CN115860434B - 一种基于土壤水分资源承载力的植被恢复规划方法和装置 - Google Patents
一种基于土壤水分资源承载力的植被恢复规划方法和装置 Download PDFInfo
- Publication number
- CN115860434B CN115860434B CN202310122611.2A CN202310122611A CN115860434B CN 115860434 B CN115860434 B CN 115860434B CN 202310122611 A CN202310122611 A CN 202310122611A CN 115860434 B CN115860434 B CN 115860434B
- Authority
- CN
- China
- Prior art keywords
- vegetation
- symbiotic
- target
- entity
- triplet
- 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
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种基于土壤水分资源承载力的植被恢复规划方法和装置,所述方法包括:根据目标区域的区域土壤参数构建目标区域对应的植被共生关系知识图谱;确定共生参数满足预设条件的目标三元组集合;根据所述目标三元组集合在所述植被共生关系知识图谱中形成的闭环关系,确定目标区域对应的多个目标植被类型;确定所述目标区域的植被恢复规划结果。本发明实施例提供的方法和装置,基于多种植被共生时能更好地进行水分利用的原理,通过构建植被共生关系知识图谱的方式来确定适用于目标区域的区域土壤参数的共生植被,从而解决了现有技术中的植被恢复规划方法只能针对单一植被和固定区域土壤进行恢复规划的缺陷,实现了更好的环境治理效果。
Description
技术领域
本申请涉及计算机技术领域,特别涉及一种基于土壤水分资源承载力的植被恢复规划方法和装置。
背景技术
高寒沙地生态治理工作中植被恢复规划是近年来的研究热点。现有的方法已经考虑到了在植被恢复规划中,需要从区域水分承载力角度计算植物造林的上限值。
然而,现有技术在计算目标区域植被最大承载力时往往是针对单一品种和类型的植被与沙地土壤特性之间的关系,通过改进类似于Shuttleworth-Wallace等模型来估算该品种植被的水分利用效率。而在沙地生态治理时,多种植被共生时的水分利用和环境治理的效果通常更好,但是现有方法不具备针对多种植被进行恢复规划的能力。
发明内容
本申请实施例的目的在于提供一种基于土壤水分资源承载力的植被恢复规划方法和装置。
第一方面,本申请实施例的目的在于提供一种基于土壤水分资源承载力的植被恢复规划方法,所述方法包括:
根据目标区域的区域土壤参数构建目标区域对应的植被共生关系知识图谱;其中,组成所述植被共生关系知识图谱的三元组的头实体或尾实体为植被类型,实体关系为根据植被共生模型输出的头实体与尾实体之间的共生参数;
在所述植被共生关系知识图谱中确定共生参数满足预设条件的目标三元组集合;
根据所述目标三元组集合在所述植被共生关系知识图谱中形成的闭环关系,确定目标区域对应的多个目标植被类型;
根据所述多个目标植被类型和目标区域的区域土壤参数,确定所述目标区域的植被恢复规划结果。
可选地,所述根据目标区域的区域土壤参数构建目标区域对应的植被共生关系知识图谱,具体包括:
基于植被共生知识库中的文本,获取目标三元组集合中每一三元组的头实体和尾实体;
根据所述目标区域的区域土壤参数构建植被共生模型,并将所述每一三元组的头实体和尾实体输入至所述植被共生模型,得到所述每一三元组的头实体和尾实体对应的用于表征所述共生参数的实体关系;
根据所述目标三元组集合生成所述植被共生关系知识图谱。
可选地,所述基于植被共生知识库中的文本,获取目标三元组集合中每一三元组的头实体和尾实体,具体包括:
从植被共生知识库中的文本抓取具有邻接关系的两个植被类型的词汇;
对所述两个植被类型的词汇进行关联文本的否定词汇查找;
若未在关联文本中查找到否定词汇,则将所述两个植被类型的词汇分别作为目标三元组集合中某一三元组的头实体和尾实体。
可选地,所述植被共生模型用于在接收多个植被类型的输入,确定所述多个植被类型的共生参数。
可选地,所述共生参数为所述多个植被类型对应的综合水分利用率的数学期望值。
可选地,所述植被共生模型的训练样本对应的区域土壤参数与所述目标区域的区域土壤参数之间的误差小于预设的阈值。
可选地,所述根据所述目标三元组集合在所述植被共生关系知识图谱中形成的闭环关系,确定目标区域对应的多个目标植被类型,具体包括:
判断所述目标三元组集合中是否存在目标三元组子集合,使得所述目标三元组子集合中的所有三元组以头尾相接的方式,在所述植被共生关系知识图谱中的路径图形成闭环;
如果存在多个所述目标三元组子集合满足条件,则选择其中三元组数量最多的目标三元组子集合,并将对应的头实体和尾实体表征的植被类型作为目标区域对应的多个目标植被类型。
可选地,如果不存在所述目标三元组子集合满足条件,则在所述植被共生关系知识图谱中选择实体关系值最大的三元组,并将其头实体和尾实体分别表征的植被类型作为目标区域对应的多个目标植被类型。
可选地,所述区域土壤参数包括所述目标区域的经纬度、土壤地质类型、气温和湿度。
第二方面,本发明实施例提供一种基于土壤水分资源承载力的植被恢复规划装置,所述装置包括:
知识图谱构建模块,用于根据目标区域的区域土壤参数构建目标区域对应的植被共生关系知识图谱;其中,组成所述植被共生关系知识图谱的三元组的头实体或尾实体为植被类型,实体关系为根据植被共生模型输出的头实体与尾实体之间的共生参数;
三元组确定模块,用于在所述植被共生关系知识图谱中确定共生参数满足预设条件的目标三元组集合;
植被类型确定模块,用于根据所述目标三元组集合在所述植被共生关系知识图谱中形成的闭环关系,确定目标区域对应的多个目标植被类型;
规划结果确定模块,用于根据所述多个目标植被类型和目标区域的区域土壤参数,确定所述目标区域的植被恢复规划结果。
本发明实施例提供的基于土壤水分资源承载力的植被恢复规划方法和装置,基于多种植被共生时能更好地进行水分利用的原理,通过构建植被共生关系知识图谱的方式来确定适用于目标区域的区域土壤参数的共生植被,从而解决了现有技术中的植被恢复规划方法只能针对单一植被和固定区域土壤进行恢复规划的缺陷,实现了更好的环境治理效果。
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作简单地介绍。
图1为本发明实施例提供的植被恢复规划方法的流程示意图;
图2为本发明实施例提供的植被共生关系知识图谱生成方法的流程示意图;
图3为本发明实施例提供的三元组构建方法的流程示意图;
图4为本发明实施例提供的目标植被类型确定方法的流程示意图;
图5为本发明实施例提供的植被恢复规划装置的结构示意图;
图6为本发明实施例提供的电子设备的结构示意图。
实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
高寒沙地生态治理工作中植被恢复规划是近年来的研究热点。现有的方法已经考虑到了在植被恢复规划中,需要从区域水分承载力角度计算植物造林的上限值。
然而,现有技术在计算目标区域植被最大承载力时往往是针对单一品种和类型的植被与沙地土壤特性之间的关系,通过改进类似于Shuttleworth-Wallace等模型来估算该品种植被的水分利用效率。而在沙地生态治理时,多种植被共生时的水分利用和环境治理的效果通常更好,但是现有方法不具备针对多种植被进行恢复规划的能力。
基于此,本发明实施例提供了一种基于土壤水分资源承载力的植被恢复规划方法和装置。附图1示出了本发明实施例提供的植被恢复规划方法的流程示意图。
步骤S110,根据目标区域的区域土壤参数构建目标区域对应的植被共生关系知识图谱。
本发明实施例在进行植被恢复规划时,重点考虑多种植被共生的情形,以提高水分利用和环境治理的效果。因此,主要通过构建植被共生关系知识图谱的方式,来确定需要种植的植被类型和相应的种植方式。然而,并非任意几种植被混合种植都能提高水分利用和环境治理效果,植被的选择是植被恢复规划首要解决的问题。
此外,对于不同的区域条件和土壤条件而言,选择何种植被类型能达到预期的效果情况也比较复杂。因此,本步骤首先要根据目标区域的区域土壤参数,来构建目标区域对应的植被共生关系知识图谱。可以理解的是,本发明实施例针对的目标区域不同时,所构建的知识图谱也不同。
知识图谱的基本组成单元是三元组,一个三元组又包含头实体、实体关系和尾实体三部分,一个三元组可以看做知识图谱中的一条边。不同含义的知识图谱中三元组蕴含的关系信息也不同。本发明实施例的植被共生关系知识图谱用于表示不同植被对于目标区域而言的共生水平,例如水分利用率、固碳率等共生参数。其中,组成所述植被共生关系知识图谱的三元组的头实体或尾实体为植被类型,实体关系为根据植被共生模型输出的头实体与尾实体之间的共生参数。其中植被类型可以是一种具体的植被品种,也可以是多种特性相近的植被的总称。
如附图2所示,本发明实施例中的植被共生关系知识图谱可以通过如下步骤生成:
步骤S210,基于植被共生知识库中的文本,获取目标三元组集合中每一三元组的头实体和尾实体。
植被共生关系知识图谱中各三元组的头实体和尾实体可以采用数据抓取的方式从植被共生知识库中获取。植被共生知识库可以是植物学文献、教科书中的知识内容,也可以是网络上关系植被共生的网络文章等内容。在上述知识库的文本中,可以采用关键词抓取和自然语言理解技术得到文字上位置相近或具有上下文关系的两个或多个植被名称,用于确保知识图谱中三元组的有效性,避免构建无效的三元组从而造成数据冗余。上述方法中得到的两个或多个植被名称可以作为潜在的构成三元组头实体和尾实体的对象。
具体地,如附图3所示,步骤S210中的三元组构建方法还可以细分为步骤S211至S213的执行过程:
步骤S211,从植被共生知识库中的文本抓取具有邻接关系的两个植被类型的词汇;
步骤S212,对所述两个植被类型的词汇进行关联文本的否定词汇查找;
步骤S213,若未在关联文本中查找到否定词汇,则将所述两个植被类型的词汇分别作为目标三元组集合中某一三元组的头实体和尾实体。
上述步骤步骤S211至S213中,具有邻接关系的两个植被类型的词汇可以是间隔固定范围以内的两个植被类型的词汇,也可以是文法分析得到的具有上下文关系的两个植被词汇。
然而具有邻接关系的两个植被类型的词汇不代表语义上两者具有真正的有效共生关系,此时可以在两个植被类型的词汇的上下文中查找否定词汇来进一步确定。若查找到否定词汇,则代表文本中在语义上可能对两个植被类型的共生关系做了否定描述,则两个植被类型不能构成相应的三元组。反之,若未在关联文本中查找到否定词汇,则将所述两个植被类型的词汇分别作为目标三元组集合中某一三元组的头实体和尾实体。此处头实体和尾实体的顺序可以进行调换,不做特定要求。
步骤S220,根据所述目标区域的区域土壤参数构建植被共生模型,并将所述每一三元组的头实体和尾实体输入至所述植被共生模型,得到所述每一三元组的头实体和尾实体对应的用于表征所述共生参数的实体关系。
在步骤210确定了构成三元组的头实体和尾实体后,对于每一头实体和尾实体,需要确定它们之间的共生参数。本步骤中是将所述每一三元组的头实体和尾实体输入至所述植被共生模型,得到所述每一三元组的头实体和尾实体对应的用于表征所述共生参数的实体关系。
本发明实施例中的植被共生模型用于在接收多个植被类型的输入,确定所述多个植被类型的共生参数。举例说明,共生参数可以为所述多个植被类型对应的综合水分利用率的数学期望值。植被共生模型可以采用RNN、DNN等深度学习网络。在训练所述植被共生模型时,其训练样本对应的区域土壤参数与所述目标区域的区域土壤参数之间的误差小于预设的阈值。即选择的训练样本提取的来源应该和目标区域有着类似的经纬度、土壤地质类型、气温和湿度等特性。训练样本对应的标签可以采用样本所在的数据来源中的综合水分利用率的数学期望值,即数据来源中多次实验数据的统计学平均值。本发明实施例这种的植被共生模型也是与目标区域的区域土壤参数相适应地。可以理解的是,本发明实施例针对的目标区域不同时,所采用的训练样本也不同,训练出的植被共生模型也不同,进而所构建的植被共生关系知识图谱也不同。因此,避免了现有技术中无法针对区域土壤参数进行差异化植被恢复规划的缺陷。
步骤S230,根据所述目标三元组集合生成所述植被共生关系知识图谱。
在步骤210和步骤S220分别确定了构成三元组的头实体和尾实体,以及对应的实体关系后,每一个构成目标三元组集合的三元组也就确定下来。根据目标三元组集合,可以生成对应的植被共生关系知识图谱。在此过程中,如果遇到头实体和尾实体相同或相反的两个三元组,需要进行合并处理。例如,将两个三元组的实体关系进行加权平均处理。
值得说明的是,在实践中由于该植被共生关系知识图谱是专用于该目标区域的植被恢复规划而构建的,因此在后续引入更多训练样本的过程中,可以不断地对植被共生模型和植被共生关系知识图谱进行更新,从而对植被恢复规划进行微调,从而达到更好的土壤水分利用和环境治理效果。
步骤S120,在所述植被共生关系知识图谱中确定共生参数满足预设条件的目标三元组集合。
由于构建的植被共生关系知识图谱中每个节点均代表一种植被类型,作为头实体或尾实体的植被类型数据是从植被知识库中抓取的,导致了知识图谱存在的节点数据较多,涉及的数据量较大,而本发明实施例是为了从较多植被类型中优选出用于植被恢复规划的少数植被类型。因此,本步骤需要对知识图谱中的植被类型和共生关系进行初步的筛选。
由于每个三元组中的实体关系值代表了两种植被之间的共生参数,因此,可以根据该共生参数对三元组进行筛选。具体地,可以根据目标区域的整体共生参数进行预定义,表明该植被恢复规划项目对于土壤水分资源承载能力和利用率的整体预期。实际执行时,可以将筛选条件定义为三元组的共生参数所表征的土壤水分资源承载能力和利用率不能低于整体预期值。只要高于该整体预期值的实体关系的三元组,才能被筛选至目标三元组集合中。
此处筛选条件也可以对头实体和尾实体设置筛选条件,本发明实施例也可以根据用户需求和专家经验人为定义其他合适的筛选条件,本发明实施例不做具体限定。
步骤S130,根据所述目标三元组集合在所述植被共生关系知识图谱中形成的闭环关系,确定目标区域对应的多个目标植被类型。
在步骤S120对知识图谱中的植被类型和共生关系进行初步的筛选之后,需要确定剩余的多个三元组中哪些三元组被作为最终植被恢复规划的植被类型。本发明实施例目标在于被选植被恢复规划的多个植被类型之间尽可能地整体上存在较强的共生关系。
当植被共生关系知识图谱被筛选后,可以看做是一份不完整的知识图谱,且其中的节点均是经过步骤S120筛选过的有效节点。在该不完整的知识图谱中,本步骤会搜索形成闭环关系的多个节点。该闭环关系中,作为每条“边”的各个三元组收尾相接,最终形成一个完整的闭环。在该闭环中,每个节点代表的植被类型均与其相邻的两个节点之间具有良好地共生关系。此外,形成这样的闭环关系的多个植被类型,可以作为该目标区域植被恢复规划对应的多个目标植被类型。
此外,在该不完整的知识图谱中,有时会搜索到多个闭环关系。此时,基于多种植被共生时的水分利用和环境治理的效果通常更好的原理,本步骤倾向于选择节点最多的闭环关系。
还存在如下可能,即在该不完整的知识图谱中,有时会搜索不到符合条件的闭环关系。那么此时仅需要选择实体关系值最大的三元组,并将其头实体和尾实体分别表征的植被类型作为目标区域对应的多个目标植被类型,即所选择的目标植被类型仅为最少的两类。
如上述内容所描述,附图4示出了步骤S130的执行过程可以细分为步骤S131至S133:
步骤S131,判断所述目标三元组集合中是否存在目标三元组子集合,使得所述目标三元组子集合中的所有三元组以头尾相接的方式,在所述植被共生关系知识图谱中的路径图形成闭环;
步骤S132,如果存在多个所述目标三元组子集合满足条件,则选择其中三元组数量最多的目标三元组子集合,并将对应的头实体和尾实体表征的植被类型作为目标区域对应的多个目标植被类型;
步骤S133,如果不存在所述目标三元组子集合满足条件,则在所述植被共生关系知识图谱中选择实体关系值最大的三元组,并将其头实体和尾实体分别表征的植被类型作为目标区域对应的多个目标植被类型。
步骤S140,根据所述多个目标植被类型和目标区域的区域土壤参数,确定所述目标区域的植被恢复规划结果。
在确定了目标区域对应的多个目标植被类型之后,需要进一步确定目标区域的植被恢复规划结果。在确定植被恢复规划结果,首先要根据目标区域的区域土壤参数确定多个目标植被类型各自的最大负荷数量。
具体地,首先可以根据目标区域的区域土壤参数计算出该区域整体土壤水分资源承载力,具体可以采用现有技术中的水平衡方法或Shuttleworth-Wallace模型等机器学习方法来实现,本发明实施例不做具体限定。
然后,需要将该整体土壤水分资源承载力分配至多个目标植被类型,从而确定多个目标植被类型各自的最大负荷数量。对于多个目标植被类型,可以根据其在闭环关闭中与邻接节点的三元组的实体关系值作为其权值,从而确定出多个目标植被类型各自的最大负荷数量,进而确定多个目标植被类型的种植密度。
此外,在确定植被恢复规划结果,还可以根据闭环关闭中各目标植被类型的邻接关系,确定多个目标植被类型的目标区域中各自的种植区域,使得多个目标植被类型的地区邻接关系与其在知识图谱中的闭环关系保持一致,达到更好的水分利用和环境治理的效果。值得说明的是,由于植被恢复规划是一项较为复杂的工程,因此在确定植被恢复规划结果时,可以按照本步骤中基于多个目标植被类型和目标区域的区域土壤参数的确定方法,结合一定的专家意见进行调整,从而确定实际的植被恢复规划结果。
本发明实施例提供的基于土壤水分资源承载力的植被恢复规划方法,基于多种植被共生时能更好地进行水分利用的原理,通过构建植被共生关系知识图谱的方式来确定适用于目标区域的区域土壤参数的共生植被,从而解决了现有技术中的植被恢复规划方法只能针对单一植被和固定区域土壤进行恢复规划的缺陷,实现了更好的环境治理效果。
基于上述任一实施例,附图5示出了本发明实施例提供的基于土壤水分资源承载力的植被恢复规划装置,其特征在于,所述装置包括:
知识图谱构建模块501,用于根据目标区域的区域土壤参数构建目标区域对应的植被共生关系知识图谱;其中,组成所述植被共生关系知识图谱的三元组的头实体或尾实体为植被类型,实体关系为根据植被共生模型输出的头实体与尾实体之间的共生参数;
三元组确定模块502,用于在所述植被共生关系知识图谱中确定共生参数满足预设条件的目标三元组集合;
植被类型确定模块503,用于根据所述目标三元组集合在所述植被共生关系知识图谱中形成的闭环关系,确定目标区域对应的多个目标植被类型;
规划结果确定模块504,用于根据所述多个目标植被类型和目标区域的区域土壤参数,确定所述目标区域的植被恢复规划结果。
本发明实施例提供的基于土壤水分资源承载力的植被恢复规划装置,基于多种植被共生时能更好地进行水分利用的原理,通过构建植被共生关系知识图谱的方式来确定适用于目标区域的区域土壤参数的共生植被,从而解决了现有技术中的植被恢复规划方法只能针对单一植被和固定区域土壤进行恢复规划的缺陷,实现了更好的环境治理效果。
基于上述任一实施例,附图6示出了本发明实施例提供的电子设备的实体结构示意图,该电子设备可以包括:处理器(processor)610、通信接口(CommunicationsInterface)620、存储器(memory)630和通信总线640,其中,处理器610,通信接口620,存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑指令,以执行如下方法:
根据目标区域的区域土壤参数构建目标区域对应的植被共生关系知识图谱;其中,组成所述植被共生关系知识图谱的三元组的头实体或尾实体为植被类型,实体关系为根据植被共生模型输出的头实体与尾实体之间的共生参数;
在所述植被共生关系知识图谱中确定共生参数满足预设条件的目标三元组集合;
根据所述目标三元组集合在所述植被共生关系知识图谱中形成的闭环关系,确定目标区域对应的多个目标植被类型;
根据所述多个目标植被类型和目标区域的区域土壤参数,确定所述目标区域的植被恢复规划结果。
此外,上述的存储器630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,本发明实施例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,本发明实施例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实施例提供的方法,例如包括:
根据目标区域的区域土壤参数构建目标区域对应的植被共生关系知识图谱;其中,组成所述植被共生关系知识图谱的三元组的头实体或尾实体为植被类型,实体关系为根据植被共生模型输出的头实体与尾实体之间的共生参数;
在所述植被共生关系知识图谱中确定共生参数满足预设条件的目标三元组集合;
根据所述目标三元组集合在所述植被共生关系知识图谱中形成的闭环关系,确定目标区域对应的多个目标植被类型;
根据所述多个目标植被类型和目标区域的区域土壤参数,确定所述目标区域的植被恢复规划结果。
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)
1.一种基于土壤水分资源承载力的植被恢复规划方法,其特征在于,所述方法包括:
根据目标区域的区域土壤参数构建目标区域对应的植被共生关系知识图谱;其中,组成所述植被共生关系知识图谱的三元组的头实体或尾实体为植被类型,实体关系为根据植被共生模型输出的头实体与尾实体之间的共生参数;
在所述植被共生关系知识图谱中确定共生参数满足预设条件的目标三元组集合;
根据所述目标三元组集合在所述植被共生关系知识图谱中形成的闭环关系,确定目标区域对应的多个目标植被类型;
根据所述多个目标植被类型和目标区域的区域土壤参数,确定所述目标区域的植被恢复规划结果。
2.根据权利要求1所述的方法,其特征在于,所述根据目标区域的区域土壤参数构建目标区域对应的植被共生关系知识图谱,具体包括:
基于植被共生知识库中的文本,获取目标三元组集合中每一三元组的头实体和尾实体;
根据所述目标区域的区域土壤参数构建植被共生模型,并将所述每一三元组的头实体和尾实体输入至所述植被共生模型,得到所述每一三元组的头实体和尾实体对应的用于表征所述共生参数的实体关系;
根据所述目标三元组集合生成所述植被共生关系知识图谱。
3.根据权利要求2所述的方法,其特征在于,所述基于植被共生知识库中的文本,获取目标三元组集合中每一三元组的头实体和尾实体,具体包括:
从植被共生知识库中的文本抓取具有邻接关系的两个植被类型的词汇;
对所述两个植被类型的词汇进行关联文本的否定词汇查找;
若未在关联文本中查找到否定词汇,则将所述两个植被类型的词汇分别作为目标三元组集合中某一三元组的头实体和尾实体。
4.根据权利要求2所述的方法,其特征在于,所述植被共生模型用于在接收多个植被类型的输入,确定所述多个植被类型的共生参数。
5.根据权利要求4所述的方法,其特征在于,所述共生参数为所述多个植被类型对应的综合水分利用率的数学期望值。
6.根据权利要求2所述的方法,其特征在于,所述植被共生模型的训练样本对应的区域土壤参数与所述目标区域的区域土壤参数之间的误差小于预设的阈值。
7.根据权利要求1所述的方法,其特征在于,所述根据所述目标三元组集合在所述植被共生关系知识图谱中形成的闭环关系,确定目标区域对应的多个目标植被类型,具体包括:
判断所述目标三元组集合中是否存在目标三元组子集合,使得所述目标三元组子集合中的所有三元组以头尾相接的方式,在所述植被共生关系知识图谱中的路径图形成闭环;
如果存在多个所述目标三元组子集合满足条件,则选择其中三元组数量最多的目标三元组子集合,并将对应的头实体和尾实体表征的植被类型作为目标区域对应的多个目标植被类型。
8.根据权利要求7所述的方法,其特征在于,
如果不存在所述目标三元组子集合满足条件,则在所述植被共生关系知识图谱中选择实体关系值最大的三元组,并将其头实体和尾实体分别表征的植被类型作为目标区域对应的多个目标植被类型。
9.根据权利要求1所述的方法,其特征在于,所述区域土壤参数包括所述目标区域的经纬度、土壤地质类型、气温和湿度。
10.一种基于土壤水分资源承载力的植被恢复规划装置,其特征在于,所述装置包括:
知识图谱构建模块,用于根据目标区域的区域土壤参数构建目标区域对应的植被共生关系知识图谱;其中,组成所述植被共生关系知识图谱的三元组的头实体或尾实体为植被类型,实体关系为根据植被共生模型输出的头实体与尾实体之间的共生参数;
三元组确定模块,用于在所述植被共生关系知识图谱中确定共生参数满足预设条件的目标三元组集合;
植被类型确定模块,用于根据所述目标三元组集合在所述植被共生关系知识图谱中形成的闭环关系,确定目标区域对应的多个目标植被类型;
规划结果确定模块,用于根据所述多个目标植被类型和目标区域的区域土壤参数,确定所述目标区域的植被恢复规划结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310122611.2A CN115860434B (zh) | 2023-02-16 | 2023-02-16 | 一种基于土壤水分资源承载力的植被恢复规划方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310122611.2A CN115860434B (zh) | 2023-02-16 | 2023-02-16 | 一种基于土壤水分资源承载力的植被恢复规划方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115860434A CN115860434A (zh) | 2023-03-28 |
CN115860434B true CN115860434B (zh) | 2023-05-16 |
Family
ID=85658200
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310122611.2A Active CN115860434B (zh) | 2023-02-16 | 2023-02-16 | 一种基于土壤水分资源承载力的植被恢复规划方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115860434B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116930459B (zh) * | 2023-07-25 | 2024-03-12 | 江苏龙环环境科技有限公司 | 一种土壤原位探测装置及其探测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104611271A (zh) * | 2015-02-09 | 2015-05-13 | 河北大学 | 一种高效固氮紫花苜蓿根瘤菌菌株及其分子标记筛选方法 |
CN106709814A (zh) * | 2016-12-30 | 2017-05-24 | 内蒙古蒙草生态环境(集团)股份有限公司 | 一种基于大数据的植物种类选择的方法 |
CN113780858A (zh) * | 2021-09-17 | 2021-12-10 | 兰州大学 | 一种考虑雨水资源承载力的植被恢复规划方法 |
CN115546636A (zh) * | 2022-09-25 | 2022-12-30 | 四川省林业科学研究院 | 基于高分辨率遥感图像的地质灾害后植被恢复监测方法 |
CN115658822A (zh) * | 2022-09-23 | 2023-01-31 | 中国水利水电科学研究院 | 一种确定半干旱区农牧交错带合理生态格局的计算方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012015733A1 (en) * | 2010-07-26 | 2012-02-02 | Cornell University | Social network driven system and methods for environmental planning and design |
-
2023
- 2023-02-16 CN CN202310122611.2A patent/CN115860434B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104611271A (zh) * | 2015-02-09 | 2015-05-13 | 河北大学 | 一种高效固氮紫花苜蓿根瘤菌菌株及其分子标记筛选方法 |
CN106709814A (zh) * | 2016-12-30 | 2017-05-24 | 内蒙古蒙草生态环境(集团)股份有限公司 | 一种基于大数据的植物种类选择的方法 |
CN113780858A (zh) * | 2021-09-17 | 2021-12-10 | 兰州大学 | 一种考虑雨水资源承载力的植被恢复规划方法 |
CN115658822A (zh) * | 2022-09-23 | 2023-01-31 | 中国水利水电科学研究院 | 一种确定半干旱区农牧交错带合理生态格局的计算方法 |
CN115546636A (zh) * | 2022-09-25 | 2022-12-30 | 四川省林业科学研究院 | 基于高分辨率遥感图像的地质灾害后植被恢复监测方法 |
Non-Patent Citations (3)
Title |
---|
"Soil moisture dynamics and restoration of self-sustaining native vegetation ecosystem on an open-cut coal mine";Ngugi M R等;《Restoration Ecology》;第23卷(第5期);第615-624页 * |
"黄土丘陵区不同植被恢复方式的土壤生态水文效应";许小明;《中国博士学位论文全文数据库农业科技辑》(第1期);第D043-26页 * |
"黄土高原地区土地植被承载力与植被生态恢复建";曹军胜 等;《西北林学院学报》;第23卷(第1期);第39-43页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115860434A (zh) | 2023-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112199608B (zh) | 基于网络信息传播图建模的社交媒体谣言检测方法 | |
CN111611488B (zh) | 基于人工智能的信息推荐方法、装置、电子设备 | |
CN110083728B (zh) | 一种优化自动化图片数据清洗质量的方法、装置和系统 | |
CN115860434B (zh) | 一种基于土壤水分资源承载力的植被恢复规划方法和装置 | |
CN113392331A (zh) | 文本处理方法及设备 | |
CN113011471A (zh) | 一种社交群体的划分方法、划分系统及相关装置 | |
Gu et al. | [Retracted] Application of Fuzzy Decision Tree Algorithm Based on Mobile Computing in Sports Fitness Member Management | |
CN115114421A (zh) | 一种问答模型训练方法 | |
CN110738362A (zh) | 一种基于改进的多元宇宙算法构建预测模型的方法 | |
Graham et al. | Finding and visualizing graph clusters using pagerank optimization | |
CN116756327A (zh) | 基于知识推断的威胁情报关系抽取方法、装置和电子设备 | |
CN110263250B (zh) | 一种推荐模型的生成方法及装置 | |
CN109299473B (zh) | 一种基于开发者画像的软件工程任务推荐方法 | |
CN117540223A (zh) | 基于ap算法的社交网络舆情传播转发链条挖掘方法及装置 | |
CN114385876B (zh) | 一种模型搜索空间生成方法、装置及系统 | |
CN110377741A (zh) | 文本分类方法、智能终端及计算机可读存储介质 | |
CN116228361A (zh) | 基于特征匹配的课程推荐方法、装置、设备和存储介质 | |
CN116226747A (zh) | 数据分类模型的训练方法、数据分类方法和电子设备 | |
CN115660695A (zh) | 客服人员标签画像构建方法、装置、电子设备及存储介质 | |
CN114218445A (zh) | 基于元图动态异构信息网络表示的异常检测方法 | |
CN112819527A (zh) | 一种用户分群处理方法及装置 | |
CN106446160A (zh) | 一种面向移动互联网自适应增量的内容聚合方法及系统 | |
CN112700005A (zh) | 一种基于蒙特卡洛树搜索的异常事件处理方法和装置 | |
Kozak et al. | Association ACDT as a tool for discovering the financial data rules | |
CN113569016B (zh) | 一种基于Bert模型的专业术语提取方法及装置 |
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 |