CN114924034A - 一种基于生态过程模型的林业碳计量系统 - Google Patents
一种基于生态过程模型的林业碳计量系统 Download PDFInfo
- Publication number
- CN114924034A CN114924034A CN202210485381.1A CN202210485381A CN114924034A CN 114924034 A CN114924034 A CN 114924034A CN 202210485381 A CN202210485381 A CN 202210485381A CN 114924034 A CN114924034 A CN 114924034A
- Authority
- CN
- China
- Prior art keywords
- module
- forest
- data
- remote sensing
- carbon
- 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.)
- Granted
Links
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 69
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000008569 process Effects 0.000 title claims abstract description 50
- 238000005259 measurement Methods 0.000 title claims abstract description 15
- 238000007781 pre-processing Methods 0.000 claims abstract description 21
- 238000007405 data analysis Methods 0.000 claims abstract description 8
- 238000013075 data extraction Methods 0.000 claims abstract description 8
- 238000005457 optimization Methods 0.000 claims abstract description 7
- 238000012795 verification Methods 0.000 claims abstract description 7
- 238000010276 construction Methods 0.000 claims abstract 2
- 238000004088 simulation Methods 0.000 claims description 42
- 230000011218 segmentation Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 13
- 239000002689 soil Substances 0.000 claims description 13
- 238000003708 edge detection Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 230000029553 photosynthesis Effects 0.000 claims description 9
- 238000010672 photosynthesis Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 7
- 238000005286 illumination Methods 0.000 claims description 7
- 241000894007 species Species 0.000 claims description 7
- 241000196324 Embryophyta Species 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 6
- 230000000241 respiratory effect Effects 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- CKUAXEQHGKSLHN-UHFFFAOYSA-N [C].[N] Chemical compound [C].[N] CKUAXEQHGKSLHN-UHFFFAOYSA-N 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 230000000243 photosynthetic effect Effects 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 238000002310 reflectometry Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000009919 sequestration Effects 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 230000035479 physiological effects, processes and functions Effects 0.000 claims 1
- 239000005431 greenhouse gas Substances 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Analytical Chemistry (AREA)
- Medicinal Chemistry (AREA)
- Pathology (AREA)
- Food Science & Technology (AREA)
- Biochemistry (AREA)
- Botany (AREA)
- Remote Sensing (AREA)
- Combustion & Propulsion (AREA)
- Wood Science & Technology (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本发明属于测量技术领域，是一种基于生态过程模型的林业碳计量系统，基于生态过程模型的林业碳计量系统包括：遥感数据采集模块、遥感数据预处理模块、林地类型确定模块、中央控制模块、验证模块、数据采集模块、数据分析提取模块、生态过程模型构建模块、模型优化模块、碳计量模块、更新模块以及输出模块。本发明基于遥感数据结合生态过程模型，能够全面、准确的反应区域的碳计量情况，计量结果准确，同时本发明不受地形或地域的限制，无需大量基础数据，计量过程简单，且较容易进行计量实时更新，能够充分反应区域的林业碳储量情况。
Description
技术领域
本发明属于测量技术领域，尤其涉及一种基于生态过程模型的林业碳计量系统。
背景技术
目前，大气中温室气体浓度增加引起的全球环境变化，严重威胁着人类生存与社会经济的可持续发展，成为各国政府、科学家及公众强烈关注的重大环境问题之一。中国提出2030年碳达峰和2060年碳中和目标。为减缓全球气候变化，保护人类生存环境，1992年通过了《联合国气候变化框架公约》(UNFC-CC)。根据UNFCCC第4款的规定，所有缔约方均有义务定期更新和公布人为活动引起的温室气体源排放和汇清除清单，即国家温室气体清单，并尽可能降低不确定性。土地利用、土地利用变化和林业(LULUCF)温室气体清单是国家温室气体清单的重要领域。
现有的林业碳计量一般都是基于相应的温室气体清单得到的，然而基于温室气体清单进行林业碳计量，工作量大，计量结果不准确，需要大量的数据支持，误差大，不能全面的进行林业碳计量。
通过上述分析，现有技术存在的问题及缺陷为：现有技术计量结果不准确，需要大量的数据支持，误差大，不能全面的进行林业碳计量。
发明内容
针对现有技术存在的问题，本发明提供了一种基于生态过程模型的林业碳计量系统。
本发明是这样实现的，一种基于生态过程模型的林业碳计量系统，所述基于生态过程模型的林业碳计量系统包括：
遥感数据采集模块、遥感数据预处理模块、林地类型确定模块、中央控制模块、验证模块、数据采集模块、数据分析提取模块、生态过程模型构建模块、模型优化模块、碳计量模块、更新模块以及输出模块；
遥感数据采集模块，与中央控制模块连接，用于获取待进行碳计量区域的遥感数据；
遥感数据预处理模块，与中央控制模块连接，用于对获取的遥感数据进行预处理；
林地类型确定模块，与中央控制模块连接，用于基于预处理后的遥感数据进行确定具体的林地类型、树种、林龄以及其它相关数据；
数据分析提取模块，与中央控制模块连接，用于基于具体的林地类型、树种、林龄以及其它相关数据结合预处理后的遥感数据确定对应林木的相应数据；
生态过程模型构建模块，与中央控制模块连接，用于采集、分析提取的数据构建林地生态过程模型；
所述林地生态过程模型如下：
T＝T1-T2；
T1＝A*B*F；
T2＝Rm+Rg；
其中，T表示碳汇量；T1表示林地植物光合作用产生的碳；T2表示林地植物呼吸作用消耗的碳；A表示林木冠层总光合作用的速率；B表示光照量；F表示光合作用转化为碳的因子；Rm表示林木维持性呼吸碳消耗量；Rg表示林木生长性呼吸碳消耗量；
模型优化模块，与中央控制模块连接，用于基于历史数据以及遥感数据对构建的林地生态过程模型进行优化；
碳计量模块，与中央控制模块连接，用于优化后的林地生态过程模型进行林业碳计量；
进一步，所述基于生态过程模型的林业碳计量系统还包括：
中央控制模块，与遥感数据采集模块、遥感数据预处理模块、林地类型确定模块、验证模块、数据采集模块、数据分析提取模块、生态过程模型构建模块、模型优化模块、碳计量模块、更新模块以及输出模块连接，用于利用单片机或控制器控制各个模块正常工作；
验证模块，与中央控制模块连接，用于基于采集的林地的历史数据以及无人机实时图像数据结合实地数据验证林地类型确定结果是否准确；
数据采集模块，与中央控制模块连接，用于采集待计量区域的相应环境以及其他数据；
更新模块，与中央控制模块连接，用于基于对比一段时间内的遥感影像的变化确定区域的变化数据，实施更新碳计量数据；
输出模块，与中央控制模块连接，用于利用显示器以可视化图表的形式对相应的计量数据以及遥感数据进行输出。
进一步，所述数据采集模块包括：
气象数据采集单元，用于采集待计量区域的温度、湿度以及其他气象数据；
光照参数采集单元，用于采集待计量区域的太阳辐射以及相关日照数据；
土壤数据采集单元，用于采集待计量区域的土壤类型、土壤含水量和土壤湿度相关数据；
位置数据采集单元，用于获取待计量区域的经纬度、坡向以及其他相关位置数据。
进一步，所述林木的相应数据包括但不限于林木的分配参数、碳氮比、林木叶片与冠层的形态参数、叶面积指数以及光合呼吸生理参数。
进一步，所述遥感数据预处理模块对获取的遥感数据进行预处理包括：
首先，对获取的遥感数据进行辐射定标；对辐射定标后的遥感数据进行大气校正处理；
其次，对大气校正处理后的遥感数据进行正射校正；对正射校正后的遥感数据进行镶嵌裁切，得到预处理后的遥感数据。
进一步，所述林地类型确定模块基于预处理后的遥感数据确定具体的树种类型包括：
基于预处理后的遥感数据通过分类识别以及边缘检测技术对所述林地进行区域划分；
基于各个区域的遥感数据确定反应林木生理特征的第一光谱反射率；基于所述第一光谱反射率与数据库中预先存储的数据对比确定各种树种类型。
进一步，所述基于预处理后的遥感数据通过分类识别以及边缘检测技术对所述林地进行区域划分包括：
首先，将林地划分为林木覆盖区域和无林木覆盖区域；
其次，利用基于边缘检测的多尺度分割方法对林木覆盖区域影像进行面向对象分割，并剔除背景信息，提取林木的冠幅；
最后，基于所述冠幅是否相同进行区域划分。
进一步，所述多尺度分割方法包括：
(1)创建三维林木覆盖区域仿真影像，计算所有林木覆盖区域仿真影像的中心，包括：
根据林木覆盖区域的坐标，获得林木覆盖数据的Xmax、Ymax、Zmax与Xmin、Ymin、Zmin，其中Xmax表示三维仿真影像上X轴的最大坐标、Ymax表示三维仿真影像上Y轴的最大坐标、Zmax表示三维仿真影像上Z轴的最大坐标、Xmin表示三维仿真影像上X轴的最小坐标、Ymin表示三维仿真影像上Y轴的最小坐标、Zmin表示三维仿真影像上Z轴的最小坐标，并求得包围林木覆盖数据的最小边长Lx、Ly、Lz，公式如下：
设置林木覆盖区域仿真影像的半径r；
每个林木覆盖区域仿真影像的边长为lx、ly、lz，公式如下：
将h里的元素按照从小到大的顺序进行排序，计算每个林木覆盖区域仿真影像中心；
(2)构造林木覆盖区域仿真系统，建立点云拓扑关系；
(3)最近邻搜索，得到林木覆盖数据中距离林木覆盖区域仿真影像最近的点，并替换该中心；
(4)求点云任一点领域范围内邻近点数，指定半径r，在该半径范围内至少有m个邻近点数，否则作为噪点，将其移除；
(5)利用高斯函数经傅里叶变换后仍然具有高斯函数的特性，令指定区域的权重为高斯分布，从而将由于点云采样时图像异常处理所产生的高频噪声点滤除，并在滤波的同时保持林木未覆盖区域点云原貌；
(6)经步骤(5)获得所述林木覆盖区域仿真影像后，进行：林木覆盖区域平面拟合分割，包括：
(6.1)随机从林木覆盖区域中选取三个点，由这三个点组成一个平面，平面方程如下：
A·x+B·y+C·z＝D；
通过选取的三个点则可以确定参数A、B、C、D；
(6.2)通过计算某个邻域和/或局部的均值、中值、高斯加权平均和/或高斯滤波来确定阈值，从而实现自适应阈值分割；
(6.3)计算所有其他的点到该平面的距离P，如果距离小于一个阈值t，则认为该点在该平面上；如果属于一个平面的点超过n个，保存下该平面并将其上的点标记为已匹配；
(6.4)当迭代N次后，不存在三个点以组成一个平面或一个平面内点少于n个，则迭代结束；
(6.5)提取出该平面之外的林木覆盖数据。
本发明的另一目的在于提供一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现所基于生态过程模型的林业碳计量系统。
本发明的另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机应用所述基于生态过程模型的林业碳计量系统。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明基于遥感数据结合生态过程模型，能够全面、准确的反应区域的碳计量情况，计量结果准确，同时本发明不受地形或地域的限制，无需大量基础数据，同时计量过程简单，且较容易进行计量实时更新，能够充分反应区域的林业碳储量情况。
本发明提供的多尺度分割方法，创建三维林木覆盖区域仿真影像，计算所有林木覆盖区域仿真影像的中心；构造林木覆盖区域仿真系统，建立点云拓扑关系；最近邻搜索，得到林木覆盖数据中距离林木覆盖区域仿真影像最近的点，并替换该中心；求点云任一点领域范围内邻近点数，指定半径d，在该半径范围内至少有m个邻近点数，否则作为噪点，将其移除；利用高斯函数经傅里叶变换后仍然具有高斯函数的特性，令指定区域的权重为高斯分布，从而将由于点云采样时图像异常处理所产生的高频噪声点滤除，并在滤波的同时保持林木未覆盖区域点云原貌；获得所述林木覆盖区域仿真影像后，进行：林木覆盖区域平面拟合分割，可获得清晰的影像图像。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，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这些附图获得其他的附图。
图1是本发明实施例提供的基于生态过程模型的林业碳计量系统结构示意图；
图中：1、遥感数据采集模块；2、遥感数据预处理模块；3、林地类型确定模块；4、中央控制模块；5、验证模块；6、数据采集模块；7、数据分析提取模块；8、生态过程模型构建模块；9、模型优化模块；10、碳计量模块；11、更新模块；12、输出模块。
图2是本发明实施例提供的数据采集模块结构示意图；
图中：61、气象数据采集单元；62、光照参数采集单元；63、土壤数据采集单元；64、位置数据采集单元。
图3是本发明实施例提供的遥感数据预处理模块对获取的遥感数据进行预处理的方法流程图。
图4是本发明实施例提供的林地类型确定模块基于预处理后的遥感数据确定具体的树种类型的方法流程图。
图5是本发明实施例提供的基于预处理后的遥感数据通过分类识别以及边缘检测技术对所述林地进行区域划分的方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种基于生态过程模型的林业碳计量系统，下面结合附图对本发明作详细的描述。
如图1所示，本发明实施例提供的基于生态过程模型的林业碳计量系统包括：
遥感数据采集模块1，与中央控制模块4连接，用于获取待进行碳计量区域的遥感数据；
遥感数据预处理模块2，与中央控制模块4连接，用于对获取的遥感数据进行预处理；
林地类型确定模块3，与中央控制模块4连接，用于基于预处理后的遥感数据进行确定具体的林地类型、树种、林龄以及其它相关数据；
中央控制模块4，与遥感数据采集模块1、遥感数据预处理模块2、林地类型确定模块3、验证模块5、数据采集模块6、数据分析提取模块7、生态过程模型构建模块8、模型优化模块9、碳计量模块10、更新模块11以及输出模块12连接，用于利用单片机或控制器控制各个模块正常工作；
验证模块5，与中央控制模块4连接，用于基于采集的林地的历史数据以及无人机实时图像数据结合实地数据验证林地类型确定结果是否准确；
数据采集模块6，与中央控制模块4连接，用于采集待计量区域的相应环境以及其他数据；
数据分析提取模块7，与中央控制模块4连接，用于基于具体的林地类型、树种、林龄以及其它相关数据结合预处理后的遥感数据确定对应林木的相应数据；
生态过程模型构建模块8，与中央控制模块4连接，用于采集、分析提取的数据构建林地生态过程模型；
模型优化模块9，与中央控制模块4连接，用于基于历史数据以及遥感数据对构建的林地生态过程模型进行优化；
碳计量模块10，与中央控制模块4连接，用于优化后的林地生态过程模型进行林业碳计量；
更新模块11，与中央控制模块4连接，用于基于对比一段时间内的遥感影像的变化确定区域的变化数据，实施更新碳计量数据；
输出模块12，与中央控制模块4连接，用于利用显示器以可视化图表的形式对相应的计量数据以及遥感数据进行输出。
如图2所示，本发明实施例提供的数据采集模块6包括：
气象数据采集单元61，用于采集待计量区域的温度、湿度以及其他气象数据；
光照参数采集单元62，用于采集待计量区域的太阳辐射以及相关日照数据；
土壤数据采集单元63，用于采集待计量区域的土壤类型、土壤含水量和土壤湿度相关数据；
位置数据采集单元64，用于获取待计量区域的经纬度、坡向以及其他相关位置数据。
本发明实施例提供的林木的相应数据包括但不限于林木的分配参数、碳氮比、林木叶片与冠层的形态参数、叶面积指数以及光合呼吸生理参数。
如图3所示，本发明实施例提供的遥感数据预处理模块对获取的遥感数据进行预处理包括：
S101，对获取的遥感数据进行辐射定标；对辐射定标后的遥感数据进行大气校正处理；
S102，对大气校正处理后的遥感数据进行正射校正；对正射校正后的遥感数据进行镶嵌裁切，得到预处理后的遥感数据。
如图4所示，本发明实施例提供的林地类型确定模块基于预处理后的遥感数据确定具体的树种类型包括：
S201，基于预处理后的遥感数据通过分类识别以及边缘检测技术对所述林地进行区域划分；
S202，基于各个区域的遥感数据确定反应林木生理特征的第一光谱反射率；基于所述第一光谱反射率与数据库中预先存储的数据对比确定各种树种类型。
如图5所示，本发明实施例提供的基于预处理后的遥感数据通过分类识别以及边缘检测技术对所述林地进行区域划分包括：
S301，将林地划分为林木覆盖区域和无林木覆盖区域；
S302，利用基于边缘检测的多尺度分割方法对林木覆盖区域影像进行面向对象分割，并剔除背景信息，提取林木的冠幅；
S303，基于所述冠幅是否相同进行区域划分。
本发明实施例提供的生态过程模型构建模块构建林地生态过程模型如下：
T＝T1-T2；
T1＝A*B*F；
T2＝Rm+Rg；
其中，T表示碳汇量；T1表示林地植物光合作用产生的碳；T2表示林地植物呼吸作用消耗的碳；A表示林木冠层总光合作用的速率；B表示光照量；F表示光合作用转化为碳的因子；Rm表示林木维持性呼吸碳消耗量；Rg表示林木生长性呼吸碳消耗量。
在本发明一实施例中，所述多尺度分割方法包括：
(1)创建三维林木覆盖区域仿真影像，计算所有林木覆盖区域仿真影像的中心，包括：
根据林木覆盖区域的坐标，获得林木覆盖数据的Xmax、Ymax、Zmax与Xmin、Ymin、Zmin，其中Xmax表示三维仿真影像上X轴的最大坐标、Ymax表示三维仿真影像上Y轴的最大坐标、Zmax表示三维仿真影像上Z轴的最大坐标、Xmin表示三维仿真影像上X轴的最小坐标、Ymin表示三维仿真影像上Y轴的最小坐标、Zmin表示三维仿真影像上Z轴的最小坐标，并求得包围林木覆盖数据的最小边长Lx、Ly、Lz，公式如下：
设置林木覆盖区域仿真影像的半径r；
每个林木覆盖区域仿真影像的边长为lx、ly、lz，公式如下：
得到点云中每个点在林木覆盖区域仿真影像内的索引h，公式如下：
将h里的元素按照从小到大的顺序进行排序，计算每个林木覆盖区域仿真影像中心；
(2)构造林木覆盖区域仿真系统，建立点云拓扑关系；
(3)最近邻搜索，得到林木覆盖数据中距离林木覆盖区域仿真影像最近的点，并替换该中心；
(4)求点云任一点领域范围内邻近点数，指定半径r，在该半径范围内至少有m个邻近点数，否则作为噪点，将其移除；
(5)利用高斯函数经傅里叶变换后仍然具有高斯函数的特性，令指定区域的权重为高斯分布，从而将由于点云采样时图像异常处理所产生的高频噪声点滤除，并在滤波的同时保持林木未覆盖区域点云原貌；
(6)经步骤(5)获得所述林木覆盖区域仿真影像后，进行：林木覆盖区域平面拟合分割，包括：
(6.1)随机从林木覆盖区域中选取三个点，由这三个点组成一个平面，平面方程如下：
A·x+B·y+C·z＝D；
通过选取的三个点则可以确定参数A、B、C、D；
(6.2)通过计算某个邻域和/或局部的均值、中值、高斯加权平均和/或高斯滤波来确定阈值，从而实现自适应阈值分割；
(6.3)计算所有其他的点到该平面的距离P，如果距离小于一个阈值t，则认为该点在该平面上；如果属于一个平面的点超过n个，保存下该平面并将其上的点标记为已匹配；
(6.4)当迭代N次后，不存在三个点以组成一个平面或一个平面内点少于n个，则迭代结束；
(6.5)提取出该平面之外的林木覆盖数据。
以上所述，仅为本发明较优的具体的实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于生态过程模型的林业碳计量系统，其特征在于，所述基于生态过程模型的林业碳计量系统包括：
遥感数据采集模块、遥感数据预处理模块、林地类型确定模块、中央控制模块、验证模块、数据采集模块、数据分析提取模块、生态过程模型构建模块、模型优化模块、碳计量模块、更新模块以及输出模块；
遥感数据采集模块，与中央控制模块连接，用于获取待进行碳计量区域的遥感数据；
遥感数据预处理模块，与中央控制模块连接，用于对获取的遥感数据进行预处理；
林地类型确定模块，与中央控制模块连接，用于基于预处理后的遥感数据进行确定具体的林地类型、树种、林龄以及其它相关数据；
数据分析提取模块，与中央控制模块连接，用于基于具体的林地类型、树种、林龄以及其它相关数据结合预处理后的遥感数据确定对应林木的相应数据；
生态过程模型构建模块，与中央控制模块连接，用于采集、分析提取的数据构建林地生态过程模型；
所述林地生态过程模型如下：
T＝T1-T2；
T1＝A*B*F；
T2＝Rm+Rg；
其中，T表示碳汇量；T1表示林地植物光合作用产生的碳；T2表示林地植物呼吸作用消耗的碳；A表示林木冠层总光合作用的速率；B表示光照量；F表示光合作用转化为碳的因子；Rm表示林木维持性呼吸碳消耗量；Rg表示林木生长性呼吸碳消耗量；
模型优化模块，与中央控制模块连接，用于基于历史数据以及遥感数据对构建的林地生态过程模型进行优化；
碳计量模块，与中央控制模块连接，用于优化后的林地生态过程模型进行林业碳计量。
2.如权利要求1所述基于生态过程模型的林业碳计量系统，其特征在于，所述基于生态过程模型的林业碳计量系统还包括：
中央控制模块，与遥感数据采集模块、遥感数据预处理模块、林地类型确定模块、验证模块、数据采集模块、数据分析提取模块、生态过程模型构建模块、模型优化模块、碳计量模块、更新模块以及输出模块连接，用于利用单片机或控制器控制各个模块正常工作；
验证模块，与中央控制模块连接，用于基于采集的林地的历史数据以及无人机实时图像数据结合实地数据验证林地类型确定结果是否准确；
数据采集模块，与中央控制模块连接，用于采集待计量区域的相应环境以及其他数据；
更新模块，与中央控制模块连接，用于基于对比一段时间内的遥感影像的变化确定区域的变化数据，实施更新碳计量数据；
输出模块，与中央控制模块连接，用于利用显示器以可视化图表的形式对相应的计量数据以及遥感数据进行输出。
3.如权利要求2所述基于生态过程模型的林业碳计量系统，其特征在于，所述数据采集模块包括：
气象数据采集单元，用于采集待计量区域的温度、湿度以及其他气象数据；
光照参数采集单元，用于采集待计量区域的太阳辐射以及相关日照数据；
土壤数据采集单元，用于采集待计量区域的土壤类型、土壤含水量和土壤湿度相关数据；
位置数据采集单元，用于获取待计量区域的经纬度、坡向以及其他相关位置数据。
4.如权利要求1所述基于生态过程模型的林业碳计量系统，其特征在于，所述林木的相应数据包括但不限于林木的分配参数、碳氮比、林木叶片与冠层的形态参数、叶面积指数以及光合呼吸生理参数。
5.如权利要求1所述基于生态过程模型的林业碳计量系统，其特征在于，所述遥感数据预处理模块对获取的遥感数据进行预处理包括：
首先，对获取的遥感数据进行辐射定标；对辐射定标后的遥感数据进行大气校正处理；
其次，对大气校正处理后的遥感数据进行正射校正；对正射校正后的遥感数据进行镶嵌裁切，得到预处理后的遥感数据。
6.如权利要求1所述基于生态过程模型的林业碳计量系统，其特征在于，所述林地类型确定模块基于预处理后的遥感数据确定具体的树种类型包括：
基于预处理后的遥感数据通过分类识别以及边缘检测技术对所述林地进行区域划分；
基于各个区域的遥感数据确定反应林木生理特征的第一光谱反射率；基于所述第一光谱反射率与数据库中预先存储的数据对比确定各种树种类型。
7.如权利要求6所述基于生态过程模型的林业碳计量系统，其特征在于，所述基于预处理后的遥感数据通过分类识别以及边缘检测技术对所述林地进行区域划分包括：
首先，将林地划分为林木覆盖区域和无林木覆盖区域；
其次，利用基于边缘检测的多尺度分割方法对林木覆盖区域影像进行面向对象分割，并剔除背景信息，提取林木的冠幅；
最后，基于所述冠幅是否相同进行区域划分。
8.如权利要求7所述基于生态过程模型的林业碳计量系统，其特征在于，所述多尺度分割方法包括：
(1)创建三维林木覆盖区域仿真影像，计算所有林木覆盖区域仿真影像的中心，包括：
根据林木覆盖区域的坐标，获得林木覆盖数据的Xmax、Ymax、Zmax与Xmin、Ymin、Zmin，其中Xmax表示三维仿真影像上X轴的最大坐标、Ymax表示三维仿真影像上Y轴的最大坐标、Zmax表示三维仿真影像上Z轴的最大坐标、Xmin表示三维仿真影像上X轴的最小坐标、Ymin表示三维仿真影像上Y轴的最小坐标、Zmin表示三维仿真影像上Z轴的最小坐标，并求得包围林木覆盖数据的最小边长Lx、Ly、Lz，公式如下：
设置林木覆盖区域仿真影像的半径r；
每个林木覆盖区域仿真影像的边长为lx、ly、lz，公式如下：
得到点云中每个点在林木覆盖区域仿真影像内的索引h，公式如下：
将h里的元素按照从小到大的顺序进行排序，计算每个林木覆盖区域仿真影像中心；
(2)构造林木覆盖区域仿真系统，建立点云拓扑关系；
(3)最近邻搜索，得到林木覆盖数据中距离林木覆盖区域仿真影像最近的点，并替换该中心；
(4)求点云任一点领域范围内邻近点数，指定半径r，在该半径范围内至少有m个邻近点数，否则作为噪点，将其移除；
(5)利用高斯函数经傅里叶变换后仍然具有高斯函数的特性，令指定区域的权重为高斯分布，从而将由于点云采样时图像异常处理所产生的高频噪声点滤除，并在滤波的同时保持林木未覆盖区域点云原貌；
(6)经步骤(5)获得所述林木覆盖区域仿真影像后，进行：林木覆盖区域平面拟合分割，包括：
(6.1)随机从林木覆盖区域中选取三个点，由这三个点组成一个平面，平面方程如下：
A·x+B·y+C·z＝D；
通过选取的三个点则可以确定参数A、B、C、D；
(6.2)通过计算某个邻域和/或局部的均值、中值、高斯加权平均和/或高斯滤波来确定阈值，从而实现自适应阈值分割；
(6.3)计算所有其他的点到该平面的距离P，如果距离小于一个阈值t，则认为该点在该平面上；如果属于一个平面的点超过n个，保存下该平面并将其上的点标记为已匹配；
(6.4)当迭代N次后，不存在三个点以组成一个平面或一个平面内点少于n个，则迭代结束；
(6.5)提取出该平面之外的林木覆盖数据。
9.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现如权利要求1-8是任意一项所基于生态过程模型的林业碳计量系统。
10.一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机应用如权利要求1-8是任意一项所述基于生态过程模型的林业碳计量系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210485381.1A CN114924034B (zh) | 2022-05-06 | 2022-05-06 | 一种基于生态过程模型的林业碳计量系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210485381.1A CN114924034B (zh) | 2022-05-06 | 2022-05-06 | 一种基于生态过程模型的林业碳计量系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114924034A true CN114924034A (zh) | 2022-08-19 |
| CN114924034B CN114924034B (zh) | 2024-05-14 |
Family
ID=82805705
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210485381.1A Active CN114924034B (zh) | 2022-05-06 | 2022-05-06 | 一种基于生态过程模型的林业碳计量系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114924034B (zh) |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090214084A1 (en) * | 2005-10-21 | 2009-08-27 | Asner Gregory P | Remote Sensing Analysis of Forest Disturbances |
| CN102289565A (zh) * | 2011-06-14 | 2011-12-21 | 北京林业大学 | 一种森林生态系统碳储量动态监测技术方法 |
| US20120288163A1 (en) * | 2011-05-09 | 2012-11-15 | Abengoa Bioenergia Nuevas Tecnologias, S.A. | System for identifying sustainable geographical areas by remote sensing techniques and method thereof |
| CN103279686A (zh) * | 2013-06-20 | 2013-09-04 | 四川省林业调查规划院 | 基于森林资源的林业碳计量方法 |
| CN103345573A (zh) * | 2013-06-20 | 2013-10-09 | 四川省林业调查规划院 | 基于生态过程模型的林业碳计量方法 |
| CN104020274A (zh) * | 2014-06-05 | 2014-09-03 | 刘健 | 一种林地立地质量遥感量化估测的方法 |
| CN104166782A (zh) * | 2014-06-05 | 2014-11-26 | 刘健 | 一种林地土壤有机碳遥感估测的方法 |
| CN104656098A (zh) * | 2015-02-03 | 2015-05-27 | 南京林业大学 | 一种遥感森林生物量反演的方法 |
| CN104820065A (zh) * | 2015-04-15 | 2015-08-05 | 上海植物园 | 一种城市单株乔木的碳汇测算方法 |
| CN105913017A (zh) * | 2016-04-08 | 2016-08-31 | 南京林业大学 | 一种基于同期双高分辨率遥感影像的森林生物量估算方法 |
| WO2016169699A1 (en) * | 2015-04-23 | 2016-10-27 | Forest Vision As | A system, an apparatus and a method for determining mass change in a study area using remote sensing data |
| CN107967340A (zh) * | 2017-12-02 | 2018-04-27 | 新疆林科院森林生态研究所 | 一种林业信息共享云平台与监测业务系统 |
| CN109946714A (zh) * | 2019-04-03 | 2019-06-28 | 海南省林业科学研究所 | 一种基于LiDAR和ALOS PALSAR多元数据的森林生物量模型的建立方法 |
| CN112861435A (zh) * | 2021-02-09 | 2021-05-28 | 深圳大学 | 一种红树林质量遥感反演方法及智能终端 |
| CN113516362A (zh) * | 2021-05-17 | 2021-10-19 | 深圳大学 | 基于遥感与过程耦合模型的红树林净初级生产力估算方法 |
| CN113743303A (zh) * | 2021-09-03 | 2021-12-03 | 知晓（北京）通信科技有限公司 | 一种林地遥感数据的林业碳汇算法 |
| CN114399200A (zh) * | 2022-01-14 | 2022-04-26 | 浙江树人学院（浙江树人大学） | 一种用于园林植物环境监测的生态评价系统 |
-
2022
- 2022-05-06 CN CN202210485381.1A patent/CN114924034B/zh active Active
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090214084A1 (en) * | 2005-10-21 | 2009-08-27 | Asner Gregory P | Remote Sensing Analysis of Forest Disturbances |
| US20120288163A1 (en) * | 2011-05-09 | 2012-11-15 | Abengoa Bioenergia Nuevas Tecnologias, S.A. | System for identifying sustainable geographical areas by remote sensing techniques and method thereof |
| CN102289565A (zh) * | 2011-06-14 | 2011-12-21 | 北京林业大学 | 一种森林生态系统碳储量动态监测技术方法 |
| CN103279686A (zh) * | 2013-06-20 | 2013-09-04 | 四川省林业调查规划院 | 基于森林资源的林业碳计量方法 |
| CN103345573A (zh) * | 2013-06-20 | 2013-10-09 | 四川省林业调查规划院 | 基于生态过程模型的林业碳计量方法 |
| CN104020274A (zh) * | 2014-06-05 | 2014-09-03 | 刘健 | 一种林地立地质量遥感量化估测的方法 |
| CN104166782A (zh) * | 2014-06-05 | 2014-11-26 | 刘健 | 一种林地土壤有机碳遥感估测的方法 |
| CN104656098A (zh) * | 2015-02-03 | 2015-05-27 | 南京林业大学 | 一种遥感森林生物量反演的方法 |
| CN104820065A (zh) * | 2015-04-15 | 2015-08-05 | 上海植物园 | 一种城市单株乔木的碳汇测算方法 |
| WO2016169699A1 (en) * | 2015-04-23 | 2016-10-27 | Forest Vision As | A system, an apparatus and a method for determining mass change in a study area using remote sensing data |
| CN105913017A (zh) * | 2016-04-08 | 2016-08-31 | 南京林业大学 | 一种基于同期双高分辨率遥感影像的森林生物量估算方法 |
| CN107967340A (zh) * | 2017-12-02 | 2018-04-27 | 新疆林科院森林生态研究所 | 一种林业信息共享云平台与监测业务系统 |
| CN109946714A (zh) * | 2019-04-03 | 2019-06-28 | 海南省林业科学研究所 | 一种基于LiDAR和ALOS PALSAR多元数据的森林生物量模型的建立方法 |
| CN112861435A (zh) * | 2021-02-09 | 2021-05-28 | 深圳大学 | 一种红树林质量遥感反演方法及智能终端 |
| CN113516362A (zh) * | 2021-05-17 | 2021-10-19 | 深圳大学 | 基于遥感与过程耦合模型的红树林净初级生产力估算方法 |
| CN113743303A (zh) * | 2021-09-03 | 2021-12-03 | 知晓（北京）通信科技有限公司 | 一种林地遥感数据的林业碳汇算法 |
| CN114399200A (zh) * | 2022-01-14 | 2022-04-26 | 浙江树人学院（浙江树人大学） | 一种用于园林植物环境监测的生态评价系统 |
Non-Patent Citations (2)
| Title |
|---|
| 李婷;李晶;杨欢;: "基于遥感和碳循环过程模型的土壤固碳价值估算――以关中-天水经济区为例", 干旱区地理, no. 02, 15 March 2016 (2016-03-15) * |
| 聂单南光;程朋根;熊秋林;: "基于RSEI指数的深圳市生态环境遥感评价", 江西科学, no. 05, 15 October 2020 (2020-10-15) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114924034B (zh) | 2024-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108921885B (zh) | 一种综合三类数据源联合反演森林地上生物量的方法 | |
| CN106372730B (zh) | 利用机器学习的植被净初级生产力遥感估算方法 | |
| CN102314546B (zh) | 基于虚拟植物的植物生长生物量变化估算方法 | |
| CN111767865A (zh) | 一种利用航拍影像和激光数据反演红树林生物量的方法 | |
| CN109213964A (zh) | 一种融合多源特征地理参数的卫星aod产品校正方法 | |
| CN108872964B (zh) | 基于无人机LiDAR数据的银杏人工林郁闭度提取方法 | |
| CN110927120B (zh) | 一种植被覆盖度预警方法 | |
| CN109919515B (zh) | 生态环境质量评价方法及装置 | |
| CN111879915B (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 | |
| CN102713917A (zh) | 二氧化碳吸收效果的评价方法和评价装置 | |
| CN115204691B (zh) | 基于机器学习和遥感技术的城市人为热排放量估算方法 | |
| CN110427841A (zh) | 基于遥感信息的常绿林地识别方法及系统 | |
| CN107479065A (zh) | 一种基于激光雷达的林窗立体结构量测方法 | |
| CN114863369B (zh) | 激光雷达监测玉米倒伏的方法、装置、设备及介质 | |
| Pei et al. | An improved phenology-based CASA model for estimating net primary production of forest in central China based on Landsat images | |
| CN114519823A (zh) | 一种利用Sentinel-2时间序列影像数据的农作物制图方法 | |
| CN116224359A (zh) | 基于机载LiDAR和小样本数据的森林地上生物量估算方法 | |
| CN115952702A (zh) | 一种基于forcchn模型和遥感数据的森林nep的计算方法 | |
| Wang et al. | The influence of vertical canopy structure on the cooling and humidifying urban microclimate during hot summer days | |
| Zou et al. | The fusion of satellite and unmanned aerial vehicle (UAV) imagery for improving classification performance | |
| CN111078811B (zh) | 一种净初级生产力预警方法 | |
| CN114924034B (zh) | 一种基于生态过程模型的林业碳计量系统 | |
| CN113987778B (zh) | 一种基于野外站点的水土流失模拟值时空加权校正方法 | |
| CN114723330A (zh) | 一种基于结构方程模型的植被变化影响因素评价方法 | |
| Xu et al. | Describing area and yield for small-scale plantation forests in Wairarapa region of New Zealand using RapidEye and LiDAR |
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 |