CN115862304B - 用于退化天然次生林生态修复的智能预警系统及方法 - Google Patents

用于退化天然次生林生态修复的智能预警系统及方法 Download PDF

Info

Publication number
CN115862304B
CN115862304B CN202310195371.9A CN202310195371A CN115862304B CN 115862304 B CN115862304 B CN 115862304B CN 202310195371 A CN202310195371 A CN 202310195371A CN 115862304 B CN115862304 B CN 115862304B
Authority
CN
China
Prior art keywords
tree
secondary forest
natural secondary
forest
interference
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
CN202310195371.9A
Other languages
English (en)
Other versions
CN115862304A (zh
Inventor
何怀江
张忠辉
包广道
孙越
罗也
朱洪波
王梓默
王雨
任皎
张英楠
林士杰
张天祥
王峰洁
杨帆
郝珉辉
陈贝贝
刘志宇
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.)
Jilin Provincial Academy of Forestry Sciences
Original Assignee
Jilin Provincial Academy of Forestry Sciences
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 Jilin Provincial Academy of Forestry Sciences filed Critical Jilin Provincial Academy of Forestry Sciences
Priority to CN202310195371.9A priority Critical patent/CN115862304B/zh
Publication of CN115862304A publication Critical patent/CN115862304A/zh
Application granted granted Critical
Publication of CN115862304B publication Critical patent/CN115862304B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及生态修复技术领域,具体为用于退化天然次生林生态修复的智能预警系统及方法,所述系统包括管控预警模块,所述管控预警模块结合第一调节步长内退化天然次生林的综合生长干扰情况变化情况,筛选退化天然次生林的疏伐对象,并根据筛选结果对退化天然次生林进行管控预警。本发明在对退化天然次生林进行生态修复的过程中,结合退化天然次生林中树木的具体特点对改造方案进行调整,同时考虑到不同树种在不同阶段生长速度的差异情况,及不同树种两者间距对树种生长状态的影响情况,能够准确筛选出退化天然次生林中的最佳疏伐对象,实现对退化天然次生林的有效修复。

Description

用于退化天然次生林生态修复的智能预警系统及方法
技术领域
本发明涉及生态修复技术领域,具体为用于退化天然次生林生态修复的智能预警系统及方法。
背景技术
天然次生林是指天然森林被砍伐后,树根生出来的幼树组成的森林,相对原生林,称之为次生林;因此,天然次生林是最初的原始森林遭到破坏后,再次自然生长繁衍所形成的天然植物群落。
退化天然次生林会导致森林生态系统退化,对环境及社会带来较大影响,因此,我国近年来逐渐重视对退化天然次生林的保护,并结合我国森林生态系统的实际情况,对退化天然次生林进行修复。
现有的用于退化天然次生林生态修复的智能预警系统中,只是简单的对林分类型进行划分,并根据划分的林分类型选取不同的改造方案,该生态修复方式具有较大的局限性,没有结合退化天然次生林中的树木的具体特点对改造方案进行调整,进而使得同一林分类型的退化天然次生林中采用同一改造方案,但改造效果可能会存在较大的差异;同时,现有技术中未考虑到不同树种在不同阶段生长速度的差异情况,及不同树种两者间距对树种生长状态的影响情况,进而不能有效精准的筛选出退化天然次生林中的最佳疏伐对象,实现对退化天然次生林的有效修复。
发明内容
本发明的目的在于提供用于退化天然次生林生态修复的智能预警系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:用于退化天然次生林生态修复的智能预警方法,所述方法包括以下步骤:
S1、获取当前时间退化天然次生林中的林分信息及地势信息,构建次生林空间模型,所述林分信息包括树种组成、每棵树的树高及相应的位置分布,所述地势信息包括退化天然次生林中的不同位置对应的地面海拔高度;
S2、获取历史数据库中各个树种在受其他树种干扰前后的生长状态数据,分析不同树种之间的干扰状态受树种间距及树种高度差异的影响;
S3、结合次生林空间模型中各棵树对应的位置信息及所处位置的地势信息,分析当前时间退化天然次生林的综合生长干扰影响值;
S4、获取历史数据记录的各个退化天然次生林,分别在不同间隔时长对应综合生长干扰影响值与相应时间实际对应的综合生长干扰影响值之间的差异情况,获取第一调节步长;
S5、结合第一调节步长内退化天然次生林的综合生长干扰情况变化情况,筛选退化天然次生林的疏伐对象,并根据筛选结果对退化天然次生林进行管控预警。
进一步的,所述S1中构建次生林空间模型的方法包括以下步骤:
S11、获取当前时间退化天然次生林的林分信息及地势信息;
S12、获取退化天然次生林的中心点对应的地面位置,记为参照点,以参照点为原点、以从东至西的方向为x轴正方向、以从南至北的方向为y轴正方向且以从下至上的方向为z轴正方向,构建空间直角坐标系;
S13、获取退化天然次生林中不同地面位置分别对应的空间坐标(x1,y1,z1),并将所得各个空间坐标分别在空间直角坐标系中进行标记,得到退化天然次生林地势变化模型,
其中,x1表示退化天然次生林中相应地面位置在x轴方向上与参照点的距离差,x1属于实数,y1表示退化天然次生林中相应地面位置在y轴方向上与参照点的距离差,y1属于实数,z1表示退化天然次生林中相应地面位置在z轴方向上与参照点的距离差,即退化天然次生林中相应地面位置对应的海拔高度与参照点对应海拔高度的差值,z1属于实数;
S14、获取退化天然次生林中林分信息的树种组成、每棵树的树高及相应的位置分布,将退化天然次生林的林分信息中第i棵树对应的信息记为(Li,hi,Wi),所述Li表示退化天然次生林的林分信息中第i棵树对应的树种,所述hi表示退化天然次生林的林分信息中第i棵树对应树高,所述Wi表示退化天然次生林的林分信息中第i棵树与地面接触区域中心点对应的空间坐标,
选取数据库中每个树种对应树高时的树模型,并将所得树模型的底面中心点与Wi重合,直至退化天然次生林中林分信息中所有树分别对应的树模型均添加到退化天然次生林地势变化模型中,得到次生林空间模型。
本发明S1中构建次生林空间模型的过程中,考虑到退化天然次生林中地势变化情况、各棵树的位置分布情况及各棵树分别对应的树种和树高,进而使得获取的次生林空间模型能够精准且有效的还原退化天然次生林的信息,为后续分析步骤中筛选退化天然次生林的疏伐对象提供了数据参照。
进一步的,所述S2中分析不同树种之间的干扰状态受树种间距及树种高度差异的影响的方法包括以下步骤:
S21、获取历史数据库中各个树种在受其他树种干扰前后的生长状态数据,
将历史数据库中树种L在不受其他树种干扰且树高为h的情况下,第一单位时间t1内的高度变化值记为HCLh
将历史数据库中树高为h的树种L在受树高为hN的树种LN干扰时,两者之间的间距为a且树种高度差为h-hN的状态下,树种L在第一单位时间t1内的高度变化值记为HC{(L,LN),h,h-hN,a}
S22、获取历史数据库中树高为h的树种L在受树种LN干扰且两者间距为a的情况下,树种LN的树高为hN时对应的生长状态数据对(h-hN,[HC{(L,LN),h,h-hN,a}-HCLh]/HCLh),且HCLh≠0;
S23、以o1为原点、以树种高度差为x1轴且以高度变化差占比为y轴,构建平面直角坐标系,并在平面直角坐标系中分别标记出hN为不同值时对应各个生长状态数据对(hN,[HC{(L,LN),h,h-hN,a}-HCLh]/t1)相应的坐标点,通过CurveFitter曲线拟合软件参照函数模型y1=b1-b2×tansig2(x1+b3)且tansig(x1)=-1+2/(1+e-2x1)对平面直角坐标系中标记的坐标点进行拟合,并将拟合结果对应的函数记为树高为h的树种L在受树种LN干扰且两者间距为a的情况下,树种LN的树高与树种L受干扰前后相应的高度变化差占比之间的关系函数,记为G{(L,LN),h,a}(x1),所述b1、b2、b3及b4均为函数模型的调节系数。
本发明S2中分析不同树种之间的干扰状态受树种间距及树种高度差异的影响时,分析不同树种之间的间距及树高确定的情况下,各个树种的生长状态相互之间受到的干扰影响,进而能够为后续过程中分析当前时间退化天然次生林的综合生长干扰影响值提供了数据支撑,准确获取退化天然次生林中每棵树在生长过程中受到其余树种干扰情况。
进一步的,所述分析当前时间退化天然次生林的综合生长干扰影响值的方法包括以下步骤:
S31、获取退化天然次生林的林分信息中第i棵树对应的信息(Li,hi,Wi),并计算退化天然次生林中任意两棵树对应空间坐标之间的距离,记为第一距离,将与第i棵树之间第一距离小于等于第一预设值的树汇总到一个空白集合中,得到第i个棵树的干扰树集合,记为Di,干扰树集合中的每个元素对应一棵树的编号;
S32、获取当前时间退化天然次生林中第i棵树受到相应干扰树影响后的生长干扰影响值Ri,
Ri=(Ri1×Ri2×...×Rij×...×RiMDi)-1,
Rij=G(L,LNDij),h,aDij}(h+Wi-hNDij-WDij)+1,
其中,Rij表示当前时间退化天然次生林中第i棵树受到第j棵干扰树影响后的生长干扰影响值,
MDi表示第i个棵树的干扰树集合Di中的元素总个数,
LNDij表示第i个棵树的干扰树集合Di中第j个元素对应的树种类型,
aDij表示退化天然次生林中第i棵树与干扰树集合Di中第j个元素对应干扰树之间的间距,
hNDij表示干扰树集合Di中第j个元素对应的干扰树对应的树高,
WDij表示退化天然次生林的林分信息中,干扰树集合Di中第j个元素对应的干扰树与地面接触区域中心点对应的空间坐标;
S33、得到当前时间退化天然次生林的综合生长干扰影响值RZ,RZ=1/i1×∑i=1 i= i1Ri,
其中,i1表示退化天然次生林中树的总棵数。
本发明获取当前时间退化天然次生林中第i棵树受到相应干扰树影响后的生长干扰影响值Ri时,考虑到退化天然次生林中的一棵树可能会同时存在多个干扰树的情况,每棵干扰树均会对该树的生长状态进行干扰,进而获取Ri时,需要综合考虑不同干扰树对该树生长状态的影响情况,若不存在干扰树,在该树的生长状态则不受影响。
进一步的,所述S4中获取第一调节步长的方法包括以下步骤:
S41、预测退化天然次生林中基于当前时间后续第二单位时间t2时对应综合生长干扰影响值RZt2,所述t2为t1的整数倍;
S42、获取历史数据记录的退化天然次生林在选定参照时间的情况下,选取t2为不同值时,基于参照时间的后续t2时对应综合生长干扰影响值的预测值,并分别获取退化天然次生林中在时间为参照时间加上t2对应的时间点时实际对应的综合生长干扰影响值;
S43、计算参照时间与t2确定的情况下,对应的综合生长干扰影响值的预测值与实际综合生长干扰影响值之间的差值,并将所得差值与第一阈值进行比较,所述第一阈值为数据库中预置的常数,
若t2对应的各个数值中存在t3,使得参照时间与t3确定的情况下,对应的综合生长干扰影响值的预测值与实际综合生长干扰影响值之间的差值小于等于第一阈值,且参照时间与t3+t1确定的情况下,对应的综合生长干扰影响值的预测值与实际综合生长干扰影响值之间的差值大于第一阈值,则判定第一调节步长为t3。
本发明S4中获取第一调节步长时,考虑到第二单位时间t2为不同值时,综合生长干扰影响值的预测值与实际综合生长干扰影响值之间的差值(预测结果的偏差程度)不同,进而获取第一调节步长是为了在后续步骤中,在确保预测精度的情况下,准确筛选退化天然次生林的疏伐对象,实现对退化天然次生林生态修复的有效管理。
进一步的,预测退化天然次生林中基于当前时间后续第二单位时间t2时对应综合生长干扰影响值RZt2包括以下步骤:
S401、获取当前时间退化天然次生林中第i棵树受到相应干扰树影响后的生长干扰影响值Ri、h及HCLh,并将t1代入预置变量P,
S402、对退化天然次生林中基于当前时间后续时间P时的第i棵树的树高进行更新,将(Ri+1)×HCLh+h作为退化天然次生林中基于当前时间后续时间P时的第i棵树的树高的更新结果;
S403、得到退化天然次生林中基于当前时间后续时间P时的林分信息及各棵树之间的间距信息进行更新,更新后的林分信息中除树高存在差异外,其余信息均保持不变,更新后的各棵树之间的间距保持不变;
S404、根据分析当前时间退化天然次生林的综合生长干扰影响值的方法,结合S403中获取的更新结果,
计算退化天然次生林中基于当前时间后续时间P时,退化天然次生林中第i棵树受到相应干扰树影响后的生长干扰影响值,及历史数据库中相应树种在不受其他树种干扰且在更新后树高的情况下,第一单位时间t1内的高度变化值,
并计算退化天然次生林中基于当前时间后续时间P时,退化天然次生林的综合生长干扰影响值;
S405、判断P是否等于t2,
当P=t2时,则判定退化天然次生林中基于当前时间后续时间P时,退化天然次生林的综合生长干扰影响值为RZt2;
当P≠t2时,则获取S403中得到的更新结果,并对P进行更新,并跳转到S402,
对P进行更新时,将P对应的数值加上t1对应的结果作为新的P值,
跳转到S402时,先将S402中的Ri、h及HCLh用获取的S403中得到的更新结果内对应的数据进行替换,再执行S402中的步骤内容。
进一步的,所述S5中筛选退化天然次生林的疏伐对象的方法包括以下步骤:
S51、预测退化天然次生林中基于当前时间后续第一调节步长时对应综合生长干扰影响值,记为RZt3;
S52、将退化天然次生林中的第k棵数作为疏伐参照数,并在排除第k棵数的情况下,预测排除第k棵数的退化天然次生林中基于当前时间后续第一调节步长时对应综合生长干扰影响值,记为RZkt3,k小于等于退化天然次生林中的树的总棵树;
S53、当max{RZkt3}>RZt3时,则将max{RZkt3}对应的k相应的树作为一个疏伐对象,并将疏伐对象从退化天然次生林中剔除,得到更新后的退化天然次生林,并跳转到S52,
当max{RZkt3}≤RZt3或获取的疏伐对象总个数大于等于第二预设值时,则跳转到S54,
所述max{RZkt3}表示k为不同值时,预测排除第k棵数的退化天然次生林中基于当前时间后续第一调节步长时对应的各个综合生长干扰影响值中的最大值;
S54、统计获取的各个疏伐对象,并作为退化天然次生林的疏伐对象的筛选结果;
根据筛选结果对退化天然次生林进行管控预警时,监控管理员是否按照退化天然次生林的疏伐对象的筛选结果进行疏伐,并将未进行疏伐的疏伐对象对管理员进行预警。
用于退化天然次生林生态修复的智能预警系统,所述系统包括以下模块:
模型构建模块,所述模型构建模块获取当前时间退化天然次生林中的林分信息及地势信息,构建次生林空间模型,所述林分信息包括树种组成、每棵树的树高及相应的位置分布,所述地势信息包括退化天然次生林中的不同位置对应的地面海拔高度;
生长状态分析模块,所述生长状态分析模块获取历史数据库中各个树种在受其他树种干扰前后的生长状态数据,分析不同树种之间的干扰状态受树种间距及树种高度差异的影响;
干扰影响分析模块,所述干扰影响分析模块结合次生林空间模型中各棵树对应的位置信息及所处位置的地势信息,分析当前时间退化天然次生林的综合生长干扰影响值;
调节步长获取模块,所述调节步长获取模块获取历史数据记录的各个退化天然次生林,分别在不同间隔时长对应综合生长干扰影响值与相应时间实际对应的综合生长干扰影响值之间的差异情况,获取第一调节步长;
管控预警模块,所述管控预警模块结合第一调节步长内退化天然次生林的综合生长干扰情况变化情况,筛选退化天然次生林的疏伐对象,并根据筛选结果对退化天然次生林进行管控预警。
进一步的,所述管控预警模块根据筛选结果对退化天然次生林进行管控预警时,监控管理员是否按照退化天然次生林的疏伐对象的筛选结果进行疏伐,并将未进行疏伐的疏伐对象对管理员进行预警。
与现有技术相比,本发明所达到的有益效果是:本发明在对退化天然次生林进行生态修复的过程中,结合退化天然次生林中树木的具体特点对改造方案进行调整,同时考虑到不同树种在不同阶段生长速度的差异情况,及不同树种两者间距对树种生长状态的影响情况,能够准确筛选出退化天然次生林中的最佳疏伐对象,实现对退化天然次生林的有效修复。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明用于退化天然次生林生态修复的智能预警系统的结构示意图;
图2是本发明用于退化天然次生林生态修复的智能预警方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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做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。
请参阅图1-图2,本发明提供技术方案:用于退化天然次生林生态修复的智能预警方法,所述方法包括以下步骤:
S1、获取当前时间退化天然次生林中的林分信息及地势信息,构建次生林空间模型,所述林分信息包括树种组成、每棵树的树高及相应的位置分布,所述地势信息包括退化天然次生林中的不同位置对应的地面海拔高度;
所述S1中构建次生林空间模型的方法包括以下步骤:
S11、获取当前时间退化天然次生林的林分信息及地势信息;
S12、获取退化天然次生林的中心点对应的地面位置,记为参照点,以参照点为原点、以从东至西的方向为x轴正方向、以从南至北的方向为y轴正方向且以从下至上的方向为z轴正方向,构建空间直角坐标系;
S13、获取退化天然次生林中不同地面位置分别对应的空间坐标(x1,y1,z1),并将所得各个空间坐标分别在空间直角坐标系中进行标记,得到退化天然次生林地势变化模型,
其中,x1表示退化天然次生林中相应地面位置在x轴方向上与参照点的距离差,x1属于实数,y1表示退化天然次生林中相应地面位置在y轴方向上与参照点的距离差,y1属于实数,z1表示退化天然次生林中相应地面位置在z轴方向上与参照点的距离差,即退化天然次生林中相应地面位置对应的海拔高度与参照点对应海拔高度的差值,z1属于实数;
本实时例中若退化天然次生林的中心点对应的地面位置(参照点)对应的海拔高度为g,则退化天然次生林的其余各位置对应的坐标点的z轴坐标值均为相应坐标点的海拔高度与g的差值;
S14、获取退化天然次生林中林分信息的树种组成、每棵树的树高及相应的位置分布,将退化天然次生林的林分信息中第i棵树对应的信息记为(Li,hi,Wi),所述Li表示退化天然次生林的林分信息中第i棵树对应的树种,所述hi表示退化天然次生林的林分信息中第i棵树对应树高,所述Wi表示退化天然次生林的林分信息中第i棵树与地面接触区域中心点对应的空间坐标,
选取数据库中每个树种对应树高时的树模型,并将所得树模型的底面中心点与Wi重合,直至退化天然次生林中林分信息中所有树分别对应的树模型均添加到退化天然次生林地势变化模型中,得到次生林空间模型。
S2、获取历史数据库中各个树种在受其他树种干扰前后的生长状态数据,分析不同树种之间的干扰状态受树种间距及树种高度差异的影响;
所述S2中分析不同树种之间的干扰状态受树种间距及树种高度差异的影响的方法包括以下步骤:
S21、获取历史数据库中各个树种在受其他树种干扰前后的生长状态数据,
将历史数据库中树种L在不受其他树种干扰且树高为h的情况下,第一单位时间t1内的高度变化值记为HCLh
将历史数据库中树高为h的树种L在受树高为hN的树种LN干扰时,两者之间的间距为a且树种高度差为h-hN的状态下,树种L在第一单位时间t1内的高度变化值记为HC{(L,LN),h,h-hN,a}
S22、获取历史数据库中树高为h的树种L在受树种LN干扰且两者间距为a的情况下,树种LN的树高为hN时对应的生长状态数据对(h-hN,[HC{(L,LN),h,h-hN,a}-HCLh]/HCLh),且HCLh≠0;
S23、以o1为原点、以树种高度差为x1轴且以高度变化差占比为y轴,构建平面直角坐标系,并在平面直角坐标系中分别标记出hN为不同值时对应各个生长状态数据对(hN,[HC{(L,LN),h,h-hN,a}-HCLh]/t1)相应的坐标点,通过CurveFitter曲线拟合软件参照函数模型y1=b1-b2×tansig2(x1+b3)且tansig(x1)=-1+2/(1+e-2x1)对平面直角坐标系中标记的坐标点进行拟合,并将拟合结果对应的函数记为树高为h的树种L在受树种LN干扰且两者间距为a的情况下,树种LN的树高与树种L受干扰前后相应的高度变化差占比之间的关系函数,记为G{(L,LN),h,a}(x1),所述b1、b2、b3及b4均为函数模型的调节系数。
S3、结合次生林空间模型中各棵树对应的位置信息及所处位置的地势信息,分析当前时间退化天然次生林的综合生长干扰影响值;
所述分析当前时间退化天然次生林的综合生长干扰影响值的方法包括以下步骤:
S31、获取退化天然次生林的林分信息中第i棵树对应的信息(Li,hi,Wi),并计算退化天然次生林中任意两棵树对应空间坐标之间的距离,记为第一距离,将与第i棵树之间第一距离小于等于第一预设值的树汇总到一个空白集合中,得到第i个棵树的干扰树集合,记为Di,干扰树集合中的每个元素对应一棵树的编号;
S32、获取当前时间退化天然次生林中第i棵树受到相应干扰树影响后的生长干扰影响值Ri,
Ri=(Ri1×Ri2×...×Rij×...×RiMDi)-1,
Rij=G(L,LNDij),h,aDij}(h+Wi-hNDij-WDij)+1,
其中,Rij表示当前时间退化天然次生林中第i棵树受到第j棵干扰树影响后的生长干扰影响值,
MDi表示第i个棵树的干扰树集合Di中的元素总个数,
LNDij表示第i个棵树的干扰树集合Di中第j个元素对应的树种类型,
aDij表示退化天然次生林中第i棵树与干扰树集合Di中第j个元素对应干扰树之间的间距,
hNDij表示干扰树集合Di中第j个元素对应的干扰树对应的树高,
WDij表示退化天然次生林的林分信息中,干扰树集合Di中第j个元素对应的干扰树与地面接触区域中心点对应的空间坐标;
S33、得到当前时间退化天然次生林的综合生长干扰影响值RZ,RZ=1/i1×∑i=1 i= i1Ri,
其中,i1表示退化天然次生林中树的总棵数。
S4、获取历史数据记录的各个退化天然次生林,分别在不同间隔时长对应综合生长干扰影响值与相应时间实际对应的综合生长干扰影响值之间的差异情况,获取第一调节步长;
所述S4中获取第一调节步长的方法包括以下步骤:
S41、预测退化天然次生林中基于当前时间后续第二单位时间t2时对应综合生长干扰影响值RZt2,所述t2为t1的整数倍;
本实施例中t1为1天;
S42、获取历史数据记录的退化天然次生林在选定参照时间的情况下,选取t2为不同值时,基于参照时间的后续t2时对应综合生长干扰影响值的预测值,并分别获取退化天然次生林中在时间为参照时间加上t2对应的时间点时实际对应的综合生长干扰影响值;
S43、计算参照时间与t2确定的情况下,对应的综合生长干扰影响值的预测值与实际综合生长干扰影响值之间的差值,并将所得差值与第一阈值进行比较,所述第一阈值为数据库中预置的常数,
若t2对应的各个数值中存在t3,使得参照时间与t3确定的情况下,对应的综合生长干扰影响值的预测值与实际综合生长干扰影响值之间的差值小于等于第一阈值,且参照时间与t3+t1确定的情况下,对应的综合生长干扰影响值的预测值与实际综合生长干扰影响值之间的差值大于第一阈值,则判定第一调节步长为t3。
预测退化天然次生林中基于当前时间后续第二单位时间t2时对应综合生长干扰影响值RZt2包括以下步骤:
S401、获取当前时间退化天然次生林中第i棵树受到相应干扰树影响后的生长干扰影响值Ri、h及HCLh,并将t1代入预置变量P,
S402、对退化天然次生林中基于当前时间后续时间P时的第i棵树的树高进行更新,将(Ri+1)×HCLh+h作为退化天然次生林中基于当前时间后续时间P时的第i棵树的树高的更新结果;
S403、得到退化天然次生林中基于当前时间后续时间P时的林分信息及各棵树之间的间距信息进行更新,更新后的林分信息中除树高存在差异外,其余信息均保持不变,更新后的各棵树之间的间距保持不变;
S404、根据分析当前时间退化天然次生林的综合生长干扰影响值的方法,结合S403中获取的更新结果,
计算退化天然次生林中基于当前时间后续时间P时,退化天然次生林中第i棵树受到相应干扰树影响后的生长干扰影响值,及历史数据库中相应树种在不受其他树种干扰且在更新后树高的情况下,第一单位时间t1内的高度变化值,
并计算退化天然次生林中基于当前时间后续时间P时,退化天然次生林的综合生长干扰影响值;
S405、判断P是否等于t2,
当P=t2时,则判定退化天然次生林中基于当前时间后续时间P时,退化天然次生林的综合生长干扰影响值为RZt2;
当P≠t2时,则获取S403中得到的更新结果,并对P进行更新,并跳转到S402,
对P进行更新时,将P对应的数值加上t1对应的结果作为新的P值,
跳转到S402时,先将S402中的Ri、h及HCLh用获取的S403中得到的更新结果内对应的数据进行替换,再执行S402中的步骤内容。
S5、结合第一调节步长内退化天然次生林的综合生长干扰情况变化情况,筛选退化天然次生林的疏伐对象,并根据筛选结果对退化天然次生林进行管控预警;
所述S5中筛选退化天然次生林的疏伐对象的方法包括以下步骤:
S51、预测退化天然次生林中基于当前时间后续第一调节步长时对应综合生长干扰影响值,记为RZt3;
S52、将退化天然次生林中的第k棵数作为疏伐参照数,并在排除第k棵数的情况下,预测排除第k棵数的退化天然次生林中基于当前时间后续第一调节步长时对应综合生长干扰影响值,记为RZkt3,k小于等于退化天然次生林中的树的总棵树;
S53、当max{RZkt3}>RZt3时,则将max{RZkt3}对应的k相应的树作为一个疏伐对象,并将疏伐对象从退化天然次生林中剔除,得到更新后的退化天然次生林,并跳转到S52,
当max{RZkt3}≤RZt3或获取的疏伐对象总个数大于等于第二预设值时,则跳转到S54,
所述max{RZkt3}表示k为不同值时,预测排除第k棵数的退化天然次生林中基于当前时间后续第一调节步长时对应的各个综合生长干扰影响值中的最大值;
S54、统计获取的各个疏伐对象,并作为退化天然次生林的疏伐对象的筛选结果;
根据筛选结果对退化天然次生林进行管控预警时,监控管理员是否按照退化天然次生林的疏伐对象的筛选结果进行疏伐,并将未进行疏伐的疏伐对象对管理员进行预警。
用于退化天然次生林生态修复的智能预警系统,所述系统包括以下模块:
模型构建模块,所述模型构建模块获取当前时间退化天然次生林中的林分信息及地势信息,构建次生林空间模型,所述林分信息包括树种组成、每棵树的树高及相应的位置分布,所述地势信息包括退化天然次生林中的不同位置对应的地面海拔高度;
生长状态分析模块,所述生长状态分析模块获取历史数据库中各个树种在受其他树种干扰前后的生长状态数据,分析不同树种之间的干扰状态受树种间距及树种高度差异的影响;
干扰影响分析模块,所述干扰影响分析模块结合次生林空间模型中各棵树对应的位置信息及所处位置的地势信息,分析当前时间退化天然次生林的综合生长干扰影响值;
调节步长获取模块,所述调节步长获取模块获取历史数据记录的各个退化天然次生林,分别在不同间隔时长对应综合生长干扰影响值与相应时间实际对应的综合生长干扰影响值之间的差异情况,获取第一调节步长;
管控预警模块,所述管控预警模块结合第一调节步长内退化天然次生林的综合生长干扰情况变化情况,筛选退化天然次生林的疏伐对象,并根据筛选结果对退化天然次生林进行管控预警。
所述管控预警模块根据筛选结果对退化天然次生林进行管控预警时,监控管理员是否按照退化天然次生林的疏伐对象的筛选结果进行疏伐,并将未进行疏伐的疏伐对象对管理员进行预警。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,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。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (5)

1.用于退化天然次生林生态修复的智能预警方法,其特征在于,所述方法包括以下步骤:
S1、获取当前时间退化天然次生林中的林分信息及地势信息,构建次生林空间模型,所述林分信息包括树种组成、每棵树的树高及相应的位置分布,所述地势信息包括退化天然次生林中的不同位置对应的地面海拔高度;
S2、获取历史数据库中各个树种在受其他树种干扰前后的生长状态数据,分析不同树种之间的干扰状态受树种间距及树种高度差异的影响;
S3、结合次生林空间模型中各棵树对应的位置信息及所处位置的地势信息,分析当前时间退化天然次生林的综合生长干扰影响值;
S4、获取历史数据记录的各个退化天然次生林,分别在不同间隔时长对应综合生长干扰影响值与相应时间实际对应的综合生长干扰影响值之间的差异情况,获取第一调节步长;
S5、结合第一调节步长内退化天然次生林的综合生长干扰情况变化情况,筛选退化天然次生林的疏伐对象,并根据筛选结果对退化天然次生林进行管控预警;
所述S1中构建次生林空间模型的方法包括以下步骤:
S11、获取当前时间退化天然次生林的林分信息及地势信息;
S12、获取退化天然次生林的中心点对应的地面位置,记为参照点,以参照点为原点、以从东至西的方向为x轴正方向、以从南至北的方向为y轴正方向且以从下至上的方向为z轴正方向,构建空间直角坐标系;
S13、获取退化天然次生林中不同地面位置分别对应的空间坐标(x1,y1,z1),并将所得各个空间坐标分别在空间直角坐标系中进行标记,得到退化天然次生林地势变化模型,
其中,x1表示退化天然次生林中相应地面位置在x轴方向上与参照点的距离差,x1属于实数,y1表示退化天然次生林中相应地面位置在y轴方向上与参照点的距离差,y1属于实数,z1表示退化天然次生林中相应地面位置在z轴方向上与参照点的距离差,即退化天然次生林中相应地面位置对应的海拔高度与参照点对应海拔高度的差值,z1属于实数;
S14、获取退化天然次生林中林分信息的树种组成、每棵树的树高及相应的位置分布,将退化天然次生林的林分信息中第i棵树对应的信息记为(Li,hi,Wi),所述Li表示退化天然次生林的林分信息中第i棵树对应的树种,所述hi表示退化天然次生林的林分信息中第i棵树对应树高,所述Wi表示退化天然次生林的林分信息中第i棵树与地面接触区域中心点对应的空间坐标,
选取数据库中每个树种对应树高时的树模型,并将所得树模型的底面中心点与Wi重合,直至退化天然次生林中林分信息中所有树分别对应的树模型均添加到退化天然次生林地势变化模型中,得到次生林空间模型;
所述S2中分析不同树种之间的干扰状态受树种间距及树种高度差异的影响的方法包括以下步骤:
S21、获取历史数据库中各个树种在受其他树种干扰前后的生长状态数据,
将历史数据库中树种L在不受其他树种干扰且树高为h的情况下,第一单位时间t1内的高度变化值记为HCLh
将历史数据库中树高为h的树种L在受树高为hN的树种LN干扰时,两者之间的间距为a且树种高度差为h-hN的状态下,树种L在第一单位时间t1内的高度变化值记为HC{(L,LN),h,h-hN,a}
S22、获取历史数据库中树高为h的树种L在受树种LN干扰且两者间距为a的情况下,树种LN的树高为hN时对应的生长状态数据对(h-hN,[HC{(L,LN),h,h-hN,a}-HCLh]/HCLh),且HCLh≠0;
S23、以o1为原点、以树种高度差为x1轴且以高度变化差占比为y轴,构建平面直角坐标系,并在平面直角坐标系中分别标记出hN为不同值时对应各个生长状态数据对(hN,[HC{(L,LN),h,h-hN,a}-HCLh]/t1)相应的坐标点,通过CurveFitter曲线拟合软件参照函数模型y1=b1-b2×tansig2(x1+b3)且tansig(x1)=-1+2/(1+e-2x1)对平面直角坐标系中标记的坐标点进行拟合,并将拟合结果对应的函数记为树高为h的树种L在受树种LN干扰且两者间距为a的情况下,树种LN的树高与树种L受干扰前后相应的高度变化差占比之间的关系函数,记为G{(L,LN),h,a}(x1),所述b1、b2、b3及b4均为函数模型的调节系数;
所述分析当前时间退化天然次生林的综合生长干扰影响值的方法包括以下步骤:
S31、获取退化天然次生林的林分信息中第i棵树对应的信息(Li,hi,Wi),并计算退化天然次生林中任意两棵树对应空间坐标之间的距离,记为第一距离,将与第i棵树之间第一距离小于等于第一预设值的树汇总到一个空白集合中,得到第i个棵树的干扰树集合,记为Di,干扰树集合中的每个元素对应一棵树的编号;
S32、获取当前时间退化天然次生林中第i棵树受到相应干扰树影响后的生长干扰影响值Ri,
Ri=(Ri1×Ri2×...×Rij×...×RiMDi)-1,
Rij=G(L,LNDij),h,aDij}(h+Wi-hNDij-WDij)+1,
其中,Rij表示当前时间退化天然次生林中第i棵树受到第j棵干扰树影响后的生长干扰影响值,
MDi表示第i个棵树的干扰树集合Di中的元素总个数,
LNDij表示第i个棵树的干扰树集合Di中第j个元素对应的树种类型,
aDij表示退化天然次生林中第i棵树与干扰树集合Di中第j个元素对应干扰树之间的间距,
hNDij表示干扰树集合Di中第j个元素对应的干扰树对应的树高,
WDij表示退化天然次生林的林分信息中,干扰树集合Di中第j个元素对应的干扰树与地面接触区域中心点对应的空间坐标;
S33、得到当前时间退化天然次生林的综合生长干扰影响值RZ,RZ=1/i1×∑i=1 i=i1Ri,
其中,i1表示退化天然次生林中树的总棵数;
所述S4中获取第一调节步长的方法包括以下步骤:
S41、预测退化天然次生林中基于当前时间后续第二单位时间t2时对应综合生长干扰影响值RZt2,所述t2为t1的整数倍;
S42、获取历史数据记录的退化天然次生林在选定参照时间的情况下,选取t2为不同值时,基于参照时间的后续t2时对应综合生长干扰影响值的预测值,并分别获取退化天然次生林中在时间为参照时间加上t2对应的时间点时实际对应的综合生长干扰影响值;
S43、计算参照时间与t2确定的情况下,对应的综合生长干扰影响值的预测值与实际综合生长干扰影响值之间的差值,并将所得差值与第一阈值进行比较,所述第一阈值为数据库中预置的常数,
若t2对应的各个数值中存在t3,使得参照时间与t3确定的情况下,对应的综合生长干扰影响值的预测值与实际综合生长干扰影响值之间的差值小于等于第一阈值,且参照时间与t3+t1确定的情况下,对应的综合生长干扰影响值的预测值与实际综合生长干扰影响值之间的差值大于第一阈值,则判定第一调节步长为t3。
2.根据权利要求1所述的用于退化天然次生林生态修复的智能预警方法,其特征在于:预测退化天然次生林中基于当前时间后续第二单位时间t2时对应综合生长干扰影响值RZt2包括以下步骤:
S401、获取当前时间退化天然次生林中第i棵树受到相应干扰树影响后的生长干扰影响值Ri、h及HCLh,并将t1代入预置变量P,
S402、对退化天然次生林中基于当前时间后续时间P时的第i棵树的树高进行更新,将(Ri+1)×HCLh+h作为退化天然次生林中基于当前时间后续时间P时的第i棵树的树高的更新结果;
S403、得到退化天然次生林中基于当前时间后续时间P时的林分信息及各棵树之间的间距信息进行更新,更新后的林分信息中除树高存在差异外,其余信息均保持不变,更新后的各棵树之间的间距保持不变;
S404、根据分析当前时间退化天然次生林的综合生长干扰影响值的方法,结合S403中获取的更新结果,
计算退化天然次生林中基于当前时间后续时间P时,退化天然次生林中第i棵树受到相应干扰树影响后的生长干扰影响值,及历史数据库中相应树种在不受其他树种干扰且在更新后树高的情况下,第一单位时间t1内的高度变化值,
并计算退化天然次生林中基于当前时间后续时间P时,退化天然次生林的综合生长干扰影响值;
S405、判断P是否等于t2,
当P=t2时,则判定退化天然次生林中基于当前时间后续时间P时,退化天然次生林的综合生长干扰影响值为RZt2;
当P≠t2时,则获取S403中得到的更新结果,并对P进行更新,并跳转到S402,
对P进行更新时,将P对应的数值加上t1对应的结果作为新的P值,
跳转到S402时,先将S402中的Ri、h及HCLh用获取的S403中得到的更新结果内对应的数据进行替换,再执行S402中的步骤内容。
3.根据权利要求1所述的用于退化天然次生林生态修复的智能预警方法,其特征在于:所述S5中筛选退化天然次生林的疏伐对象的方法包括以下步骤:
S51、预测退化天然次生林中基于当前时间后续第一调节步长时对应综合生长干扰影响值,记为RZt3;
S52、将退化天然次生林中的第k棵数作为疏伐参照数,并在排除第k棵数的情况下,预测排除第k棵数的退化天然次生林中基于当前时间后续第一调节步长时对应综合生长干扰影响值,记为RZkt3,k小于等于退化天然次生林中的树的总棵树;
S53、当max{RZkt3}>RZt3时,则将max{RZkt3}对应的k相应的树作为一个疏伐对象,并将疏伐对象从退化天然次生林中剔除,得到更新后的退化天然次生林,并跳转到S52,
当max{RZkt3}≤RZt3或获取的疏伐对象总个数大于等于第二预设值时,则跳转到S54,
所述max{RZkt3}表示k为不同值时,预测排除第k棵数的退化天然次生林中基于当前时间后续第一调节步长时对应的各个综合生长干扰影响值中的最大值;
S54、统计获取的各个疏伐对象,并作为退化天然次生林的疏伐对象的筛选结果;
根据筛选结果对退化天然次生林进行管控预警时,监控管理员是否按照退化天然次生林的疏伐对象的筛选结果进行疏伐,并将未进行疏伐的疏伐对象对管理员进行预警。
4.应用权利要求1-3中任意一项所述的用于退化天然次生林生态修复的智能预警方法的用于退化天然次生林生态修复的智能预警系统,其特征在于,所述系统包括以下模块:
模型构建模块,所述模型构建模块获取当前时间退化天然次生林中的林分信息及地势信息,构建次生林空间模型,所述林分信息包括树种组成、每棵树的树高及相应的位置分布,所述地势信息包括退化天然次生林中的不同位置对应的地面海拔高度;
生长状态分析模块,所述生长状态分析模块获取历史数据库中各个树种在受其他树种干扰前后的生长状态数据,分析不同树种之间的干扰状态受树种间距及树种高度差异的影响;
干扰影响分析模块,所述干扰影响分析模块结合次生林空间模型中各棵树对应的位置信息及所处位置的地势信息,分析当前时间退化天然次生林的综合生长干扰影响值;
调节步长获取模块,所述调节步长获取模块获取历史数据记录的各个退化天然次生林,分别在不同间隔时长对应综合生长干扰影响值与相应时间实际对应的综合生长干扰影响值之间的差异情况,获取第一调节步长;
管控预警模块,所述管控预警模块结合第一调节步长内退化天然次生林的综合生长干扰情况变化情况,筛选退化天然次生林的疏伐对象,并根据筛选结果对退化天然次生林进行管控预警。
5.根据权利要求4所述的用于退化天然次生林生态修复的智能预警系统,其特征在于:所述管控预警模块根据筛选结果对退化天然次生林进行管控预警时,监控管理员是否按照退化天然次生林的疏伐对象的筛选结果进行疏伐,并将未进行疏伐的疏伐对象对管理员进行预警。
CN202310195371.9A 2023-03-03 2023-03-03 用于退化天然次生林生态修复的智能预警系统及方法 Active CN115862304B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310195371.9A CN115862304B (zh) 2023-03-03 2023-03-03 用于退化天然次生林生态修复的智能预警系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310195371.9A CN115862304B (zh) 2023-03-03 2023-03-03 用于退化天然次生林生态修复的智能预警系统及方法

Publications (2)

Publication Number Publication Date
CN115862304A CN115862304A (zh) 2023-03-28
CN115862304B true CN115862304B (zh) 2023-05-05

Family

ID=85659853

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310195371.9A Active CN115862304B (zh) 2023-03-03 2023-03-03 用于退化天然次生林生态修复的智能预警系统及方法

Country Status (1)

Country Link
CN (1) CN115862304B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8805858B1 (en) * 2011-10-31 2014-08-12 The Boeing Company Methods and systems for spatial filtering using a stochastic sparse tree grid
CN105069287A (zh) * 2015-07-27 2015-11-18 广西电网有限责任公司电力科学研究院 一种架空输电线路通道林木生长的预测方法
CN206512726U (zh) * 2016-12-13 2017-09-22 深圳市宏浩园林建设有限公司 一种适用于高陡坡弃渣体坡面植被恢复结构
CN113047312A (zh) * 2021-03-23 2021-06-29 陕西省林业科学院 一种边坡生态修复及监测方法
JP6906824B1 (ja) * 2020-12-11 2021-07-21 日本森林総研株式会社 情報処理装置、樹木の成長率予測システム、樹木の成長率予測方法及びプログラム

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008003855A (ja) * 2006-06-22 2008-01-10 Chugoku Electric Power Co Inc:The 樹木伐採指示装置及び樹木伐採指示方法
JP4900356B2 (ja) * 2008-09-30 2012-03-21 国立大学法人信州大学 樹種分類方法及び樹種分類システム、森林現況情報の作成方法及び森林現況情報の作成システム、間伐対象区域の選定方法及び間伐対象区域の選定システム
CN103593563A (zh) * 2013-11-12 2014-02-19 中南林业科技大学 一种天然次生林抚育间伐对象木选择方法
CN105230431B (zh) * 2015-11-06 2018-02-02 山东省林业科学研究院 一种速生树种超短轮伐期扦插造林栽培方法
CN106096305B (zh) * 2016-06-22 2019-06-21 张秋良 森林抚育间伐后林分的总生产量最大的间伐优化设计方法
CN109002621B (zh) * 2018-07-25 2022-11-15 中国林业科学研究院资源信息研究所 一种顾及邻域与地理差异的林分平均高与胸径计算方法
CN109447836B (zh) * 2018-11-13 2021-01-29 广东城基生态科技股份有限公司 一种基于物联网的生态园林管理方法与系统
CN111462318B (zh) * 2020-05-26 2022-05-17 南京大学 一种基于视点互信息的三维树木模型实时简化方法
CN113575348B (zh) * 2021-08-10 2022-08-02 中国林业科学研究院资源信息研究所 基于林分发育指数的次生林间伐方法
LU502244B1 (en) * 2022-06-10 2022-12-12 Res Inst Subtropical Forestry Chinese Academy Forestry A Tending Method for Recovering Subtropical Secondary Forest

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8805858B1 (en) * 2011-10-31 2014-08-12 The Boeing Company Methods and systems for spatial filtering using a stochastic sparse tree grid
CN105069287A (zh) * 2015-07-27 2015-11-18 广西电网有限责任公司电力科学研究院 一种架空输电线路通道林木生长的预测方法
CN206512726U (zh) * 2016-12-13 2017-09-22 深圳市宏浩园林建设有限公司 一种适用于高陡坡弃渣体坡面植被恢复结构
JP6906824B1 (ja) * 2020-12-11 2021-07-21 日本森林総研株式会社 情報処理装置、樹木の成長率予測システム、樹木の成長率予測方法及びプログラム
CN113047312A (zh) * 2021-03-23 2021-06-29 陕西省林业科学院 一种边坡生态修复及监测方法

Also Published As

Publication number Publication date
CN115862304A (zh) 2023-03-28

Similar Documents

Publication Publication Date Title
CN1324515C (zh) 处理工具优化系统和方法
CN111680820B (zh) 分布式光伏电站故障诊断方法和装置
KR20090133138A (ko) 제조 데이터를 분석하는 방법 및 장치
CN116681320B (zh) 一种工程监控一体化的智能管理方法及系统
CN107103395B (zh) 一种农作物虫害短期预警方法
CN115983509B (zh) 基于物联网的智慧农业用布局管理系统及方法
CN104281779A (zh) 一种异常数据判定与处理方法及装置
CN116032557A (zh) 一种网络安全异常检测中深度学习模型的更新方法与装置
CN116388402B (zh) 一种应用于变电设备的异常报警分析方法
CN117008479A (zh) 基于生物质气化炉的负碳排放优化控制方法及系统
CN117371727A (zh) 一种基于物联网的智慧农业监测与规划方法及系统
CN115862304B (zh) 用于退化天然次生林生态修复的智能预警系统及方法
CN117291444B (zh) 一种数字乡村业务管理方法及系统
CN111597464B (zh) 一种基于物联网的数据展示优化方法及装置
CN115166866A (zh) 基于格点化气象数据的柑橘病虫害发生预报方法及系统
CN111950811A (zh) 基于双层人工神经网络的区域光伏功率预测方法及系统
CN117392189A (zh) 一种腰果无菌苗培养设备的智能管理方法及系统
CN117436710B (zh) 一种基于作物模型的干旱评估方法
TWI230349B (en) Method and apparatus for analyzing manufacturing data
CN117196823B (zh) 一种风控规则生成方法、系统及存储介质
EP4195442A1 (en) Method and apparatus for increasing a performance of a photovoltaic system
CN117076891A (zh) 一种清洁能源发电数据清洗、功率预测分析方法和系统
CN115718899A (zh) 利用异构数据源进行it运维排查的方法及装置
CN117454059A (zh) 一种基于流域水文模型的径流计算和预测方法
CN113377822A (zh) 一种基于能源大数据的数据处理系统

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