CN115829812A - 一种基于生态系统模拟的碳汇量测算方法及系统 - Google Patents

Abstract

本发明提供了一种基于生态系统模拟的碳汇量测算方法及系统，涉及数据处理技术领域，通过基于生态数据集进行目标区块划分构建多区块集群；对多区块集群各生态数据集进行多层级数据特征提取；基于生态系统的层级设定根据多层级数据构建各区块模拟生态系统；根据气象影响因子信息对层级设定进行影响程度分析，将气象因子影响关系嵌入各区块模拟生态系统中；根据各区块模拟生态系统对各区块进行碳储量分析获得各区块碳储量；根据多区块集群的划分信息进行整合获得目标区域的碳汇量测算结果。解决碳汇量存在测算精度不足的技术问题，达到对生态系统进行模拟，利用各层级数据量化关系对生态系统的碳汇量的变化关系进行预测，提高测算精度的技术效果。

Description

一种基于生态系统模拟的碳汇量测算方法及系统

技术领域

本发明涉及数据处理技术领域，具体涉及一种基于生态系统模拟的碳汇量测算方法及系统。

背景技术

碳循环是一个动态的变化系统，包括土壤、植被、残体、木产品等，森林对于碳循环的动态变化起到决定性作用，近些年，国内外对森林碳储量已展开研究，不仅说明碳循环的重要性，而且说明了量化、管理碳循环的必要性。除了增加节能环保的措施外，对于森林等生态系统的碳汇量的测算也为其提供了保证，碳汇量的测算是指计算出森林能够吸收和储存多少二氧化碳，通过对森林碳汇量的可靠运算，结合针对性的节能环保措施，提供生态环境。

现有技术主要利用样方调查法、站点观测法、自下而上方法、自上而下方法进行测算，样方调查法是通过样地得到植被的平均碳密度，然后用不同植被碳密度和对应的面积进行相乘得到的碳含量，这种方法计算精度差，依靠当下采集到的实时数据；站点观测法利用涡度相关原理对碳进行地基观测，通过高精度仪器站点分布的制约，存在不完全覆盖，从而影响到计算结果，若为了提供计算精度则需要增大观测的范围，自下而上方法，利用检测到的数据，利用生态系统模型模拟区域或全球的碳通量，生态模型包括统计模型、利用效率模型、生理过程模型。他通过生态模型对运算处理预估碳通量，但生态模型过于复杂，很多参数难以确定，从而影响到测算的结果；自上而下是以大气传输模型为正演模型，采用贝叶斯优化算法对先验碳通量持续调整优化，从大气角度发出通过分析大气中的碳含量的变化来计算和反演碳汇量，并非直接对森林植被进行采集和测算，也会影响到测算的精度。综上可见，现有技术中的各测算方法均存在一些弊端和不足，存在测算精度不足、使用范围局限的问题。

发明内容

为了解决上述问题，本申请通过提供了一种基于生态系统模拟的碳汇量测算方法及系统，解决了现有技术中碳汇量测算需要阶段性对森林植被状态进行数据采集，存在测算精度不足的技术问题。达到了对生态系统进行模拟，利用各层级数据量化关系对生态系统的碳汇量的变化关系进行预测，通过各区块集群进行分区测算，以贴合各植被的具体碳储量，避免利用样方碳含量进行统一计算造成的误差大的问题，从而实现目标区域的碳汇量测算，确保了测算的精准度的技术效果。

鉴于上述问题，本申请提供了一种基于生态系统模拟的碳汇量测算方法及系统。

一方面，本申请提供了一种基于生态系统模拟的碳汇量测算方法，所述方法包括：对选定目标区域的生态系统进行数据采集得到生态数据集；基于所述生态数据集进行目标区块划分，构建多区块集群；获得生态系统的层级设定，基于所述生态系统的层级设定对所述多区块集群各生态数据集进行多层级数据特征提取，得到多层级数据；基于生态系统的层级设定，根据所述多层级数据构建各区块模拟生态系统；获得气象影响因子信息，并根据所述气象影响因子信息对所述层级设定进行影响程度分析，确定气象因子影响关系，将所述气象因子影响关系嵌入所述各区块模拟生态系统中；根据所述各区块模拟生态系统对各区块进行碳储量分析，获得各区块碳储量；根据所述多区块集群的划分信息、所述各区块碳储量进行整合计算，获得目标区域的碳汇量测算结果。

优选的，基于所述生态数据集进行目标区块划分，构建多区块集群，包括：根据所述生态数据集中的遥感信息对目标区域进行植被提取，基于植被识别提取数据确定目标区域植被密度分布信息；根据所述目标区域植被密度分布信息，进行密度跨度均值计算，确定密度分区跨度要求，并按照所述密度分区跨度要求对目标区域进行分组，构建所述多区块集群。

优选的，获得生态系统的层级设定，基于所述生态系统的层级设定对所述多区块集群各生态数据集进行多层级数据特征提取，得到多层级数据，包括：对所述多区块集群的生态数据集进行分别进行土壤层特征提取、亚冠层特征提取、冠层上层特征提取，获得土壤层特征数据、亚冠层特征数据、冠层上层特征数据；将所述土壤层特征数据、亚冠层特征数据、冠层上层特征数据作为所述多层级数据。

优选的，基于生态系统的层级设定，根据所述多层级数据构建各区块模拟生态系统，包括：设定各区块集群的样本区，对各区块进行样本区信息采集，获得样本区信息集；基于生态系统的层级设定，根据所述样本区信息集对样本区各层级的碳储量关系进行分析，确定碳储量参数关系；根据所述样本区信息集、碳储量参数关系，建立碳储量分析模型，将各层的碳储量分析模型添加至所述各区块模拟生态系统对应层级中。

优选的，根据所述样本区信息集、碳储量参数关系，建立碳储量分析模型，包括：获得预设时间周期的样本区信息集，根据所述预设时间周期的样本区信息集，获得植被生长线，所述植被生长线为基于采集时间确定的植被数据时序链；基于所述植被生长线的时序关系、各时序节点的碳储量参数关系，构建马尔科夫链模型；基于所述马尔科夫链模型确定植被状态转移概率，根据所述植被状态转移概率、所述碳储量参数关系，确定节点碳储量分析结果，其中，所述碳储量分析模型包括所述马尔科夫链模型。

优选的，根据所述多区块集群的划分信息、所述各区块碳储量进行整合计算，获得目标区域的碳汇量测算结果，包括：根据样本区与区块集群的数量级关系、样本区碳储量，确定样本区对应的区块的碳储量；将所有区块的碳储量进行累加，获得所述目标区域的碳汇量测算结果。

优选的，所述方法包括：根据所述气象影响因子信息、所述气象因子影响关系确定对植被状态的影响关系，将气象影响因子对于植被状态的影响关系添加至所述马尔科夫链模型中；通过马尔科夫链模型对当前时间节点的植被生长状态概率进行确定，获得区块植被生长状态，基于所述区块植被生长状态，确定当前区块碳储量；基于所述区块植被生长状态，通过马尔科夫链模型获得下一节点的预测植被生长状态，并根据所述预测植被生长状态对区块进行碳储量进行预测。

优选的，根据所述气象影响因子信息对所述层级设定进行影响程度分析，确定气象因子影响关系，包括：根据所述预设时间周期的样本区信息集，进行样本区气象、样本区生长状态的提取，获得样本区气象信息、样本区生长状态信息；根据所述样本区气象信息、样本区生长状态信息拟合回归线确定关系回归函数，获得气象因子对于植被状态的影响关系；将所述气象因子对于植被状态的影响关系作为气象因子影响关系。

另一方面，本申请提供了一种基于生态系统模拟的碳汇量测算系统，所述系统包括：数据采集单元，所述数据采集单元用于对选定目标区域的生态系统进行数据采集得到生态数据集；区块划分单元，所述区块划分单元用于基于所述生态数据集进行目标区块划分，构建多区块集群；层级数据提取单元，所述层级数据提取单元用于获得生态系统的层级设定，基于所述生态系统的层级设定对所述多区块集群各生态数据集进行多层级数据特征提取，获得多层级数据；生态系统模拟单元，所述生态系统模拟单元用于基于生态系统的层级设定，根据所述多层级数据构建各区块模拟生态系统；因子影响分析单元，所述因子影响分析单元用于获得气象影响因子信息，并根据所述气象影响因子信息对所述层级设定进行影响程度分析，确定气象因子影响关系，将所述气象因子影响关系嵌入所述各区块模拟生态系统中；区块碳储量单元，所述区块碳储量单元用于根据所述各区块模拟生态系统对各区块进行碳储量分析，获得各区块碳储量；碳汇量测算单元，所述碳汇量测算单元用于根据所述多区块集群的划分信息、所述各区块碳储量进行整合计算，获得目标区域的碳汇量测算结果。

本申请中提供的技术方案，至少具有如下技术效果：

本申请提供了一种基于生态系统模拟的碳汇量测算方法及系统，通过对选定目标区域的生态系统进行数据采集得到生态数据集，生态数据集包括了目标区域中植被的分布特征；基于所述生态数据集进行目标区块划分，构建多区块集群；获得生态系统的层级设定，基于所述生态系统的层级设定对所述多区块集群各生态数据集进行多层级数据特征提取，得到多层级数据；基于生态系统的层级设定，根据所述多层级数据构建各区块模拟生态系统；获得气象影响因子信息，并根据所述气象影响因子信息对所述层级设定进行影响程度分析，确定气象因子影响关系，将所述气象因子影响关系嵌入所述各区块模拟生态系统中；根据所述各区块模拟生态系统对各区块进行碳储量分析，获得各区块碳储量；根据所述多区块集群的划分信息、所述各区块碳储量进行整合计算，获得目标区域的碳汇量测算结果。通过将目标区域进行多区块的划分，按照不同的区块的植被的碳储量的特征将森林进行化整为零，通过各区块植被的碳储量生态层级关系的分析来评测计算各区块的植被碳储量，对于每个区块采用小范围的样本采集以减少采集量，每个区块进行生态模拟按照采集样本的碳储量关系，计算区块的碳储量，按照目标区域的植被分布特征和面积来确定区块的划分要求建立各区块集群，依次计算各区块集群的碳储量，最后化零为整将所有区块碳储量进行汇总，得到最终目标区域的碳汇量测算结果，达到了对生态系统进行模拟，利用各层级数据量化关系对生态系统的碳汇量的变化关系进行预测，利用各区块集群进行分区测算，以贴合各植被的具体碳储量，避免利用样方碳含量进行统一计算造成的误差大的问题，从而实现目标区域的碳汇量测算，在一定程度上减少检测采集工作量，确保了测算的精准度，提高工作效率的技术效果。针对现有技术中通过样方植被的平均碳密度进行计算造成测算结果精度不足的问题，本申请按照目标区域的生态特征进行区块划分，对各区块进行碳储量的样本采集和测算更为贴合被测植被的碳密度特征，避免区块植被生态特征不同而使用统一的样本碳密度所造成的测算误差偏大的问题，进而解决了现有技术中碳汇量测算需要阶段性对森林植被状态进行数据采集，存在测算精度不足的技术问题。

附图说明

图1为本申请实施例的一种基于生态系统模拟的碳汇量测算方法的流程示意图；

图2为本申请实施例的一种基于生态系统模拟的碳汇量测算方法中构建多区块集群的流程示意图；

图3为本申请实施例的一种基于生态系统模拟的碳汇量测算方法中确定气象因子影响关系的流程示意图；

图4为本申请实施例的一种基于生态系统模拟的碳汇量测算系统的结构示意图。

具体实施方式

本申请通过提供了一种基于生态系统模拟的碳汇量测算方法及系统，用以解决现有技术中碳汇量测算需要阶段性对森林植被状态进行数据采集，存在工作量大的技术问题。

下面结合具体的实施例进行本发明方案的详细介绍。

实施例一

如图1所示，本申请实施例提供了一种基于生态系统模拟的碳汇量测算方法，所述方法包括：

S10：对选定目标区域的生态系统进行数据采集得到生态数据集。

S20：基于所述生态数据集进行目标区块划分，构建多区块集群。

进一步的，如图2所示，基于所述生态数据集进行目标区块划分，构建多区块集群，S20包括：S201：根据所述生态数据集中的遥感信息对目标区域进行植被提取，基于植被识别提取数据确定目标区域植被密度分布信息；S202：根据所述目标区域植被密度分布信息，进行密度跨度均值计算，确定密度分区跨度要求，并按照所述密度分区跨度要求对目标区域进行分组，构建所述多区块集群。

具体的，通过卫星遥感、图像采集设备、土壤检测设备、雷达等对目标生态区域进行信息采集，生态数据集包括了目标区域的遥感画面、植被信息、地理特征、树种结构、土壤信息、区域面积大小等。其中，生态数据集为当下采集到的数据，其中包括了对目标区域中进行采集的各种数据形式，遥感画面可以用于进行区域划分，植被信息、物种结果、土壤信息等可以用来构建模拟生态系统。

可选的，目标区块的划分具有阶段性的，可以设定一个划分周期，通常以一个季节作为一个阶段进行区块划分，若具有统一划分周期的历史遥感画面进行分区的结果时，可以继续使用当前的区块集群划分结果，本申请实施例为了方案的完整性以新划分周期为例进行阐述，即为了区块划分结果，按照当前采集到的遥感画面进行区域划分的分析处理。

针对遥感画面对森林的植被分布和密度分布进行识别处理，由于森林中的树种多样、树龄和分布位置也不同，因而存在密度差异，针对森林中的树种分布的密度将森林分为多个密度跨度相同的分组，针对各分组进行碳储量的运算，再将各分组进行整合，以提升运算的效率，同时提高精准度。多区块集群即按照密度跨度的规则将目标区域划分的多个区块，将森林进行多区块集群管理。

对目标生态区域进行整体的遥感画面采集，通过调整采集的距离得到目标生态区域的整体和局部遥感画面，对整体遥感画面按照预设分割尺寸将遥感画面分割为多个等分的小格，小格的分割按照目标生态区域的大小进行设定，如9×9，128×128等，面积越大等分的小格越多，每个小格要保证最小布局遥感画面的尺寸要求，针对分割的各小格进行局部遥感画面采集，通过局部遥感画面进行各小格的森林覆盖率计算，得到各小格的森林覆盖面积，根据遥感画面上呈现的森林覆盖状况，得到目标区域植被密度分布信息。

将目标区域植被密度分布信息中的各密度值进行差值计算，找到平均差值大小，根据平均差值大小来确定密度分区跨度要求，举例而言，对于9×9的分割小格来说，D11密度为62.12％，D12密度为58.42％，D13密度为61.07％，D21密度为55.34％，D22密度为58.99％，D23密度为49.56％，D31密度为61.21％，D32密度为54.71％，D33密度为52.33％，对所有小格密度进行加权平均，得到密度均值，根据各小格的密度与密度均值计算各小格的密度差，将所有小格的密度差进行均值计算，得到差值均值为3.643％，按照密度跨度均值设定密度分区跨度要求，预设密度分区跨度要求为小于3.643，若相邻小格的密度跨度小于3.643则将其划定为一个分区，若超出则分别进行划区。

S30：获得生态系统的层级设定，基于所述生态系统的层级设定对所述多区块集群各生态数据集进行多层级数据特征提取，得到多层级数据。

进一步的，获得生态系统的层级设定，基于所述生态系统的层级设定对所述多区块集群各生态数据集进行多层级数据特征提取，得到多层级数据，S30包括：S301对所述多区块集群的生态数据集进行分别进行土壤层特征提取、亚冠层特征提取、冠层上层特征提取，获得土壤层特征数据、亚冠层特征数据、冠层上层特征数据；S302将所述土壤层特征数据、亚冠层特征数据、冠层上层特征数据作为所述多层级数据。

具体的，通过生态系统中的层级设定，将采集到的生态数据集进行各方面的数据提取，利用遥感、雷达监测设备等对目标区域中的植被进行遥感数据、雷达数据的采集，通过采集到的数据按照植被各层级的分布特征、位置特征进行植被各层级生态特征的提取，分别识别多各区块中植被的层级生态特征，层级关系包括了冠层上层、亚冠层、土壤层，分别进行各层数据的特征提取，按照层的上下设置关系和碳储量的影响关系模拟生态系统，通过模拟生态系统对生态系统的状态和发展进行分析和预测，可以实现对森林碳储量的实时分析，无须进行数据采集，通过构建的模拟生态系统对生态结构进行模拟和预测，以实现对生态系统的碳汇量的实时测算。多层级数据为生态系统各层级的多方面的数据，如冠层上包括了冠层密度、光合作用速率、气候影响关系等，这些是冠层上层的各维度的数据，通过各维度的数据对各层进行描述，以对生态系统的状态进行量化分析。

由于植被土壤层、亚冠层、冠层上层的结构、位置和组成不同，因而碳存储量不同，因而按照植被的底层、中层、上层进行分层碳汇量测算相较于按密度进行均值计算而言，更为准确，对每个区块选取便于进行数据采集的部分区域作为样本区域，对样本区进行土壤层的特征采集，如通过土壤检测设备对土壤成分进行检测，包括土壤碳密度、有机质含量、土壤容重、厚度等，各土壤的成分不同对于碳储量存在不同的影响关系，

其中，R枯落物常数，通常为0.4-0.56，C为土壤有机质含量，D为土壤容重、E土壤厚度、G石烁所在比例、Ai为土壤面积。

亚冠层为灌木层和林冠层中间部分，本申请将森林生态垂直关系简化为土壤层、亚冠层、冠层上层，亚冠层涵括了灌木层和冠层上层中间的部分，其碳汇量主要和植被树龄、品种、密度有关，因而通过遥感图像对样本去中层的植被特征进行采集。冠层上层是树木树枝树叶最稠密的顶层，其对于碳汇量的贡献经过实验表明碳储量最大，吸附大气降水、阳光等有机物，枝叶生理活动机能旺盛，冠层上层土壤富含有机碳，其活性碳存储量是下层土壤的至少3倍，冠层上层的碳储量主要和冠层的枝叶密度、植物品种、上层碳含量、微生物量有关，因而对冠层上层进行枝叶密度、植物品种、上层土壤碳含量、微生物量进行采集。S40：基于生态系统的层级设定，根据所述多层级数据构建各区块模拟生态系统。

进一步的，基于生态系统的层级设定，根据所述多层级数据构建各区块模拟生态系统，S40包括：S401设定各区块集群的样本区，对各区块进行样本区信息采集，获得样本区信息集；S402基于生态系统的层级设定，根据所述样本区信息集对样本区各层级的碳储量关系进行分析，确定碳储量参数关系；S403根据所述样本区信息集、碳储量参数关系，建立碳储量分析模型，将各层的碳储量分析模型添加至所述各区块模拟生态系统对应层级中。

具体的，通过在每个区域设定一个样本区，按照各层级的生态特征采集要求对样本区进行各层级参数的采集，用样本区中采集到的各层级的特征数据进行该区域层级生态关系的模拟，土壤层特征：土壤碳密度、有机质含量、土壤容重、厚度分别为多少，则该区域的底层生态碳储量则表现为该水平，中间层即亚冠层，通过样本区采集到的植被树龄、品种、密度、面积比例对于碳汇量的关系，构建中层碳汇量关系，同样的冠层上层利用样本区采集到的枝叶密度、植物品种、上层土壤碳含量、微生物量等数据来模拟上层的碳存储量关系。如不同的树龄、树种分布对应的碳储量不同，针叶幼年、中年时碳含量为1.25，成年、老年为0.995，阔叶幼年中年为5.012，成年老年则约3.924，按照密度分布和树龄采集的结果可以对中间层的碳储量水平进行分析，利用各区块中的样本的采集结果作为该区块的参考值建立该区域的多层级模拟生态系统，对该区块进行碳含量的分析。

可选的，根据样本区信息集、碳储量参数关系建立碳储量分析模型，其中碳储量分析模型可以为碳储量计算模型也可以包括碳储量预测模型(马尔科夫链)，在进行当下的碳储量计算时，通过样本区信息集采集到的各层数据和各层级的碳储量参数关系的进行各层级碳储量计算，利用碳储量计算公式构建碳储量计算模型，利用各层级采集到的数据与碳储量参数关系相乘计算确定各层级碳储量。

进一步的，根据所述样本区信息集、碳储量参数关系，建立碳储量分析模型，S403包括：S4031获得预设时间周期的样本区信息集，根据所述预设时间周期的样本区信息集，获得植被生长线，所述植被生长线为基于采集时间确定的植被数据时序链；S4032基于所述植被生长线的时序关系、各时序节点的碳储量参数关系，构建马尔科夫链模型；S4033基于所述马尔科夫链模型确定植被状态转移概率，根据所述植被状态转移概率、所述碳储量参数关系，确定节点碳储量分析结果，其中，所述碳储量分析模型包括所述马尔科夫链模型。

进一步的，所述方法包括：S810根据所述气象影响因子信息、所述气象因子影响关系确定对植被状态的影响关系，将气象影响因子对于植被状态的影响关系添加至所述马尔科夫链模型中；S820通过马尔科夫链模型对当前时间节点的植被生长状态概率进行确定，获得区块植被生长状态，基于所述区块植被生长状态，确定当前区块碳储量；S830基于所述区块植被生长状态，通过马尔科夫链模型获得下一节点的预测植被生长状态，并根据所述预测植被生长状态对区块进行碳储量进行预测。

具体的，模拟生态系统可以进行整体上的生态模拟也可以针对各区块进行分别的生态系统的模拟，根据需求可以进行对应的操作，在进行分区中如果分区中的植被和密度等重叠度高，可以实现完全参考的，可以利用一个区块进行采样分析，利用单个区块的生态系统来对整个目标森林进行累加处理。若对于区块的重叠度不高，且区块划分量不大的，可以分别对每个区块进行生态系统的模拟构建，针对目标区域的植被分布特点和面积进行具体确定。

本申请以一个区块的生态模拟系统进行展开说明，其他区块的生态模拟系统同理。通过划分的区块确定采样区，采样区要符合一定规模和植被分布的要求即具有代表性的，具体大小要视森林的物种分布和特点进行确定，优选的不少于区块面积的15％，对于区块面积小的也可以将一个区块整个作为采样区。对采样区进行预设时间周期的实际测量和检测，得到采样区的物种各层级的生长变化和碳储量的关系，环境变化对于生长变化和碳储量的变化关系，利用采集、检测、测算到的样本区的数据进行分析和关系拟合。

在预设时间周期内设定区块中生态环境的变化节点，如一周或者一个月作为一个节点，则预设时间周期为半年或者一年，在预设时间周期内根据样本区采集到的各层级植被的生长状态变化数据和测算的碳储量的变化数据来进行训练，得到随着时间的发展、植被的生长变化关系，以及生长变化与碳储量的关系，对每个节点出现的变化关系进行概率分析，得到随着时间推移植被的生长变化概率和对应的碳储量变化概率，按照概率最大值作为该节点的生长状态及对应的碳储量结果。植被的生长状态受到气象因素的影响，碳储量受到植被生长状态和气象因素的影响，其中植被生长状态是具有时序性的，将植被生长状态的时间序列构建起马尔科夫链，其中植被的生长状态作为马尔科夫链的状态信息，状态会受到气象影响因子、各层级信息等的影响而改变植被的生长状态，将气象影响因子、各层级信息作为动作对状态产生影响，在状态和动作的作用下，会对碳储量产生变化，将碳储量的变化概率作为奖励值，构建马尔科夫链模型，对每个节点的状态移动概率进行分析预测，设定期待概率值，当满足期待概率值时，确定该时间节点的状态和奖励值，从而获得植被生长状态和碳储量。

应理解，马尔科夫链描述了一种状态序列，其每个状态值取决于前面有限个状态，每一个时刻会对主体带来来自环境影响的状态，基于这个状态，通过对起做出动作，将动作作用在状态中会对状态发生变化，同时接受到一个奖励值，并达到下一个状态，对达到下一个状态的概率进行确定，在强化学习中，agent(智能体)与environment(环境)一直在互动。在每个时间节点t，agent会接收到来自环境的状态s，基于这个状态s，agent会做出动作a，然后这个动作作用在环境上，于是agent可以接收到一个奖赏reward，并且agent就会到达新的状态，所以，其实agent与environment之间的交互就是产生了一个序列。T则为植被生长周期时间点，状态即植被的生长状态、动作为天气因子，在不同的时刻随着天气因子的影响植被会进行生长状态的变化，随着产生碳储量的变化概率。植被受到气象等影响因子的影响会对植被的生长状态产生影响，上一个节点的状态和受到的环境影响因子的影响会影响到下一个阶段的生长状态，从而影响到植被的碳储量数据，通过采集目标区域的植被数据构建马尔科夫链模型通过计算机模型对采集到的数据进行预测，确定随着气候等影响因素的影响会对各区块集群中植被的碳储量影响程度，从而预测植被的生长状态和碳储量变化，利用预测得到的碳储量对目标区域中的碳汇量进行预测，无需再进行数据采集，可以实现对碳储量的预测计算。

S50：获得气象影响因子信息，并根据所述气象影响因子信息对所述层级设定进行影响程度分析，确定气象因子影响关系，将所述气象因子影响关系嵌入所述各区块模拟生态系统中。

进一步的，如图3所示，根据所述气象影响因子信息对所述层级设定进行影响程度分析，确定气象因子影响关系，S50包括：S501根据所述预设时间周期的样本区信息集，进行样本区气象、样本区生长状态的提取，获得样本区气象信息、样本区生长状态信息；S502根据所述样本区气象信息、样本区生长状态信息拟合回归线确定关系回归函数，获得气象因子对于植被状态的影响关系；S503将所述气象因子对于植被状态的影响关系作为气象因子影响关系。

具体的，由于植被的生长状态与气象具有关联性，因而在对区块内植被的生长状态和碳储量分析时，加入了气象数据，通过大数据、气象监测平台等获得气象数据，利用样本区信息集中的时间节点与气象数据之间的对应关系，对气象信息对于样本区的碳储量、土壤、植被的生长存在哪些影响，通过对多组样本区数据的分析，拟合出气象因子对于植被生长状态、碳储量的回归函数，举例而言，利用历史样本区的数据，得到天气变化与生长状态的数据关系为y＝ax，通过梯度下降或者回归系数的显著性检验，优化回归函数的系数，得到气象因子对于植被生长状态即气象因子影响关系(主要为气温、降雨、光照)，根据获得的天气因子利用y＝ax计算得到生长状态的影响结果，加入马尔科夫链中的状态数据，对节点状态发生概率进行计算，分析生态结构的变化、植被的状态预测及对应的碳储量的测算，通过模拟的生态结构能够随时按照要求进行各时间节点的碳汇量计算，无需进行反复的数据采集。

S60：根据所述各区块模拟生态系统对各区块进行碳储量分析，获得各区块碳储量。

具体的，各区块模拟生态系统具有当下计算的功能还具有碳储量预测的功能，对于当下的测算要求即具有当下采集的生态数据集时，根据采集到的样本区各层级的数据进行各层级碳储量的计算，通过模拟各区域的生态系统将各层级的碳储量进行汇总，并根据区块的面积大小进行计算得到各区块的碳储量。

对于当前没有或者条件不允许进行数据实时采集的情况下，可以利用上一个时间节点的采集数据通过获取当前周期与上一个时间节点中的天气气候信息，如降水量、日照时间等通过马尔科夫链模型对该节点进行预测，预测该时间节点的植被生长状态并结合各区块的层级模拟生态系统进行碳汇量预测，减少采集工作量能够实现对当下或者下一个节点的预测。

S70：根据所述多区块集群的划分信息、所述各区块碳储量进行整合计算，获得目标区域的碳汇量测算结果。

进一步的，根据所述多区块集群的划分信息、所述各区块碳储量进行整合计算，获得目标区域的碳汇量测算结果，S70包括：S701根据样本区与区块集群的数量级关系、样本区碳储量，确定样本区对应的区块的碳储量；S702将所有区块的碳储量进行累加，获得所述目标区域的碳汇量测算结果。

具体的，根据各区块构建的模拟生态系统对这个区块的碳储量进行分析，按照样本区的占比关系进行比例计算，同样的按照区块的划分要求，得到区块的划分数量关系，按照数量级关系进行整个目标区域的碳汇量核算，从而完成了目标区域的碳汇量测算。解决了现有技术中碳汇量测算需要阶段性对森林植被状态进行数据采集，存在测算精度不足的技术问题。通过对目标区块各区块进行实时数据采集，通过生态系统按照采集的数据进行模拟，按照各区块的生态模拟结果进行各区块的碳储量计算，按照各区块的碳储量计算结果和各区块的分布关系进行目标区块的碳汇量综合测算，达到了对生态系统进行模拟，利用各层级数据量化关系对生态系统的碳汇量的变化关系进行预测，从而实现目标区域的碳汇量测算，针对不同区块的植被特征进行针对性的碳储量计算，提高各区块中植被碳储量计算的可靠性，利用各区块中碳储量的测算结果按照区块划分的关系将零化整计算目标区域的碳汇量，提高测算精度，同时本申请实施例提供的方法在采集工作量有限的情况下保证了测算结果的可靠性，相较于样方调查法利用平均碳密度乘以对应的面积进行碳汇量计算，本申请实施例针对不同的植被进行化区块进行生态模拟更为贴合各区域植被的生态特征，从而提升了计算结果的可靠性，同时相较于自下而上的方法，利用分级生态模拟和马尔科夫链模型简化了模型处理过程，避免了时间生态生理过程模型过于复杂参数不好确定的问题，利用生态模拟和马尔科夫链模型对植被的碳储量进行预测和分析，更为贴合植被的生长状态，提供了动态的碳汇量计算服务，可以通过马尔科夫链模型进行下一个节点的预测，减少了数据采集次数，在不采集数据的情况下可以根据上一阶段的采集结果对下一节点进行预测，提高工作效率的技术效果。

实施例二

基于与前述实施例中一种基于生态系统模拟的碳汇量测算方法相同的发明构思，本申请实施例提供了一种基于生态系统模拟的碳汇量测算系统，如图4所示，所述系统包括：

数据采集单元，所述数据采集单元用于对选定目标区域的生态系统进行数据采集得到生态数据集；

区块划分单元，所述区块划分单元用于基于所述生态数据集进行目标区块划分，构建多区块集群；

层级数据提取单元，所述层级数据提取单元用于获得生态系统的层级设定，基于所述生态系统的层级设定对所述多区块集群各生态数据集进行多层级数据特征提取，获得多层级数据；

生态系统模拟单元，所述生态系统模拟单元用于基于生态系统的层级设定，根据所述多层级数据构建各区块模拟生态系统；

因子影响分析单元，所述因子影响分析单元用于获得气象影响因子信息，并根据所述气象影响因子信息对所述层级设定进行影响程度分析，确定气象因子影响关系，将所述气象因子影响关系嵌入所述各区块模拟生态系统中；

区块碳储量单元，所述区块碳储量单元用于根据所述各区块模拟生态系统对各区块进行碳储量分析，获得各区块碳储量；

碳汇量测算单元，所述碳汇量测算单元用于根据所述多区块集群的划分信息、所述各区块碳储量进行整合计算，获得目标区域的碳汇量测算结果。

进一步的，所述区块划分单元还包括：

密度分布获取单元，所述密度分布获取单元用于根据所述生态数据集中的遥感信息对目标区域进行植被提取，基于植被识别提取数据确定目标区域植被密度分布信息；

划分确定单元，所述划分确定单元用于根据所述目标区域植被密度分布信息，进行密度跨度均值计算，确定密度分区跨度要求，并按照所述密度分区跨度要求对目标区域进行分组，构建所述多区块集群。

进一步的，所述层级数据提取单元包括：

层级特征提取单元，所述层级特征提取单元用于对所述多区块集群的生态数据集进行分别进行土壤层特征提取、亚冠层特征提取、冠层上层特征提取，获得土壤层特征数据、亚冠层特征数据、冠层上层特征数据；

数据确定单元，所述数据确定单元用于将所述土壤层特征数据、亚冠层特征数据、冠层上层特征数据作为所述多层级数据。

进一步的，所述生态系统模拟单元包括：

样本数据获取单元，所述样本数据获取单元用于设定各区块集群的样本区，对各区块进行样本区信息采集，获得样本区信息集；

参数关系设定单元，所述参数关系设定单元用于基于生态系统的层级设定，根据所述样本区信息集对样本区各层级的碳储量关系进行分析，确定碳储量参数关系；

模型建立单元，所述模型建立单元用于根据所述样本区信息集、碳储量参数关系，建立碳储量分析模型，将各层的碳储量分析模型添加至所述各区块模拟生态系统对应层级中。

进一步的，所述模型建立单元包括：

时序链确定单元，所述时序链确定单元用于获得预设时间周期的样本区信息集，根据所述预设时间周期的样本区信息集，获得植被生长线，所述植被生长线为基于采集时间确定的植被数据时序链；

模型构建单元，所述模型构建单元用于基于所述植被生长线的时序关系、各时序节点的碳储量参数关系，构建马尔科夫链模型；

模型添加单元，所述模型添加单元用于基于所述马尔科夫链模型确定植被状态转移概率，根据所述植被状态转移概率、所述碳储量参数关系，确定节点碳储量分析结果，其中，所述碳储量分析模型包括所述马尔科夫链模型。

进一步的，所述碳汇量测算单元包括：

样本区测算单元，所述样本区测算单元用于根据样本区与区块集群的数量级关系、样本区碳储量，确定样本区对应的区块的碳储量；

整合碳汇量单元，所述整合碳汇量单元用于将所有区块的碳储量进行累加，，获得所述目标区域的碳汇量测算结果。

进一步的，所述模型添加单元还用于根据所述气象影响因子信息、所述气象因子影响关系确定对植被状态的影响关系，将气象影响因子对于植被状态的影响关系添加至所述马尔科夫链模型中；

所述系统还包括：模型运算处理单元，所述模型运算处理单元用于通过马尔科夫链模型对当前时间节点的植被生长状态概率进行确定，获得区块植被生长状态，基于所述区块植被生长状态，确定当前区块碳储量；

预测单元，所述预测单元用于基于所述区块植被生长状态，通过马尔科夫链模型获得下一节点的预测植被生长状态，并根据所述预测植被生长状态对区块进行碳储量进行预测。

进一步的，所述因子影响分析单元还用于：

根据所述预设时间周期的样本区信息集，进行样本区气象、样本区生长状态的提取，获得样本区气象信息、样本区生长状态信息；

根据所述样本区气象信息、样本区生长状态信息拟合回归线确定关系回归函数，获得气象因子对于植被状态的影响关系；

将所述气象因子对于植被状态的影响关系作为气象因子影响关系。

本申请实施例提供的一种基于生态系统模拟的碳汇量测算系统可实现实施例二的任一过程，请参照实施例二的详细内容，在此不再赘述。

本说明书和附图仅仅是本申请的示例性说明，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (9)

1.一种基于生态系统模拟的碳汇量测算方法，其特征在于，所述方法包括：

对选定目标区域的生态系统进行数据采集得到生态数据集；

基于所述生态数据集进行目标区块划分，构建多区块集群；

获得生态系统的层级设定，基于所述生态系统的层级设定对所述多区块集群各生态数据集进行多层级数据特征提取，得到多层级数据；

基于生态系统的层级设定，根据所述多层级数据构建各区块模拟生态系统；

获得气象影响因子信息，并根据所述气象影响因子信息对所述层级设定进行影响程度分析，确定气象因子影响关系，将所述气象因子影响关系嵌入所述各区块模拟生态系统中；

根据所述各区块模拟生态系统对各区块进行碳储量分析，获得各区块碳储量；

根据所述多区块集群的划分信息、所述各区块碳储量进行整合计算，获得目标区域的碳汇量测算结果。

2.如权利要求1所述的方法，其特征在于，基于所述生态数据集进行目标区块划分，构建多区块集群，包括：

根据所述生态数据集中的遥感信息对目标区域进行植被提取，基于植被识别提取数据确定目标区域植被密度分布信息；

根据所述目标区域植被密度分布信息，进行密度跨度均值计算，确定密度分区跨度要求，并按照所述密度分区跨度要求对目标区域进行分组，构建所述多区块集群。

3.如权利要求1所述的方法，其特征在于，获得生态系统的层级设定，基于所述生态系统的层级设定对所述多区块集群各生态数据集进行多层级数据特征提取，得到多层级数据，包括：

对所述多区块集群的生态数据集进行分别进行土壤层特征提取、亚冠层特征提取、冠层上层特征提取，获得土壤层特征数据、亚冠层特征数据、冠层上层特征数据；

将所述土壤层特征数据、亚冠层特征数据、冠层上层特征数据作为所述多层级数据。

4.如权利要求1所述的方法，其特征在于，基于生态系统的层级设定，根据所述多层级数据构建各区块模拟生态系统，包括：

设定各区块集群的样本区，对各区块进行样本区信息采集，获得样本区信息集；

基于生态系统的层级设定，根据所述样本区信息集对样本区各层级的碳储量关系进行分析，确定碳储量参数关系；

根据所述样本区信息集、碳储量参数关系，建立碳储量分析模型，将各层的碳储量分析模型添加至所述各区块模拟生态系统对应层级中。

5.如权利要求4所述的方法，其特征在于，所述方法还包括：

获得预设时间周期的样本区信息集，根据所述预设时间周期的样本区信息集，获得植被生长线，所述植被生长线为基于采集时间确定的植被数据时序链；

基于所述植被生长线的时序关系、各时序节点的碳储量参数关系，构建马尔科夫链模型；

基于所述马尔科夫链模型确定植被状态转移概率，根据所述植被状态转移概率、所述碳储量参数关系，确定节点碳储量分析结果，其中，所述碳储量分析模型包括马尔科夫链模型。

6.如权利要求5所述的方法，其特征在于，根据所述多区块集群的划分信息、所述各区块碳储量进行整合计算，获得目标区域的碳汇量测算结果，包括：

根据样本区与区块集群的数量级关系、样本区碳储量，确定样本区对应的区块的碳储量；

将所有区块的碳储量进行累加，获得所述目标区域的碳汇量测算结果。

7.如权利要求5所述的方法，其特征在于，所述方法包括：

根据所述气象影响因子信息、所述气象因子影响关系确定对植被状态的影响关系，将气象影响因子对于植被状态的影响关系添加至所述马尔科夫链模型中；

通过马尔科夫链模型对当前时间节点的植被生长状态概率进行确定，获得区块植被生长状态，基于所述区块植被生长状态，确定当前区块碳储量；

基于所述区块植被生长状态，通过马尔科夫链模型获得下一节点的预测植被生长状态，并根据所述预测植被生长状态对区块进行碳储量进行预测。

8.如权利要求5所述的方法，其特征在于，根据所述气象影响因子信息对所述层级设定进行影响程度分析，确定气象因子影响关系，包括：

根据所述预设时间周期的样本区信息集，进行样本区气象、样本区生长状态的提取，获得样本区气象信息、样本区生长状态信息；

根据所述样本区气象信息、样本区生长状态信息拟合回归线确定关系回归函数，获得气象因子对于植被状态的影响关系；

将所述气象因子对于植被状态的影响关系作为气象因子影响关系。

9.一种基于生态系统模拟的碳汇量测算系统，其特征在于，所述系统包括：

数据采集单元，所述数据采集单元用于对选定目标区域的生态系统进行数据采集得到生态数据集；

区块划分单元，所述区块划分单元用于基于所述生态数据集进行目标区块划分，构建多区块集群；

层级数据提取单元，所述层级数据提取单元用于获得生态系统的层级设定，基于所述生态系统的层级设定对所述多区块集群各生态数据集进行多层级数据特征提取，获得多层级数据；

生态系统模拟单元，所述生态系统模拟单元用于基于生态系统的层级设定，根据所述多层级数据构建各区块模拟生态系统；

因子影响分析单元，所述因子影响分析单元用于获得气象影响因子信息，并根据所述气象影响因子信息对所述层级设定进行影响程度分析，确定气象因子影响关系，将所述气象因子影响关系嵌入所述各区块模拟生态系统中；

区块碳储量单元，所述区块碳储量单元用于根据所述各区块模拟生态系统对各区块进行碳储量分析，获得各区块碳储量；

碳汇量测算单元，所述碳汇量测算单元用于根据所述多区块集群的划分信息、所述各区块碳储量进行整合计算，获得目标区域的碳汇量测算结果。

Images