CN115329012A - 基于多源数据多维度评价的林木种植选择方法及系统 - Google Patents
基于多源数据多维度评价的林木种植选择方法及系统 Download PDFInfo
- Publication number
- CN115329012A CN115329012A CN202210915738.5A CN202210915738A CN115329012A CN 115329012 A CN115329012 A CN 115329012A CN 202210915738 A CN202210915738 A CN 202210915738A CN 115329012 A CN115329012 A CN 115329012A
- Authority
- CN
- China
- Prior art keywords
- planting
- tree species
- area
- forest
- source data
- 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.)
- Withdrawn
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 54
- 238000010187 selection method Methods 0.000 title claims description 24
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000002790 cross-validation Methods 0.000 claims abstract description 24
- 230000007613 environmental effect Effects 0.000 claims abstract description 20
- 239000002689 soil Substances 0.000 claims description 37
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 26
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 24
- 229910052799 carbon Inorganic materials 0.000 claims description 24
- 239000011159 matrix material Substances 0.000 claims description 20
- 230000008901 benefit Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 18
- 238000001556 precipitation Methods 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 11
- 238000013210 evaluation model Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000012876 topography Methods 0.000 claims description 3
- 230000004083 survival effect Effects 0.000 abstract description 3
- 230000007547 defect Effects 0.000 abstract description 2
- 241000894007 species Species 0.000 description 131
- 239000004576 sand Substances 0.000 description 20
- 230000002265 prevention Effects 0.000 description 17
- 241000196324 Embryophyta Species 0.000 description 15
- 240000002624 Mespilus germanica Species 0.000 description 10
- 235000017784 Mespilus germanica Nutrition 0.000 description 10
- 235000000560 Mimusops elengi Nutrition 0.000 description 9
- 235000007837 Vangueria infausta Nutrition 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004162 soil erosion Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 244000241838 Lycium barbarum Species 0.000 description 3
- 235000015459 Lycium barbarum Nutrition 0.000 description 3
- 241000018650 Pinus massoniana Species 0.000 description 3
- 230000002411 adverse Effects 0.000 description 3
- 230000002354 daily effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000014759 maintenance of location Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 241000721662 Juniperus Species 0.000 description 2
- 241000218652 Larix Species 0.000 description 2
- 235000005590 Larix decidua Nutrition 0.000 description 2
- 235000011609 Pinus massoniana Nutrition 0.000 description 2
- 241000899950 Salix glauca Species 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- YBJHBAHKTGYVGT-ZKWXMUAHSA-N (+)-Biotin Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)O)SC[C@@H]21 YBJHBAHKTGYVGT-ZKWXMUAHSA-N 0.000 description 1
- DSSYKIVIOFKYAU-XCBNKYQSSA-N (R)-camphor Chemical compound C1C[C@@]2(C)C(=O)C[C@@H]1C2(C)C DSSYKIVIOFKYAU-XCBNKYQSSA-N 0.000 description 1
- 244000274847 Betula papyrifera Species 0.000 description 1
- 235000009113 Betula papyrifera Nutrition 0.000 description 1
- 235000009109 Betula pendula Nutrition 0.000 description 1
- 235000010928 Betula populifolia Nutrition 0.000 description 1
- 235000002992 Betula pubescens Nutrition 0.000 description 1
- 241000723346 Cinnamomum camphora Species 0.000 description 1
- 240000006055 Dacrydium cupressinum Species 0.000 description 1
- 235000018782 Dacrydium cupressinum Nutrition 0.000 description 1
- 235000011201 Ginkgo Nutrition 0.000 description 1
- 244000194101 Ginkgo biloba Species 0.000 description 1
- 235000008100 Ginkgo biloba Nutrition 0.000 description 1
- 241000931143 Gleditsia sinensis Species 0.000 description 1
- 240000000950 Hippophae rhamnoides Species 0.000 description 1
- 235000003145 Hippophae rhamnoides Nutrition 0.000 description 1
- 240000008375 Hymenaea courbaril Species 0.000 description 1
- 235000015468 Lycium chinense Nutrition 0.000 description 1
- 241000218657 Picea Species 0.000 description 1
- 235000013697 Pinus resinosa Nutrition 0.000 description 1
- 235000011610 Pinus tabuliformis Nutrition 0.000 description 1
- 241000249899 Populus tomentosa Species 0.000 description 1
- 241001493421 Robinia <trematode> Species 0.000 description 1
- 229960000846 camphor Drugs 0.000 description 1
- 229930008380 camphor Natural products 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 235000008216 herbs Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000035899 viability Effects 0.000 description 1
- FEPMHVLSLDOMQC-UHFFFAOYSA-N virginiamycin-S1 Natural products CC1OC(=O)C(C=2C=CC=CC=2)NC(=O)C2CC(=O)CCN2C(=O)C(CC=2C=CC=CC=2)N(C)C(=O)C2CCCN2C(=O)C(CC)NC(=O)C1NC(=O)C1=NC=CC=C1O FEPMHVLSLDOMQC-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
-
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Fuzzy Systems (AREA)
- Software Systems (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于多源数据多维度评价的林木种植选择方法及系统，包括：根据已知的树种种类，确定所述树种的适宜种植区域；获取选定种植区域的环境信息、区位信息以及数据库中已有的各类树种生存能力，确定此区域适宜种植的树种；将树种适宜种植区域与选定种植区域内适宜种植的树种进行交叉验证，得到区域内最佳种植树种。本发明解决了现有林木种植不合理的缺陷，实现科学指导林木种植，提升林木成活率。
Description
技术领域
本发明涉及林木种植指导技术领域，尤其涉及一种基于多源数据多维度评价的林木种植选择方法及系统。
背景技术
人工林对于生态建设和环境保护发挥着巨大作用。目前对于人工林采取的经营方式是近自然经营，以合理种植方式帮助森林恢复地力，促进生态环境可持续发展。我国人工林种植品种主要有马尾松、落叶松、杉木、刺槐等，根据各地区地质和气候条件不同选择适当的树种种植。根据当地条件科学的对所种植的树种进行规划，能为森林经营提供更加稳定的保障。
经济林木的栽培除了能为林农提供较高且稳定的经济收入以外，还能为国民经济的发展及家庭收入的提高作出较大的贡献。然而，我国经济林木品种繁多，在实际种植过程中，很多经济林木品种种植环境的选择十分随意，没有进行统一规划和严格选择环境，因而种植面积虽逐年扩大但平均产量却常常不足。很多经济林木的产业化种植多数存在品种质量参差不齐的现象，林农的种植往往是单纯的单一复制，未考虑环境带来的影响。
在开展林木种植工作时，必须充分了解并遵循适地适树的基本原则。即在林木种植工作中，适合土壤环境和气候环境来合理选择树木的种类和种植方式，以保证林木成活率。由于我国地质结构类型复杂多样，树木种类繁多，为避免对土壤环境及树木的生长状况产生不良影响，因此结合现有数据进行环境气候分析，运用适地适树原则进行林业种植指导势在必行
发明内容
本发明提供一种基于多源数据多维度评价的林木种植选择方法及系统，用以解决现有林木种植不合理的缺陷，实现科学指导林木种植，提升林木成活率。
本发明提供一种基于多源数据多维度评价的林木种植选择方法，包括：
根据已知的树种种类，确定所述树种的适宜种植区域；
获取选定种植区域的环境信息、区位信息以及数据库中已有的各类树种生存能力，确定此区域适宜种植的树种；
将树种适宜种植区域与选定种植区域内适宜种植的树种进行交叉验证，得到区域内最佳种植树种。
根据本发明提供的一种基于多源数据多维度评价的林木种植选择方法，所述根据已知的树种种类，确定所述树种的适宜种植区域，具体包括：
获取自然条件分布条件，绘制自然条件树种分布图；
对各树种种植适宜性进行评价建模，生成评价模型；
收集全国地形、气候、土壤等环境信息，按所建立的种植适宜性评价模型进行栅格计算，按自然条件区划分别计算适宜性专题图。
根据本发明提供的一种基于多源数据多维度评价的林木种植选择方法，所述获取自然条件分布条件，绘制自然条件树种分布图，具体包括：
获取气象站、气象卫星收集的温度数据、降水数据和地形数据；
将温度数据、降水数据和地形数据作为分类条件，制作自然条件分布专题图；
根据自然条件分布专题图分别导出多个区域的区域矢量。
根据本发明提供的一种基于多源数据多维度评价的林木种植选择方法，所述对各树种种植适宜性进行评价建模，生成评价模型，具体包括：
建立层次模型；
通过问卷调查形式，对层次模型中各项指标的重要性进行统计，构建层次分析法的判断矩阵；
进行重要性排序计算，根据判断矩阵和方程求出最大特征根所对应的特征向量，在进行重要性排序计算过程中，根据判断矩阵和方程求出最大特征根λmax所对应的特征向量w。
H＝λmax·W
W的特征向量经过归一化后，就可获得各评价因素的重要性排序；
进行一致性检验，确定权重分配的合理性，进行一致性检验时，以确定权重分配是否合理，涉及到的公式有：
CR＝CI/RI
CI＝(λmax-n)/(n-1)
其中，CR为判断矩阵的是随机一致性比率；CI为判断矩阵的一般一致性指标；RI为判断矩阵的平均随机一致性指标。
根据本发明提供的一种基于多源数据多维度评价的林木种植选择方法，获取选定种植区域的环境信息、区位信息以及数据库中已有的各类树种生存能力，确定此区域适宜种植的树种，具体包括：
进行种植适宜性因子的计算，碳固定效益因子的计算以及防风固沙水土保持因子的计算；
根据种植适宜性因子、碳固定效益因子、防风固沙水土保持因子计算最优种植树种的筛选。
根据本发明提供的一种基于多源数据多维度评价的林木种植选择方法，所述将树种适宜种植区域与选定种植区域内适宜种植的树种进行交叉验证，得到区域内最佳种植树种，具体包括：
将已知树种适宜种植区域与选定种植区内适宜种植树种进行交叉验证；
定位到待种植区域，确定选择树种是否适宜种植；
交叉验证结果一致则确定选择树种为最优种植树种，否则将第二排位的树种进行验证，直至交叉验证成功。
本发明还提供一种基于多源数据多维度评价的林木种植选择系统，所述系统包括：
适宜种植区确定模块，用于根据已知的树种种类，确定所述树种的适宜种植区域；
适宜种植树种确定模块，用于获取选定种植区域的环境信息、区位信息以及数据库中已有的各类树种生存能力，确定此区域适宜种植的树种；
交叉验证模块，用于将树种适宜种植区域与选定种植区域内适宜种植的树种进行交叉验证，得到区域内最佳种植树种。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于多源数据多维度评价的林木种植选择方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于多源数据多维度评价的林木种植选择方法。
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于多源数据多维度评价的林木种植选择方法。
本发明提供的基于多源数据多维度评价的林木种植选择方法及系统，通过已知需要种的树来对整个地区进行种植适宜性评价；通过输入待种植的环境信息、区位信息及数据库中已有的各类树种能力综合计算适宜树种。由两个方面分别得到种植优势树种后进行交叉验证，得到最适宜种植树种，以便给出林业生产者种植建议，促进森林资源可持续发展。协助林农在进行林木种植时选择树种，摆脱因没有林场经营经验、从业时间较短、种植经验不足造成的盲目选择，以适地适树原则进行林木种植，避免对土壤环境及树木生长状况产生不良影响。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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是本发明提供的基于多源数据多维度评价的林木种植选择方法的流程示意图之一；
图2是本发明提供的基于多源数据多维度评价的林木种植选择方法的流程示意图之二；
图3是本发明提供的基于多源数据多维度评价的林木种植选择方法的流程示意图之三；
图4是本发明提供的基于多源数据多维度评价的林木种植选择方法的流程示意图之四；
图5是本发明提供的基于多源数据多维度评价的林木种植选择方法的流程示意图之五；
图6是本发明提供的基于多源数据多维度评价的林木种植选择系统模块连接示意图；
图7是本发明提供的电子设备的结构示意图。
附图标记：
110：适宜种植区确定模块；120：适宜种植树种确定模块；130：交叉验证模块；710：处理器；720：通信接口；730：存储器；740：通信总线。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例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作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。
下面结合图1-图5描述本发明的基于多源数据多维度评价的林木种植选择方法，包括：
S100、根据已知的树种种类，确定所述树种的适宜种植区域；
S200、获取选定种植区域的环境信息、区位信息以及数据库中已有的各类树种生存能力，确定此区域适宜种植的树种；
S300、将树种适宜种植区域与选定种植区域内适宜种植的树种进行交叉验证，得到区域内最佳种植树种。
本发明依照环境条件信息划分自然条件分布图，依照各自然条件分别选择较优树种进行适宜性评价建模，并依据各地区的地形气候条件制作对应自然条件区域优势树种的种植适宜性专题图。林农可以根据专题图找到目标种植区域，查看待种林木的种植适宜性情况。建立了一个以数据驱动的种植指导模型，首先对各树种进行种植适宜性评价建模，用以计算适宜性分数；其次对各树种的碳固定能力进行统计对比，得到碳固定效益因子；再根据七因子计算得到的水土流失情况，结合与沙漠的距离及树种防风固沙水土保持的能力计算防风固沙水土保持效益因子。输入环境因子计算三项因子并综合计算可得到各树种的适宜能力，并做排序得到当地优势种植树种，起到指导种植的作用。
根据已知的树种种类，确定所述树种的适宜种植区域，具体包括：
S101、获取自然条件分布条件，绘制自然条件树种分布图；
S102、对各树种种植适宜性进行评价建模，生成评价模型；
S103、收集全国地形、气候、土壤等环境信息，按所建立的种植适宜性评价模型进行栅格计算，按自然条件区划分别计算适宜性专题图。
按照国家标准，气候地理区可以分为东部季风区、西北旱区、青藏高寒区。其中，东部季风区可分为寒温带区、中温带区、暖温带区、亚热带区、热带区；西北旱区可分为半干旱区、干旱区、极干旱区；青藏高寒区指高寒区。
高寒带区，属大兴安岭北部山系，地貌类型以山地丘陵为主。气候属寒温带季风区，为显著大陆性气候。属于东西伯利亚植物区系，区内植物种类贫乏，寒温带明亮针叶林是该区的主体部分。范围包括黑龙江省西北部、内蒙古自治区东北部。
该区域的气候特征为：≥10℃的天数小于105日，≥10℃年积温小于1600℃，降雨量小于450毫米，极端低温低于-45℃
中温带区，以山地丘陵和平原为主体。气候具有海洋湿润型温带季风气候的特征。植物区系为长白植物区系分布区的核心部分，地带性植被为温带针叶落叶阔叶混交林，区内植被的垂直分布也较为明显。行政范围涉及黑龙江省、吉林省中东部、辽宁省、内蒙古自治区东北部。
该区域的气候特征为：≥10℃的天数106～180日，≥10℃年积温1600～3400℃，降雨量400～700毫米，极端低温-45～-25℃间。
暖温带区，地处我国第三、第二阶梯上，由渤海、黄海之滨的海平面向西递升至黄土高原。温度东高西低，由海洋季风型气候向大陆季风型气候转变，大部分地区光热条件良好，森林景观为冬季落叶的阔叶林。行政区域包括辽宁、北京、天津、河北、山东、山西、陕西、河南、宁夏、甘肃、江苏、安徽。
该区域的气候特征为：≥10℃的天数181～225日，≥10℃年积温3100～4800℃，降雨量400～1000毫米，极端低温-25～-5℃间。
亚热带区，地貌类型复杂多样，平原、盆地、丘陵、高原和山地皆有。本区春夏高温多雨，冬季降温显著，稍显干燥。本区东部和中部属于中国湿润、半湿润森林带，亚热带东部湿润常绿阔叶林区域和亚热带西部半湿润常绿阔叶林区域。区系组成以中国、日本植物亚区的中国南部亚热带湿润森林植物区系为主，西部青藏高原东南部及云贵高原属泛北极植物区的中国——喜马拉雅森林植物亚区。行政区域涉及共22个省(自治区、直辖市、特别行政区)。
该区域的气候特征为：中东部地区≥10℃的天数大于226日，≥10℃年积温4800～8000℃，降雨量1000～1700毫米，极端低温-10～10℃间。西北部位于青藏高原东南部区域，≥10℃的天数大于50日，≥10℃年积温大于3000℃，降雨量大于500毫米。
热带区，处在我国地势的第二和第三台阶上，西高东低，地貌类型复杂多样，以山地丘陵为主。属于热带季风气候，气候高温多雨，与典型热带气候相比具有明显的旱季。在植物地理分区中基本属于古热带植物区，区系组成以热带东南亚成分为主体，其次是热带和其他成分和亚热带成分，温带成分极少，地带性森林植被为热带季雨林、雨林。行政范围涉及西藏、云南、广西、广东、海南和台湾6个省。
该区域的气候特征为：全年气温≥10℃，≥10℃年积温高于7500℃，降雨量大于1700毫米，极端低温10～18℃间。
半干旱区，地貌以高原为主，山地、丘陵、平原和风沙地貌相间分布。该区域深居内陆，属温带大陆性气候。地带性植被与地理气候条件类似呈明显的过渡性，分位森林草原地带和草原地带。植物区系以中亚东部成分和蒙古草原成分为主。共涉及北京、天津、河北、山西、内蒙古、辽宁、吉林、黑龙江、山东、河南、四川、云南、西藏、陕西、甘肃、青海、宁夏、新疆。
该区域的气候特征为：≥10℃的天数106～180日，降雨量200～500毫米，年干燥度1.5～3.5。
干旱区，属半荒漠地带，地域辽阔，地貌类型多样，高原、山地、沙漠、戈壁广泛分布，存在大面积发达的农业灌区。天然植被以灌木、草本为主，山地、河流两岸分布有乔木树种。主要位于4000米高原面以北的地区，包括新疆准噶尔盆地、塔里木盆地西北部、巴里坤山以北、天山、昆仑山，青藏高原北部，甘肃河西走廊，宁夏北部及内蒙古高原中西部。
该区域的气候特征为：≥10℃的天数106～225日，降雨量100～250毫米，年干燥度3.5～20。
极干旱区，处于欧亚大陆深处，是气候最干旱的地区，降水稀少、蒸发量大、太阳辐射强、昼夜温差大、夏季干热、冬天寒冷、多大风、沙尘暴频发是本地区气候的显著特点。主要位于新疆的塔里木盆地东南部、吐哈盆地、昆仑山北麓，甘肃的安西敦煌盆地，以及内蒙古阿拉善高原的西部。
该区域的气候特征为：≥10℃的天数106～225日，降雨量小于100毫米，年干燥度大于20。
高寒区，为青藏高原，发育有高山、高原、盆地等多种地貌类型。属于高原气候，总体表现为空气稀薄、日照充足、太阳辐射强、气温低、日较差大、年变化较小。植物区系属于泛北极植物区中青藏高原植物亚区，植被分布呈明显的水平地带性规律，由东南向西北依次为高寒灌丛、高寒草甸、高寒草原、高寒荒漠。本区范围包括青海省、西藏自治区大部分地区、新疆维吾尔自治区、甘肃省和四川省小部分地区。
该区域的特征为：≥10℃的天数小于50日，降雨量小于400毫米，海拔大于4000米。
获取自然条件分布条件，绘制自然条件树种分布图，具体包括：
获取气象站、气象卫星收集的温度数据、降水数据和地形数据；
将温度数据、降水数据和地形数据作为分类条件，制作自然条件分布专题图；
根据自然条件分布专题图分别导出多个区域的区域矢量。
需要挑选9种造林区域的最常用树种。这里为方便描述，因此各区分别选择两种，分别为：寒温带——落叶松、白桦，中温带区——红松、水曲柳，暖温带区——银杏、毛白杨，亚热带区——冷杉、水松，热带区——马尾松、香樟，半干旱区——杜松、圆柏，干旱区——云杉、枸杞，极干旱区——沙棘、刺槐，高寒区——山皂角、沙柳。
对以上18种作物进行种植适宜性评价，评价范围由其所属造林区域决定，区域范围已在1.1步骤中得到。这里以枸杞种植适宜性为例做一个种植适宜性建模。
首先搜索枸杞种植的适宜条件，按种植适宜情况列出下表，并给出赋分：最适种植区——10，适宜种植区——8，次适宜区——6，不适宜区——0。
利用层次分析法对三个因子进行权重分配。该方法是20世纪七十年代由美国运筹学家T.L.Saaty提出决策分析方法。该方法将定性分析过程定量化，其基本原理是将需要解决的复杂问题拆分成若干简单问题，不同的问题又对应不同的解决方案便可构成层次结构，然后逐层判断所有指标的相对重要性，构造判断矩阵。计算出判断矩阵的特征向量，特征向量的分量即为对应元素单排序的权重值。以此类推，可以得到最底层指标对于最上层总体目标的重要性权重排序。
对各树种种植适宜性进行评价建模，生成评价模型，具体包括：
S1021、建立层次模型；
S1022、通过问卷调查形式，对层次模型中各项指标的重要性进行统计，构建层次分析法的判断矩阵；
S1023、进行重要性排序计算，根据判断矩阵和方程求出最大特征根所对应的特征向量；
S1024、进行一致性检验，确定权重分配的合理性。
在进行重要性排序计算过程中，根据判断矩阵和方程求出最大特征根λmax所对应的特征向量w。
H＝λmax·W
W的特征向量经过归一化后，就可获得各评价因素的重要性排序。
一致性检验时，进行该步骤以确定权重分配是否合理。涉及到的公式有：
CR＝CI/RI
CI＝(λmax-n)/(n-1)
其中，CR为判断矩阵的是随机一致性比率；CI为判断矩阵的一般一致性指标；RI为判断矩阵的平均随机一致性指标，下表查询；n为因素个数；λmax为最大特征根。
成因子选择及层次分析法赋予权重后，可得到简单模型表述如下：S枸杞＝a*积温得分+b*日数得分+c*降水得分
式中，a、b、c是层次分析法得到的权重，S代表适宜性分数值。
以上是一个简化版的待种植树种的种植适宜性评价，在实际应用中可能涉及更多参数，同时包括但不仅限于上文提出的18类树种种植适宜性评价建模。
收集全国地形、气候、土壤等环境信息，按所建立的种植适宜性评价模型进行栅格计算，按自然条件区划分别计算适宜性专题图。
以枸杞为例。枸杞适宜种植于自然条件区域中的干旱区，那么需要：a.干旱区的shp格式矢量边界；b.覆盖区域1的≥10℃积温tif栅格图像；c.覆盖区域1的≥10℃时降雨量tif栅格图像；d.覆盖区域1的全年≥10℃日数栅格图像。若以上数据没有直接的栅格形式数据，则利用气象站、物联网设备的点状数据，使用“反距离插值法”进行处理得到面状tif栅格数据。
利用“栅格计算器”功能，按适宜性公式“S枸杞＝a*积温得分+b*日数得分+c*降水得分”；
利用“裁剪”功能，将1的栅格计算结果裁剪至干旱区范围。
获取选定种植区域的环境信息、区位信息以及数据库中已有的各类树种生存能力，确定此区域适宜种植的树种，具体包括：
S201、进行种植适宜性因子的计算，碳固定效益因子的计算以及防风固沙水土保持因子的计算；
S202、根据种植适宜性因子、碳固定效益因子、防风固沙水土保持因子计算最优种植树种的筛选。
在确定待种植区域后(比如某个山坡、某个划定的园区等)，计算各类树种适宜性因子，计算碳固定效益因子，计算防风固沙、水土保持因子与计算总得分的过程。
种植适宜性因子S计算，种植适宜性因子的计算建立在已经完成各树种种植适宜性评价建模的基础上根据已有建模，通过国家气象站、卫星遥感监测数据、物联网设备获取环境数据，计算适宜性分数因子。该步骤中需要计算的适宜性因子数量与先前选择出的树种数量有关，如前文举例时使用了18项树种，则此处需要计算18个种植适宜性因子。同样，以枸杞举例：
积温数据与超过10度日数数据可以通过每日温度数据处理后得到。在实际操作中，优先查找目标区域中是否有相应的物联网设备，有则对该数据进行获取；若没有物联网设备时，则可利用较近的国家气象站观测数据进行数据获取；但国家气象站的数据可能因权限无法获取，此时则可利用ERA5再分析数据集获取每日温度数据。
同样，对于大于10℃时降水量，可以在每日温度基础上，通过对每日降水数据处理得到。在实际操作中，优先获取物联网设备数据；当不存在物联网设备时，则利用较近的国家气象站观测数据获取；当无法获取气象站数据时，利用GSmap气象卫星观测数据做替代。
最后根据“S枸杞＝a*积温得分+b*日数得分+c*降水得分”计算枸杞这一树种在目标区域种植的种植适宜性分数因子。
碳固定效益因子C计算，碳固定效益因子为一个常数，与目标种植地块的地理坐标无关。这里主要介绍碳固定效益因子的计算流程。这里同样以上文举例时列举的树种数量为例进行描述。
确定纯净的树种地块。需要确定上述列出的18种作物的纯净地块经纬度。对于纯净地块，指的是在样方区域内只有单一作物的地块；空间尺度上，需要大于500*500m，即大于后续所选数据的最小空间分辨率。
统计各树种单位面积固碳量。首先准备MODIS卫星遥感数据产品，这里选用MOD17A2H中PsnNet数据，即净光合作用量，其空间分辨率为500米，并计算其年值数据。接下来根据步骤一中得到的各纯净地块经纬度数据在遥感数据产品对应位置上提取值，得到以上18类树种的固碳水平。
固碳水平归一化得碳固定效益因子。现将上述18类树种的固碳能力以C1、C2、C3、…、C18进行编号，进行数据归一化。这里采用的方法为min-max标准化，对原始数据进行线性变换，使结果映射到0～1之间，其转换函数为“(x-min)/(max-min)”。其中，x为待变换数据，min为最弱固碳能力值，max为最强固碳能力值。为保障与2.1中适宜性分数因子形式一致，将归一化后的值乘100映射至0～100分作为各类树种的碳固定效益因子C。
防风固沙、水土保持因子E计算，取决于其对防风固沙及水土流失防治做出的贡献。该部分共计分为两块用于计算防风固沙、水土保持因子。
首先计算防风固沙部分。将所有树种的防风固沙能力分为五级，1～5级分别对应20、40、60、80、100分。其中，1级代表该作物防风固沙完全不起作用、几乎无法在恶劣环境中生存；2级代表防风固沙能力较弱；3级代表有一定的防风固沙能力；4级指该作物能起到较好的防风固沙能力；5级指作物生命力极强且能用于防风固沙。再考虑待种植区域与沙漠区的距离，遵循越近越需要种植防护林的原则，该距离因子的计算公式为：D＝0.01*(100-x/100)，其中x为种植区与沙漠区的距离，单位为米。将防风固沙能力与距离因子相乘，得到防风固沙部分分数，记做E1。
再计算水土保持部分。同样，将所有树种的水土保持能力分为五级，1～5级分别对应20、40、60、80、100。其中，1级代表水土保持能力很差；2级较差；3级一般；4级较好；5级最好。再考虑当地水土流失情况，该情况将根据土壤侵蚀模数来确定，根据该数值越高越需要种植防护林的原则，水土保持因子A的计算公式如下：
A＝0.01*(0.03*x+25)(0<x<＝500)
A＝0.01*(0.01*x+35)(500<x<＝2500)
A＝0.01*(0.006*x+45)(2500<x<＝5000)
A＝0.01*(0.005*x+50)(5000<x<＝8000)
A＝0.01*(0.0014*x+78.571)(8000<x<＝15000)
式中，x指土壤侵蚀模数，单位为t/(hm2`a)。将该因子与水土保持能力相乘，得到水土保持分数部分分数，记做E2。
注意，土壤侵蚀模数由七因子计算法得到，即中国土壤流失方程CSLE计算土壤侵蚀模数，计算公式为：
A＝RKLSBET
式中：A—土壤侵蚀模数。t·hm-2·a-1；R—降雨侵蚀力因子，MJ·mm·hm-2·h-1·a-1；K—土壤可蚀性因子，t·hm2·h·hm-2·MJ·mm-1；L—坡长因子，无量纲；S—坡度因子，无量纲；B—植被覆盖度与生物措施因子，无量纲；E—工程措施因子，无量纲；T—耕作措施因子，无量纲。该模型为成熟模型，因此仅在此列出计算方法。
综合两部分，按防风固沙、水土保持因子计算公式“E＝(E1+E2)/2”得到各类树种该因子的值。
根据种植适宜性因子、碳固定效益因子、防风固沙水土保持因子计算最优种植树种的筛选。
计算了各类树种在待种植区域的适宜性分数因子Sx、碳固定效益因子Cx、防风固沙水土保持因子Ex，x代表树种名。总分以下列公式计算：
Score_x＝0.5*Sx+0.3*Cx+0.2*Ax
式中，0.5、0.3、0.2为参数，可于后期实际应用情况进行调整。
本发明中举例的树种数量为例，此时得到了18个值，记为Score_1、Score_2、……、Score_18，按降序对上述值进行排序，排名靠前者即为最优种植树种。
将树种适宜种植区域与选定种植区域内适宜种植的树种进行交叉验证，得到区域内最佳种植树种，具体包括：
S301、将已知树种适宜种植区域与选定种植区内适宜种植树种进行交叉验证；
S302、定位到待种植区域，确定选择树种是否适宜种植；
S303、交叉验证结果一致则确定选择树种为最优种植树种，否则将第二排位的树种进行验证，直至交叉验证成功。
例如筛选得到的最优种植树种为枸杞，取枸杞种植适宜性专题图，再定位到待种植地区，查看专题图中对该区域的枸杞种植适宜性评价结果是否为“适合种植”。
若经过交叉验证后，筛选结果保持一致，则认定该树种为最优种植树种。
本发明提供的基于多源数据多维度评价的林木种植选择方法及系统，通过已知需要种的树来对整个地区进行种植适宜性评价；通过输入待种植的环境信息、区位信息及数据库中已有的各类树种能力综合计算适宜树种。由两个方面分别得到种植优势树种后进行交叉验证，得到最适宜种植树种，以便给出林业生产者种植建议，促进森林资源可持续发展。协助林农在进行林木种植时选择树种，摆脱因没有林场经营经验、从业时间较短、种植经验不足造成的盲目选择，以适地适树原则进行林木种植，避免对土壤环境及树木生长状况产生不良影响。
本发明还公开了一种基于多源数据多维度评价的林木种植选择系统，所述系统包括：
适宜种植区确定模块110，用于根据已知的树种种类，确定所述树种的适宜种植区域；
适宜种植树种确定模块120，用于获取选定种植区域的环境信息、区位信息以及数据库中已有的各类树种生存能力，确定此区域适宜种植的树种；
交叉验证模块130，用于将树种适宜种植区域与选定种植区域内适宜种植的树种进行交叉验证，得到区域内最佳种植树种。
依照环境条件信息划分自然条件分布图，依照各自然条件分别选择较优树种进行适宜性评价建模，并依据各地区的地形气候条件制作对应自然条件区域优势树种的种植适宜性专题图。林农可以根据专题图找到目标种植区域，查看待种林木的种植适宜性情况。建立了一个以数据驱动的种植指导模型，首先对各树种进行种植适宜性评价建模，用以计算适宜性分数；其次对各树种的碳固定能力进行统计对比，得到碳固定效益因子；再根据七因子计算得到的水土流失情况，结合与沙漠的距离及树种防风固沙水土保持的能力计算防风固沙水土保持效益因子。输入环境因子计算三项因子并综合计算可得到各树种的适宜能力，并做排序得到当地优势种植树种，起到指导种植的作用。
图7示例了一种电子设备的实体结构示意图，如图7所示，该电子设备可以包括：处理器(processor)710、通信接口(Communications Interface)720、存储器(memory)730和通信总线740，其中，处理器710，通信接口720，存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑指令，以执行基于多源数据多维度评价的林木种植选择方法，该方法包括：根据已知的树种种类，确定所述树种的适宜种植区域；
获取选定种植区域的环境信息、区位信息以及数据库中已有的各类树种生存能力，确定此区域适宜种植的树种；
将树种适宜种植区域与选定种植区域内适宜种植的树种进行交叉验证，得到区域内最佳种植树种。
此外，上述的存储器730中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的基于多源数据多维度评价的林木种植选择方法，该方法包括：根据已知的树种种类，确定所述树种的适宜种植区域；
获取选定种植区域的环境信息、区位信息以及数据库中已有的各类树种生存能力，确定此区域适宜种植的树种；
将树种适宜种植区域与选定种植区域内适宜种植的树种进行交叉验证，得到区域内最佳种植树种。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的基于多源数据多维度评价的林木种植选择方法，该方法包括：根据已知的树种种类，确定所述树种的适宜种植区域；
获取选定种植区域的环境信息、区位信息以及数据库中已有的各类树种生存能力，确定此区域适宜种植的树种；
将树种适宜种植区域与选定种植区域内适宜种植的树种进行交叉验证，得到区域内最佳种植树种。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.基于多源数据多维度评价的林木种植选择方法，其特征在于，包括：
根据已知的树种种类，确定所述树种的适宜种植区域；
获取选定种植区域的环境信息、区位信息以及数据库中已有的各类树种生存能力，确定此区域适宜种植的树种；
将树种适宜种植区域与选定种植区域内适宜种植的树种进行交叉验证，得到区域内最佳种植树种。
2.根据权利要求1所述的基于多源数据多维度评价的林木种植选择方法，其特征在于，所述根据已知的树种种类，确定所述树种的适宜种植区域，具体包括：
获取自然条件分布条件，绘制自然条件树种分布图；
对各树种种植适宜性进行评价建模，生成评价模型；
收集全国地形、气候、土壤等环境信息，按所建立的种植适宜性评价模型进行栅格计算，按自然条件区划分别计算适宜性专题图。
3.根据权利要求2所述的基于多源数据多维度评价的林木种植选择方法，其特征在于，所述获取自然条件分布条件，绘制自然条件树种分布图，具体包括：
获取气象站、气象卫星收集的温度数据、降水数据和地形数据；
将温度数据、降水数据和地形数据作为分类条件，制作自然条件分布专题图；
根据自然条件分布专题图分别导出多个区域的区域矢量。
4.根据权利要求2所述的基于多源数据多维度评价的林木种植选择方法，其特征在于，所述对各树种种植适宜性进行评价建模，生成评价模型，具体包括：
建立层次模型；
通过问卷调查形式，对层次模型中各项指标的重要性进行统计，构建层次分析法的判断矩阵；
进行重要性排序计算，根据判断矩阵和方程求出最大特征根所对应的特征向量，在进行重要性排序计算过程中，根据判断矩阵和方程求出最大特征根λmax所对应的特征向量w。
H＝λmax·W
W的特征向量经过归一化后，就可获得各评价因素的重要性排序；
进行一致性检验，确定权重分配的合理性，进行一致性检验时，以确定权重分配是否合理，涉及到的公式有：
CR＝CI/RI
CI＝(λmax-n)/(n-1)
其中，CR为判断矩阵的是随机一致性比率；CI为判断矩阵的一般一致性指标；RI为判断矩阵的平均随机一致性指标。
5.根据权利要求1所述的基于多源数据多维度评价的林木种植选择方法，其特征在于，获取选定种植区域的环境信息、区位信息以及数据库中已有的各类树种生存能力，确定此区域适宜种植的树种，具体包括：
进行种植适宜性因子的计算，碳固定效益因子的计算以及防风固沙水土保持因子的计算；
根据种植适宜性因子、碳固定效益因子、防风固沙水土保持因子计算最优种植树种的筛选。
6.根据权利要求1所述的基于多源数据多维度评价的林木种植选择方法，其特征在于，所述将树种适宜种植区域与选定种植区域内适宜种植的树种进行交叉验证，得到区域内最佳种植树种，具体包括：
将已知树种适宜种植区域与选定种植区内适宜种植树种进行交叉验证；
定位到待种植区域，确定选择树种是否适宜种植；
交叉验证结果一致则确定选择树种为最优种植树种，否则将第二排位的树种进行验证，直至交叉验证成功。
7.基于多源数据多维度评价的林木种植选择系统，其特征在于，所述系统包括：
适宜种植区确定模块，用于根据已知的树种种类，确定所述树种的适宜种植区域；
适宜种植树种确定模块，用于获取选定种植区域的环境信息、区位信息以及数据库中已有的各类树种生存能力，确定此区域适宜种植的树种；
交叉验证模块，用于将树种适宜种植区域与选定种植区域内适宜种植的树种进行交叉验证，得到区域内最佳种植树种。
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述基于多源数据多维度评价的林木种植选择方法。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于多源数据多维度评价的林木种植选择方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于多源数据多维度评价的林木种植选择方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210915738.5A CN115329012A (zh) | 2022-08-01 | 2022-08-01 | 基于多源数据多维度评价的林木种植选择方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210915738.5A CN115329012A (zh) | 2022-08-01 | 2022-08-01 | 基于多源数据多维度评价的林木种植选择方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115329012A true CN115329012A (zh) | 2022-11-11 |
Family
ID=83920574
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210915738.5A Withdrawn CN115329012A (zh) | 2022-08-01 | 2022-08-01 | 基于多源数据多维度评价的林木种植选择方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115329012A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116168015A (zh) * | 2023-03-21 | 2023-05-26 | 国家海洋信息中心 | 红树林修复适宜区的识别方法和装置 |
-
2022
- 2022-08-01 CN CN202210915738.5A patent/CN115329012A/zh not_active Withdrawn
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116168015A (zh) * | 2023-03-21 | 2023-05-26 | 国家海洋信息中心 | 红树林修复适宜区的识别方法和装置 |
| CN116168015B (zh) * | 2023-03-21 | 2024-03-26 | 国家海洋信息中心 | 红树林修复适宜区的识别方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Driessen et al. | Land-use systems analysis | |
| Justice et al. | Monitoring East African vegetation using AVHRR data | |
| CN106897551B (zh) | 一种基于被动微波遥感的干旱指数构建方法 | |
| CN101435873A (zh) | 基于伴生物种和群落分级的药用植物资源的遥感监测方法 | |
| CN110909933A (zh) | 一种耦合作物模型与机器学习语言的农业干旱快速诊断和评估方法 | |
| CN111340644A (zh) | 基于碳储量分布状态分析小兴安岭针阔混交林碳汇结构的方法 | |
| CN111340643A (zh) | 基于碳储量分析小兴安岭针阔混交林类型及群落学特征的方法 | |
| Kamiyama et al. | Light interception in species with different functional groups coexisting in moorland plant communities | |
| Yang et al. | Research on vegetation coverage change in Sheng Jin Lake wetland of Anhui Province | |
| Kalivodová et al. | Potential importance of Socotra dragon’s blood tree cloud forests and woodlands for capturing horizontal precipitation | |
| CN109214686A (zh) | 一种面向耕地占补平衡的定量分析方法 | |
| CN115329012A (zh) | 基于多源数据多维度评价的林木种植选择方法及系统 | |
| CN117611993B (zh) | 一种基于遥感实际蒸散发估算植被分类的方法 | |
| CN114792274A (zh) | 一种干旱区山地人工植被建设的布局方法 | |
| Ren et al. | Smith fir population structure and dynamics in the timberline ecotone of the Sejila Mountain, Tibet, China | |
| Zhang et al. | Optimizing the distribution pattern of species under climate change: The protection and management of Phellodendron amurense in China | |
| Kobayashi et al. | Rhizomes play significant roles in biomass accumulation, production and carbon turnover in a stand of the tall bamboo Phyllostachys edulis | |
| Chen et al. | Comparing environmental impacts of Chinese Torreya plantations and regular forests using remote sensing | |
| CN116129284A (zh) | 一种基于时间序列变化特征的撂荒地遥感提取方法 | |
| CN113487127A (zh) | 一种茶叶秋冬干旱灾害损失动态评估方法 | |
| Webb | A structural comparison of New Zealand and south‐east Australian rain forests and their tropical affinities | |
| CN110956322B (zh) | 气候变暖趋势下的夏玉米花期高温灾害风险预测方法 | |
| CN113610622A (zh) | 一种基于多源数据的土地价值评估方法及装置 | |
| CN106034973B (zh) | 一种杉木人工林防灾控制方法 | |
| Li et al. | Extraction of Crop Planting Structure in County Based on Multi-temporal Images of Sentinel-2 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20221111 |