CN116663783B - 沼泽湿地生态系统碳储量统计分析系统 - Google Patents
沼泽湿地生态系统碳储量统计分析系统 Download PDFInfo
- Publication number
- CN116663783B CN116663783B CN202310938126.2A CN202310938126A CN116663783B CN 116663783 B CN116663783 B CN 116663783B CN 202310938126 A CN202310938126 A CN 202310938126A CN 116663783 B CN116663783 B CN 116663783B
- Authority
- CN
- China
- Prior art keywords
- soil
- carbon content
- organic carbon
- value
- unit
- 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
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 149
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 148
- 238000007619 statistical method Methods 0.000 title claims abstract description 20
- 230000008859 change Effects 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000013480 data collection Methods 0.000 claims abstract description 14
- 239000002689 soil Substances 0.000 claims description 80
- 238000001556 precipitation Methods 0.000 claims description 30
- 230000009467 reduction Effects 0.000 claims description 21
- 238000005070 sampling Methods 0.000 claims description 6
- 238000002310 reflectometry Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000007726 management method Methods 0.000 abstract description 13
- 230000008569 process Effects 0.000 abstract description 7
- 238000011161 development Methods 0.000 abstract description 5
- 238000011156 evaluation Methods 0.000 abstract description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 10
- 238000003860 storage Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 238000001303 quality assessment method Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011234 economic evaluation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000029553 photosynthesis Effects 0.000 description 2
- 238000010672 photosynthesis Methods 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004177 carbon cycle Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 235000015816 nutrient absorption Nutrition 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 238000009304 pastoral farming Methods 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000009991 scouring Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Pathology (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Remote Sensing (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了沼泽湿地生态系统碳储量统计分析系统，涉及碳储量统计技术领域，包括数据收集单元、数据处理单元、计算单元、预测单元、报告生成单元，数据收集单元收集与沼泽湿地碳储量相关的多源数据，数据处理单元将多源数据进行预处理后发送至计算单元，通过数据收集单元负责收集与沼泽湿地碳储量相关的多源数据，计算单元通过预处理后的多源数据建立预测系数，预测单元将预测系数与梯度阈值进行对比，依据预测系数与梯度阈值的对比结果预测沼泽湿地生态系统的碳储量变化趋势，报告生成单元对预测结果进行总结，并生成统计分析报告。本发明不仅有效帮助湿地管理单位制定适应和减缓气候变化的策略，而且还为生态经济评估和可持续发展提供支持。
Description
技术领域
本发明涉及碳储量统计技术领域，具体涉及沼泽湿地生态系统碳储量统计分析系统。
背景技术
沼泽湿地生态系统在全球碳循环中扮演着重要的角色，它们能够吸收大量的二氧化碳并储存大量的有机碳。随着全球气候变化的关注和对碳排放的关注增加，对沼泽湿地生态系统的碳储量进行统计分析变得愈发重要；
统计分析系统旨在帮助科学家和环境管理者对沼泽湿地生态系统中的碳储量进行准确评估和监测，该系统结合了遥感技术、地面调查和数学建模等多种方法，以获取全面的数据和信息。
现有技术存在以下不足：
现有分析系统在分析沼泽湿地生态系统的碳储量时，往往依赖历史数据来进行预测，缺乏实时性，从而无法为湿地管理单位制定的策略和决策提供支持。
发明内容
本发明的目的是提供沼泽湿地生态系统碳储量统计分析系统，以解决背景技术中不足。
为了实现上述目的，本发明提供如下技术方案：沼泽湿地生态系统碳储量统计分析系统，包括数据收集单元、数据处理单元、计算单元、预测单元、报告生成单元；
数据收集单元：用于收集与沼泽湿地碳储量相关的多源数据；
数据处理单元：将多源数据进行预处理后发送至计算单元；
计算单元：通过预处理后的多源数据建立预测系数；
预测单元：将预测系数与梯度阈值进行对比，依据预测系数与梯度阈值的对比结果预测沼泽湿地生态系统的碳储量变化趋势；
报告生成单元：用于对预测结果进行总结，并生成统计分析报告。
在一个优选的实施方式中，所述数据收集单元负责收集与沼泽湿地碳储量相关的多源数据，多源数据包括土壤有机碳含量标准差系数、植被指数以及降水量波动幅值。
在一个优选的实施方式中，所述植被指数的获取逻辑为：
获取红光和近红外波段的遥感影像，对获取的遥感影像进行校正；
通过遥感影像中每个像素点的光谱反射率计算红光和近红外波段的反射率值，近红外波段的反射率值的计算表达式为：
NIR＝(NIX-hgmin)/(hgmax-hgmin)；
式中，NIR为近红外波段的反射率值，NIX为近红外波段像素值，hgmin为最小近红外波段像素值，hgmax为最大近红外波段像素值；
红光波段的反射率值的计算表达式为：
Red＝(ReX-hwmin)/(hwmax-hwmin)；
式中，Red为红光波段的反射率值，ReX为红光波段像素值，hwmin为最小红光波段像素值，hwmax为最大红光波段像素值：
zbz＝(NIR-Red)/(NIR+Red)；
其中，NIR表示近红外波段的反射率值，Red表示红光波段的反射率值。
在一个优选的实施方式中，所述降水量波动幅值的计算表达式为：
式中，jsc为实时测量的降水量，jsmin为湿地生态稳定最小降水量，jsmax为湿地生态稳定最大降水量。
在一个优选的实施方式中，所述土壤有机碳含量标准差系数的获取逻辑为：
若土壤有机碳含量的平均值＜含量阈值，且土壤有机碳含量标准差thbz＜离散阈值，土壤有机碳含量标准差系数thy＝3；
若土壤有机碳含量的平均值＜含量阈值，且土壤有机碳含量标准差thbz≥离散阈值，土壤有机碳含量标准差系数thy＝2；
若土壤有机碳含量的平均值≥含量阈值，表明湿地各个取样点区域的土壤有机碳含量增加，土壤有机碳含量标准差系数thy＝1。
在一个优选的实施方式中，所述土壤有机碳含量标准差的获取逻辑为：
收集涉及土壤有机碳含量的样本数据，并计算土壤有机碳含量数据的平均值；
对于每个样本点的土壤有机碳含量值，计算其与平均值之间的差值，将差值进行平方运算，得到每个样本点的平方差值，将所有样本点的平方差值进行求和，得到总的平方差值；
将总的平方差值除以样本的总个数，得到土壤有机碳含量的方差，对方差进行平方根运算，得到土壤有机碳含量的标准差，计算表达式为：
式中，thbz为土壤有机碳含量标准差，YCi为每个样本点的土壤有机碳含量值，为土壤有机碳含量的平均值，N为样本的总个数。
在一个优选的实施方式中，所述计算单元将土壤有机碳含量标准差系数、植被指数以及降水量波动幅值去除量纲后，取其数值综合计算得到预测系数ycs，计算表达式为：
式中，zbc为植被指数，thy为土壤有机碳含量标准差系数，jsb为降水量波动幅值，σ、τ、分别为植被指数、土壤有机碳含量标准差系数、降水量波动幅值的比例系数，且σ、τ、均大于0。
在一个优选的实施方式中，所述梯度阈值包括第一预警阈值yj1、第二预警阈值yj2，且yj1＜yj2，获取预测系数ycs后，将预测系数ycs分别与第一预警阈值yj1、第二预警阈值yj2进行对比。
在一个优选的实施方式中，若预测系数ycs＜第一预警阈值yj1，所述预测单元预测沼泽湿地生态系统未来的碳储量减少，且碳储量减少变化速度快；
若第一预警阈值yj1≤预测系数ycs＜第二预警阈值yj2，所述预测单元预测沼泽湿地生态系统未来的碳储量减少，且碳储量减少变化速度缓和；
若预测系数ycs≥第二预警阈值yj2，所述预测单元预测沼泽湿地生态系统未来的碳储量增长。
在上述技术方案中，本发明提供的技术效果和优点：
1、本发明通过数据收集单元负责收集与沼泽湿地碳储量相关的多源数据，计算单元通过预处理后的多源数据建立预测系数，预测单元将预测系数与梯度阈值进行对比，依据预测系数与梯度阈值的对比结果预测沼泽湿地生态系统的碳储量变化趋势，不仅有效帮助湿地管理单位制定适应和减缓气候变化的策略，而且还为生态经济评估和可持续发展提供支持；
2、本发明通过计算单元将土壤有机碳含量标准差系数、植被指数以及降水量波动幅值去除量纲后，取其数值综合计算得到预测系数，不仅提高数据的处理效率，而且通过实时数据分析，分析更为全面、准确。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本发明的方法流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
实施例1：请参阅图1所示，本实施例所述沼泽湿地生态系统碳储量统计分析系统，包括数据收集单元、数据处理单元、计算单元、预测单元、报告生成单元；
数据收集单元负责收集与沼泽湿地碳储量相关的多源数据，多源数据发送至数据处理单元；
数据处理单元将多源数据进行预处理后发送至计算单元；
计算单元通过预处理后的多源数据建立预测系数，预测系数发送至预测单元；
预测单元将预测系数与梯度阈值进行对比，依据预测系数与梯度阈值的对比结果预测沼泽湿地生态系统的碳储量变化趋势，并将预测结果发送至报告生成单元；
报告生成单元对预测结果进行总结，并生成统计分析报告告，统计分析报告包括碳储量的定量结果、数据质量评估、方法描述和可行性讨论等内容，结果的解释基于科学原则和统计推断，以支持对沼泽湿地生态系统作出的决策和管理。
本申请通过数据收集单元负责收集与沼泽湿地碳储量相关的多源数据，计算单元通过预处理后的多源数据建立预测系数，预测单元将预测系数与梯度阈值进行对比，依据预测系数与梯度阈值的对比结果预测沼泽湿地生态系统的碳储量变化趋势，不仅有效帮助湿地管理单位制定适应和减缓气候变化的策略，而且还为生态经济评估和可持续发展提供支持。
数据收集单元负责收集与沼泽湿地碳储量相关的多源数据，多源数据包括土壤有机碳含量标准差系数、植被指数以及降水量波动幅值；
数据处理单元将土壤有机碳含量标准差系数、植被指数以及降水量波动幅值进行预处理包括以下步骤：
1)数据清洗：对收集到的数据进行清洗，去除异常值和错误数据，这可以包括检查数据的完整性、一致性和准确性，修正或删除不准确或缺失的数据；
2)缺失值处理：处理数据中的缺失值，可以选择填补缺失值或删除包含缺失值的数据记录，填补缺失值的方法可以使用插值方法，如线性插值、多项式插值或基于相似样本的插值方法等；
3)数据平滑：对数据进行平滑处理，以减少数据中的噪声和异常波动，平滑方法可以包括移动平均、加权平均或滤波等。
实施例2：
计算单元通过预处理后的多源数据建立预测系数，包括以下步骤：
计算单元将土壤有机碳含量标准差系数、植被指数以及降水量波动幅值去除量纲后，取其数值综合计算得到预测系数ycs，计算表达式为：
式中，zbz为植被指数，thy为土壤有机碳含量标准差系数，jsb为降水量波动幅值，σ、τ、分别为植被指数、土壤有机碳含量标准差系数、降水量波动幅值的比例系数，且σ、τ、均大于0。
预测单元将预测系数与梯度阈值进行对比，依据预测系数与梯度阈值的对比结果预测沼泽湿地生态系统的碳储量变化趋势，并将预测结果发送至报告生成单元；
梯度阈值包括第一预警阈值yj1、第二预警阈值yj2，且yj1＜yj2，获取预测系数ycs后，将预测系数ycs分别与第一预警阈值yj1、第二预警阈值yj2进行对比；
若预测系数ycs＜第一预警阈值yj1，预测单元预测沼泽湿地生态系统未来的碳储量减少，且碳储量减少变化速度快；
若第一预警阈值yj1≤预测系数ycs＜第二预警阈值yj2，预测单元预测沼泽湿地生态系统未来的碳储量减少，且碳储量减少变化速度缓和；
若预测系数ycs≥第二预警阈值yj2，预测单元预测沼泽湿地生态系统未来的碳储量增长。
本申请通过计算单元将土壤有机碳含量标准差系数、植被指数以及降水量波动幅值去除量纲后，取其数值综合计算得到预测系数，不仅提高数据的处理效率，而且通过实时数据分析，分析更为全面、准确。
植被指数zbz的获取逻辑为：
获取红光和近红外波段的遥感影像：植被指数的计算需要使用红光和近红外波段的遥感数据，这些数据可以来自各种遥感平台，如卫星、航空遥感或无人机；
预处理和辐射校正：对获取的遥感影像进行校正，包括大气校正、几何校正和辐射校正等，以确保数据质量和一致性；
波段反射率计算：通过遥感影像中每个像素点的光谱反射率计算红光和近红外波段的反射率值，近红外波段的反射率值的计算表达式为：
NIR＝(NIX-hgmin)/(hgmax-hgmin)；
式中，NIR为近红外波段的反射率值，NIX为近红外波段像素值，hgmin为最小近红外波段像素值，hgmax为最大近红外波段像素值，其中，近红外波段像素值为遥感影像中对应像素点的近红外波段值，最小近红外波段像素值和最大近红外波段像素值分别为该波段在整个影像中的最小和最大像素值；
红光波段的反射率值的计算表达式为：
Red＝(ReX-hwmin)/(hwmax-hwmin)；
式中，Red为红光波段的反射率值，ReX为红光波段像素值，hwmin为最小红光波段像素值，hwmax为最大红光波段像素值，其中，红光波段像素值为遥感影像中对应像素点的红光波段值，最小红光波段像素值和最大红光波段像素值分别为该波段在整个影像中的最小和最大像素值；
植被指数计算：根据以下公式计算植被指数zbz：
zbz＝(NIR-Red)/(NIR+Red)；
其中，NIR表示近红外波段的反射率值，Red表示红光波段的反射率值；
计算得到的NDVI值的范围在-1到+1之间，负值表示非植被区域(如水体)，接近零的值表示土壤或裸露地表，较高的正值表示较为繁茂的植被，因此植被指数越大，表明植被覆盖程度越高，湿地植被通过光合作用吸收二氧化碳，并将其固定为有机碳。
降水量波动幅值的计算表达式为：
式中，jsc为实时测量的降水量，jsmin为湿地生态稳定最小降水量，jsmax为湿地生态稳定最大降水量；
当jsc>jsmax时，长期大量降水可能导致湿地水位升高，超过了湿地的自然排水能力，过多的降水可能导致水流冲刷，带走湿地表层土壤中的有机质，减少碳的储存量；
当jsc<jsmin时，较少的降水量可能导致湿地水位下降，使土壤干燥，限制植物的生长和养分吸收，这可能导致植被生产力降低，减少有机物质输入，影响碳的储存，干旱条件下，植物可能会减少光合作用活动，导致碳的固定减少。
土壤有机碳含量标准差系数thy的获取逻辑为：
1)先计算土壤有机碳含量标准差，获取逻辑为：
1.1)数据收集：收集涉及土壤有机碳含量的样本数据，这可以通过实地采样或已有的土壤调查数据等方式进行；
1.2)计算平均值：计算土壤有机碳含量数据的平均值，将所有样本点的土壤有机碳含量值相加，然后除以样本的总个数；
1.3)计算差值：对于每个样本点的土壤有机碳含量值，计算其与平均值之间的差值；
1.4)平方差值：将差值进行平方运算，得到每个样本点的平方差值；
1.5)求和：将所有样本点的平方差值进行求和，得到总的平方差值；
1.6)计算方差：将总的平方差值除以样本的总个数，得到土壤有机碳含量的方差；
1.7)计算标准差：对方差进行平方根运算，即可得到土壤有机碳含量的标准差，计算表达式为：
式中，thbz为土壤有机碳含量标准差，YCi为每个样本点的土壤有机碳含量值，为土壤有机碳含量的平均值，N为样本的总个数；
2)获取土壤有机碳含量标准差系数：
2.1)若土壤有机碳含量的平均值＜含量阈值，且土壤有机碳含量标准差thbz＜离散阈值，表明湿地各个取样点区域的土壤有机碳含量减少，且减少速度快，此时土壤有机碳含量标准差系数thy＝3；
2.2)若土壤有机碳含量的平均值＜含量阈值，且土壤有机碳含量标准差thbz≥离散阈值，表明湿地各个取样点区域的土壤有机碳含量减少，且减少速度缓和，此时土壤有机碳含量标准差系数thy＝2；
2.3)若土壤有机碳含量的平均值≥含量阈值，表明湿地各个取样点区域的土壤有机碳含量增加，此时土壤有机碳含量标准差系数thy＝1。
实施例3：预测单元将预测系数与梯度阈值进行对比，依据预测系数与梯度阈值的对比结果预测沼泽湿地生态系统的碳储量变化趋势，并将预测结果发送至报告生成单元；
若预测系数ycs＜第一预警阈值yj1，预测单元预测沼泽湿地生态系统未来的碳储量减少，且碳储量减少变化速度快；
若第一预警阈值yj1≤预测系数ycs＜第二预警阈值yj2，预测单元预测沼泽湿地生态系统未来的碳储量减少，且碳储量减少变化速度缓和；
若预测系数ycs≥第二预警阈值yj2，预测单元预测沼泽湿地生态系统未来的碳储量增长。
报告生成单元对预测结果进行总结，并生成统计分析报告告，统计分析报告包括碳储量的定量结果、数据质量评估、方法描述和可行性讨论等内容，结果的解释基于科学原则和统计推断，以支持对沼泽湿地生态系统作出的决策和管理。
当预测结果为沼泽湿地生态系统未来的碳储量减少，且碳储量减少变化速度快时，需要及时作出决策和管理，且决策和管理预留时间少；
当预测结果为沼泽湿地生态系统未来的碳储量减少，且碳储量减少变化速度缓和时，需要作出决策和管理，且决策和管理预留时间多；
决策和管理包括：
1)碳储量保护和恢复措施：
实施湿地保护政策和管理措施，确保湿地的完整性和稳定性；
采取措施保护湿地植被，例如禁止非法采伐和砍伐，控制过度放牧等；
推广湿地恢复和修复项目，包括湿地生态系统的植被恢复、湿地水文恢复和土壤改良等措施；
2)水资源管理：
管理和保护湿地的水资源，确保湿地的正常水位和水文过程；
控制过度排水和过度灌溉，减少水资源的浪费；
优化水资源利用，确保湿地生态系统的水分需求得到满足；
3)气候变化适应措施：
制定适应气候变化的策略，减轻湿地生态系统受气候变化影响的风险；
推动低碳经济发展，减少温室气体排放，以降低气候变化对湿地生态系统的影响；
加强监测和预警系统，及时应对极端气候事件对湿地生态系统的威胁。
报告生成单元对预测结果进行总结，并生成统计分析报告告，统计分析报告包括碳储量的定量结果、数据质量评估、方法描述和可行性讨论包括以下内容：
1)碳储量的定量结果：
提供预测结果中沼泽湿地碳储量的定量数值，如单位时间内的碳储量减少量或变化率；
可以使用图表、表格等形式展示定量结果，以便清晰地表达预测结果；
2)数据质量评估：
对使用的数据进行质量评估，包括数据的完整性、一致性和准确性等方面的评估；
描述评估结果，包括数据的可靠性和可信度，以及数据的局限性和不确定性；
3)方法描述：
详细描述用于预测沼泽湿地碳储量变化的分析方法和模型；
包括所使用的统计模型、算法、参数设置等相关信息，并解释其适用性和可靠性；
4)可行性讨论：
对预测结果的可行性进行讨论，包括分析结果的合理性、可靠性和可解释性等方面；
讨论与预测结果相关的不确定性、敏感性和风险，并提出相应的解释和建议；
5)结论和建议：
根据统计分析报告的结果，总结沼泽湿地碳储量减少的情况，并评估其对生态系统的影响；
提出相应的管理和保护建议，以减缓碳储量减少的速度并实现可持续发展。
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质。半导体介质可以是固态硬盘。
应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，其中A,B可以是单数或者复数。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系，但也可能表示的是一种“和/或”的关系，具体可参考前后文进行理解。
本申请中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a,b,或c中的至少一项(个)，可以表示：a,b,c,a-b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。
应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的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，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
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单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以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，本申请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)执行本申请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(read-only-memory，ROM)、随机存取存储器(random-access-memory，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，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (2)
1.沼泽湿地生态系统碳储量统计分析系统，其特征在于：包括数据收集单元、数据处理单元、计算单元、预测单元、报告生成单元；
数据收集单元：用于收集与沼泽湿地碳储量相关的多源数据；
数据处理单元：将多源数据进行预处理后发送至计算单元；
计算单元：通过预处理后的多源数据建立预测系数；
预测单元：将预测系数与梯度阈值进行对比，依据预测系数与梯度阈值的对比结果预测沼泽湿地生态系统的碳储量变化趋势；
报告生成单元：用于对预测结果进行总结，并生成统计分析报告；
所述数据收集单元负责收集与沼泽湿地碳储量相关的多源数据，多源数据包括土壤有机碳含量标准差系数、植被指数以及降水量波动幅值；
所述计算单元将土壤有机碳含量标准差系数、植被指数以及降水量波动幅值去除量纲后，取其数值综合计算得到预测系数ycs，计算表达式为：
式中，zbz为植被指数，thy为土壤有机碳含量标准差系数，jsb为降水量波动幅值，σ、τ、分别为植被指数、土壤有机碳含量标准差系数、降水量波动幅值的比例系数，且σ、τ、/>均大于0；
所述梯度阈值包括第一预警阈值yj1、第二预警阈值yj2，且yj1＜yj2，获取预测系数ycs后，将预测系数ycs分别与第一预警阈值yj1、第二预警阈值yj2进行对比；
若预测系数ycs＜第一预警阈值yj1，所述预测单元预测沼泽湿地生态系统未来的碳储量减少，且碳储量减少变化速度快；
若第一预警阈值yj1≤预测系数ycs＜第二预警阈值yj2，所述预测单元预测沼泽湿地生态系统未来的碳储量减少，且碳储量减少变化速度缓和；
若预测系数ycs≥第二预警阈值yj2，所述预测单元预测沼泽湿地生态系统未来的碳储量增长；
所述降水量波动幅值的计算表达式为：
式中，jsc为实时测量的降水量，jsmin为湿地生态稳定最小降水量，jsmax为湿地生态稳定最大降水量；
所述土壤有机碳含量标准差系数的获取逻辑为：
若土壤有机碳含量的平均值＜含量阈值，且土壤有机碳含量标准差thbz＜离散阈值，土壤有机碳含量标准差系数thy＝3；
若土壤有机碳含量的平均值＜含量阈值，且土壤有机碳含量标准差thbz≥离散阈值，土壤有机碳含量标准差系数thy＝2；
若土壤有机碳含量的平均值≥含量阈值，表明湿地各个取样点区域的土壤有机碳含量增加，土壤有机碳含量标准差系数thy＝1；
所述土壤有机碳含量标准差的获取逻辑为：
收集涉及土壤有机碳含量的样本数据，并计算土壤有机碳含量数据的平均值；
对于每个样本点的土壤有机碳含量值，计算其与平均值之间的差值，将差值进行平方运算，得到每个样本点的平方差值，将所有样本点的平方差值进行求和，得到总的平方差值；
将总的平方差值除以样本的总个数，得到土壤有机碳含量的方差，对方差进行平方根运算，得到土壤有机碳含量的标准差，计算表达式为：
式中，thbz为土壤有机碳含量标准差，YCi为每个样本点的土壤有机碳含量值，为土壤有机碳含量的平均值，N为样本的总个数。
2.根据权利要求1所述的沼泽湿地生态系统碳储量统计分析系统，其特征在于：所述植被指数的获取逻辑为：
获取红光和近红外波段的遥感影像，对获取的遥感影像进行校正；
通过遥感影像中每个像素点的光谱反射率计算红光和近红外波段的反射率值，近红外波段的反射率值的计算表达式为：
NIR＝(NIX-hgmin)/(hgmax-hgmin)；
式中，NIR为近红外波段的反射率值，NIX为近红外波段像素值，hgmin为最小近红外波段像素值，hgmax为最大近红外波段像素值；
红光波段的反射率值的计算表达式为：
Red＝(ReX-hwmin)/(hwmax-hwmin)；
式中，Red为红光波段的反射率值，ReX为红光波段像素值，hwmin为最小红光波段像素值，hwmax为最大红光波段像素值：
zbz＝(NIR-Red)/(NIR+Red)；
其中，zbz为植被指数，NIR表示近红外波段的反射率值，Red表示红光波段的反射率值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310938126.2A CN116663783B (zh) | 2023-07-28 | 2023-07-28 | 沼泽湿地生态系统碳储量统计分析系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310938126.2A CN116663783B (zh) | 2023-07-28 | 2023-07-28 | 沼泽湿地生态系统碳储量统计分析系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116663783A CN116663783A (zh) | 2023-08-29 |
| CN116663783B true CN116663783B (zh) | 2023-10-13 |
Family
ID=87715635
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310938126.2A Active CN116663783B (zh) | 2023-07-28 | 2023-07-28 | 沼泽湿地生态系统碳储量统计分析系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116663783B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1102065A2 (de) * | 1999-11-15 | 2001-05-23 | Gerhard Prof. Dr. Flick | Verfahren zur Ermittlung der Verfügbarkeit von Stickstoff und/oder Kohlenstoff in Böden und von Erden, Sedimenten und Komposten für das Pflanzenwachstum zur Quantifizierung der Stickstoffdüngung |
| KR20100047111A (ko) * | 2008-10-27 | 2010-05-07 | 서울대학교산학협력단 | 토양전염성 식물병 발생 예찰시스템 및 그 방법 |
| CN107862255A (zh) * | 2017-10-23 | 2018-03-30 | 交通运输部科学研究院 | 一种基于微波遥感和光学遥感技术的湿地信息提取与生态敏感性评价的方法 |
| CN110750904A (zh) * | 2019-10-22 | 2020-02-04 | 南京信大气象科学技术研究院有限公司 | 一种基于遥感数据的区域碳储量空间格局监测系统和方法 |
| CN111488902A (zh) * | 2020-01-14 | 2020-08-04 | 沈阳农业大学 | 一种原生滨海湿地生态系统碳储量定量估算方法及系统 |
| CN111814326A (zh) * | 2020-07-02 | 2020-10-23 | 中国科学院东北地理与农业生态研究所 | 一种沼泽湿地芦苇地上生物量估算方法 |
| AU2020103139A4 (en) * | 2020-10-30 | 2021-01-07 | Gengyuan LIU | Marine Ecological Monitoring And Its Assessment Methods |
| CN113392377A (zh) * | 2021-06-29 | 2021-09-14 | 生态环境部卫星环境应用中心 | 基于土壤湿度的沼泽湿地遥感提取方法和系统 |
| CN114511254A (zh) * | 2022-04-21 | 2022-05-17 | 滨州学院 | 基于数据分析的滨海湿地生态系统碳储量调节管理系统 |
| WO2023087630A1 (zh) * | 2021-11-22 | 2023-05-25 | 浙江大学 | 一种利用遥感构建指数估算秸秆残留农田土壤盐分的方法 |
-
2023
- 2023-07-28 CN CN202310938126.2A patent/CN116663783B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1102065A2 (de) * | 1999-11-15 | 2001-05-23 | Gerhard Prof. Dr. Flick | Verfahren zur Ermittlung der Verfügbarkeit von Stickstoff und/oder Kohlenstoff in Böden und von Erden, Sedimenten und Komposten für das Pflanzenwachstum zur Quantifizierung der Stickstoffdüngung |
| KR20100047111A (ko) * | 2008-10-27 | 2010-05-07 | 서울대학교산학협력단 | 토양전염성 식물병 발생 예찰시스템 및 그 방법 |
| CN107862255A (zh) * | 2017-10-23 | 2018-03-30 | 交通运输部科学研究院 | 一种基于微波遥感和光学遥感技术的湿地信息提取与生态敏感性评价的方法 |
| CN110750904A (zh) * | 2019-10-22 | 2020-02-04 | 南京信大气象科学技术研究院有限公司 | 一种基于遥感数据的区域碳储量空间格局监测系统和方法 |
| CN111488902A (zh) * | 2020-01-14 | 2020-08-04 | 沈阳农业大学 | 一种原生滨海湿地生态系统碳储量定量估算方法及系统 |
| CN111814326A (zh) * | 2020-07-02 | 2020-10-23 | 中国科学院东北地理与农业生态研究所 | 一种沼泽湿地芦苇地上生物量估算方法 |
| AU2020103139A4 (en) * | 2020-10-30 | 2021-01-07 | Gengyuan LIU | Marine Ecological Monitoring And Its Assessment Methods |
| CN113392377A (zh) * | 2021-06-29 | 2021-09-14 | 生态环境部卫星环境应用中心 | 基于土壤湿度的沼泽湿地遥感提取方法和系统 |
| WO2023087630A1 (zh) * | 2021-11-22 | 2023-05-25 | 浙江大学 | 一种利用遥感构建指数估算秸秆残留农田土壤盐分的方法 |
| CN114511254A (zh) * | 2022-04-21 | 2022-05-17 | 滨州学院 | 基于数据分析的滨海湿地生态系统碳储量调节管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116663783A (zh) | 2023-08-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117935081B (zh) | 一种基于遥感卫星数据的耕地变化监测方法及系统 | |
| CN108918815B (zh) | 一种土壤重金属风险预测方法 | |
| CN117787658A (zh) | 一种基于灌区的河水流量异常条件下水资源调度系统 | |
| CN117037076B (zh) | 一种基于遥感技术的土壤墒情智能监测方法 | |
| CN117391727B (zh) | 一种负碳排放的碳中和方法及系统 | |
| CN115937692B (zh) | 一种滨海湿地碳汇效果评估方法和系统 | |
| CN117095290A (zh) | 一种基于卫星遥感的碳汇监测方法 | |
| Foroumandi et al. | Climate change or regional human impacts? Remote sensing tools, artificial neural networks, and wavelet approaches aim to solve the problem | |
| CN114648705A (zh) | 一种基于卫星遥感的碳汇监测系统及方法 | |
| Saponaro et al. | Evaluation of aerosol and cloud properties in three climate models using MODIS observations and its corresponding COSP simulator, as well as their application in aerosol–cloud interactions | |
| CN113125383A (zh) | 基于遥感的农耕用地次生盐渍化监测和预警方法和系统 | |
| CN115239105A (zh) | 一种在役风电场的风资源的评估方法以及装置 | |
| CN116663783B (zh) | 沼泽湿地生态系统碳储量统计分析系统 | |
| CN113592265A (zh) | 一种基于层次分析法的地块风险测评方法及装置 | |
| Subagadis et al. | A fuzzy-stochastic modeling approach for multiple criteria decision analysis of coupled groundwater-agricultural systems | |
| CN114926005A (zh) | 生态资产评估方法、评估设备及计算机可读存储介质 | |
| CN114169794A (zh) | 污染可能性的评估方法、装置、计算机设备和存储介质 | |
| CN118171937B (zh) | 基于生态系统服务评估模型的海岸带管理优化方法及系统 | |
| CN117540854B (zh) | 一种基于云平台的多通道土壤信息监测系统 | |
| CN116109211B (zh) | 基于设备数字化的设备运行水平分析方法及装置 | |
| Zhang et al. | Flood Detection Using GRACE Terrestrial Water Storage and Extreme Precipitation | |
| CN117236074B (zh) | 土壤厚度自动预警方法、装置、设备及介质 | |
| CN118277731A (zh) | 应用于河道流域监控系统的水质预测方法及系统 | |
| Josue et al. | Fuzzy-Based Spatial Analysis and Coastal Vulnerability Assessment of Balanga City, Bataan due to Sea-Level Rise | |
| CN118197008A (zh) | 一种地质灾害监测预警方法及系统 |
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 |