径测量传感器启动时间。
（3.2）判断树径测量传感器是否唤醒，如果根据设置唤醒时间已经定时启动，树径测量传感器测量样木直径，传输至通信网关并同通信网关进行时钟同步，获取下一次唤醒时间和唤醒时长，成功后进入睡眠状态。如果未到唤醒时间则树径测量传感器休眠，等待下一次唤醒。
（3.3）通信网关通过卫星/移动通信基站将存储信息传回通信接收装置，并汇总进入平台层的网络服务器
（3.4）通信网关间隔固定时间后自动进入休眠状态，指示灯熄灭，结束本次流程。
（4）蓄积动态更新：地类变化小班通过遥感变化检测，对森林资源变化图斑的图形和属性信息同时更新；地类无变化小班通过智能样地数据建立动态林分更新模型后，对森林小班的属性信息进行更新；
森林蓄积量变化由两部分构成，一是人工造林、林木采伐、征收占用林地、自然灾害、森林抚育，以及其他引起地类改变引起的森林蓄积量变化，即地类变化小班，此部分通过遥感变化检测，对森林资源变化图斑的图形和属性信息同时更新。二是森林自然生长、环境胁迫、人为干扰，以及其他仅引起森林林分结构变化，但尚未引起引起地类改变情况下的森林蓄积量变化，即地类无变化小班，此部分通过智能样地数据建立动态林分更新模型后，对森林小班的属性信息进行更新。
Figure 794020DEST_PATH_IMAGE050
Figure DEST_PATH_IMAGE051
——森林蓄积量变化量；
Figure 443176DEST_PATH_IMAGE052
——地类变化引起森林蓄积量变化量；
Figure DEST_PATH_IMAGE053
——林分结构变化引起森林蓄积量变化量；
本发明采用遥感变化检测更新和动态林分更新模型相结合方式，实现森林蓄积量连续动态监测。区别于传统样地林分更新模型，动态林分更新模型中使用样地数据均由智能样地实时监测获取，故建立的森林蓄积量更新模型也是动态更新，以保证模型数据更新会随时间变化进行调整，避免产生失真。蓄积动态更新流程如下，如图5：
（4.1）依据步骤（3）中采集的数据计算出每个智能样地的蓄积；依据智能样地自动采集回传的样木树种、样木类型和样木胸径数据，利用树高曲线表、二元材积表，计算出每个智能样地的蓄积；
（4.2）基于智能样地计算监测区森林蓄积量和抽样精度，森林蓄积量计算公式如下：
Figure 463085DEST_PATH_IMAGE054
其中，V all_Plot 为基于智能样地计算当前监测区的森林蓄积量，v ij 为第j个总体的第i个样地的蓄积，s ij 为第j个总体的第i个样地的面积，S j 为第j个总体的总面积，n为第j个总体的样地数量；m为当前监测区总体数量；
抽样精度计算公式如下：
Figure DEST_PATH_IMAGE055
其中，
Figure 668938DEST_PATH_IMAGE056
为当前样地总体的抽样精度，
Figure DEST_PATH_IMAGE057
为可靠性指标，本方案按可靠性95%计算，
Figure 603044DEST_PATH_IMAGE058
为第j个总体样本方差的算术平方根，
Figure DEST_PATH_IMAGE059
为第j个总体的样本平均数；
（4.3）判断抽样精度是否达到抽样设计，是，则执行步骤（4.4）；否，则执行步骤（1），调整抽样设计，补设智能样地；
精度判断由抽样设定确定，例如要求90%可靠性水平下，90%的精度，如果测定不确定性大于10%，则需要增加样地数量。
（4.4）判断是否结合一类调查，是，则基于智能样地计算当前监测区的总蓄积即为本期森林蓄积量，执行步骤（4.17）；否，则执行步骤（4.5）；
（4.5）判断监测期是否获取有遥感影像，有，则执行步骤（4.6）；否，则只开展动态林分模型更新，执行步骤（4.11）。
（4.6）开展遥感变化检测更新，以遥感变化检测为主，辅以现地调查、档案更新方式，区划地类变化小班的空间范围，形成遥感判读图斑数据库；
（4.7）依据现地调查、档案更新，对遥感判读图斑填写现地调查因子，形成现地调查数据库；现地调查因子包含但不限于地类、树种、起源、龄组、公顷蓄积、小班蓄积、公顷株数、小班株数；
（4.8）将现地调查数据库和基期森林资源小班数据库进行空间更新分析，将现地调查因子在基期森林资源小班数据库上进行空间和属性更新，生成本期森林资源小班数据库；
（4.9）将本期森林资源小班数据库和基期森林资源小班数据库进行空间联合分析，对联合结果仅保留前后地类发生变化小班作为森林资源变化数据库；
（4.10）对森林资源变化数据库的本期小班蓄积和基期小班蓄积的差值进行汇总，获得地类变化小班的小班蓄积变化量，计算公式如下：
Figure 298468DEST_PATH_IMAGE010
其中，
Figure 946618DEST_PATH_IMAGE047
为地类变化小班的小班蓄积变化量，
Figure 284059DEST_PATH_IMAGE060
为第i个森林资 源变化数据库小班的小班蓄积，
Figure DEST_PATH_IMAGE061
为第i个森林资源变化数据库小班的基期小班蓄 积，o为森林资源变化数据库小班总数量；
（4.11）判断是否结合二类调查，是，则执行步骤（4.12）；否，执行步骤（4.14）；
（4.12）计算地类无变化小班内样地总蓄积，将其同基期样地总蓄积的比值同1做差值，作为动态林分模型更新参数，计算公式如下：
Figure 52163DEST_PATH_IMAGE062
其中，
Figure DEST_PATH_IMAGE063
为动态林分模型更新参数，
Figure 184067DEST_PATH_IMAGE064
为地类无变化小班内样地总蓄积，
Figure DEST_PATH_IMAGE065
为基期样地总蓄积；
（4.13）对地类无变化小班蓄积乘以动态林分模型更新参数，汇总后即为林分结构变化小班的森林蓄积量变化量，计算公式如下：
Figure 850672DEST_PATH_IMAGE066
其中，
Figure 929487DEST_PATH_IMAGE048
为林分结构变化小班的森林蓄积量变化量，
Figure DEST_PATH_IMAGE067
为地类 无变化小班蓄积，
Figure 83256DEST_PATH_IMAGE068
为地类无变化小班内样地总蓄积，
Figure DEST_PATH_IMAGE069
为基期样地总蓄积；
（4.14）计算各分层或配额中地类无变化小班内样地总蓄积，将其同基期样地总蓄积的比值同1做差值，作为各分层或是配额的动态林分模型更新参数，计算公式如下：
Figure 792586DEST_PATH_IMAGE025
其中，
Figure 743225DEST_PATH_IMAGE070
为第j个分层或配额的动态林分模型更新参数，
Figure DEST_PATH_IMAGE071
为第j个分层或 是配额中地类无变化小班内样地总蓄积，
Figure 78260DEST_PATH_IMAGE072
为第j个分层或配额的基期样地总蓄积；
（4.14）对地类无变化小班的各分层或配额内基数小班蓄积乘以动态林分模型更新参数，汇总后作为各分层或配额林分结构变化小班的森林蓄积量变化量，例如按林分类型、龄组、起源三个控制特征对基期样地和基期小班进行分层抽样或配额抽样，分别建立样地和小班具有对应关系的动态林分模型更新参数开展更新，即同林分类型、龄组、起源的样地建立的动态林分模型更新参数，对同林分类型、龄组、起源的基期小班进行动态林分模型更新，可以更精准的模拟林分结构变化引起的森林蓄积量变化；计算公式如下：
Figure 165165DEST_PATH_IMAGE073
Figure 638871DEST_PATH_IMAGE074
Figure DEST_PATH_IMAGE075
其中，
Figure 217751DEST_PATH_IMAGE076
为林分结构变化小班的森林蓄积量变化量，
Figure DEST_PATH_IMAGE077
为第j个分 层或是配额中地类无变化小班内样地总蓄积，
Figure 435106DEST_PATH_IMAGE072
为第j个分层或配额的基期样地总 蓄积，
Figure 300818DEST_PATH_IMAGE078
为第j个分层或配额中第
Figure 211006DEST_PATH_IMAGE039
个地类无变化小班的基期小班蓄积，
Figure 870657DEST_PATH_IMAGE040
为第j个分层或配额的地类无变化小班内样地蓄积，
Figure 767069DEST_PATH_IMAGE041
为第j个分层或配额的基期 样地蓄积，
Figure 625303DEST_PATH_IMAGE042
为第j个分层或是配额内地类无变化小班数量，
Figure 644075DEST_PATH_IMAGE043
为分层或是配额数量；
（4.16）计算森林资源小班的森林蓄积量变化，计算公式如下：
Figure 712394DEST_PATH_IMAGE045
其中，
Figure 474814DEST_PATH_IMAGE046
为森林资源小班的森林蓄积量变化量，
Figure 453134DEST_PATH_IMAGE047
为地类变化小班的 小班蓄积变化量，
Figure DEST_PATH_IMAGE079
为林分结构变化小班的森林蓄积量变化量；
（4.17）流程结束。
（5）精度检验与校正；
在监测基数上叠加森林蓄积量变化量，对监测结果开展精度检验，对不符合精度要求数据查找原因后进行校正，使智能样地数据和森林资源小班数据均符合精度要求。
在每次监测出数前需进行精度检验和数据校正，保证森林小班总蓄积和布设智能样地总蓄积符合精度要求。精度检验与校正流程如下，如图6所示：
（5.1）判断是否结合一类调查，否，则执行步骤（5.2），是，基于智能样地计算的监测区总蓄积即为本期森林蓄积量；
（5.2）判断是否配额抽样，是，则执行步骤（5.5）；否，将监测小班蓄积汇总值与抽样总体调查蓄积值进行对比，其中，监测小班蓄积汇总值为监测基期森林蓄积量与森林蓄积量变化量合计值，抽样总体调查蓄积为本期基于智能样地计算的监测区总蓄积量；
（5.3）判断监测小班蓄积汇总值与抽样总体调查蓄积值的差异在±1倍标准误之内，否，则执行步骤（5.4）；是，则无需进行校正，本期森林蓄积量为监测小班蓄积汇总值；
（5.4）对森林资源小班蓄积偏差大的小班修改后，使监测小班蓄积汇总值与抽样总体调查蓄积值的差异在±1倍标准误之内，本期森林蓄积量为校正后监测小班蓄积汇总值；
（5.5）计算各配额内监测小班公顷蓄积和抽样调查公顷蓄积并进行对比，判断两者差值是否超过规定阈值，否，执行步骤（5.6）；是，则无需校正，此时本期森林蓄积量为各配额内监测小班蓄积汇总值；
（5.6）对森林资源小班蓄积偏差大的小班修改后，使各配额内监测小班公顷蓄积与抽样调查公顷蓄积的差异在规定阈值之内，本期森林蓄积量为各配额内校正后监测小班蓄积的汇总值；小班修改方式包括区域目测小班蓄积是否明显偏高或偏低，小班边界区划同现地不符，小班边界区划未按小班区划条件进行划分，将林分结构明显不相同的未进行细化；
（5.7）流程结束。
（6）监测出数：输出本期蓄积监测数据；
监测出数是统计输出精度符合要求的本期蓄积监测数据和所需统计数表，更新监测时空数据库，保证多期监测成果连续可比。监测出数流程如下，如图7所示：
（6.1）判断本期成果精度检验是否合格，否，则执行步骤（6.3），是，则输出本期成果数据库，并加时间戳进行归档存储；本监期成果数据库包括但不限于遥感判读图斑数据库、现地调查数据库、样地样木监测数据库、森林资源变化数据库、森林资源小班数据库。
（6.2）输出各成果主要指标及统计数表；主要指标包括但不限于分总体、分层或分配额的总体名称、分层、公顷蓄积、公顷株数、小班总蓄积，小班总面积、森林总蓄积、森林总面积，以及全部森林资源小班汇总后的小班总蓄积，小班总面积、森林总蓄积、森林总面积。统计数表包括但不限于各类土地面积统计表、各类森林蓄积量统计表、各类土地面积动态表、各类森林蓄积量动态表、总体特征数计算表。
主要指标测算方法参照文献（国家森林资源连续清查数据处理统计规范，LY/T1957-2011）。
（6.3）流程结束。
（7）判断监测周期是否到达，即是否到达设定的监测年限，是，则结束流程；否，则返回执行步骤（3），开展连续监测。
本发明还提供一种森林蓄积量连续监测系统，用于完成上述任一所述的森林蓄积量连续监测方法中的步骤（4）~（7），如图8，包括：
用户登录及管理模块：用于登录森林蓄积量连续监测系统并进行用户信息、权限和角色管理；
智能样地数据接收与存储模块：用于接收并解析智能样地数据，将数据保存至对森林样地时空数据库并进行更新；森林样地时空数据库中包括样木调查表中的样木树种、样木类型和样木胸径数据。
遥感变化检测模块：利用多期遥感影像，通过人工目视判读建标、AI模型训练、人工复判、判读图斑建库流程获得监测前后两期间的遥感变化判断图斑；
遥感判断图斑调查和编辑模块：用于在遥感判读图斑经现地核实、档案更新后，为用户提供图形和属性编辑功能，完成遥感判读图斑因子填写，填写内容包含但不限于变化原因、面积、现状地类、现状树种因子、现状起源、现状公顷蓄积、现状公顷株数，现状小班蓄积、现状小班株数；
样地蓄积计算模块：用于根据样地抽样设计类型，利用森林样地时空数据库中更新的样木调查表信息，计算本期各样地蓄积和抽样总体蓄积；
森林资源变化数据库生成模块：利用遥感判读图斑核实结果，更新基期森林资源小班数据，经图形和属性对比分析，获得森林资源变化图斑，并计算出本期森林资源小班蓄积及森林蓄积量变化量；
林分模型更新计算模块：根据抽样设计方法，在本期样地蓄积和抽样总体蓄积的基础上，计算出动态模型更新参数，对地类未变化小班蓄积乘以动态模型更新参数，获取本期林分结构变化引起森林蓄积量变化量；
抽样精度和特征值计算模块：用于用户统计生成各监测总体抽样精度和特征值。其中总体抽样精度和特征值内容包括并不限于总体名称、分层、面积权重、样本数量、最大蓄积、最小蓄积、平均值、标准差、标准误、变异系数、误差、精度；
监测时空数据库更新模块：用于用户在本期成果经精度检验合格后，对本期成果加时间戳进行归档存储，本期成果包括但不限于遥感判读图斑数据库、现地调查数据库、样地样木监测数据库、森林资源变化数据库、森林资源小班数据库；
监测成果计算和统计模块：用于统计监测成果的主要指标及统计数表。主要指标但不限于分总体、分层或分配额的总体名称、分层、公顷蓄积、公顷株数、小班总蓄积，小班总面积、森林总蓄积、森林总面积，以及全部森林资源小班汇总后的小班总蓄积，小班总面积、森林总蓄积、森林总面积。统计数表包括但不限于各类土地面积统计表、各类森林蓄积量统计表、各类土地面积动态表、各类森林蓄积量动态表、总体特征数计算表。
森林蓄积量连续监测系统的执行方法如下，如图9：
（1）用户使用用户登录及管理模块登录应用系统。
（2）使用智能样地数据接收与存储模块，采集和更新本期样地样木数据库。
（3）使用遥感变化检测模块，根据前后期遥感影像获得森林资源判读图斑。
（4）使用遥感判读图斑调查和编辑模块，对森林资源判读图斑经外业调查、档案更新，图形和属性编辑后，获得现地调查数据库。
（5）使用森林资源变化数据库生成模块，对现地调查数据库叠加基期森林资源小班数据，生成森林资源变化数据库，并统计出地类变化引起森林蓄积量变化量。
（6）使用林分模型更新计算模块，对地类未变化小班进行动态林分模型更新参数，对所有地类未变化小班进行蓄积更新，统计出林分结构变化引起森林蓄积量变化量。
（7）使用抽样精度和特征值计算模块，计算抽样总体特征值，计算样地森林蓄积量和森林小班蓄积，根据精度控制要求进行数据校正。
（8）在成果精度检验合格后，使用监测时空数据库更新模块，输出本期成果数据库，并加时间戳进行归档存储。
（9）用户按需使用监测成果计算和统计模块统计监测成果主要指标及统计数表。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (6)

1.一种森林蓄积量连续监测方法，其特征在于，包括如下步骤：
（1）样地抽样设计：完成监测样地布设，确定样地总体、抽样方法和样地空间位置；
（2）智能样地布设：对样地完成首次测量和监测设备布设；
（3）样地数据自动采集；
（4）蓄积动态更新：地类变化小班通过遥感变化检测，对森林资源变化图斑的图形和属性信息同时更新；地类无变化小班通过智能样地数据建立动态林分更新模型后，对森林小班的属性信息进行更新，具体步骤如下：
（4.1）依据步骤（3）中采集的数据计算出每个智能样地的蓄积；
（4.2）基于智能样地计算当前监测区的森林蓄积量和抽样精度，森林蓄积量计算公式如下：
Figure 619667DEST_PATH_IMAGE002
其中，Vall_Plot为基于智能样地计算当前监测区的森林蓄积量，vij为第j个总体的第i个样地的蓄积，sij为第j个总体的第i个样地的面积，Sj为第j个总体的总面积，n为第j个总体的样地数量；m为当前监测区总体数量；
抽样精度计算公式如下：
Figure 196142DEST_PATH_IMAGE004
其中，
Figure DEST_PATH_IMAGE005
为当前样地总体的抽样精度，
Figure 902935DEST_PATH_IMAGE006
为可靠性指标，
Figure DEST_PATH_IMAGE007
为第j个总体样本方差的算 术平方根，
Figure 982887DEST_PATH_IMAGE008
为第j个总体的样本平均数；
（4.3）判断抽样精度是否达到抽样设计，是，则执行步骤（4.4）；否，则执行步骤（1），调整抽样设计，补设智能样地；
（4.4）判断是否结合一类调查，是，则基于智能样地计算当前监测区的森林蓄积量即为本期森林蓄积量，执行步骤（4.17）；否，则执行步骤（4.5）；
（4.5）判断监测期是否获取有遥感影像，有，则执行步骤（4.6）；否，则只开展动态林分模型更新，执行步骤（4.11）；
（4.6）开展遥感变化检测更新，以遥感变化检测为主，辅以现地调查、档案更新方式，区划地类变化小班的空间范围，形成遥感判读图斑数据库；
（4.7）依据现地调查、档案更新，对遥感判读图斑填写现地调查因子，形成现地调查数据库；
（4.8）将现地调查数据库和基期森林资源小班数据库进行空间更新分析，将现地调查因子在基期森林资源小班数据库上进行空间和属性更新，生成本期森林资源小班数据库；
（4.9）将本期森林资源小班数据库和基期森林资源小班数据库进行空间联合分析，对联合结果仅保留前后地类发生变化小班作为森林资源变化数据库；
（4.10）对森林资源变化数据库的本期小班蓄积和基期小班蓄积的差值进行汇总，获得地类变化小班的小班蓄积变化量，计算公式如下：
Figure 602087DEST_PATH_IMAGE010
其中，
Figure DEST_PATH_IMAGE011
为地类变化小班的小班蓄积变化量，
Figure 682169DEST_PATH_IMAGE012
为第i个森林资源变 化数据库小班的小班蓄积，
Figure DEST_PATH_IMAGE013
为第i个森林资源变化数据库小班的基期小班蓄积，o 为森林资源变化数据库小班总数量；
（4.11）判断是否结合二类调查，是，则执行步骤（4.12）；否，执行步骤（4.14）；
（4.12）计算地类无变化小班内样地总蓄积，将其同基期样地总蓄积的比值同1做差值，作为动态林分模型更新参数，计算公式如下：
Figure DEST_PATH_IMAGE015
其中，
Figure 677807DEST_PATH_IMAGE016
为动态林分模型更新参数，
Figure DEST_PATH_IMAGE017
为地类无变化小班内样地总蓄积，
Figure 920920DEST_PATH_IMAGE018
为基期样地总蓄积；
（4.13）对地类无变化小班蓄积乘以动态林分模型更新参数，汇总后即为林分结构变化小班的森林蓄积量变化量，计算公式如下：
Figure 445442DEST_PATH_IMAGE020
其中，
Figure DEST_PATH_IMAGE021
为林分结构变化小班的森林蓄积量变化量，
Figure 465351DEST_PATH_IMAGE022
为地类无变 化小班蓄积，
Figure DEST_PATH_IMAGE023
为地类无变化小班内样地总蓄积，
Figure 280991DEST_PATH_IMAGE024
为基期样地总蓄积；
（4.14）计算各分层或配额中地类无变化小班内样地总蓄积，将其同基期样地总蓄积的比值同1做差值，作为各分层或是配额的动态林分模型更新参数，计算公式如下：
Figure DEST_PATH_IMAGE025
其中，
Figure 866693DEST_PATH_IMAGE026
为第j个分层或配额的动态林分模型更新参数，
Figure DEST_PATH_IMAGE027
为第j个分层或是配 额中地类无变化小班内样地总蓄积，
Figure 562117DEST_PATH_IMAGE028
为第j个分层或配额的基期样地总蓄积；
（4.15）对地类无变化小班的各分层或配额内基数小班蓄积乘以动态林分模型更新参数，汇总后作为各分层或配额林分结构变化小班的森林蓄积量变化量，计算公式如下：
Figure 849748DEST_PATH_IMAGE030
Figure 656030DEST_PATH_IMAGE032
Figure 830659DEST_PATH_IMAGE034
其中，
Figure DEST_PATH_IMAGE035
为林分结构变化小班的森林蓄积量变化量，
Figure 431405DEST_PATH_IMAGE036
为第j个分层或 是配额中地类无变化小班内样地总蓄积，
Figure 442217DEST_PATH_IMAGE028
为第j个分层或配额的基期样地总蓄积，
Figure DEST_PATH_IMAGE037
为第j个分层或配额中第
Figure DEST_PATH_IMAGE039
个地类无变化小班的基期小班蓄积，
Figure 583349DEST_PATH_IMAGE040
为第j 个分层或配额的地类无变化小班内样地蓄积，
Figure DEST_PATH_IMAGE041
为第j个分层或配额的基期样地蓄 积，
Figure 395840DEST_PATH_IMAGE042
为第j个分层或是配额内地类无变化小班数量，
Figure DEST_PATH_IMAGE043
为分层或是配额数量；
（4.16）计算森林资源小班的森林蓄积量变化，计算公式如下：
Figure DEST_PATH_IMAGE045
其中，
Figure 229804DEST_PATH_IMAGE046
为森林资源小班的森林蓄积量变化量，
Figure DEST_PATH_IMAGE047
为地类变化小班的小班 蓄积变化量，
Figure 259071DEST_PATH_IMAGE048
为林分结构变化小班的森林蓄积量变化量；
（4.17）流程结束；
（5）精度检验与校正；
（6）监测出数：输出本期蓄积监测数据；
（7）判断监测周期是否到达，是，则结束流程；否，则返回执行步骤（3），开展连续监测。
2.根据权利要求1所述的森林蓄积量连续监测方法，其特征在于，所述步骤（5）中在监测基数上叠加森林蓄积量变化量，对监测结果开展精度检验，对不符合精度要求数据查找原因后进行校正，使智能样地数据和森林资源小班数据均符合精度要求。
3.根据权利要求2所述的森林蓄积量连续监测方法，其特征在于，所述步骤（5）的具体步骤如下：
（5.1）判断是否结合一类调查，否，则执行步骤（5.2），是，基于智能样地计算的监测区总蓄积即为本期森林蓄积量；
（5.2）判断是否配额抽样，是，则执行步骤（5.5）；否，将监测小班蓄积汇总值与抽样总体调查蓄积值进行对比，其中，监测小班蓄积汇总值为监测基期小班森林蓄积量与森林小班蓄积量变化量合计值，抽样总体调查蓄积为基于智能样地计算的本期监测区总蓄积量；
（5.3）判断监测小班蓄积汇总值与抽样总体调查蓄积值的差异在±1倍标准误之内，否，则执行步骤（5.4）；是，则无需进行校正，本期森林蓄积量为监测小班蓄积汇总值；
（5.4）对森林资源小班蓄积偏差大的小班修改后，使监测小班蓄积汇总值与抽样总体调查蓄积值的差异在标准误之内，本期森林蓄积量为校正后监测小班蓄积汇总值；
（5.5）计算各配额内监测小班公顷蓄积和抽样调查公顷蓄积并进行对比，判断两者差值是否超过规定阈值，否，执行步骤（5.6）；是，则无需校正，此时本期森林蓄积量为各配额内监测小班蓄积汇总值；
（5.6）对森林资源小班蓄积偏差大的小班修改后，使各配额内监测小班公顷蓄积与抽样调查公顷蓄积的差异在规定阈值之内，本期森林蓄积量为各配额内校正后监测小班蓄积汇总值；
（5.7）流程结束。
4.根据权利要求2或3所述的森林蓄积量连续监测方法，其特征在于，所述步骤（6）的具体步骤如下：
（6.1）判断本期成果精度检验是否合格，否，则执行步骤（6.3），是，则输出本期成果数据库，并加时间戳进行归档存储；
（6.2）输出各成果主要指标；
（6.3）流程结束。
5.一种森林蓄积量连续监测系统，其特征在于，用于完成权利要求1~4任意一项所述的森林蓄积量连续监测方法中的步骤（4）~（7），包括：
用户登录及管理模块：用于登录森林蓄积量连续监测系统；
智能样地数据接收与存储模块：用于接收并解析智能样地数据，将数据保存至对森林样地时空数据库并进行更新；
遥感变化检测模块：利用多期遥感影像，获得监测前后两期间的遥感变化判断图斑；
遥感判断图斑调查和编辑模块：用于在遥感判读图斑经现地核实、档案更新后，完成遥感判读图斑因子录入；
样地蓄积计算模块：用于利用森林样地时空数据库中更新的样木调查信息，计算本期各样地蓄积和抽样总体蓄积；
森林资源变化数据库生成模块：利用遥感判读图斑核实结果，更新基期森林资源小班数据，经图形和属性对比分析，获得森林资源变化图斑，并计算出本期森林资源小班蓄积及森林蓄积量变化量；
林分模型更新计算模块：计算出动态模型更新参数，获取本期林分结构变化引起森林蓄积量变化量；
抽样精度和特征值计算模块：用于统计生成监测总体抽样精度和特征值；
监测时空数据库更新模块：用于在本期成果经精度检验合格后，对本期成果加时间戳进行归档存储；
监测成果计算和统计模块：用于统计监测成果的主要指标及统计数表。
6.权利要求5所述的森林蓄积量连续监测系统的执行方法，其特征在于，包括如下步骤：
（1）用户使用用户登录及管理模块登录应用系统；
（2）使用智能样地数据接收与存储模块，采集和更新本期样地样木数据库；
（3）使用遥感变化检测模块，根据前后期遥感影像获得森林资源判读图斑；
（4）使用遥感判读图斑调查和编辑模块，对森林资源判读图斑经外业调查、档案更新，图形和属性编辑后，获得现地调查数据库；
（5）使用森林资源变化数据库生成模块，对现地调查数据库叠加基期森林资源小班数据，生成森林资源变化数据库，并统计出地类变化引起森林蓄积量变化量；
（6）使用林分模型更新计算模块，对地类未变化小班进行动态林分模型更新参数，对所有地类未变化小班进行蓄积更新，统计出林分结构变化引起森林蓄积量变化量；
（7）使用抽样精度和特征值计算模块，计算抽样总体特征值，计算样地森林蓄积量和森林小班蓄积，根据精度控制要求进行数据校正；
（8）在成果精度检验合格后，使用监测时空数据库更新模块，输出本期成果数据库，并加时间戳进行归档存储；
（9）用户按需使用监测成果计算和统计模块统计监测成果主要指标及统计数表。
CN202210745848.1A 2022-06-29 2022-06-29 一种森林蓄积量连续监测方法、系统及其执行方法 Active CN114817616B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202210745848.1A CN114817616B (zh) 2022-06-29 2022-06-29 一种森林蓄积量连续监测方法、系统及其执行方法
JP2023100523A JP7339467B1 (ja) 2022-06-29 2023-06-20 森林蓄積量連続監視測定方法、システム及びその実施方法
US18/213,912 US11869023B1 (en) 2022-06-29 2023-06-26 Continuous monitoring method and system for forest stock and execution method therefor

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210745848.1A CN114817616B (zh) 2022-06-29 2022-06-29 一种森林蓄积量连续监测方法、系统及其执行方法

Publications (2)

Publication Number Publication Date
CN114817616A CN114817616A (zh) 2022-07-29
CN114817616B true CN114817616B (zh) 2022-09-16

Family

ID=82523320

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210745848.1A Active CN114817616B (zh) 2022-06-29 2022-06-29 一种森林蓄积量连续监测方法、系统及其执行方法

Country Status (3)

Country Link
US (1) US11869023B1 (zh)
JP (1) JP7339467B1 (zh)
CN (1) CN114817616B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116070080B (zh) * 2023-03-06 2023-07-07 四川省林业和草原调查规划院(四川省林业和草原生态环境监测中心) 一种森林碳储量与碳汇价值监测系统及动态评估方法
CN116071419B (zh) * 2023-03-06 2023-06-16 四川省林业和草原调查规划院(四川省林业和草原生态环境监测中心) 一种碳汇造林和森林经营碳汇项目碳汇动态计量方法
CN115950407B (zh) * 2023-03-13 2023-05-23 四川大学 一种同心圆森林样地调查测量方法
CN117972116A (zh) * 2024-04-02 2024-05-03 江苏省基础地理信息中心 融合时序知识图谱的农作物遥感影像智能样本库构建方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103268613A (zh) * 2013-05-28 2013-08-28 北京林业大学 利用遥感、地理信息系统技术检测小班林业资源的方法
CN105303057A (zh) * 2015-11-17 2016-02-03 浙江省森林资源监测中心 设区市森林资源市县联动年度监测工艺
CN107909260A (zh) * 2017-11-10 2018-04-13 浙江省地理信息中心 一种自然资源资产离任审计评价方法
CN109344215A (zh) * 2018-09-17 2019-02-15 山西省林业科学研究院 一种检测小班林业资源的方法
CN109992747A (zh) * 2019-04-03 2019-07-09 海南省林业科学研究所 一种基于gis平台的空间平衡抽样方法
CN110032611A (zh) * 2019-04-03 2019-07-19 海南省林业科学研究所 一种碳汇计量监测方法
CN111783360A (zh) * 2020-07-06 2020-10-16 中国科学院沈阳应用生态研究所 高分辨率土地利用及森林景观过程耦合模拟系统及方法
CN113626411A (zh) * 2021-08-11 2021-11-09 四川省林业和草原调查规划院 一种森林资源一张图成果质检方法、系统及云平台

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102405404B (zh) * 2009-02-02 2016-12-07 行星排放管理公司 监测温室气体通量的各系统的系统
US11100420B2 (en) * 2014-06-30 2021-08-24 Amazon Technologies, Inc. Input processing for machine learning
KR102010134B1 (ko) * 2017-08-17 2019-08-13 고려대학교 산학협력단 임목 고사율 추정 방법 및 시스템
CN108664681A (zh) * 2017-11-08 2018-10-16 中国林业科学研究院资源信息研究所 天然林蓄积生产潜力及其计算方法
CN112101159B (zh) * 2020-09-04 2022-05-24 国家林业和草原局中南调查规划设计院 多时相林业遥感影像变化监测方法
US20230360160A1 (en) * 2020-09-30 2023-11-09 Aalto University Foundation Sr Machine learning based forest management
CN112868489B (zh) * 2021-03-03 2023-08-25 中国科学院西北生态环境资源研究院 一种基于土壤水分的山区人工林抚育管理方法
CN113156394B (zh) * 2021-03-31 2024-04-12 国家林业和草原局华东调查规划设计院 基于激光雷达的森林资源监测方法、装置和存储介质
CN113567647A (zh) * 2021-08-24 2021-10-29 中冶华天南京工程技术有限公司 一种沉水植物群落快速监测系统及调控方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103268613A (zh) * 2013-05-28 2013-08-28 北京林业大学 利用遥感、地理信息系统技术检测小班林业资源的方法
CN105303057A (zh) * 2015-11-17 2016-02-03 浙江省森林资源监测中心 设区市森林资源市县联动年度监测工艺
CN107909260A (zh) * 2017-11-10 2018-04-13 浙江省地理信息中心 一种自然资源资产离任审计评价方法
CN109344215A (zh) * 2018-09-17 2019-02-15 山西省林业科学研究院 一种检测小班林业资源的方法
CN109992747A (zh) * 2019-04-03 2019-07-09 海南省林业科学研究所 一种基于gis平台的空间平衡抽样方法
CN110032611A (zh) * 2019-04-03 2019-07-19 海南省林业科学研究所 一种碳汇计量监测方法
CN111783360A (zh) * 2020-07-06 2020-10-16 中国科学院沈阳应用生态研究所 高分辨率土地利用及森林景观过程耦合模拟系统及方法
CN113626411A (zh) * 2021-08-11 2021-11-09 四川省林业和草原调查规划院 一种森林资源一张图成果质检方法、系统及云平台

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
"3S"技术在退耕还林中的应用研究;程武学;《中国优秀硕士学位论文全文数据库（农业科技辑）》;20070615(第06期);D049-3 *
Research and analysis on the surface area change of Hongjiannao based on the remote sensing image;J Zou，Y Ma;《2011 International Conference on Remote Sensing,Environment and Transportation Engineering》;20111231;1-5 *
基于"3S"技术森林资源年度监测及档案更新技术方法初探;陈一佐;《安徽农学通报(上半月刊)》;20120410;第18卷(第07期);184-186 *
基于遥感大样地抽样调查的森林面积监测;王雪军 等;《北京林业大学学报》;20151115;第37卷(第11期);1-9 *

Also Published As

Publication number Publication date
JP7339467B1 (ja) 2023-09-05
CN114817616A (zh) 2022-07-29
JP2024007387A (ja) 2024-01-18
US20240005344A1 (en) 2024-01-04
US11869023B1 (en) 2024-01-09

Similar Documents

Publication Publication Date Title
CN114817616B (zh) 一种森林蓄积量连续监测方法、系统及其执行方法
CN114841625B (zh) 一种国家森林资源连续清查云平台及样地监测方法
CN116070080B (zh) 一种森林碳储量与碳汇价值监测系统及动态评估方法
CN114894254B (zh) 一种单株木碳汇动态计量方法
CN111369158A (zh) 一种基于bim的信息化质量管理方法和系统
CN108133006A (zh) 一种面向农业应用的卫星遥感产品系统
CN107727941A (zh) 环境敏感区域移动式电磁环境信息监测管理方法及系统
CN111667183A (zh) 一种耕地质量监测方法及系统
CN116071419B (zh) 一种碳汇造林和森林经营碳汇项目碳汇动态计量方法
CN109784840A (zh) 一种关联工程结构任务的施工测量数据自动采集处理方法
KR102538887B1 (ko) 산림경영 자동화시스템을 통한 임야탄소배출권 사업계획서비스 제공시스템
Lathrop Jr et al. Spatial variability of digital soil maps and its impact on regional ecosystem modeling
CN111708776A (zh) 一种基于gis技术开发的农业数据平台
CN115879835B (zh) 一种国家储备林建设成效监测方法、系统及云平台
CN113392500A (zh) 地质灾害监测预警系统
CN116881604B (zh) 一种碳汇造林项目碳汇动态计量方法
CN116307868A (zh) 一种森林生态系统服务功能动态评估方法、应用系统和云平台
CN115455490A (zh) 一种基于区块链的碳权资产数字化采集方法
CN109146112B (zh) 面向森林多目标优化决策的经营系统
CN114266128A (zh) 一种基于云平台的大气环评系统及方法
CN104807492A (zh) 一种使用高精度仪器实测评价大区域地表覆盖精度的方法
CN117075222A (zh) 一种节点仪运行状态实时监控评价方法
CN106302665B (zh) Argo数据业务化系统
Popov et al. Environmental information system for monitoring landscaping objects
CN115952983A (zh) 一种基于物联网的天然橡胶种植业生产和管理应用平台

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
TR01 Transfer of patent right

Effective date of registration: 20230720

Address after: 610081 section 4, Renmin North Road, Sichuan, Chengdu

Patentee after: Sichuan Forestry and grassland investigation and Planning Institute (Sichuan Forestry and grassland ecological environment monitoring center)

Address before: 610081 section 4, Renmin North Road, Sichuan, Chengdu

Patentee before: Sichuan Forestry and grassland investigation and Planning Institute (Sichuan Forestry and grassland ecological environment monitoring center)

Patentee before: Sichuan sample space time Technology Co.,Ltd.

TR01 Transfer of patent right