CN116610923A - 活立木生命状态的确定方法、装置、电子设备及存储介质 - Google Patents
活立木生命状态的确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116610923A CN116610923A CN202310864098.4A CN202310864098A CN116610923A CN 116610923 A CN116610923 A CN 116610923A CN 202310864098 A CN202310864098 A CN 202310864098A CN 116610923 A CN116610923 A CN 116610923A
- Authority
- CN
- China
- Prior art keywords
- determining
- data
- space
- moisture
- phase space
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 91
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims description 31
- 238000011156 evaluation Methods 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 17
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- WYVVKGNFXHOCQV-UHFFFAOYSA-N 3-iodoprop-2-yn-1-yl butylcarbamate Chemical compound CCCCNC(=O)OCC#CI WYVVKGNFXHOCQV-UHFFFAOYSA-N 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 6
- 230000000875 corresponding effect Effects 0.000 description 41
- 230000035882 stress Effects 0.000 description 17
- 230000000739 chaotic effect Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000012360 testing method Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 6
- 239000002023 wood Substances 0.000 description 6
- 241000196324 Embryophyta Species 0.000 description 5
- 241000219000 Populus Species 0.000 description 4
- 230000000052 comparative effect Effects 0.000 description 4
- 241000282461 Canis lupus Species 0.000 description 3
- 241000607479 Yersinia pestis Species 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 240000000161 Lagerstroemia indica Species 0.000 description 2
- 235000000283 Lagerstroemia parviflora Nutrition 0.000 description 2
- 238000005311 autocorrelation function Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000008641 drought stress Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005291 chaos (dynamical) Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000002847 impedance measurement Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000005191 phase separation Methods 0.000 description 1
- 230000000243 photosynthetic effect Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 210000000130 stem cell Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据处理技术领域，提供一种活立木生命状态的确定方法、装置、电子设备及存储介质，包括：根据活立木水分序列数据进行相空间重构，确定第一相空间；根据第一相空间确定第二相空间，第二相空间中的空间点包括第一相空间中的空间点和新增的空间点；根据新增的空间点和第一时间段内的活立木茎干水分序列数据中的子序列数据，确定第二时间段内的活立木茎干水分序列数据。本发明能够通过第一时间段内的活立木茎干水分数据采用相空间重构的方式，计算获取到处于预测或回溯的时间段下的活立木茎干水分数据，实现活立木生命状态的预测及回溯，提高对活立木不同阶段上生命状态的监控能力。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种活立木生命状态的确定方法、装置、电子设备及存储介质。
背景技术
活立木是生态系统中重要的组成部分，其生命状态对于生态系统的平衡、环境质量的改善、经济利益的增加等具有重要的意义。因此，研究活立木生命状态评价方法成为生态学和林学领域的热点研究方向。活立木生命状态评价方法涉及多个生长环境参数，如茎干水分、气温、土壤湿度和光合有效辐射等。其中，茎干水分是反映活立木生命状态的重要参数之一。现有的活立木生命状态评价方法多采用统计学方法，例如选取多种生长环境参数进行平均值、标准差的相关性分析等，但活立木生命状态的主要生长参数在不同时期有所差异，且受噪声和异常数据的干扰较大，因此，现有的活立木生命状态评价方法精度较低，适用性较差。
发明内容
针对现有技术存在的问题，本发明提供一种活立木生命状态的确定方法、装置、电子设备及存储介质。
第一方面，本发明提供一种活立木生命状态的确定方法，包括：
获取第一时间段内的活立木茎干水分数据，根据所述活立木茎干水分数据确定第一时间段内的活立木茎干水分序列数据，所述活立木茎干水分序列数据为时间序列数据；
根据所述活立木水分序列数据进行相空间重构，确定第一相空间，所述第一相空间中的空间点对应于第一时间段内的活立木茎干水分序列数据中的子序列数据，所述子序列数据由重构延迟时间和重构维数确定；
根据所述第一相空间确定第二相空间，所述第二相空间中的空间点包括所述第一相空间中的空间点和新增的空间点；
根据所述新增的空间点和所述第一相空间中的空间点对应的第一时间段内的活立木茎干水分序列数据中的子序列数据，确定第二时间段内的活立木茎干水分序列数据；其中，所述第二时间段内的活立木茎干水分序列数据中的子序列数据对应于所述新增的空间点，所述第二时间段晚于所述第一时间段或早于所述第一时间段。
在一个实施例中，所述方法还包括：
根据所述新增的空间点和所述第一相空间中的空间点对应的第一时间段内的活立木茎干水分序列数据中的子序列数据，确定第三时刻点的活立木茎干水分数据；其中，所述第三时刻点的活立木茎干水分数据对应于所述新增的空间点；
根据第三时刻点的活立木茎干水分数据对第一时间段内的活立木茎干水分序列数据进行优化。
在一个实施例中，所述根据所述第一相空间确定第二相空间，包括：
选取所述第一相空间中的参考点，根据k近邻搜索方法确定围绕于所述参考点的k个邻点；
根据所述k个邻点构造对应于所述参考点的局部逼近函数，根据所述参考点和所述局部逼近函数确定新增的空间点；
根据所述第一相空间中的空间点和新增的空间点确定第二相空间。
在一个实施例中，所述根据所述新增的空间点和所述第一相空间中的空间点对应的第一时间段内的活立木茎干水分序列数据中的子序列数据，确定第二时间段内的活立木茎干水分序列数据，包括：
根据所述新增的空间点对应的参考点对应的子序列数据和所述局部逼近函数，确定所述新增的空间点对应的子序列数据；
根据所述新增的空间点对应的子序列数据，确定第二时间段内的活立木茎干水分序列数据。
在一个实施例中，基于所述第二相空间获取第三相空间，所述第三相空间对应于由第二时间段内的活立木茎干水分序列数据进行相空间重构的空间；
相应地，所述方法还包括：
根据所述第三相空间确定李雅普诺夫指数和关联维数；
根据所述李雅普诺夫指数和所述关联维数确定第二时间段内的活立木的第一生命状态结果。
在一个实施例中，所述方法还包括：
根据所述李雅普诺夫指数与关联维数确定第二时间段内的活立木生命状态评价指标；
根据所述活立木生命状态评价指标确定活立木的第二生命状态结果。
在一个实施例中，所述根据所述李雅普诺夫指数与关联维数确定第二时间段内的活立木生命状态评价指标，包括：
根据所述李雅普诺夫指数与所述关联维数采用以下计算公式确定活立木生命状态评价指标；
；
其中、和分别为活立木的李雅普诺夫指数、关联维数和生命状态评价指标；权重系数与为任意正常生命状态活立木的李雅普诺夫指数和相关维数，为常数，通过对历史数据分析和统计来确定具体数值。
第二方面，本发明提供一种活立木生命状态的确定装置，包括：
获取模块，用于获取第一时间段内的活立木茎干水分数据，根据所述活立木茎干水分数据确定第一时间段内的活立木茎干水分序列数据，所述活立木茎干水分序列数据为时间序列数据；
构建模块，用于根据所述活立木水分序列数据进行相空间重构，确定第一相空间，所述第一相空间中的空间点对应于第一时间段内的活立木茎干水分序列数据中的子序列数据，所述子序列数据由重构延迟时间和重构维数确定；
处理模块，用于根据所述第一相空间确定第二相空间，所述第二相空间中的空间点包括所述第一相空间中的空间点和新增的空间点；
确定模块，用于根据所述新增的空间点和所述第一相空间中的空间点对应的第一时间段内的活立木茎干水分序列数据中的子序列数据，确定第二时间段内的活立木茎干水分序列数据；其中，所述第二时间段内的活立木茎干水分序列数据中的子序列数据对应于所述新增的空间点，所述第二时间段晚于所述第一时间段或早于所述第一时间段。
第三方面，本发明提供一种电子设备，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第一方面中任一项所述的活立木生命状态的确定方法的步骤。
第四方面，本发明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第一方面中任一项所述的活立木生命状态的确定方法的步骤。
本发明提供的活立木生命状态的确定方法、装置、电子设备及存储介质，能够通过第一时间段内的活立木茎干水分数据采用相空间重构的方式，计算获取到处于预测或回溯的时间段下的活立木茎干水分数据，实现活立木生命状态的预测及回溯，提高对活立木不同阶段上生命状态的监控能力。
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是本发明提供的活立木生命状态的确定方法的流程示意图；
图2是本发明提供的紫薇树病虫害胁迫试验数据的曲线示意图；
图3是本发明提供的茎干水分06.01-06.08时间序列数据的曲线示意图；
图4是本发明提供的茎干水分06.14-6.21时间序列数据的曲线示意图；
图5是本发明提供的茎干水分06.27-07.03时间序列数据的曲线示意图；
图6是本发明提供的茎干水分07.27-08.03时间序列数据的曲线示意图；
图7是本发明提供的茎干水分09.01-09.08时间序列数据的曲线示意图；
图8是本发明提供的活立木生命状态的确定装置的结构示意图；
图9是本发明提供的电子设备的结构示意图。
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至图9描述本发明提供的活立木生命状态的确定方法、装置、电子设备及存储介质。
图1示出了本发明提供的一种活立木生命状态的确定方法的流程示意图，参见图1，该方法包括：
11、获取第一时间段内的活立木茎干水分数据，根据活立木茎干水分数据确定第一时间段内的活立木茎干水分序列数据，活立木茎干水分序列数据为时间序列数据；
12、根据活立木水分序列数据进行相空间重构，确定第一相空间，第一相空间中的空间点对应于第一时间段内的活立木茎干水分序列数据中的子序列数据，子序列数据由重构延迟时间和重构维数确定；
13、根据第一相空间确定第二相空间，第二相空间中的空间点包括第一相空间中的空间点和新增的空间点；
14、根据新增的空间点和第一相空间中的空间点对应的第一时间段内的活立木茎干水分序列数据中的子序列数据，确定第二时间段内的活立木茎干水分序列数据；其中，第二时间段内的活立木茎干水分序列数据中的子序列数据对应于新增的空间点，第二时间段晚于第一时间段或早于第一时间段。
针对步骤11~步骤14，需要说明的是，在本发明中，活立木茎干水分数据（即茎干含水率）通过活立木茎干水分传感器采集，通过数据采集器存储并传输至生态监测云平台。其中，茎干水分传感器基于驻波比法的阻抗测量原理设计，实时测量活立木茎干木质部的阻抗变化可获得茎干的水分数据，并且这种内边缘场电极不存在对茎干细胞组织造成物理性伤害的问题。数据采集器包括但不限于信号采集模块、SD卡存储模块、GPRS数据通信模块，通过信号采集模块实时读取传感器数据，SD卡存储模块将所得含水率数据进行SD卡存储，最后通过GPRS数据通信模块将所得数据传输至生态监测云平台以便进行数据展示、下载和分析，数据采集间隔为10min（采集器每分钟获取一次数据，每10min将前10次数据取平均后记录下来），单个传感器每日可获取144条茎干水分数据
对活立木茎干水分数据进行筛选处理，根据活立木茎干水分数据的一阶导数（当前数据与上一相邻数据之间的差值）变化规律，剔除数据中的粗大误差。其中，若某一数据的一阶导数值绝对值超过某一阈值（本发明发现，对于温带地区活立木茎干水分数据，该阈值选定为5即可满足数据筛除要求），且相邻下一数据的一阶导数值绝对值同样超过5，则判定该数据为异常数据。
对活立木茎干水分数据进行填补处理，针对数据存储、传输时存在的某一采集时刻数据丢包问题，以及数据筛除后的数据缺失问题，采用均值插补方法填补缺失数据，即使用缺失位置前后数据的均值填补该缺失数据。
对活立木茎干水分数据进行滤波处理，选择时间窗口为6的模板（每小时采集6次数据），对全部数据进行中值滤波，将模板放置在时间序列数据的每个数据点上，以当前数据点为中心，模板的大小为1×6，对于当前数据点，将模板内的所有数据升序排序后取中间值作为当前数据点的新值，重复上述过程，直到所有数据点都被处理完毕，最终得到连续光滑的曲线。该光滑的曲线上的数据为活立木茎干水分序列数据，活立木茎干水分序列数据为时间序列数据。故本发明的活立木茎干水分序列数据是基于某个时间段内的数据，为此能够得到对应于该时间段的活立木茎干水分序列数据。
在本发明中，混沌特征参数可以通过对复杂系统时间序列数据的分析提取，包括相空间重构最优延迟时间、最优重构维数、最大李雅普诺夫指数和关联维数。故本发明利用混沌理论对活立木茎干水分数据进行分析，以确定活立木的生命状态。在本发明中，确定活立木的生命状态，可以包括预测和回溯某个时间段内的活立木茎干水分数据，也可以确定活立木生命的异常或正常状况。
在本发明中，混沌模型的建立、分析和预测都是在相空间中进行，相空间重构是进行混沌分析的基础。相空间重构是一种用于分析非线性动力系统的方法，它的基本思想是将系统的时间序列数据重构为一个高维空间中的点集，从而将系统的动力学特征可视化为这个点集的几何形态。也就是说，将时间序列数据与高维空间中的点相对应。为此，在本发明中，根据活立木水分序列数据进行相空间重构，确定第一相空间，第一相空间中的空间点对应于第一时间段内的活立木茎干水分序列数据中的子序列数据。该子序列数据是基于计算得到的重构延迟时间和重构维数从活立木茎干水分序列数据进行提取得到。
由于第一相空间是基于第一时间段内的活立木茎干水分序列数据所重构。为此，若实现预测和回溯某个时间段内的活立木茎干水分数据，则需要将预测和回溯某个时间段内的活立木茎干水分数据也重构在相空间中。故对第一相空间进行分析处理，在该第一相空间的基础上，构建新的相空间（即第二相空间）。该第二相空间中的空间点包括所述第一相空间中的空间点和新增的空间点。这些新增的空间点可以看作是对应于预测和回溯某个时间段内的活立木茎干水分序列数据。
在重构出第二相空间后，可以分析得到新增的空间点和第一相空间中的空间点之间的函数关系，然后基于该函数关系和第一相空间中的空间点对应的子序列数据，确定新增的空间点对应的子序列数据，将所有新增时间点对应的子序列数据进行相关联，得到第二时间段内的活立木茎干水分序列数据。在这里，由于是预测或回溯数据，为此，第二时间段晚于第一时间段，视为对未来时间段的数据预测，第二时间段早于第一时间段，视为对过去时间段的数据回溯。
该第二时间段内的活立木茎干水分序列数据属于是活立木在一个时间段内生长过程下的水分数据。为此，可以基于该茎干水分序列数据做出与时间相关的生长曲线图。基于该生长曲线图能够直观上对活立木进行初步的生命状态的判断。另外，基于预测得到或回溯得到的活立木茎干水分序列数据均能够从具体计算值上，对活立木的生命状态在客观上进行较具体的评价。
本发明实施例提供的活立木生命状态的确定方法，能够通过第一时间段内的活立木茎干水分数据采用相空间重构的方式，计算获取到处于预测或回溯的时间段下的活立木茎干水分数据，实现活立木生命状态的预测及回溯，提高对活立木不同阶段上生命状态的监控能力。
在上述方法的进一步方法中，若第一时间段内的活立木茎干水分序列数据不够全面精细，如存在某些时刻点上残缺数据。此时，若将该残缺数据进行填补，能够使得基于数据评判的生命状态更精准。
故在本发明中，根据新增的空间点和第一相空间中的空间点对应的第一时间段内的活立木茎干水分序列数据中的子序列数据，确定第三时刻点的活立木茎干水分数据；其中，第三时刻点的活立木茎干水分数据对应于所述新增的空间点；
根据第三时刻点的活立木茎干水分数据对第一时间段内的活立木茎干水分序列数据进行优化。
需要说明的是，对数据的采集采用预设时间间隔的方式进行采集，为此，在第一时间段内会存在某些时刻点（即第三时刻点）会未采集到数据，导致该时刻点上缺少数据。为此，新增的空间点对应的子序列数据中包含该时刻点上的数据。此时，根据第三时刻点的活立木茎干水分数据对第一时间段内的活立木茎干水分序列数据进行优化。
本发明方法的进一步方法中，通过对某些时刻点上的缺失数据进行填补，能够使得基于填补后的完整数据评判的生命状态更精准。
在上述方法的进一步方法中，主要是对根据第一相空间确定第二相空间的处理过程进行解释说明，具体如下：
选取第一相空间中的参考点，根据k近邻搜索方法确定围绕于参考点的k个邻点；
根据k个邻点构造对应于参考点的局部逼近函数，根据参考点和局部逼近函数确定新增的空间点；
根据第一相空间中的空间点和新增的空间点确定第二相空间。
对此，需要说明的是，在本发明中，由于活立木茎干水分序列数据是一个时间序列数据，为此，无论是对数据的预测还是对数据回溯，要从时间顺序上对数据挨个进行获取。故基于相空间中的某个空间点（即参考点）确定的新增的空间点。从空间点对应的序列数据上来看，其是基于重构延迟时间和重构维数确定的相邻的序列数据。
由于相空间的空间性，选取第一相空间中的参考点，根据k近邻搜索方法确定围绕于参考点的k个邻点。然后使用三次多项式的最小二乘法拟合上述k个邻点，构造局部逼近函数。该局部逼近函数表征空间点与空间点之间存在一定的关系。基于这种关系，能够在第一相空间中新增到一个空间点，然后根据第一相空间中的空间点和新增的空间点确定第二相空间。
具体如下：
根据第一时间段内的活立木茎干水分序列数据进行相空间重构之后，从重构结果中，对于给定的空间点，预测的空间点，其中和为维向量，为延迟时间。通过固定度量确定的个最近邻点，即：
；
然后使用三次多项式的最小二乘法拟合上述个最近邻点，构造局部逼近函数，此时可由预测得到。
在本发明中，根据新增的空间点对应的参考点对应的子序列数据和局部逼近函数，确定新增的空间点对应的子序列数据；
根据新增的空间点对应的子序列数据，确定第二时间段内的活立木茎干水分序列数据。
需要说明的是，从上述的局部逼近函数来看，给定的空间点（即参考点），新增的空间点或。然后基于或得到。或表征活立木茎干水分序列数据的子序列数据。
在上述方法的进一步方法中，可以对第一时间段（相当于是最近时间段）内活立木的生命状态进行评估，也可以对未来某个时间段或过去某个时间段内活立木的生命状态进行评估。故基于不同时间段内的活立木茎干水分序列数据均可以进行相空间重构，得到对应的相空间。
在本发明中，基于第二相空间获取第三相空间，第三相空间对应于由第二时间段内的活立木茎干水分序列数据进行相空间重构的空间；
相应地，方法还包括：
根据第三相空间确定李雅普诺夫指数和关联维数；
根据李雅普诺夫指数和关联维数确定第二时间段内的活立木的第一生命状态结果。
对此，需要说明的是，首先第三相空间是从第二相空间中筛选出的所有新增的空间点构成的空间。
基于第三相空间采用Wolf算法确定李雅普诺夫指数（LLE）（即最大李雅普诺夫指数），以及采用Grassberger-Procaccia算法（G-P算法）确定关联维数（CD）。
确定李雅普诺夫指数和关联维数后，活立木生命状态的确定由最大李雅普诺夫指数和相关维数共同决定，比对不同活立木茎干水分数据的最大李雅普诺夫指数和关联维数，当作为目标的活立木的最大李雅普诺夫指数或相关维数远低于其他活立木的最大李雅普诺夫指数和关联维数，认为该活立木的生命状态出现差异，表征该活立木处于非正常生命状态。
进一步的，对根据李雅普诺夫指数和关联维数确定第二时间段内的活立木的第一生命状态结果的处理过程进行解释说明，具体如下：
获取与目标活立木隶属于同一区域的预设数量的比照活立木的李雅普诺夫指数和关联维数；
将目标活立木的李雅普诺夫指数和关联维数分别与各个比照活立木的李雅普诺夫指数和关联维数进行比较，确定李雅普诺夫指数的比较差值满足第一数值条件的第一统计量，以及确定关联维数的比较差值满足第二数值条件的第二统计量；
确定第一统计量和第二统计量中任一统计量满足统计条件时，则确定目标活立木的生命状态出现异常。
下面以具体实例对上述内容进行解释说明，在同一区域包括10个活立木，包括1个目标活立木和9个比照活立木。
将1个目标活立木的李雅普诺夫指数和关联维数，分别与9个比照活立木的李雅普诺夫指数和关联维数进行比较，若1个目标活立木的李雅普诺夫指数比5个比照活立木的李雅普诺夫指数的差值大于第一数值（即满足第一数值条件），则第一统计量为5，若1个目标活立木的关联维数与3个比照活立木的关联维数的差值大于第二数值（即满足第二数值条件），则第二统计量为3。
若统计量的设计条件是4，此时，第一统计量大于4（即满足条件），而第二统计量小于4（即满足条件），此时，确定目标活立木的生命状态出现异常。
本发明确定李雅普诺夫指数和关联维数，根据李雅普诺夫指数和关联维数确定活立木的生命状态，能够有效利用水分数据的深层次信息，提高活立木生命状态评价的精度，提高生命状态评价的可靠性。
在上述方法的进一步方法中，为了使得活立木的当前生命状态的确定更加明细，此时，需要根据李雅普诺夫指数与关联维数确定第二时间段内的活立木生命状态评价指标；根据活立木生命状态评价指标确定活立木的第二生命状态结果。
进一步的，根据李雅普诺夫指数与关联维数采用以下计算公式确定活立木生命状态评价指标；
；
其中、和分别为活立木的李雅普诺夫指数、关联维数和生命状态评价指标；权重系数与为任意正常生命状态活立木的李雅普诺夫指数和相关维数，也可视为常数，通过对历史数据和实际情况的分析和统计来确定具体数值。
当时，该活立木的生命状态可能会出现差异；随着的逐渐减小，差异逐渐增大；时，该活立木将无法维持自身生命活动的稳定，处于非正常生命状态。
在上述方法的进一步方法中，主要是对根据活立木茎干水分序列数据进行相空间重构，确定相空间的处理过程进行解释说明，具体如下：
从长度为N的活立木茎干水分序列数据中选取一个起始点，以时间为步长，在序列数据中取出后续个点，即为一个长度为的子序列；
重复上述选取步骤，从序列数据中取出下一个子序列，直到取出所有长度为的子序列；
将每个长度为的子序列看作一个相空间中的空间点，得到一个空间点的集合；所述第一重构结果为空间点的集合；
；
其中，，为相空间的重构延迟时间，为相空间的重构维数。
在上述方法的进一步方法中，主要是对根据相空间确定相空间重构的重构延迟时间的处理过程的解释说明，具体如下：
根据相空间确定两维的重构图，两维的重构图由序列数据和构成；
根据两维的重构图采用以下自相关函数公式确定相空间重构的重构延迟时间；
；
式中为当时，重构图中的联合分布概率，为边缘分布的概率；；
自相关函数曲线第一次下降到极小值所对应的延迟时间τ则是相空间重构的重构延迟时间。
在上述方法的进一步方法中，主要是对根据相空间确定相空间重构的重构维数的处理过程进行解释说明，具体如下：
时间序列重构是将一个时间序列转换成多个相互独立的维度的过程，以便在高维空间中进行分析。确定合适的重构维数非常重要，因为如果重构维数太低，可能会丢失关键信息，而如果太高，则可能会引入噪音。虚假最近邻（False Nearest Neighbor）方法是一种用于确定时间序列重构维数的有效方法。
虚假最近邻方法的基本思想是：通过将原始时间序列映射到一个高维空间中，并比较每个最近邻点之间的几何距离，来确定最优的重构维数。
当重构后的重构维数为时，每一个子序列数据为：
；
其中，都至少存在一个几何上的最邻近点，其中但，两点间的几何距离为：
；
改变相空间的重构维数，当变成时，两点间的距离会变为，若，则表征的邻近点是虚假最近邻点；
从重构维数的最小值2开始，对于每个候选维数，计算重构后虚假最近邻点的数量，虚假最近邻点的数量最小的候选维数为相空间重构的重构维数。
在本发明中，采用Wolf算法确定最大李雅普诺夫指数（LLE），并验证任取长度至少为一周（即七天）的连续数据，LLE为正。
李雅普诺夫指数（又称Lyapunov指数）是用于估计系统中混沌的一种常用度量。它量化了相空间中两个无限相似闭合轨迹之间的分离率。通常，正Lyapunov指数的存在表明系统中存在混沌，而负Lyapunov指数表明系统是稳定的或表现出周期性行为，如果Lyapunov指数为0，则表明基础系统处于准稳定状态。在应用中，相空间重构也是计算LLE的第一步，求得最优和后，使用Wolf算法计算LLE。
；
其中和分别是在时间和处相空间中两个不同轨迹上两个最邻近点之间的欧几里得距离，两者的比值描述了吸引子上这两个点的时间演变。是起始点的时间，M是迭代次数，是最终迭代时间。随着M的增加，指数的值收敛到一个常数，即。当（即）时，表明存在混沌行为。
对植物茎干水分序列数据进行非线性验证，若任取长度至少为一周的连续数据，其LLE均大于0，则视为数据具有混沌特性
采用Grassberger-Procaccia算法（G-P算法）确定相关维数（CD），并验证任取长度至少为一周的连续数据，CD为正。
相空间重构获得最优和后，对于重构维相空间，关联维度函数定义为：
；
其中定义为和之间的几何距离。为阶跃函数：当，反之为0，其中，是以或为中心的球体的半径。如果在重构的相空间中存在吸引子，则相关指数通过以下公式与具有如下关系：
；
其中是一个常数。通常通过使用最小二乘法在一定范围的r（即缩放区域）上通过与拟合一条直线来确定。如果在某个确定的m值之后达到饱和值，则将饱和值定义为该时间序列的相关维数CD。
对植物茎干水分序列数据进行非线性验证，以佐证最大李雅普诺夫指数法的验证结果：若任取长度至少为一周的连续数据，其相关维数均大于0，则视为数据具有混沌特性。
本发明应用主要包括两方面：生命状态预测——若已知未来可能出现某种胁迫影响，利用当前获得的多组活立木样本的茎干水分时间序列数据，通过混沌分析计算，通过其数值预测未来的长势差异，指导对胁迫影响的应对工作；生命状态回溯——若已知短期内活立木的生长不存在胁迫影响，但对当前获得多组活立木样本的一段茎干水分时间序列数据混沌分析发现，存在较低的样本，则可因此回溯活立木过去的长势差异，表明活立木在过去某一阶段受到了当前无法完全恢复的胁迫影响。
具体实例如下：
图2为《紫薇树病虫害胁迫试验》中不同样本的茎干含水率时间序列数据，可通过混沌分析对生命状态进行预测与回溯。
依次选择胁迫初期的三段数据06.01-06.08，06.14-6.21，06.27-07.03展示混沌分析在生命状态预测中的可行性，如图3~图5所示，随着时间的增加，三株活立木样本的茎干水分时间序列数据差异逐渐明显的过程，其中图4的差异最为明显。对照下表1~表3，H值可清晰反应这一差异现象，严重染病样本的H值逐渐降低，另外两株基本保持不变。特别的，表1中H值已低于1.6，而此时茎干水分时间序列数据差异与图2相比仍不明显，表明通过混沌分析获得的H值可准确预测活立木生命状态。
表1为茎干水分06.01-06.08混沌分析数据
表2为茎干水分06.14-06.21混沌分析数据
表3为茎干水分06.27-07.03混沌分析数据
选择病虫害胁迫后（此阶段不再对活立木施加任何胁迫）的两段数据07.27-08.03，09.01-09.08展示混沌分析在生命状态回溯中的可行性，如图6、图7所示，随着时间的增加，三株活立木样本中，严重染病样本可直接通过茎干水分时间序列数据直观得出，故不需要进行混沌分析，另外两株的茎干水分时间序列数据差异不明显，对照表4，轻微染病的H值却发生明显变化，表4中H值仍低于1.6，表明活立木在过去某一阶段受到了当前无法完全恢复的胁迫影响，表5中H值接近2，此时活立木已完全摆脱影响，生命状态恢复正常，综合表明通过混沌分析获得的H值可准确回溯活立木生命状态。
表4为茎干水分07.27-08.03混沌分析数据
表5为茎干水分09.01-09.08混沌分析数据
表6为《香杨树干旱胁迫试验》混沌分析数据，试验时间2022.05.16—2022.06.05，选取胁迫初期2022.05.16—2022.05.25数据进行混沌分析，其中样本2、4为干旱致死组，其余为对照组，可以发现胁迫初期干旱致死组的H值明显低于其他组，表明通过混沌分析获得的H值可准确预测活立木生命状态。
表6为香杨树干旱胁迫试验混沌分析数据
表7、表8为《香杨树木质部胁迫试验》混沌分析数据，试验时间2022.09.01—2023.03.12，选取胁迫后2022.10.01—2022.10.30（表7）与2023.01.01—2023.01.30（表8）数据进行混沌分析，其中样本4为木质部损坏70%组，其余为对照组，可以发现胁迫后木质部损坏组的H值首先明显低于其他组，且H小于1.6；而后有所恢复（H大于1.6），通过表明通过混沌分析获得的H值可准确回溯活立木生命状态。
表7为香杨树木质部胁迫试验混沌分析数据（10月）
表8为香杨树木质部胁迫试验混沌分析数据（1月）
下面对本发明提供的活立木生命状态的确定装置进行描述，下文描述的活立木生命状态的确定装置与上文描述的活立木生命状态的确定方法可相互对应参照。
图8示出了本发明提供的一种活立木生命状态的确定装置的结构示意图，参见图8，该装置包括数据获取模块81、构建模块82、处理模块83和确定模块84，其中：
获取模块81，用于获取第一时间段内的活立木茎干水分数据，根据活立木茎干水分数据确定第一时间段内的活立木茎干水分序列数据，活立木茎干水分序列数据为时间序列数据；
构建模块82，用于根据活立木水分序列数据进行相空间重构，确定第一相空间，第一相空间中的空间点对应于第一时间段内的活立木茎干水分序列数据中的子序列数据，子序列数据由重构延迟时间和重构维数确定；
处理模块83，用于根据第一相空间确定第二相空间，第二相空间中的空间点包括第一相空间中的空间点和新增的空间点；
确定模块84，用于根据新增的空间点和第一相空间中的空间点对应的第一时间段内的活立木茎干水分序列数据中的子序列数据，确定第二时间段内的活立木茎干水分序列数据；其中，第二时间段内的活立木茎干水分序列数据中的子序列数据对应于新增的空间点，第二时间段晚于所述第一时间段或早于所述第一时间段。
在上述装置的进一步装置中，该确定模块还用于：
根据新增的空间点和第一相空间中的空间点对应的第一时间段内的活立木茎干水分序列数据中的子序列数据，确定第三时刻点的活立木茎干水分数据；其中，第三时刻点的活立木茎干水分数据对应于所述新增的空间点；
根据第三时刻点的活立木茎干水分数据对第一时间段内的活立木茎干水分序列数据进行优化。
在上述装置的进一步装置中，该处理模块在根据第一相空间确定第二相空间的处理过程中，具体用于：
选取第一相空间中的参考点，根据k近邻搜索方法确定围绕于参考点的k个邻点；
根据k个邻点构造对应于参考点的局部逼近函数，根据参考点和局部逼近函数确定新增的空间点；
根据第一相空间中的空间点和新增的空间点确定第二相空间。
在上述装置的进一步装置中，该确定模块在根据新增的空间点和第一相空间中的空间点对应的第一时间段内的活立木茎干水分序列数据中的子序列数据，确定第二时间段内的活立木茎干水分序列数据的处理过程中，具体用于：
根据新增的空间点对应的参考点对应的子序列数据和局部逼近函数，确定新增的空间点对应的子序列数据；
根据新增的空间点对应的子序列数据，确定第二时间段内的活立木茎干水分序列数据。
在上述装置的进一步装置中，基于第二相空间获取第三相空间，第三相空间对应于由第二时间段内的活立木茎干水分序列数据进行相空间重构的空间；
相应地，确定模块还用于：
根据第三相空间确定确定李雅普诺夫指数和关联维数；
根据李雅普诺夫指数和关联维数确定第二时间段内的活立木的第一生命状态结果。
在上述装置的进一步装置中，该确定模块还用于：
根据李雅普诺夫指数与关联维数确定第二时间段内的活立木生命状态评价指标；
根据活立木生命状态评价指标确定活立木的第二生命状态结果。
在上述装置的进一步装置中，该确定模块在根据李雅普诺夫指数与关联维数确定第二时间段内的活立木生命状态评价指标的处理过程中，具体用于：
根据李雅普诺夫指数与关联维数采用以下计算公式确定活立木生命状态评价指标；
；
其中、和分别为活立木的李雅普诺夫指数、关联维数和生命状态评价指标；权重系数与为任意正常生命状态活立木的李雅普诺夫指数和相关维数，为常数，通过对历史数据分析和统计来确定具体数值。
由于本发明实施例所述装置与上述实施例所述方法的原理相同，对于更加详细的解释内容在此不再赘述。
本发明提供的活立木生命状态的确定装置，能够通过第一时间段内的活立木茎干水分数据采用相空间重构的方式，计算获取到处于预测或回溯的时间段下的活立木茎干水分数据，实现活立木生命状态的预测及回溯，提高对活立木不同阶段上生命状态的监控能力。
图9示例了一种电子设备的实体结构示意图，如图9所示，该电子设备可以包括：处理器（processor）91、通信接口（Communication Interface）92、存储器（memory）93和通信总线94，其中，处理器91，通信接口92，存储器93通过通信总线94完成相互间的通信。处理器91可以调用存储器93中的计算机程序，以执行活立木生命状态的确定方法的步骤，例如包括：获取第一时间段内的活立木茎干水分数据，根据活立木茎干水分数据确定第一时间段内的活立木茎干水分序列数据，活立木茎干水分序列数据为时间序列数据；根据活立木水分序列数据进行相空间重构，确定第一相空间，第一相空间中的空间点对应于第一时间段内的活立木茎干水分序列数据中的子序列数据，子序列数据由重构延迟时间和重构维数确定；根据第一相空间确定第二相空间，第二相空间中的空间点包括第一相空间中的空间点和新增的空间点；根据新增的空间点和第一相空间中的空间点对应的第一时间段内的活立木茎干水分序列数据中的子序列数据，确定第二时间段内的活立木茎干水分序列数据；其中，第二时间段内的活立木茎干水分序列数据中的子序列数据对应于新增的空间点，第二时间段晚于所述第一时间段或早于所述第一时间段。
此外，上述的存储器93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-OnlyMemory）、随机存取存储器（RAM，RandomAccessMemory）、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存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行活立木生命状态的确定方法的步骤，例如包括：获取第一时间段内的活立木茎干水分数据，根据活立木茎干水分数据确定第一时间段内的活立木茎干水分序列数据，活立木茎干水分序列数据为时间序列数据；根据活立木水分序列数据进行相空间重构，确定第一相空间，第一相空间中的空间点对应于第一时间段内的活立木茎干水分序列数据中的子序列数据，子序列数据由重构延迟时间和重构维数确定；根据第一相空间确定第二相空间，第二相空间中的空间点包括第一相空间中的空间点和新增的空间点；根据新增的空间点和第一相空间中的空间点对应的第一时间段内的活立木茎干水分序列数据中的子序列数据，确定第二时间段内的活立木茎干水分序列数据；其中，第二时间段内的活立木茎干水分序列数据中的子序列数据对应于新增的空间点，第二时间段晚于所述第一时间段或早于所述第一时间段。
另一方面，本发明实施例还提供一种处理器可读存储介质，所述处理器可读存储介质存储有计算机程序，所述计算机程序用于使所述处理器执行活立木生命状态的确定方法的步骤，例如包括：获取第一时间段内的活立木茎干水分数据，根据活立木茎干水分数据确定第一时间段内的活立木茎干水分序列数据，活立木茎干水分序列数据为时间序列数据；根据活立木水分序列数据进行相空间重构，确定第一相空间，第一相空间中的空间点对应于第一时间段内的活立木茎干水分序列数据中的子序列数据，子序列数据由重构延迟时间和重构维数确定；根据第一相空间确定第二相空间，第二相空间中的空间点包括第一相空间中的空间点和新增的空间点；根据新增的空间点和第一相空间中的空间点对应的第一时间段内的活立木茎干水分序列数据中的子序列数据，确定第二时间段内的活立木茎干水分序列数据；其中，第二时间段内的活立木茎干水分序列数据中的子序列数据对应于新增的空间点，第二时间段晚于所述第一时间段或早于所述第一时间段。
所述处理器可读存储介质可以是处理器能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器（例如软盘、硬盘、磁带、磁光盘（MO）等）、光学存储器（例如CD、DVD、BD、HVD等）、以及半导体存储器（例如ROM、EPROM、EEPROM、非易失性存储器（NANDFLASH）、固态硬盘（SSD））等。
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)
1.一种活立木生命状态的确定方法，其特征在于，包括：
获取第一时间段内的活立木茎干水分数据，根据所述活立木茎干水分数据确定第一时间段内的活立木茎干水分序列数据，所述活立木茎干水分序列数据为时间序列数据；
根据所述活立木水分序列数据进行相空间重构，确定第一相空间，所述第一相空间中的空间点对应于第一时间段内的活立木茎干水分序列数据中的子序列数据，所述子序列数据由重构延迟时间和重构维数确定；
根据所述第一相空间确定第二相空间，所述第二相空间中的空间点包括所述第一相空间中的空间点和新增的空间点；
根据所述新增的空间点和所述第一相空间中的空间点对应的第一时间段内的活立木茎干水分序列数据中的子序列数据，确定第二时间段内的活立木茎干水分序列数据；其中，所述第二时间段内的活立木茎干水分序列数据中的子序列数据对应于所述新增的空间点，所述第二时间段晚于所述第一时间段或早于所述第一时间段。
2.根据权利要求1所述的活立木生命状态的确定方法，其特征在于，所述方法还包括：
根据所述新增的空间点和所述第一相空间中的空间点对应的第一时间段内的活立木茎干水分序列数据中的子序列数据，确定第三时刻点的活立木茎干水分数据；其中，所述第三时刻点的活立木茎干水分数据对应于所述新增的空间点；
根据第三时刻点的活立木茎干水分数据对第一时间段内的活立木茎干水分序列数据进行优化。
3.根据权利要求1或2所述的活立木生命状态的确定方法，其特征在于，所述根据所述第一相空间确定第二相空间，包括：
选取所述第一相空间中的参考点，根据k近邻搜索方法确定围绕于所述参考点的k个邻点；
根据所述k个邻点构造对应于所述参考点的局部逼近函数，根据所述参考点和所述局部逼近函数确定新增的空间点；
根据所述第一相空间中的空间点和新增的空间点确定第二相空间。
4.根据权利要求3所述的活立木生命状态的确定方法，其特征在于，所述根据所述新增的空间点和所述第一相空间中的空间点对应的第一时间段内的活立木茎干水分序列数据中的子序列数据，确定第二时间段内的活立木茎干水分序列数据，包括：
根据所述新增的空间点对应的参考点对应的子序列数据和所述局部逼近函数，确定所述新增的空间点对应的子序列数据；
根据所述新增的空间点对应的子序列数据，确定第二时间段内的活立木茎干水分序列数据。
5.根据权利要求4所述活立木生命状态的确定方法，其特征在于，基于所述第二相空间获取第三相空间，所述第三相空间对应于由第二时间段内的活立木茎干水分序列数据进行相空间重构的空间；
相应地，所述方法还包括：
根据所述第三相空间确定李雅普诺夫指数和关联维数；
根据所述李雅普诺夫指数和所述关联维数确定第二时间段内的活立木的第一生命状态结果。
6.根据权利要求5所述的活立木生命状态的确定方法，其特征在于，所述方法还包括：
根据所述李雅普诺夫指数与关联维数确定第二时间段内的活立木生命状态评价指标；
根据所述活立木生命状态评价指标确定活立木的第二生命状态结果。
7.根据权利要求6所述的活立木生命状态的确定方法，其特征在于，所述根据所述李雅普诺夫指数与关联维数确定第二时间段内的活立木生命状态评价指标，包括：
根据所述李雅普诺夫指数与所述关联维数采用以下计算公式确定活立木生命状态评价指标；
；
其中、和分别为活立木的李雅普诺夫指数、关联维数和生命状态评价指标；权重系数与为任意正常生命状态活立木的李雅普诺夫指数和相关维数，为常数，通过对历史数据分析和统计来确定具体数值。
8.一种活立木生命状态的确定装置，其特征在于，包括：
获取模块，用于获取第一时间段内的活立木茎干水分数据，根据所述活立木茎干水分数据确定第一时间段内的活立木茎干水分序列数据，所述活立木茎干水分序列数据为时间序列数据；
构建模块，用于根据所述活立木水分序列数据进行相空间重构，确定第一相空间，所述第一相空间中的空间点对应于第一时间段内的活立木茎干水分序列数据中的子序列数据，所述子序列数据由重构延迟时间和重构维数确定；
处理模块，用于根据所述第一相空间确定第二相空间，所述第二相空间中的空间点包括所述第一相空间中的空间点和新增的空间点；
确定模块，用于根据所述新增的空间点和所述第一相空间中的空间点对应的第一时间段内的活立木茎干水分序列数据中的子序列数据，确定第二时间段内的活立木茎干水分序列数据；其中，所述第二时间段内的活立木茎干水分序列数据中的子序列数据对应于所述新增的空间点，所述第二时间段晚于所述第一时间段或早于所述第一时间段。
9.一种电子设备，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，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7任一项所述的活立木生命状态的确定方法的步骤。
10.一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7中任一项所述的活立木生命状态的确定方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310864098.4A CN116610923B (zh) | 2023-07-14 | 2023-07-14 | 活立木生命状态的确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310864098.4A CN116610923B (zh) | 2023-07-14 | 2023-07-14 | 活立木生命状态的确定方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116610923A true CN116610923A (zh) | 2023-08-18 |
| CN116610923B CN116610923B (zh) | 2023-09-22 |
Family
ID=87683880
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310864098.4A Active CN116610923B (zh) | 2023-07-14 | 2023-07-14 | 活立木生命状态的确定方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116610923B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2154372C2 (ru) * | 1998-07-29 | 2000-08-20 | Марийский государственный технический университет | Способ оценки жизнеспособности сосновых древостоев |
| CN108414677A (zh) * | 2017-12-06 | 2018-08-17 | 北京林业大学 | 一种单体活立木生物量估算方法及系统 |
| CN110687166A (zh) * | 2019-10-22 | 2020-01-14 | 北京林业大学 | 乔木生命活力实时无损评测方法、装置与电子设备 |
| CN111007087A (zh) * | 2019-11-12 | 2020-04-14 | 北京林业大学 | 一种活立木冻融特性无损检测传感器、系统及方法 |
| CN112784887A (zh) * | 2021-01-12 | 2021-05-11 | 北京林业大学 | 一种植物生命状态评价方法及装置 |
| CN113063825A (zh) * | 2021-03-09 | 2021-07-02 | 北京林业大学 | 一种基于压力补偿的活立木茎干含水率无损检测装置 |
-
2023
- 2023-07-14 CN CN202310864098.4A patent/CN116610923B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2154372C2 (ru) * | 1998-07-29 | 2000-08-20 | Марийский государственный технический университет | Способ оценки жизнеспособности сосновых древостоев |
| CN108414677A (zh) * | 2017-12-06 | 2018-08-17 | 北京林业大学 | 一种单体活立木生物量估算方法及系统 |
| CN110687166A (zh) * | 2019-10-22 | 2020-01-14 | 北京林业大学 | 乔木生命活力实时无损评测方法、装置与电子设备 |
| CN111007087A (zh) * | 2019-11-12 | 2020-04-14 | 北京林业大学 | 一种活立木冻融特性无损检测传感器、系统及方法 |
| CN112784887A (zh) * | 2021-01-12 | 2021-05-11 | 北京林业大学 | 一种植物生命状态评价方法及装置 |
| CN113063825A (zh) * | 2021-03-09 | 2021-07-02 | 北京林业大学 | 一种基于压力补偿的活立木茎干含水率无损检测装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116610923B (zh) | 2023-09-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115987295B (zh) | 基于物联网的农作物监控数据高效处理方法 | |
| CN115659160B (zh) | 一种用于数字孪生模型优化的数据质量度量方法 | |
| CN112270129B (zh) | 一种基于大数据分析的植物长势预测方法 | |
| CN112291348A (zh) | 远程抄表异常监测方法及燃气表系统 | |
| CN114578087B (zh) | 基于非支配排序和随机模拟算法的风速不确定性度量方法 | |
| CN107403188A (zh) | 一种水质评价方法及装置 | |
| CN115994629B (zh) | 一种基于gn-rbf的空气湿度预测方法及系统 | |
| CN117786371B (zh) | 一种温度监测数据优化预测分析方法及系统 | |
| KR20200117690A (ko) | 멀티 홉 이웃을 이용한 컨볼루션 학습 기반의 지식 그래프 완성 방법 및 장치 | |
| CN117251798A (zh) | 一种基于两层渐进式的气象设备异常检测方法 | |
| CN117332341A (zh) | 基于物联网的飞机轮挡数据智能管理方法及系统 | |
| TW202136939A (zh) | 加工條件探索裝置及加工條件探索方法 | |
| CN116975748A (zh) | 一种烟支重量标准偏差精准诊断方法 | |
| CN113380340B (zh) | 飞灰浓度预测模型的训练方法、装置、计算机设备 | |
| CN116610923B (zh) | 活立木生命状态的确定方法、装置、电子设备及存储介质 | |
| CN117611031B (zh) | 一种冷链物联网物流温度实时监控方法及系统 | |
| CN110851959A (zh) | 一种融合深度学习和分位数回归的风速区间预测方法 | |
| CN113127464B (zh) | 农业大数据环境特征处理方法、装置及电子设备 | |
| CN114388130A (zh) | 原发性肝癌微波消融后肝内复发风险预测方法及装置 | |
| CN115690590B (zh) | 作物生长异常监测方法、装置、设备及存储介质 | |
| CN117636065A (zh) | 考虑裂缝影响的混凝土坝位移深度学习预测方法及系统 | |
| CN112784887B (zh) | 一种植物生命状态评价方法及装置 | |
| CN114565185A (zh) | 基于多源数据的腐蚀速率预测系统 | |
| CN118097435B (zh) | 基于超图神经网络的玉米倒伏分类方法及装置 | |
| KR20200108206A (ko) | 과수재해 손실 분석 시스템 및 이를 이용한 과수재해 손실 분석 방법 |
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 |