CN116128377B - 一种近海岸区域的碳汇效果评估方法、装置和电子设备 - Google Patents

Abstract

本申请涉及碳储量监测技术领域，具体涉及一种近海岸区域的碳汇效果评估方法、装置和电子设备，其中，评估方法包括：获取待评估近海岸区域的滨海湿地的第一演变数据和渔业养殖量的第二演变数据；其中，所述第一演变数据包括滨海湿地的第一净变化数据，所述第二演变数据包括饵料投放型渔业养殖量的第二净变化数据；基于所述第一演变数据和所述第二演变数据确定近海海域的营养盐的变化参数，所述变化参数包括变化趋势和变化量；基于所述变化参数确定所述近海岸区域微生物碳汇评估结果；基于所述第一演变数据和所述第二演变数据确定生物碳汇评估结果；综合所述微生物碳汇评估结果和生物碳汇评估结果确定近海岸区域的碳汇效果的评估结果。

Description

一种近海岸区域的碳汇效果评估方法、装置和电子设备

技术领域

本发明涉及碳储量监测技术领域，更具体的，涉及一种近海岸区域的碳汇效果评估方法、装置和电子设备。

背景技术

海洋碳汇是指一定时间周期内海洋储碳的能力或容量。海洋储碳的形式包括无机的、有机的、颗粒的、溶解的碳等各种形态。海洋中95%的有机碳是溶解有机碳，而其中95%又是生物不能利用的惰性溶解有机碳。海洋中存在着数量巨大的微型生物，它们是海洋惰性溶解有机碳的主要生产者，它们可以利用活性溶解有机碳支持自身的代谢，同时产生惰性溶解有机碳。生物来源的惰性溶解有机碳构成了海洋惰性溶解有机碳库的主体，由于惰性溶解有机碳在海水中的代谢周期很长，所以相当于将大气中的二氧化碳封存在海里面。

因此，在进行碳汇评估时，需要将微生物碳汇作为主要评估对象，而微生物碳汇的碳汇效果将直接影响海洋碳汇的评估，此外，作为近海岸区域，生物碳汇在碳汇评估中也占有一定量的比重，而生物碳汇和微生物碳汇如何进行较为准确的评估成为亟待解决的技术问题。

发明内容

本发明的目的是提供一种近海岸区域的碳汇效果评估方法、装置和电子设备，以解决生物碳汇和微生物碳汇如何进行较为准确的评估的技术问题。

为实现上述目的，本发明提供了如下方案：

根据第一方面，本申请实施例提供了一种近海岸区域的碳汇效果评估方法， 所述近海岸区域包括近海海域和滨海湿地，所述评估方法包括：

获取待评估近海岸区域的滨海湿地的第一演变数据和渔业养殖量的第二演变数据；其中，所述第一演变数据包括滨海湿地的第一净变化数据，所述第二演变数据包括饵料投放型渔业养殖量的第二净变化数据；

基于所述第一演变数据和所述第二演变数据确定近海海域的营养盐的变化参数，所述变化参数包括变化趋势和变化量；

基于所述变化参数确定所述近海岸区域微生物碳汇评估结果；

基于所述第一演变数据和所述第二演变数据确定生物碳汇评估结果；

综合所述微生物碳汇评估结果和生物碳汇评估结果确定近海岸区域的碳汇效果的评估结果。

可选地，所述基于所述变化参数确定所述近海岸区域微生物碳汇评估结果包括：

获取预训练的微生物碳汇评估模型；

将所述变化参数输入所述微生物碳汇评估模型中，输出预设时段内的微生物碳汇变化参数，其中，所述微生物碳汇评估模型利用在历史数据中多个预设区域内，多个不同时间颗粒维度下的营养盐的变化参数作为输入样本，以多个预设区域内，对应的时间颗粒维度下微生物碳汇变化参数作为输出样本对预设的机器学习模型进行训练得到；

基于所述微生物碳汇变化参数确定所述微生物碳汇评估结果。

可选地，所述基于所述变化参数确定所述近海岸区域微生物碳汇评估结果包括：

基于所述变化趋势和所述变化量评估预设时段内的细菌呼吸作用强度；

基于所述细菌呼吸作用强度确定惰性溶解有机碳的积累效率，其中，所述细菌呼吸作用强度与所述营养盐浓度正相关，所述细菌呼吸作用强度与所述惰性溶解有机碳的积累效率呈反相关；

基于所述积累效率确定所述预设时段内的微生物碳汇评估结果。

可选地，所述变化参数包括第一变化参数和第二变化参数，所述基于所述第一演变数据和所述第二演变数据确定近海海域的营养盐的变化参数包括：

获取所述第一净变化数据对应的滨海湿地中发生变化的植物类型和所述植物类型对应的植物变化量；

基于所述植物类型和所述植物变化量依据植物类型对应的营养盐吸收参数确定所述第一变化参数；

获取第二净变化数据对应的渔业养殖中养殖类型和饵料投放量；

基于所述养殖类型和饵料投放量依据所述养殖类型对应饵料利用率确定所述第二变化参数；

基于所述第一变化参数和所述第二变化参数确定所述变化参数。

可选地，所述基于所述第一变化参数和所述第二变化参数确定所述变化参数包括：

P=α·P1+β·P2，其中，P为变化参数，P1为第一变化参数，P2为第二变化参数，α为第一变化参数对应的第一权重系数，β为第二变化参数对应的第二权重系数， 所述第一权重系数在所述滨海湿地内大于所述近海海域内，所述第二权重系数在所述近海海域内大于在所述滨海湿地内，且所述第一权重系数和所述第二权重系数按照预设时序趋近于1。

可选地，所述第一演变数据还包括转换数据，所述转换数据包括不同类型湿地之间转换面积；

所述基于所述植物类型和所述植物变化量依据植物类型对应的营养盐吸收参数确定所述第一变化参数包括：

获取所述转换数据对应的滨海湿地的转换类型；

当所述转换类型为生产型湿地和非生产型湿地之间转换的转换类型时，基于所述转换面积和发生转换的植物类型对第一变化参数调整。

可选地，所述第二演变数据还包括非饵料型渔业养殖量的第二净变化数据；

所述基于所述第一演变数据和所述第二演变数据确定生物碳汇评估结果包括：

基于所述第一净变化数据和发生净变化的滨海湿地类型确定滨海湿地净变化评估结果，其中，第一净变化数据为非滨海湿地变化为滨海湿地或滨海湿地变化为非滨海湿地的变化面积和发生变化的滨海湿地的类型；

获取发生转换之前的滨海湿地的第一类型和发生转换之后的滨海湿地的第二类型和转换面积；

基于所述转换面积利用所述第一类型对应的第三权重系数和第二类型对应的第四权重系数确定滨海湿地转换评估结果；

基于所述第二净变化数据和所述第二净变化数据对应的养殖类型确定海水养殖净变化评估结果；

将所述滨海湿地净变化评估结果、所述滨海湿地转换评估结果和所述海水养殖净变化评估结果之和作为所述生物碳汇评估结果。

可选地，所述第一类型的湿地包括滩涂；所述第二类型的湿地包括红树林和/或盐沼；

所述第三权重系数为1+b2，其中，b2为所述滨海湿地的转换区域为滩涂的识别概率；

所述第四权重系数为a2，其中，a2为所述滨海湿地的转换区域为红树林和/或盐沼的识别概率，其中，a2和b2之和小于或等于1；

基于所述转换面积利用所述第一类型对应的第三权重系数和第二类型对应的第四权重系数确定滨海湿地转换评估结果包括：

将所述滩涂在所述转换面积下的滩涂预设碳汇能力与第三权重系数的乘积作为湿地转换过程中的第一评估结果；

将所述红树林和/或盐沼在所述转换面积下的红树林和/或盐沼预设碳汇能力与第四权重系数的乘积作为湿地转换过程中的第二评估结果；

将所述第一评估结果和所述第二评估结果之和作为所述转换评估结果。

根据第二方面，本申请实施例提供了一种近海岸区域的碳汇效果评估装置，所述近海岸区域包括近海海域和滨海湿地，所述评估装置包括：

获取模块，用于获取待评估近海岸区域的滨海湿地的第一演变数据和渔业养殖量的第二演变数据；其中，所述第一演变数据包括滨海湿地的第一净变化数据，所述第二演变数据包括饵料投放型渔业养殖量的第二净变化数据；

变化参数确定模块，用于基于所述第一演变数据和所述第二演变数据确定近海海域的营养盐的变化参数，所述变化参数包括变化趋势和变化量；

第一评估模块，用于基于所述变化参数确定所述近海岸区域微生物碳汇评估结果；

第二评估模块，用于基于所述第一演变数据和所述第二演变数据确定生物碳汇评估结果；

综合评估模块，用于融合所述微生物碳汇评估结果和生物碳汇评估结果确定近海岸区域的碳汇效果的评估结果。

根据第三方面，本申请实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口和所述存储器通过所述通信总线完成相互间的通信，

所述存储器，用于存储计算机程序；

所述处理器，用于通过运行所述存储器上所存储的所述计算机程序来执行上述第一方面中任一项所述的近海岸区域的碳汇效果评估方法。

根据第四方面，本申请实施例提供了一种计算机可读的存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述第一方面中任一项所述的近海岸区域的碳汇效果评估方法。

本申请的有益效果在于：本申请中获取待评估近海岸区域的滨海湿地的第一演变数据和渔业养殖量的第二演变数据；基于所述第一演变数据和所述第二演变数据确定近海海域的营养盐的变化参数；基于所述变化参数确定所述近海岸区域微生物碳汇评估结果；基于所述第一演变数据和所述第二演变数据确定生物碳汇评估结果；综合所述微生物碳汇评估结果和生物碳汇评估结果确定近海岸区域的碳汇效果的评估结果。在对待评估的近海岸区域进行碳汇效果评估时，综合滨海湿地和近海海域的碳汇形式，即考虑滨海湿地和进海岸区域的生物碳汇以及微生物碳汇，综合对近海岸区域的碳汇效果进行评估，同时，本申请还综合考虑到滨海湿地和近海岸海域的动植物等生物碳汇会对微生物碳汇效果存在影响，因此，挖掘生物碳汇和微生物碳汇之间的内在联系，即通过挖掘近海岸区域内的生物的演变数据对营养盐的影响，进而影响微生物的碳汇效果，因此，在本申请中，通过滨海湿地和渔业养殖的演变数据，同时对生物和微生物的碳汇效果进行评估，进而更为准确的得到近海岸区域的碳汇效果，为近海岸区域的碳汇效果评估提供更为准确的数据。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1示出了本发明一种近海岸区域的碳汇效果评估方法的流程示意图；

图2示出了本发明一种近海岸区域的碳汇效果评估装置的结构示意图。

具体实施方式

为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图说明本发明的具体实施方式，在各图中相同的标号表示结构相同或结构相似但功能相同的部件。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

在以下的描述中，将描述本发明的多个不同的方面，然而对于本领域内的普通技术人员而言，可以仅仅利用本发明的一些或者全部结构或者流程来实施本发明。为了解释的明确性而言，阐述了特定的数目、配置和顺序，但是很明显，在没有这些特定细节的情况下也可以实施本发明。在其他情况下，为了不混淆本发明，对于一些众所周知的特征将不再进行详细阐述。

海水中存在的大量营养盐不利于微生物产生积累惰性溶解有机碳。具体来说，陆源输入的氮、磷营养盐在河口、近岸会加强细菌的呼吸作用，从而增加二氧化碳的释放量，减少惰性溶解有机碳在环境中的储存和累积。而滨海湿地可以有效消耗过量的营养盐，吸收二氧化碳和海水中的氨氮、重金属，以达到净化海洋水质环境，恢复生态平衡的目的。建设滨海生态湿地有利于促淤保滩护岸。现有滨海生态湿地最常见的盐生植物主要有红树、芦苇、碱蓬、大米草和互花米草等可以有效增加滨海湿地生物碳汇，此外，海水养殖对于渔业碳汇存在一定影响，并且，海水养殖对于海水中的营养盐具有一定的影响，尤其是饵料投放的海水养殖，会增加营养盐浓度，进而增加细菌繁殖，减小惰性有机溶解碳。因此，本发明提供一种近海岸区域碳汇效果评估方法，实现对近海岸区域碳汇效果的精确估算。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明实施例一种近海岸区域的碳汇效果评估方法流程图，其中，近海岸区域包括近海海域和滨海湿地，如图1所示，所述方法包括：

S10.获取待评估近海岸区域的滨海湿地的第一演变数据和渔业养殖量的第二演变数据；其中，所述第一演变数据包括滨海湿地的第一净变化数据，所述第二演变数据包括饵料投放型渔业养殖量的第二净变化数据；

S20.基于所述第一演变数据和所述第二演变数据确定近海海域的营养盐的变化参数，所述变化参数包括变化趋势和变化量；

S30.基于所述变化参数确定所述近海岸区域微生物碳汇评估结果；

S40.基于所述第一演变数据和所述第二演变数据确定生物碳汇评估结果；

S50.综合所述微生物碳汇评估结果和生物碳汇评估结果确定近海岸区域的碳汇效果的评估结果。

本申请中获取待评估近海岸区域的滨海湿地的第一演变数据和渔业养殖量的第二演变数据；基于所述第一演变数据和所述第二演变数据确定近海海域的营养盐的变化参数；基于所述变化参数确定所述近海岸区域微生物碳汇评估结果；基于所述第一演变数据和所述第二演变数据确定生物碳汇评估结果；综合所述微生物碳汇评估结果和生物碳汇评估结果确定近海岸区域的碳汇效果的评估结果。在对待评估的近海岸区域进行碳汇效果评估时，综合滨海湿地和近海海域的碳汇形式，即考虑滨海湿地和进海岸区域的生物碳汇以及微生物碳汇，综合对近海岸区域的碳汇效果进行评估，同时，本申请还综合考虑到滨海湿地和近海岸海域的动植物等生物碳汇会对微生物碳汇效果存在影响，因此，挖掘生物碳汇和微生物碳汇之间的内在联系，即通过挖掘近海岸区域内的生物的演变数据对营养盐的影响，进而影响微生物的碳汇效果，因此，在本申请中，通过滨海湿地和渔业养殖的演变数据，同时对生物和微生物的碳汇效果进行评估，进而更为准确的得到近海岸区域的碳汇效果，为近海岸区域的碳汇效果评估提供更为准确的数据。

对于步骤S10中，所称的净变化数据可以为净增加面积和净减小面积。

示例性的，对于滨海湿地的第一演变数据的获取可以基于遥感图像的在时域上的变化确定。在本实施例中，获取待评估的滨海湿地的预设时间段内的遥感图像集，例如，可以每隔半年、一年、两年、三年、五年或十年等多种不同颗粒维度的时间段，获取一次遥感图像集，遥感图像可以为多光谱遥感图像，也可以为高光谱遥感图像。

作为示例性的实施例，可以利用预先训练的分类网络进行分类，得到不同类型的滨海湿地，一个示例性的实施例中，可以采用Python语言实现所述分类网络模型，通过真实湿地遥感图像对其进行训练。当然，采用其他语言实现分类网络模型在本实施例中并不限制。具体的训练过程包括：首先对模型的所有参数进行随机初始化，然后输入训练数据，对数据进行地理信息配准等预处理操作后，输入到所述分类网络模型进行正向传播，并取得输出；然后，分别利用构建的判别损失函数和分类损失函数来计算此时模型的损失；通过反向传播更新模型参数，并测试当前模型的精度。在一定的训练轮数当中，不断通过反向传播更新模型参数，并在每次突破当前最佳精度时保存模型，就能取得最终训练出的网络模型。在可选地实施例中，训练参数的设置如下：训练轮次为200，学习率为0.005，以随机梯度下降为优化函数。

在本实施例中，在得到每一遥感图像的滨海湿地类型分类结果之后，确定每一种类型的滨海湿地的范围和面积，按照所述遥感图像集的时序和所述面积数据各个类型的滨海湿地的净变化区域。

示例性的，按照时序拍摄有20组遥感图像集，分别确定每一个遥感图像中盐沼、红树林和滩涂的范围以及面积，按照时序确定每一种类型湿地的变化。

统计预设时间段内的净变化区域的净变化数据，示例性的，净变化区域的湿地类型和净变化区域面积，例如，红树林消失面积、红树林增加面积，盐沼消失面积，盐沼增加面积，滩涂消失面积，滩涂增加面积。在本实施例中，净变化区域的变化原因可能是因为环境、人类活动等因素导致，例如，对红树林或盐沼的破坏导致部分红树林消失，或对红树林或盐沼人为建造，增加红树林或盐沼，再例如，对滩涂的开垦或填埋，导致滩涂消失等。

作为另一种示例性的实施例，渔业养殖量的第二演变数据可以采用与滨海湿地相同的方式进行确定，在本实施例中，渔业养殖可以包括饵料投放型渔业养殖，例如，箱式海洋水产养殖，围栏式海水养殖等。渔业养殖也可以包括海洋牧场，例如，建造人工珊瑚礁等海洋牧场的养殖方式。

在本实施例中，饵料投放型渔业养殖量的第二净变化数据可以通过按照湿地净变化数据的识别方式识别遥感图像在时域上的变化确定第二变化数据。

对于步骤S20，由于植物生长、代谢等均需要营养盐，滨海湿地中的植物对营养盐具有较强吸收作用，尤其是在湿地、近海岸、河口和海草床区域，滨海湿地内丰富的植物对于营养盐的吸收作用较为明显，因此，滨海湿地的变化对营养盐的变化存在较大的影响，在本实施例中，滨海湿地的演变数据，即第一演变数据为营养盐的变化参数的影响因素之一。

示例性的，获取所述第一净变化数据对应的滨海湿地中发生变化的植物类型和所述植物类型对应的植物变化量；

基于所述植物类型和所述植物变化量依据植物类型对应的营养盐吸收参数确定所述第一变化参数。

在本实施例中，滨海湿地中的植物对于一定浓度的营养盐的吸收效率往往较为固定，吸收效率可以基于实验测得，在本实施例中，可以采用现有的单位面积的吸收率的实测数据作为预设吸收效率，例如芦苇、碱蓬、大米草和互花米草等在一定时间段内的总体吸收效率50%-75%，因此，可以预估出单位时间内，单位面积下的预估吸收效率作为预设吸收效率。在得到第一净变化数据后，即可得到滨海湿地增加或减少的面积，基于增加或减少的面积与预设吸收率预设时间段内营养盐的变化趋势和变化量。

在本实施例中，在滨海湿地的面积增加时，营养盐的变化趋势呈减小趋势，且营养盐的减小量和变化趋势的变化率与增加面积呈正相关。在滨海湿地面积减小时，营养盐的变化趋势呈增加趋势，且营养盐的增加量和变化趋势的变化率与减小面积呈正相关。

在本实施例中，第一净变化数据还可以包括当前时间之前的一段时间内的滨海湿地的历史面积变化数据（例如，可以是1年、5年、10年等），通过历史面积变化数据预测未来一段时间内的滨海湿地的未来面积变化数据，进而基于预设吸收率对未来一段时间内的营养盐的变化参数进行预测。得到未来一段时间内的营养盐的变换趋势和变化量。

同样，由于饵料投放型渔业养殖往往为鱼虾高密度养殖，需要投喂大量的饵料，其中一部分残饵及粪便，死体等分解后的产物为氮磷元素，导致营养盐增加，示例性的，投放的饵料通过未被利用、生物循环等方式，最终饵料中的氮、磷等元素有50%-90%进入海洋中，导致营养盐浓度升高。因此，饵料投放型渔业养殖量的第二净变化数据对近海海域的营养盐的影响较大。

作为示例性的实施例，获取第二净变化数据对应的渔业养殖中养殖类型和饵料投放量；基于所述养殖类型和饵料投放量依据所述养殖类型对应饵料利用率确定所述第二变化参数。

在本实施例中，可以基于现有数据确定饵料投放型渔业养殖量中营养盐的预设释放量，进而可以基于第二净变化数据确定当前饵料投放型渔业养殖量预估营养盐的释放量。进而得到由于饵料投放型渔业养殖量引起的营养盐的变化参数。

示例性的，可以基于饵料投放型渔业养殖量增加量或减少量确定评估饵料投放量，再基于饵料投放量和饵料中的氮、磷等元素在海洋中释放的比例，确定由于第二净变化数据引起的营养盐的释放量，进而确定营养盐的变化趋势和变化量。

在本实施例中，第二净变化数据还可以包括当前时间之前的一段时间内的饵料投放型渔业养殖量的历史变化量（例如，可以是1年、5年、10年等），通过历史变化量预测未来一段时间内的滨海湿地的未来变化量，进而基于饵料投放量和饵料中的氮、磷等元素在海洋中释放的比例对未来一段时间内的营养盐的变化参数进行预测。得到未来一段时间内的营养盐的变换趋势和变化量。

综合滨海湿地的营养盐的第一变化参数和近海海域的营养盐的第二变化参数确定待评估近海岸区域的营养盐的整体的变化参数。

作为可选的实施例，综合滨海湿地的营养盐的第一变化参数和近海海域的营养盐的第二变化参数确定待评估近海岸区域的营养盐的整体的变化参数可以采用如下计算公式：

P=α·P1+β·P2，其中，P为变化参数，P1为第一变化参数，P2为第二变化参数，α为第一变化参数对应的第一权重系数，β为第二变化参数对应的第二权重系数， 所述第一权重系数在所述滨海湿地内大于所述近海海域内，所述第二权重系数在所述近海海域内大于在所述滨海湿地内，且所述第一权重系数和所述第二权重系数按照预设时序趋近于1。在本实施例还总，α与β之和小于或等于2。

作为示例性的实施例，由于营养盐变化往往为区域性或分层的，例如滨海湿地营养变化往往发生在滨海区域，或者在近岸海域的表层；而渔业养殖导致的营养盐变化往往聚集在近岸海域的底层上（由于饵料下沉，且饵料的分解往往是需要第一定的时长，因此，营养盐富集往往会发生在海底）。因此，可以分区域或分层进行评估，在本实施例中，在对滨海区域进行评估时，由于渔业养殖导致的营养盐变化影响较小，因此，第一权重系数往往占绝大部分比重，示例性的，α可以为1，β可以趋近于0。相反，在近岸海域，β可以为1，α可以趋近于0。

在本实施例中，随着海水的流动，尤其是垂直流动，例如冷暖洋流的上升流和下降留的影响，在近海岸区域内，滨海区域的营养盐变化和近岸海域内的营养盐变化会最终混合均匀。因此，所述第一权重系数和所述第二权重系数可以随时间的变化进行调整，其中，时长越长，第一权重系数和第二权重系数越接近。

在本实施例中对于第一权重系数和第二权重系数调整的调整速率可以基于当前海洋流动速率，具体的可以基于海洋中垂直流动速率，具体的调整速率可以与垂直流动速率呈正相关。

对于步骤S30，营养盐的变化会引起初级生产力的变化，例如，初级生产力在一定程度上会随营养盐增加而增加，但由于光合作用产物主要是活性有机碳，而异氧细菌专一利用浮游植物释放的活性有机碳，在代谢过程中，会释放惰性有机溶解碳。在本实施例中，随有机盐的增加。浮游植物产生的活性有机碳会增加，活性有机碳增加，会增强异氧细菌的呼吸作用，进而增加二氧化碳的释放量，减少惰性有机溶解碳在环境中的储存和累积。

作为示例性的示例，可以基于历史实际采集到的数据建立预测模型，进而基于变化参数对微生物碳汇效果进行评估，也可以基于微生物呼吸代谢原理对微生物碳汇效果进行评估。

作为一种可选的实施方式，获取预训练的微生物碳汇评估模型；其中，微生物碳汇评估模型可以为利用在历史数据中多个预设区域内，多个不同时间颗粒维度下的营养盐的变化参数作为输入样本，以多个预设区域内，对应的时间颗粒维度下微生物碳汇变化参数作为输出样本对预设的机器学习模型进行训练得到。在后续实施例中对模型训练进行详细介绍。

在得到模型之后，可以将所述变化参数输入所述微生物碳汇评估模型中，输出预设时段内的微生物碳汇变化参数。

基于所述微生物碳汇变化参数确定所述微生物碳汇评估结果。

其中，微生物碳汇评估模型可以采用支持向量机回归算法进行预测，也可以采用粒子群与支持向量机融合算法进行预测，在本实施例中，可以将多个预设区域内，多个不同时间颗粒维度下的营养盐的变化参数作为特征集，将多个预设区域内，对应的时间颗粒维度下微生物碳汇变化参数作为目标集，数据随机90%做测试集，剩下10%当验证集，或者采用80%做测试集，剩下20%当验证集。随机种子任意设置。采取时间序列预测，将特征集和目标集的后10%留出来，做为验证集并覆盖之前的验证值。

使用粒子群算法对支持向量机回归模型进行调参，对支持向量机回归模型参数的惩罚参数C、损失函数epsilon、核系数gamma进行调参，设置其范围为[0,10]、[0,5]、[0,100]，在本实施例中，可以基于实际情况设置。粒子群算法的迭代次数可以选择20-100次。在迭代的过程中，真实值和预测值的波动曲线的波动基本一致，例如，一致性达到百分之98以上，则完成模型训练。

作为示例性的实施例，多个预设区域内可以包括面积增加的滨海湿地的区域，面积减少的滨海湿地的区域，以及不同种类型的滨海湿地。以及不同经纬度地区的近海海域和滨海湿地。时间颗粒度维度可以为10天、一个月、半年、1年、10年等多种维度下的营养盐变化和微生物碳汇变化。

在本实施例中，可以通过不同预设区域以及不同的时间颗粒度维度扩充样本数量，使得训练的模型更加准确。

在得带模型输出结果之后，及得到了预测的微生物碳汇变化参数，基于微生物碳汇变化参数可以评价当前时段以及未来预测时段内的微生物碳汇效果。

作为另一种可选的实施方式，基于所述变化趋势和所述变化量评估预设时段内的细菌呼吸作用强度；作为示例性的实施例，可以基于历史数据或实验室数据绘制营养盐变化趋势和变化量对应的预设时段内的细菌呼吸作用的强度的MAP图。作为示例性的实施例，细菌呼吸作用强度相对于营养盐的变化往往具有延迟性，而惰性有机溶解碳相对于细菌营养盐的变化往往延迟性更高。

在本实施例中，通过统计营养盐变化与细菌呼吸作用之间的延迟时长确定营养盐变化趋势和细菌呼吸作用变化趋势的关系图；通过统计的延迟时长搭建营养盐变化量与细菌呼吸作用强度的对应关系，得到营养盐变化参与与呼吸作用的关系，进而基于当前营养盐变化参数确定评估预设时段内的细菌呼吸作用强度。

基于所述细菌呼吸作用强度确定惰性溶解有机碳的积累效率，其中，所述细菌呼吸作用强度与所述营养盐浓度正相关，所述细菌呼吸作用强度与所述惰性溶解有机碳的积累效率呈反相关；作为示例性的实施例，呼吸作用强度越高，活性有机碳转化为二氧化碳的比例会越大。在本实施例中，可以同位素方法，统计细菌呼吸作用强度与惰性溶解有机碳的积累效率之间的关系曲线，进而得到呼吸营养盐浓度与惰性溶解有机碳的积累效率之间的关系。

基于所述积累效率确定所述预设时段内的微生物碳汇评估结果。

作为示例性的实施例，第一演变数据还包括转换数据，所述转换数据包括不同类型湿地之间转换面积。滨海湿地的变化并非只有消失和出现，还有不同类型之间的转换，例如，由于生物入侵，致使滩涂变为盐沼，或由于环境影响，红树林或盐沼变为滩涂。而滩涂对于营养盐几乎没有吸收作用，因此，可以忽略滩涂对营养盐的变化的影响，因此，若只统计湿地净变化面积，为考虑湿地之间的转换，尤其是生产型湿地（植被丰富）和沉积型湿地（非生产型湿地，例如，滩涂，退化的海草床等）之间的发生转换是，其净变化面积没有变化，但是营养盐的吸收水平发生了较大的变化，进而导致营养盐变化参数评估不够准确。

作为示例性的实施例，获取所述转换数据对应的滨海湿地的转换类型；当所述转换类型为生产型湿地和非生产型湿地之间转换的转换类型时，基于所述转换面积和发生转换的植物类型对第一变化参数调整。

示例性的，当生产型湿地转换为非生产型湿地时，可以基于转换的面积估算减小植物量，并基于上述实施例中对营养盐吸收效率评估的方式对由于生产型湿地转换为非生产型湿地导致的营养盐的变化参数的损失量，基于该损失量对第一变化参数进行调整。

在示例性的，当非生产型湿地转换为生产型湿地时，可以基于转换的面积估算增加的植物量，并基于上述实施例中对营养盐吸收效率评估的方式对由于非生产型湿地转换为生产型湿地导致的营养盐的变化参数的变化量，基于该变化量对第一变化参数进行调整。

作为另一种示例性的实施例，滨海湿地的净变化为增加时，或者转换为非生产型湿地转换为生产型湿地时，由于滨海湿地的植物是处于生长和增长状态，因此，其营养盐的吸收率也会随植物的生长和增长而增加。因此，在本实施例中，第一净变化数据还包括净变化区域的年龄（在本实施例中，可以以天为单位，可以以月为单元，还可以以年为单位），转换数据还可以包括转换区域的年龄（在本实施例中，以非生产型湿地转换为生产型湿地为例），基于净变化区域的面积和年龄以及转换区域的面积和年龄对所述第一变化参数进行调整。

示例性的，自净变化开始，或转换开始，随年龄的增加，营养盐的吸收率先为交底，后较高（植物个体快速生长和数量快速增长对营养盐的需求较大），最后降低，并达到平稳的吸收率变化曲线，因此，可以基于吸收率变化曲线对第一变化参数进行调整。

作为示例性的实施例，对近海岸区域的碳汇效果评估，还需要考虑生物碳汇，在近海区域的生物碳汇往往是滨海湿地固碳和海洋牧场固碳，在本实施例中，海洋牧场固碳往往为非饵料型海水养殖的渔业固碳。

作为示例性的实施例，所述第二演变数据还包括非饵料型渔业养殖量的第二净变化数据；

步骤S40还可以包括如步骤：

基于所述净变化数据和发生净变化的滨海湿地类型确定滨海湿地净变化评估结果，其中，净变化数据为非滨海湿地变化为滨海湿地或滨海湿地变化为非滨海湿地的变化面积和发生变化的滨海湿地的类型；

获取发生转换之前的滨海湿地的第一类型和发生转换之后的滨海湿地的第二类型和转换面积；

基于所述转换面积利用所述第一类型对应的第三权重系数和第二类型对应的第四权重系数确定滨海湿地转换评估结果；

基于所述第二净变化数据和所述第二净变化数据对应的养殖类型确定海水养殖净变化评估结果；

将所述滨海湿地净变化评估结果、所述滨海湿地转换评估结果和所述海水养殖净变化评估结果之和作为所述生物碳汇评估结果。

作为示例性的实施例，以滨海湿地为例，待评估的滨海湿地可以包括成熟型滨海湿地，即各种类型的滨海湿地的靠近中心区域的不易变化的湿地，还包括演变型滨海湿地，例如各个类型的滨海湿地的边缘区域，该区域由于受到环境，人为活动，或生物入侵等影响，较易发生变化的区域。

在本实施例中，滨海湿地可以包括多种类型，例如盐沼，红树林，滩涂，滨海海草床等。分别识别所述遥感图像集中不同类型的滨海湿地的演变数据，所述演变数据包括不同类型湿地之间的转换数据以及各个类型的滨海湿地的除转换数据之外的净变化数据。

作为示例性的实施例，可以利用预先训练的分类网络进行分类，得到不同类型的滨海湿地，一个示例性的实施例中，可以采用Python语言实现所述分类网络模型，通过真实湿地遥感图像对其进行训练。当然，采用其他语言实现分类网络模型在本实施例中并不限制。具体的训练过程包括：首先对模型的所有参数进行随机初始化，然后输入训练数据，对数据进行地理信息配准等预处理操作后，输入到所述分类网络模型进行正向传播，并取得输出；然后，分别利用构建的判别损失函数和分类损失函数来计算此时模型的损失；通过反向传播更新模型参数，并测试当前模型的精度。在一定的训练轮数当中，不断通过反向传播更新模型参数，并在每次突破当前最佳精度时保存模型，就能取得最终训练出的网络模型。在可选地实施例中，训练参数的设置如下：训练轮次为200，学习率为0.005，以随机梯度下降为优化函数。

在本实施例中，在得到每一遥感图像的滨海湿地类型分类结果之后，确定每一种类型的滨海湿地的范围和面积，按照所述遥感图像集的时序和所述面积数据确定不同类型湿地之间的转换区域以及各个类型的滨海湿地的除转换数据之外的净变化区域。

示例性的，按照时序拍摄有20组遥感图像集，分别确定每一个遥感图像中盐沼、红树林和滩涂的范围以及面积，按照时序确定每一种类型湿地的变化。

在一种实施例中，该变化可以为分为由非滨海湿地变化为某一种类型的滨海湿地或某几种类型的滨海湿地的变化种类和变化面积。

在另一种实施例中，该变化也可以为由一种类型的滨海湿地变化为另一种或另几种滨海湿地类型的变化种类和变化面积，例如，滩涂变为盐沼和/或红树林，或者红树林和/或盐沼变为滩涂。

统计预设时间段内的净变化区域的净变化数据，示例性的，净变化区域的湿地类型和净变化区域面积，例如，红树林消失面积、红树林增加面积，盐沼消失面积，盐沼增加面积，滩涂消失面积，滩涂增加面积。在本实施例中，净变化区域的变化原因可能是因为环境、人类活动等因素导致，例如，对红树林或盐沼的破坏导致部分红树林消失，或对红树林或盐沼人为建造，增加红树林或盐沼，再例如，对滩涂的开垦或填埋，导致滩涂消失等。

统计预设时间段内的转换区域的转换数据，示例性的，转换区域的湿地类型和转换区域面积，例如，海平面或温度或其他气候因素的影响导致红树林或盐沼退化，变为滩涂；再例如，盐沼或红树林植物入侵滩涂，滩涂面积减小，盐沼或红树林增加。滨海湿地类型发生变化的区域作为转换区域。

在本实施例中，可以将净变化区域的变化面积和变化类型以及转换区域的转换面积和转换类型作为不同类型的滨海湿地的演变数据。

基于所述转换数据和所述净变化数据对所述待评估的滨海湿地的碳汇效果进行评估，得到碳汇效果评估结果。

在本实施例中，净变化区域可以分为增加区域和减小区域，在本实施例中可以分别统计每种湿地类型的增加区域和减小区域，针对每种湿地类型，在评估碳汇能力时，可以将减小区域面积对应的滨海湿地的类型的碳汇能力减掉；对于增加的滨海湿地，可以以增加面积对应的滨海湿地的类型乘以增加的滨海湿地成长系数（其只，成长系数随着增加区域的湿地的成熟，该成长系数逐渐接近1）得到增加面积的碳汇能力。（由于新造滨海湿地的生物种群，生物数量没有达到成熟滨海实例的程度，处于随时间增长而增长，因此，可随时间增长，碳汇能力由初始碳汇能力慢慢达到增加的滨海湿地类型的预设碳汇能力），初始碳汇能力可以为预设碳汇能力的40-60%，预设碳汇能力可以为对应类型的成熟滨海湿地的碳汇能力。

对于碳汇量而言，由于减小区域在短时间内原本的碳汇量不会发生根本性的改变，因此，本实施例中对于减小区域的碳汇量，可以按照原碳汇量进行统计和评估，在对增加区域的碳汇量的评估时，由于增加之前没有蓝碳沉积，因此，可以按照增加的时间进行新增统计，进而得到净变化区域的碳汇能力和碳汇量等碳汇效果评估结果。

作为示例性的实施例，转换区域是从一种湿地类型转换为另一种湿地类型，转换前后均有碳汇能力和碳汇量。

不同的湿地类型其碳汇能力，碳汇量和碳汇形式往往均有不同，例如，红树林属于生产型碳汇的滨海湿地，绝大部分来自于植物吸收二氧化碳，另一部分来自于输入型碳，例如，潮汐带来的海洋内的颗粒型有机碳和溶解型有机碳，或河流带来的颗粒型有机碳和溶解型有机碳。红树林系统的平均碳累积速率为194 g/m2/yr。盐沼属于生产型碳汇的滨海湿地，绝大部分来自于植物吸收二氧化碳，另一部分来自于输入型碳，例如，潮汐带来的海洋内的颗粒型有机碳和溶解型有机碳，或河流带来的颗粒型有机碳和溶解型有机碳或红树林输出的碳。盐沼湿地平均碳累积速率为164 g/m2/yr。而滩涂自身生物量较少，生产能力差。因此，主要碳来源为盐沼、红树林或海洋等输入型碳。滩涂的平均碳累积速率分别为140-160 g/m2/yr因此，基于不同类型的滨海湿地的碳汇能力不同，碳汇来源不同，可以基于转换前后的类型和转换区域的面积等，对转换区域进行评估。

而由于转换区域并非是突变的，而是动态变化的，因此，转换区域的可能同时存在转换之前和转换之后的滨海湿地类型的碳汇形式和碳汇能力。因此，在本实施例中，在对转换区域进行评估时，可综合考虑转换区域的面积，转换之前的湿地类型和转换之后的湿地类型，对转换区域的碳汇能力和碳汇量进行评估，以准确的评估转换区域的碳汇效果。

在本实施例中，在对待评估的滨海湿地进行碳汇效果评估时，尤其是对变化较为频繁的区域的湿地进行评估时，除现有技术中对成熟湿地区域进行定性分析之外，还综合考虑待评估的滨海湿地的演变数据，考虑演变类型，演变前后的湿地类型，演变前后碳汇形式，演变前后碳汇能力，演变前后碳汇量等表征碳汇效果的因素综合对待评估的滨海湿地进行碳汇效果评估，可更为准确的得到待评估湿地的碳汇效果。

另外，不同类型的滨海湿地转换前后，其原有的碳汇形式可能会消失，也可能会增加，例如，滩涂转换为红树林或盐沼，其原有的输入型碳汇能力不仅没有降低，反而由于红树林或盐沼的阻挡，使潮汐水流减缓，进一步增加了潮汐中海洋输入的碳，增加了输入碳的碳汇能力。红树林或盐沼转换为滩涂，则逐渐失去了生产能力，其碳汇形式变为了单独的输入型碳汇形式，由于失去植物的阻挡，潮汐水流加快，可加快碳向海洋输入，造成一定的碳流失，汇入海洋。因此，转换区域的碳汇效果不能以当前的滨海湿地类型进行评估，若转换区域过快或面积过大，在未考虑转换区域由于湿地类型转换而改变的碳汇形式或碳汇能力的变化，很可能会造成整体的碳汇效果评估结果不准确。

所述基于所述转换数据和所述净变化数据对所述待评估的滨海湿地的碳汇效果进行评估，得到碳汇效果评估结果包括如下步骤：

基于所述净变化数据和发生净变化的滨海湿地类型确定净变化评估结果，其中，净变化数据为非滨海湿地变化为滨海湿地或滨海湿地变化为非滨海湿地的变化面积和发生变化的滨海湿地的类型；

.基于所述转换数据确定发生转换之前的滨海湿地的第一类型和发生转换之后的滨海湿地的第二类型和转换面积。

基于所述转换面积利用所述第一类型对应的第一权重系数和第二类型对应的第二权重系数确定转换评估结果。

将净变化评估结果和转换评估结果之和作为碳汇效果评估结果。

在本实施例中，净变化区域可以分为增加区域和减小区域，其中，增加区域为非滨海湿地变化为滨海湿地的区域，减小区域为滨海湿地变化为非滨海湿地。

在本实施例中可以分别统计每种湿地类型的增加区域和减小区域变化面积和发生变化的滨海湿地的类型，针对每种湿地类型，在评估碳汇能力时，可以将减小区域面积对应的滨海湿地的类型的碳汇能力减掉；可以以增加面积对应的滨海湿地的类型乘以成长系数（随着增加区域的湿地的成熟，成长系数逐渐接近1）得到增加面积的碳汇能力。（由于新造滨海湿地的生物种群，生物数量没有达到成熟滨海实例的程度，处于随时间而增长，因此，可随时间增长，碳汇能力由初始碳汇能力慢慢达到预设碳汇能力），初始碳汇能力可以为预设碳汇能力的40-60%，预设碳汇能力可以为对应类型的成熟滨海湿地的碳汇能力。

按照时序识别滨海湿地的类型之后，再按照时序进行前后比对，即可得到滨海湿地类型在预设时间段的转换数据，例如，转换前后的湿地类型，预设时间段内发生转换的转换区域的面积等数据。

由于不同类型的滨海湿地转换前后，其原有的碳汇形式可能会消失，也可能会增加，因此，不同类型之间的转换在进行碳汇效果评估时，其权重不同。

在本实施例中，发生转换之前的滨海湿地的第一类型对应第三权重系数；发生转换之后的滨海湿地的第二类型对应第四权重系数，在本实施例中，转换之前的不同的类型对应的权重系数不同，转换之后不同的类型对应的权重系数也不同。

示例性的，以第一类型的湿地包括红树林和/或盐沼；所述第二类型的湿地包括滩涂为例，转换区域为红树林和/或盐沼向滩涂转换，转换之前红树林和/或盐沼以植物生产碳为主，在转换过程中，生产碳能力逐渐下降，输入碳可维持不变或减小，因此，转换区域既保留有转换之前的第一类型的碳汇能力，也新增有转换之后的第二类型的碳汇能力。在进行碳汇效果评估时，对于转换区域可以基于所述转换面积利用所述第一类型对应的第三权重系数和第二类型对应的第四权重系数确定转换评估结果。示例性的第一类型的滨海湿地的碳汇能力为A，第二类型滨海湿地的碳汇能力为B，由于转换区域为未成熟类型的滨海湿地，因此，在对转换区域进行碳汇能力评估时，需要A乘以第三权重系数得到转换过程中第一类型的碳汇能力，B乘以第四权重系数得到转换过程中第二类型碳汇能力，将第一类型的碳汇能力和第二类型碳汇能力之和作为转换区域的碳汇效果的评估结果。

作为示例性的实施例，转换区域的识别是通过对遥感图像进行分类得到，通常以某种类型湿地的显著特征来进行分类，转换区域的特征可能并不是特别明显，因此，可以利用识别概率确定当前转换区域的转换程度，例如，盐沼向滩涂转换，是随着盐沼的植物的退化，盐沼植物特征逐渐减弱，滩涂特征逐渐增强，而退化可能是一个较为缓慢的过程中，因此，在转换区域存在盐沼植物特征，也存在滩涂特征，可以利用识别概率表征盐沼植物的数量，进而表征盐沼退化程度或滩涂的转换程度。

在本实施例中，以第一类型的湿地包括红树林和/或盐沼；所述第二类型的湿地包括滩涂为例，即以盐沼或红树林向滩涂转换为例进行具体的说明：

所述第三权重系数为a1，其中，a1为所述滨海湿地的转换区域为红树林和/或盐沼的识别概率；所述第四权重系数为b1，其中，b1为所述滨海湿地的转换区域为滩涂的识别概率，其中a1与b1之和小于或等于1。

所述基于所述转换面积利用所述第一类型对应的第三权重系数和第二类型对应的第四权重系数确定转换评估结果包括：

将所述红树林和/或盐沼在所述转换面积下的红树林和/或盐沼预设碳汇能力与第三权重系数的乘积作为湿地转换过程中的第一评估结果；

将所述滩涂在所述转换面积下的滩涂预设碳汇能力与第四权重系数的乘积作为湿地转换过程中的第二评估结果；

将所述第一评估结果和所述第二评估结果之和作为所述转换评估结果。

作为示例性的实施例，红树林或盐沼向滩涂转换的过程中，生产能力逐渐下降，逐渐变为输入型碳汇能力。因此，在对碳汇效果评估时可以将预设（原）碳汇能力乘以对应的识别概率（权重）得到转换区域所包含类型（转换之前的类型和转换之后的类型）的碳汇能力。其中，转换区域的碳汇能力可以为第一类型的滨海湿地的碳汇能力A与第三权重系数a1的乘积和第二类型滨海湿地的碳汇能力为B与第四权重系数b1的乘积的和。

作为另一种可选的实施例，以第一类型的湿地包括滩涂；所述第二类型的湿地包括盐沼或红树林，即以滩涂向盐沼或红树林转换为例进行具体的说明：

滩涂向盐沼或红树林转换过程中，原有滩涂除了增加生产能力，还增加了沉积效率。以滩涂转换为盐沼为例，盐沼为互花米草，在互花米草入侵滩涂后不仅增加植物生物量和有机凋落物的输入量，而且其致密的植被可以减缓水流，加速沉积物的累积，提高沉积速率。

滩涂向盐沼或红树林转换过程中，植被增加，土壤中会新增植被枝叶，因此，沉积能力在原滩涂沉积能力不变的情况下会有所增加，因此，所述第三权重系数为1+b2，其中，b2为所述滨海湿地的转换区域为滩涂的识别概率；滩涂向盐沼或红树林转换过程中，生产能力由几乎没有变为逐步增加，因此，所述第四权重系数为a2，其中，a2为所述滨海湿地的转换区域为红树林和/或盐沼的识别概率，其中，a2和b2之和小于或等于1。

所述基于所述转换面积利用所述第一类型对应的第三权重系数和第二类型对应的第四权重系数确定转换评估结果包括：

将所述滩涂在所述转换面积下的滩涂预设碳汇能力与第三权重系数的乘积作为湿地转换过程中的第三评估结果；

将所述红树林和/或盐沼在所述转换面积下的红树林和/或盐沼预设碳汇能力与第四权重系数的乘积作为湿地转换过程中的第四评估结果；

将所述第三评估结果和所述第四评估结果之和作为所述转换评估结果。

综合考虑转换过程中的各种情况，可以更为准确的对转换区域的碳汇效果进行更为准确的评估。

在可选地实施例中，为了进一步准确的评估转换区域的碳汇效果，滩涂向盐沼或红树林转换过程中，由于致密的植被可以减缓水流，加速沉积物的累积，提高沉积速率。因此，第三权重系数还可以为c倍的1+b2，其中，c为沉积效率增加倍数，且c大于1。在本实施例中，c可随转换区域的植物的增加量逐渐增加，在本实施例中，c还可以与第二类型的识别概率成正相关，即c与盐沼或红树林的识别概率成正相关。

作为示例性的实施例，在第一类型向第二类型转换的过程中，随着时间的增加，越来越趋近于第二类型，因此，第三权重系数和所述第四权重系数基于发生转换的时长进行调整，其中，距离发生转换的时长越长，第三权重系数越小，且第四权重系数越大。

作为示例性的实施例，对待评估区域的滨海湿地的碳汇效果进行评估时，为净变化区域碳汇效果评估结果、转换区域碳汇效果评估结果和成熟区域碳汇效果评估结果之和。在本实施例中，碳汇量，碳汇能力等碳汇效果还受到环境影响。因此分别识别所述遥感图像集中不同类型的滨海湿地面积；获取所述预设时间段内环境信息；基于所述环境信息对所述碳汇效果评估结果进行调整。

示例性的，所述环境信息包括温度信息；所述基于所述环境信息对所述碳汇效果评估结果进行调整包括：基于所述温度信息确定有机碳分解系数；基于所述分解系数调整所述碳汇效果评估结果。平均气温的升高，会加快有机碳的分解速率，尤其是对于输入型碳汇形式为主的滩涂，因此，在本实施例中，需要基于温度信息对碳汇效果进行调整。

另外，对于落叶纬度区域的碳汇效果评估时，还需要考虑植物的发芽生长是否顺利，在春季，植物处于萌芽阶段，若此时，雨水过多可能会影响植物发芽，进而导致植物的生产能力下降，因此，还需要获取春季雨水量，基于所述春季雨水量确定有机碳生成系数；基于所述有机碳生成系数调整所述碳汇效果评估结果。在本实施例中，有机碳生成系数可以基于经验或实验获得。

作为另一种可选地实施例，滨海湿地还包括海草床，因此，还需要对滨海海水透明度进行识别，在本实施例中，可以利用遥感图像识别滨海海水透明度，透明度越高，海草床的固碳能力越强，碳汇效果越高，因此，可以基于遥感图像识别预设时间段海水透明度，得到平均透明度，基于平均透明度对海草床的预设碳汇能力进行调整，得到海草床的碳汇效果评估结果。

作为示例性的实施例，在得到预设时间段内的滨海湿地的遥感图像后，可以基于预设时间段内的演变数据预测未来待评估的滨海湿地演变数据，得到预设演变数据，基于预测演变数据对待评估的滨海湿地进行预测。进而可以提供针对性的改进，例如，可以认为参与阻止减弱碳汇能力。

作为另一种可选地实施例，获取待评估的滨海湿地的土壤样本中有机碳类型和每一类型的有机碳含量，所述有机碳类型包括生产型有机碳和输入型有机碳；基于预设时间段内的生产型有机碳和输入型有机碳的变化确定预设时间段内的碳汇量。

作为示例性的实施例，针对非饵料型渔业养殖（以下简称海洋牧场），第二演变数据还包括海洋牧场的第二净变化数据，基于所述第二净变化数据和所述第二净变化数据对应的海洋牧场的养殖类型确定海水养殖净变化评估结果，第二变化数据还可以包括海洋牧场的养殖类型，不同的养殖类型，碳汇能力不同。在本实施例中，可以基于第二净变化数据中的净变化面积，净变化面积对应的海洋牧场的年龄（海洋牧场随着建设时长的增加，其碳汇能力增加）以及养殖类型（不同养殖类型对应的碳汇能力不同）确定海水养殖净变化评估结果。在本实施例中，可以统计历史中养殖面积、海洋牧场年龄、养殖类型等数据对应的预设时段的碳汇统计量，进而确定第二净变化区域对应的碳汇量。

参见图2所示，本申请实施例还提供了一种近海岸区域的碳汇效果评估装置，所述近海岸区域包括近海海域和滨海湿地，所述评估装置包括：

获取模块10，用于获取待评估近海岸区域的滨海湿地的第一演变数据和渔业养殖量的第二演变数据；其中，所述第一演变数据包括滨海湿地的第一净变化数据，所述第二演变数据包括饵料投放型渔业养殖量的第二净变化数据；

变化参数确定模块20，用于基于所述第一演变数据和所述第二演变数据确定近海海域的营养盐的变化参数，所述变化参数包括变化趋势和变化量；

第一评估模块30，用于基于所述变化参数确定所述近海岸区域微生物碳汇评估结果；

第二评估模块40，用于基于所述第一演变数据和所述第二演变数据确定生物碳汇评估结果；

综合评估模块50，用于融合所述微生物碳汇评估结果和生物碳汇评估结果确定近海岸区域的碳汇效果的评估结果。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，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全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、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。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也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。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，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，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (9)

1.一种近海岸区域的碳汇效果评估方法，其特征在于，所述近海岸区域包括近海海域和滨海湿地，所述评估方法包括：

获取待评估近海岸区域的滨海湿地的第一演变数据和渔业养殖量的第二演变数据；其中，所述第一演变数据包括滨海湿地的第一净变化数据，所述第二演变数据包括饵料投放型渔业养殖量的第二净变化数据；

基于所述第一演变数据和所述第二演变数据确定近海海域的营养盐的变化参数，所述变化参数包括变化趋势和变化量；所述变化参数包括第一变化参数和第二变化参数；

所述基于所述第一演变数据和所述第二演变数据确定近海海域的营养盐的变化参数包括：

获取所述第一净变化数据对应的滨海湿地中发生变化的植物类型和所述植物类型对应的植物变化量；

基于所述植物类型和所述植物变化量依据植物类型对应的营养盐吸收参数确定所述第一变化参数；

获取第二净变化数据对应的渔业养殖中养殖类型和饵料投放量；

基于所述养殖类型和饵料投放量依据所述养殖类型对应饵料利用率确定所述第二变化参数；

基于所述第一变化参数和所述第二变化参数确定所述变化参数；

基于所述变化参数确定所述近海岸区域微生物碳汇评估结果；

基于所述第一演变数据和所述第二演变数据确定生物碳汇评估结果；

综合所述微生物碳汇评估结果和生物碳汇评估结果确定近海岸区域的碳汇效果的评估结果。

2.如权利要求1所述的近海岸区域的碳汇效果评估方法，其特征在于，所述基于所述变化参数确定所述近海岸区域微生物碳汇评估结果包括：

获取预训练的微生物碳汇评估模型；

将所述变化参数输入所述微生物碳汇评估模型中，输出预设时段内的微生物碳汇变化参数，其中，所述微生物碳汇评估模型利用在历史数据中多个预设区域内，多个不同时间颗粒维度下的营养盐的变化参数作为输入样本，以多个预设区域内，对应的时间颗粒维度下微生物碳汇变化参数作为输出样本对预设的机器学习模型进行训练得到；

基于所述微生物碳汇变化参数确定所述微生物碳汇评估结果。

3.如权利要求1所述的近海岸区域的碳汇效果评估方法，其特征在于，所述基于所述变化参数确定所述近海岸区域微生物碳汇评估结果包括：

基于所述变化趋势和所述变化量评估预设时段内的细菌呼吸作用强度；

基于所述细菌呼吸作用强度确定惰性溶解有机碳的积累效率，其中，所述细菌呼吸作用强度与营养盐浓度正相关，所述细菌呼吸作用强度与所述惰性溶解有机碳的积累效率呈反相关；

基于所述积累效率确定所述预设时段内的微生物碳汇评估结果。

4.如权利要求1所述的近海岸区域的碳汇效果评估方法，其特征在于，所述基于所述第一变化参数和所述第二变化参数确定所述变化参数包括：

P=α·P1+β·P2，其中，P为变化参数，P1为第一变化参数，P2为第二变化参数，α为第一变化参数对应的第一权重系数，β为第二变化参数对应的第二权重系数， 所述第一权重系数在所述滨海湿地内的值大于所述近海海域内的值，所述第二权重系数在所述近海海域内的值大于在所述滨海湿地内的值，且所述第一权重系数和所述第二权重系数按照预设时序趋近于1。

5.如权利要求1所述的近海岸区域的碳汇效果评估方法，其特征在于，所述第一演变数据还包括转换数据，所述转换数据包括不同类型湿地之间转换面积；

所述基于所述植物类型和所述植物变化量依据植物类型对应的营养盐吸收参数确定所述第一变化参数包括：

获取所述转换数据对应的滨海湿地的转换类型；

当所述转换类型为生产型湿地和非生产型湿地之间转换的转换类型时，基于所述转换面积和发生转换的植物类型对第一变化参数调整。

6.如权利要求5所述的近海岸区域的碳汇效果评估方法，其特征在于，所述第二演变数据还包括非饵料型渔业养殖量的第二净变化数据；

所述基于所述第一演变数据和所述第二演变数据确定生物碳汇评估结果包括：

基于所述第一净变化数据和发生净变化的滨海湿地类型确定滨海湿地净变化评估结果，其中，第一净变化数据为非滨海湿地变化为滨海湿地或滨海湿地变化为非滨海湿地的变化面积和发生变化的滨海湿地的类型；

获取发生转换之前的滨海湿地的第一类型和发生转换之后的滨海湿地的第二类型和转换面积；

基于所述转换面积利用所述第一类型对应的第三权重系数和第二类型对应的第四权重系数确定滨海湿地转换评估结果；

基于所述第二净变化数据和所述第二净变化数据对应的养殖类型确定海水养殖净变化评估结果；

将所述滨海湿地净变化评估结果、所述滨海湿地转换评估结果和所述海水养殖净变化评估结果之和作为所述生物碳汇评估结果。

7.如权利要求6所述的近海岸区域的碳汇效果评估方法，其特征在于，所述第一类型的湿地包括滩涂；所述第二类型的湿地包括红树林和/或盐沼；

所述第三权重系数为1+b2，其中，b2为所述滨海湿地的转换区域为滩涂的识别概率；

所述第四权重系数为a2，其中，a2为所述滨海湿地的转换区域为红树林和/或盐沼的识别概率，其中，a2和b2之和小于或等于1；

基于所述转换面积利用所述第一类型对应的第三权重系数和第二类型对应的第四权重系数确定滨海湿地转换评估结果包括：

将所述滩涂在所述转换面积下的滩涂预设碳汇能力与第三权重系数的乘积作为湿地转换过程中的第一评估结果；

将所述红树林和/或盐沼在所述转换面积下的红树林和/或盐沼预设碳汇能力与第四权重系数的乘积作为湿地转换过程中的第二评估结果；

将所述第一评估结果和所述第二评估结果之和作为所述转换评估结果。

8.一种近海岸区域的碳汇效果评估装置，其特征在于，所述近海岸区域包括近海海域和滨海湿地，所述评估装置包括：

获取模块，用于获取待评估近海岸区域的滨海湿地的第一演变数据和渔业养殖量的第二演变数据；其中，所述第一演变数据包括滨海湿地的第一净变化数据，所述第二演变数据包括饵料投放型渔业养殖量的第二净变化数据；

变化参数确定模块，用于基于所述第一演变数据和所述第二演变数据确定近海海域的营养盐的变化参数，所述变化参数包括变化趋势和变化量；所述变化参数包括第一变化参数和第二变化参数，所述变化参数确定模块还用获取所述第一净变化数据对应的滨海湿地中发生变化的植物类型和所述植物类型对应的植物变化量；基于所述植物类型和所述植物变化量依据植物类型对应的营养盐吸收参数确定所述第一变化参数；获取第二净变化数据对应的渔业养殖中养殖类型和饵料投放量；基于所述养殖类型和饵料投放量依据所述养殖类型对应饵料利用率确定所述第二变化参数；基于所述第一变化参数和所述第二变化参数确定所述变化参数；

第一评估模块，用于基于所述变化参数确定所述近海岸区域微生物碳汇评估结果；

第二评估模块，用于基于所述第一演变数据和所述第二演变数据确定生物碳汇评估结果；

综合评估模块，用于融合所述微生物碳汇评估结果和生物碳汇评估结果确定近海岸区域的碳汇效果的评估结果。

9.一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口和所述存储器通过所述通信总线完成相互间的通信，其特征在于，

所述存储器，用于存储计算机程序；

所述处理器，用于通过运行所述存储器上所存储的所述计算机程序来执行权利要求1至7中任一项所述的近海岸区域的碳汇效果评估方法。

Images