CN116933034A - 生态系统碳储量变化的确定方法、系统、电子设备及介质 - Google Patents

生态系统碳储量变化的确定方法、系统、电子设备及介质 Download PDF

Info

Publication number
CN116933034A
CN116933034A CN202311001867.4A CN202311001867A CN116933034A CN 116933034 A CN116933034 A CN 116933034A CN 202311001867 A CN202311001867 A CN 202311001867A CN 116933034 A CN116933034 A CN 116933034A
Authority
CN
China
Prior art keywords
ecosystem
change
carbon
grid point
time scale
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.)
Pending
Application number
CN202311001867.4A
Other languages
English (en)
Inventor
王渊刚
罗格平
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.)
Xinjiang Institute of Ecology and Geography of CAS
Original Assignee
Xinjiang Institute of Ecology and Geography of CAS
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 Xinjiang Institute of Ecology and Geography of CAS filed Critical Xinjiang Institute of Ecology and Geography of CAS
Priority to CN202311001867.4A priority Critical patent/CN116933034A/zh
Publication of CN116933034A publication Critical patent/CN116933034A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/243Classification techniques relating to the number of classes
    • G06F18/24323Tree-organised classifiers
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • G06N20/20Ensemble learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种生态系统碳储量变化的确定方法、系统、电子设备及介质,涉及生态系统碳汇核算领域,该方法包括:获取站点尺度不同土地利用与覆被变化LUCC类型下生态系统碳密度变化数据以及站点包含自然环境因子和生态系统管理措施在内的解释变量数据,建立生态系统碳密度对LUCC的响应模型。然后逐格点判断土地覆被类型是否发生变化,若是,记录LUCC信息;利用生态系统碳密度对LUCC的响应模型以及各格点生态系统碳密度的解释变量数据确定各格点生态系统植被碳密度和土壤有机碳密度变化量,再乘以相应格点面积,确定各格点生态系统总碳储量变化量。本发明提高了LUCC导致的生态系统碳储量变化量核算的准确性。

Description

生态系统碳储量变化的确定方法、系统、电子设备及介质
技术领域
本发明涉及生态系统碳汇核算领域,特别是涉及一种生态系统碳储量变化的确定方法、系统、电子设备及介质。
背景技术
土地利用与覆被变化(land use and land cover change,LUCC)是影响陆地生态系统碳动态和全球碳平衡估算的关键因素,也是提升陆地生态系统碳汇潜力和缓解未来气候变化的潜在途径。然而,目前土地利用与覆被变化LUCC对区域生态系统碳储量影响相关评估存在显著的不确定性。这主要是因为站点尺度研究主要关注土地利用与覆被变化LUCC后生态系统碳密度变化幅度,对复杂多样、异质的自然环境因素和人类活动对变化幅度的贡献重视不足。假定研究区内相同土地利用与覆被变化LUCC发生后生态系统碳密度变化幅度一致且无时空差异,忽视了自然因素和人类活动导致的碳密度变化异质性。既无法全面认知土地利用与覆被变化LUCC对生态系统碳动态的驱动机制,也难以满足土地利用与覆被变化LUCC导致碳排放和生态系统碳动态评估的需求。此外,现有方法以区域或亚区域为研究单元,仅能刻画整个研究区或较大尺度下的土地利用与覆被变化LUCC和生态系统碳储量变化特征,难以反映研究区内生态系统碳储量变化的空间分布特征,这降低了生态系统碳增汇策略的可靠性和适宜性。总之现有土地利用与覆被变化LUCC对区域尺度生态系统碳储量评估方法简化了生态系统碳密度的变化过程。
基于实测数据,众多研究定量分析了站点尺度土地利用与覆被变化LUCC对生态系统碳密度的影响,这些站点尺度的独立研究虽然有较大的异质性,但其异质性可被环境因子和管理措施较好解释。这也为建立精确且普适的生态系统碳密度对土地利用与覆被变化LUCC的响应模型提供了可能。基于该模型,结合相应的解释变量数据可构建格网尺度的碳密度响应曲线,降低生态系统碳密度变化时空异质性导致的不确定性。因此,降低土地利用与覆被变化LUCC对生态系统碳密度变化影响的空间异质性,要求相应的评估方法具有空间分析能力,现有以区域为评估单元的方法难以满足其需求。近年来已有研究试图实现Bookkeeping模型空间化,但相应方法仅实现了格网尺度的土地利用与覆被变化LUCC信息探测,生态系统碳密度变化的时空异质性仍未解决。
综上所述,目前的生态系统碳储量评估方法不能准确的对生态系统碳储量进行评估。
发明内容
本发明的目的是提供一种生态系统碳储量变化的确定方法、系统、电子设备及介质,以提高生态系统碳储量估计的准确性。
为实现上述目的,本发明提供了如下方案:
一种生态系统碳储量变化的确定方法,包括:
获取预设时段内待研究区域土地利用与覆被变化LUCC发生后影响生态系统碳密度变化的目标解释变量数据;所述目标解释变量数据为显著性水平小于预设值的解释变量数据;所述解释变量数据包括自然环境因子和生态系统管理措施;所述自然环境因子包括年均降水、年均气温、地形、土壤容重数据和土壤属性;所述生态系统管理措施包括放牧、种植年限、灌溉、施肥、作物种类、刈割和间伐;
针对任一格点:
判断预设时段内当前格点的土地覆被类型是否一致;
若是,则对下一格点的土地覆被类型是否一致进行判断;
若否,则确定当前格点土地利用与覆被变化LUCC发生时间和变化类型,并利用当前格点的所述目标解释变量数据驱动生态系统碳密度对土地利用与覆被变化LUCC的响应模型,确定当前格点的生态系统植被碳密度在时间尺度上的变化量和当前格点的生态系统土壤有机碳密度在时间尺度上的变化量;覆被类型为耕地、林地、草地、灌丛、建设用地或裸地;所述生态系统碳密度对土地利用与覆被变化LUCC的响应模型包括生态系统植被碳密度响应子模型和生态系统土壤有机碳密度响应子模型;其中,所述生态系统植被碳密度响应子模型是根据所述目标解释变量数据和土地利用与覆被变化LUCC发生后生态系统植被碳密度在时间尺度上的变化量建立的;所述生态系统土壤有机碳密度响应子模型是根据所述目标解释变量数据和土地利用与覆被变化LUCC发生后生态系统土壤有机碳密度在时间尺度上的变化量建立的;
根据当前格点的生态系统植被碳密度在时间尺度上的变化量和相应的格点面积,确定当前格点的生态系统植被碳储量在时间尺度上的变化量;
根据当前格点的生态系统土壤有机碳密度在时间尺度上的变化量和相应的格点面积,确定当前格点的生态系统土壤有机碳储量在时间尺度上的变化量;
根据当前格点的生态系统植被碳储量在时间尺度上的变化量、当前格点的生态系统土壤有机碳储量在时间尺度上的变化量和原覆被类型植被碳在时间尺度上的排放量,确定当前格点的生态系统总碳储量在时间尺度上的变化量;所述原覆被类型植被碳在时间尺度上的排放量是根据原覆被类型的植被碳密度、发生土地利用与覆被变化后原覆被类型在不同利用方式下的植被碳氧化速率和不同利用方式下的植被碳占总量的百分比确定的。
可选地,建立生态系统植被碳密度响应子模型的过程,具体包括:
获取历年训练用区域内在站点尺度上土地利用与覆被变化LUCC发生前生态系统植被碳密度、发生前生态系统土壤有机碳密度、发生后生态系统植被碳密度、发生后生态系统土壤有机碳密度和解释变量数据;
根据所述训练用区域内采样点的解释变量数据,利用土壤容重数据反演模型,确定所述训练用区域内采样点的解释变量数据中缺失的土壤容重数据,得到所述训练用区域内采样点的完整解释变量数据;其中,所述土壤容重数据反演模型是利用包含土壤容重数据的解释变量数据样本对随机森林模型进行训练得到的;
对所述训练用区域内采样点的完整解释变量数据进行标准化处理,得到所述训练用区域内采样点的处理后的解释变量数据;
确定所述训练用区域内采样点全部的处理后的解释变量数据的显著性水平,将显著性水平小于预设值的处理后的解释变量数据作为所述训练用区域内采样点的目标解释变量数据;
根据所述训练用区域内采样点的目标解释变量数据、发生前生态系统植被碳密度和发生后生态系统植被碳密度,建立生态系统植被碳密度响应子模型。
可选地,建立生态系统土壤有机碳密度响应子模型的过程,具体包括:
获取历年训练用区域内在站点尺度上土地利用与覆被变化LUCC发生前生态系统植被碳密度、发生前生态系统土壤有机碳密度、发生后生态系统植被碳密度、发生后生态系统土壤有机碳密度和解释变量数据;
根据所述训练用区域内采样点的解释变量数据,利用土壤容重数据反演模型,确定所述训练用区域内采样点的解释变量数据中缺失的土壤容重数据,得到所述训练用区域内采样点的完整解释变量数据;其中,所述土壤容重数据反演模型是利用包含土壤容重数据的样本对随机森林模型进行训练得到的;
对所述训练用区域内采样点的完整解释变量数据进行标准化处理,得到所述训练用区域内采样点的处理后的解释变量数据;
确定所述训练用区域内采样点全部的处理后的解释变量数据的显著性水平,将显著性水平小于预设值的处理后的解释变量数据作为所述训练用区域内采样点的目标解释变量数据;
根据所述训练用区域内采样点的目标解释变量数据、发生前生态系统土壤有机碳密度和发生后后生态系统土壤有机碳密度,建立生态系统土壤有机碳密度响应子模型。
可选地,根据当前格点的生态系统植被碳密度在时间尺度上的变化量和相应的格点面积乘积,确定当前格点的生态系统植被碳储量在时间尺度上的变化量,具体包括:
利用公式确定当前格点的生态系统植被碳储量在时间尺度上的变化量;其中,/>为第t年当前格点的生态系统植被碳储量在时间尺度上的变化量;/>为第n年当前格点的生态系统植被碳密度在时间尺度上的变化量;A为当前格点面积;y1为生态系统植被碳密度达到稳定所需时间。
可选地,根据当前格点的生态系统土壤有机碳密度在时间尺度上的变化量和相应的格点面积,确定当前格点的生态系统土壤有机碳储量在时间尺度上的变化量,具体包括:
利用公式确定当前格点的生态系统土壤有机碳储量在时间尺度上的变化量;其中,ΔSOCSt为第t年当前格点的生态系统土壤有机碳储量在时间尺度上的变化量;ΔSOCDn为第n年当前格点的生态系统土壤有机碳密度在时间尺度上的变化量;ΔSOCDn-1为第n-1年当前格点的生态系统土壤有机碳密度在时间尺度上的变化量;SOCD0为当前格点发生土地利用与覆被变化LUCC发生前生态系统土壤有机碳密度;A为当前格点面积y2为生态系统土壤有机碳密度达到稳定所需时间。
可选地,根据当前格点的生态系统植被碳储量在时间尺度上的变化量、当前格点的生态系统土壤有机碳储量在时间尺度上的变化量和原覆被类型植被碳在时间尺度上的排放量,确定当前格点的生态系统总碳储量在时间尺度上的变化量,具体包括:
利用公式确定当前格点的生态系统总碳储量在时间尺度上的变化量;其中,NECSt为第t年当前格点的生态系统总碳储量在时间尺度上的变化量;/>为第t年当前格点的生态系统植被碳储量在时间尺度上的变化量;ΔSOCSt为第t年当前格点的生态系统土壤有机碳储量在时间尺度上的变化量;PCEt为第t年当前格点原覆被类型植被碳在时间尺度上的排放量。
一种生态系统碳储量变化的确定系统,包括:
数据获取模块,用于获取预设时段内待研究区域LUCC发生后生态系统碳密度的目标解释变量数据;所述目标解释变量数据为显著性水平小于预设值的解释变量数据;所述解释变量数据包括自然环境因子和生态系统管理措施;所述自然环境因子包括年均降水、年均气温、地形、土壤容重数据和土壤属性;所述生态系统管理措施包括放牧、种植年限、灌溉、施肥、作物种类、刈割和间伐;
针对任一格点:
判断模块,用于判断预设时段内当前格点的土地覆被类型是否一致;
第一执行模块,用于若是,则对下一格点的土地覆被类型是否一致进行判断;
第二执行模块,用于若否,则确定当前格点土地利用与覆被变化LUCC发生时间和变化类型,并利用当前格点的所述目标解释变量数据驱动生态系统碳密度对土地利用与覆被变化LUCC的响应模型,确定当前格点的生态系统植被碳密度在时间尺度上的变化量和当前格点的生态系统土壤有机碳密度在时间尺度上的变化量;覆被类型为耕地、林地、草地、灌丛、建设用地或裸地;所述生态系统碳密度对土地利用与覆被变化LUCC的响应模型包括生态系统植被碳密度响应子模型和生态系统土壤有机碳密度响应子模型;其中,所述生态系统植被碳密度响应子模型是根据所述目标解释变量数据和土地利用与覆被变化LUCC发生后生态系统植被碳密度在时间尺度上的变化量建立的;所述生态系统土壤有机碳密度响应子模型是根据所述目标解释变量数据和土地利用与覆被变化LUCC发生后生态系统土壤有机碳密度在时间尺度上的变化量建立的;
植被碳储量变化量确定模块,用于根据每年当前格点的生态系统植被碳密度在时间尺度上的变化量和相应的格点面积,确定当前格点的生态系统植被碳储量在时间尺度上的变化量;
土壤有机碳储量变化量确定模块,用于根据当前格点的生态系统土壤有机碳密度在时间尺度上的变化量和相应的格点面积,确定当前格点的生态系统土壤有机碳储量在时间尺度上的变化量;
总碳储量变化量确定模块,用于根据当前格点的生态系统植被碳储量在时间尺度上的变化量、当前格点的生态系统土壤有机碳储量在时间尺度上的变化量和原覆被类型植被碳在时间尺度上的排放量,确定当前格点的生态系统总碳储量在时间尺度上的变化量;所述原覆被类型植被碳在时间尺度上的排放量是根据原覆被类型的植被碳密度、发生土地利用与覆被变化LUCC后原覆被类型在不同利用方式下的植被碳氧化速率和不同利用方式下的植被碳占总量的百分比确定的。
一种电子设备,包括:存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行上述的生态系统碳储量变化的确定方法。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的生态系统碳储量变化的确定方法。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明的生态系统碳储量变化的确定方法、系统、电子设备及介质,通过获取站点尺度不同土地利用与覆被变化LUCC类型下生态系统碳密度变化数据以及站点包含自然环境因子和生态系统管理措施在内的土地利用与覆被变化LUCC发生后生态系统碳密度变化的解释变量数据,建立生态系统碳密度对土地利用与覆被变化LUCC的响应模型。然后基于土地覆被数据,逐格点判断土地覆被类型是否发生变化,若发生变化,记录土地利用与覆被变化LUCC信息;利用相应土地利用与覆被变化LUCC类型下生态系统碳密度响应模型以及各格点生态系统碳密度变化解释变量数据确定各格点的生态系统植被碳密度和土壤有机碳密度变化量,再乘以相应格点面积,确定各格点的生态系统总碳储量变化量。提高了土地利用与覆被变化LUCC导致的生态系统碳储量变化量核算的准确性。
附图说明
为了更清楚地说明本发明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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的生态系统碳储量变化的确定方法流程图;
图2为本发明提供的空间化Bookkeeping模型工作流程图;
图3为本发明提供的土壤容重数据反演流程示意图。
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。
本发明的目的是提供一种生态系统碳储量变化的确定方法、系统、电子设备及介质,以提高土地利用与覆被变化LUCC导致的生态系统碳储量变化量核算的准确性。
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。
实施例一
基于考虑了自然环境因素和人类管理活动异质性的空间化Bookkeeping模型,评估区域尺度土地利用与覆被变化(landuse and land cover change,LUCC)对生态系统碳储量影响的技术方法,包括:(1)对于主要LUCC类型,获取LUCC后生态系统碳密度变化数据,以及样点降水、气温,土壤属性等自然环境因素和灌溉、施肥、刈割等人类管理措施数据。(2)基于站点尺度生态系统碳密度对土地利用与覆被变化LUCC响应数据、自然环境和管理措施数据,采用混合效应模型构建的生态系统碳密度对土地利用与覆被变化LUCC的响应模型。(3)基于收益损失法的空间化Bookkeeping模型,模型以土地利用覆被数据格网为最小计算单元探测土地利用与覆被变化LUCC信息(变化类型和变化时间节点),将构建的生态系统碳密度对土地利用与覆被变化LUCC的响应模型嵌入空间化Bookkeeping模型,建立格网尺度的生态系统碳密度响应曲线。(4)基于该空间化模型开展土地利用与覆被变化LUCC对区域生态系统碳储量时空动态影响评估。目前各国尚未研发考虑环境和人类管理措施异质性的空间化Bookkeeping模型,本发明将有助于获得土地利用与覆被变化LUCC对区域生态系统碳储量影响的高精度评估结果。
如图1和图2所示,本发明提供的生态系统碳储量确定方法,包括:
步骤101:获取预设时段内待研究区域土地利用与覆被变化LUCC发生后影响生态系统碳密度变化的目标解释变量数据;所述目标解释变量数据为显著性水平小于预设值的解释变量数据;所述解释变量数据包括自然环境因子和生态系统管理措施;所述自然环境因子包括年均降水、年均气温、地形、土壤容重数据和土壤属性;所述生态系统管理措施包括放牧、种植年限、灌溉、施肥、作物种类、刈割和间伐。
针对任一格点:
步骤102:判断预设时段内当前格点的土地覆被类型是否一致。
步骤103:若是,则对下一格点的土地覆被类型是否一致进行判断。
步骤104:若否,则确定当前格点土地利用与覆被变化LUCC发生时间和变化类型,并利用当前格点的所述目标解释变量数据驱动生态系统碳密度对土地利用与覆被变化LUCC的响应模型,确定当前格点的生态系统植被碳密度在时间尺度上的变化量和当前格点的生态系统土壤有机碳密度在时间尺度上的变化量;覆被类型为耕地、林地、草地、灌丛、建设用地或裸地;所述生态系统碳密度对土地利用与覆被变化LUCC的响应模型包括生态系统植被碳密度响应子模型和生态系统土壤有机碳密度响应子模型;其中,所述生态系统植被碳密度响应子模型是根据所述目标解释变量数据和土地利用与覆被变化LUCC发生后生态系统植被碳密度在时间尺度上的变化量建立的;所述生态系统土壤有机碳密度响应子模型是根据所述目标解释变量数据和土地利用与覆被变化LUCC发生后生态系统土壤有机碳密度在时间尺度上的变化量建立的。
步骤105:根据当前格点的生态系统植被碳密度在时间尺度上的变化量和相应的格点面积,确定当前格点的生态系统植被碳储量在时间尺度上的变化量。
步骤106:根据当前格点的生态系统土壤有机碳密度在时间尺度上的变化量和相应的格点面积,确定当前格点的生态系统土壤有机碳储量在时间尺度上的变化量。
步骤107:根据当前格点的生态系统植被碳储量在时间尺度上的变化量、当前格点的生态系统土壤有机碳储量在时间尺度上的变化量和原覆被类型植被碳在时间尺度上的排放量,确定当前格点的生态系统总碳储量在时间尺度上的变化量;所述原覆被类型植被碳在时间尺度上的排放量是根据原覆被类型的植被碳密度、发生土地利用与覆被变化后原覆被类型在不同利用方式下的植被碳氧化速率和不同利用方式下的植被碳占总量的百分比确定的。
作为一种可选地实施方式,建立生态系统碳密度对土地利用与覆被变化LUCC的响应模型的过程,具体包括:
S1:获取历年训练用区域内在站点尺度上土地利用与覆被变化LUCC发生前生态系统植被碳密度、发生前生态系统土壤有机碳密度、发生后生态系统植被碳密度、发生后生态系统土壤有机碳密度和解释变量数据。
在实际应用中,从已发表的站点尺度土地利用与覆被变化LUCC对生态系统碳密度影响研究文献中搜集整理土地利用与覆被变化LUCC(土地开垦、森林砍伐、植树造林、放牧及城市扩张)发生前后生态系统植被碳密度和土壤有机碳密度的均值、标准差和采样重复次数,以及自然环境因子(年均降水、年均气温、地形和土壤属性等)和生态系统管理措施(放牧、种植年限、灌溉、施肥、作物种类、刈割和间伐等)等潜在碳密度变化异质的解释变量数据。生态系统碳密度数据为实测数据,每个环境要素或管理措施异质的样点为一个独立样本数据,且每个样本应为自然环境相同或相似的控制组(原覆被类型)和处理组(变化后覆被类型),符合上述要求的所有站点尺度研究应相互独立,并为纳入研究的文献进行自主编号(如Study1或Study2)。数据搜集、整理和组织方式可参考下列数据集https://doi.org/10.5061/dryad.mgqnk992r。
S2:根据所述训练用区域内采样点的解释变量数据,利用土壤容重数据反演模型,确定所述训练用区域内采样点的解释变量数据中缺失的土壤容重数据,得到所述训练用区域内采样点的完整解释变量数据;其中,所述土壤容重数据反演模型是利用包含土壤容重数据的解释变量数据样本对随机森林模型进行训练得到的。
在实际应用中,利用包含土壤容重数据的解释变量数据样本对随机森林模型进行训练,如图3所示,具体如下:
针对部分样本中缺失的解释变量数据,利用各采样点空间位置信息从相应栅格数据中获取样本中缺失的解释变量数据。土壤容重数据作为计算土壤有机碳密度的关键变量,利用R语言“caret”包中的“train”函数选用随机森林机器学习方法建立土壤容重数据反演模型,土壤容重数据反演模型输入的解释变量主要包括土壤有机碳含量、土地覆被类型、高程、坡度、土壤质地、土壤PH值、降水和气温等气候要素,以及灌溉和施肥刈割等管理措施,被解释变量(响应变量)为样点实测土壤容重数据。通过10折交叉验证和均方根误差(RMSE)评估简单随机森林模型的所有调优参数组合(分割规则、最小节点和随机选择的预测器数量)的模拟结果,并从中选择最优土壤容重数据反演模型。利用建立的最优土壤容重数据反演模型,模拟缺失的土壤容重数据。
S3:对所述训练用区域内采样点的完整解释变量数据进行标准化处理,得到所述训练用区域内采样点的处理后的解释变量数据。
此外,因解释变量量纲不同,为避免削弱数值水平较低解释变量的作用,采用零-均值标准化方法如公式(1)对所有连续性解释变量进行标准化处理,获得符合建模需求的土地利用与覆被变化LUCC后生态系统碳密度变化及其解释变量数据集。
式(1)中,x为初始解释变量数值,为初始解释变量均值,σ为初始解释变量标准差,x*标准化处理后的解释变量数值。
S4:确定所述训练用区域内采样点全部的处理后的解释变量的显著性水平,将显著性水平小于预设值的处理后的解释变量数据作为所述训练用区域内采样点的目标解释变量数据。
S5:根据所述训练用区域内采样点的目标解释变量数据、发生前生态系统植被碳密度和发生后生态系统植被碳密度,建立生态系统植被碳密度响应子模型。
S6:根据所述训练用区域内采样点的目标解释变量数据、发生前生态系统土壤有机碳密度和发生后生态系统土壤有机碳密度,建立生态系统土壤有机碳密度响应子模型。
基于标准化处理后的生态系统碳密度变化及其解释变量数据集,以解释变量作为固定效应,并对每个样本数据来源文献进行编码(如Study1,Study2),将离散的文献编码变量(即πs)作为随机效应,将自然环境因子(降水、气温、土壤属性等)和管理措施(灌溉、施肥、刈割、放牧等)等解释变量作为固定效应,建立LUCC发生后生态系统碳密度变化的混合效应模型,如公式(2)。基于R语言“lme4”包中lmer函数建立混合效应模型。
式(2)中lnRR为生态系统土壤有机碳密度的对数响应比,β0–β31为估算的系数,V1–V5为在考虑5个解释变量情景下相应解释变量,πs为随机效应,ε为采样误差,×表示不同解释变量的交互效应。为便于解释和理解土壤有机碳密度变化的大小,土壤有机碳密度对数响应比转化为土壤有机碳密度(SOCD)变化百分比即土地利用与覆被变化LUCC生态系统土壤有机碳密度响应子模型,如公式(3):
模型各解释变量估算系数β数值及显著性水平(P),其中P<0.05的解释变量显著影响土地利用与覆被变化LUCC发生后生态系统碳密度变化幅度,系数β表示该解释变量增加或减少1个单位,碳密度的变化幅度。根据P值选择显著影响生态系统碳密度的解释变量(P<0.05)构建时间尺度的生态系统碳密度响应模型,即图2中△SOCD和△PCD,如公式(2)和公式(3),△PCD与△SOCD建立方法一致。
此外,考虑土地利用与覆被变化LUCC发生后原覆被类型植被碳因利用方式差异以不同的氧化速率向大气排放,通过文献资料搜集和走访调查获得研究区土地利用与覆被变化LUCC发生后植被碳不同利用方式的氧化速率(x1,x2,…,xm)和所占百分比(F1,F2,…,Fm),结合原覆被类型的植被碳密度构建植被碳释放速率函数PCEt,如公式(4)。
式中,PCEt为研究期间被清理的原覆被类型植被碳第t年的排放量,n表示研究期间第n年(1≤n≤t),PCS为原覆被类型植被碳密度,F1,F2,…,Fm为不同产品库植被碳占总量的百分比,x1,x2,…,xm则为相应植被碳库衰减速率的倒数,表示经过x1,x2,…,xm年相应产品库中碳被氧化耗尽全部释放至大气中,A表示当前格点LUCC面积。
作为一种可选地实施方式,步骤105,具体包括:
利用公式确定第当前格点的生态系统植被碳储量在时间尺度上的变化量;其中,/>为第t年当前格点的生态系统植被碳储量在时间尺度上的变化量;/>为第n年当前格点的生态系统植被碳密度在时间尺度上的变化量;A为当前格点面积;y1为生态系统植被碳密度达到稳定所需时间(以年为步长)。
作为一种可选地实施方式,步骤106,具体包括:
利用公式确定当前格点的生态系统土壤有机碳储量在时间尺度上的变化量;其中,ΔSOCSt为第t年当前格点的生态系统土壤有机碳储量在时间尺度上的变化量;ΔSOCDn为第n年当前格点的生态系统土壤有机碳密度在时间尺度上的变化量;ΔSOCDn-1为第n-1年当前格点的生态系统土壤有机碳密度在时间尺度上的变化量;SOCD0为当前格点发生土地利用与覆被变化的变化前生态系统土壤有机碳密度,y2为生态系统土壤有机碳密度达到稳定所需时间(以年为步长)。
作为一种可选地实施方式,步骤107,具体包括:
利用公式确定当前格点的生态系统总碳储量在时间尺度上的变化量;其中,NECSt为第t年当前格点的生态系统总碳储量在时间尺度上的变化量;/>为第t年当前格点的生态系统植被碳储量在时间尺度上的变化量;ΔSOCSt为第t年当前格点的生态系统土壤有机碳储量在时间尺度上的变化量;PCEt为第t年当前格点原覆被类型植被碳在时间尺度上的排放量。
在实际应用中,基于Python语言对年际尺度土地覆被数据逐格点探测是否发生变化,探测方法为通过判断不同年份土地覆被类型(即:耕地、林地、草地、灌丛、建设用地和裸地)是否一致,发现土地覆被类型如不一致,则该格点发生土地利用与覆被变化LUCC变化。即如果第t年和第t+1年土地覆被类型不一致,例如,第t年为草地,第t+1年为耕地,则该格点土地利用与覆被变化LUCC发生的时间节点为第t+1年,土地利用与覆被变化LUCC类型为草地转移为耕地。如在该时间尺度未发生土地利用与覆被变化LUCC,则对下一个格点进行探测,如果发生变化在完成格点尺度土地利用与覆被变化LUCC对生态系统碳储量分析后,探测下一个格点的土地利用与覆被变化LUCC信息。
根据探测的土地利用与覆被变化LUCC变化信息,结合生态系统碳密度对土地利用与覆被变化LUCC的响应模型,公式(2)和公式(3)以及相应解释变量数据反演该格点土地利用与覆被变化LUCC发生后生态系统碳密度在时间尺度上增加或减少的量。利用该格点生态系统碳密度在不同年份的增加或减少量乘以格点面积,即可获得该格点发生土地利用与覆被变化LUCC后历年生态系统碳储量的增加或减少量,如公式(6)和公式(7),最后利用公式(5)确定发生土地利用与覆被变化LUCC后生态系统总碳储量。
循环步骤105-步骤107,直至待研究区内所有格点土地利用与覆被变化LUCC信息被检测,各发生土地利用与覆被变化LUCC格点的生态系统碳储量在时间尺度变化情况也均被核算。至此,获得整个研究区土地利用与覆被变化LUCC发生后生态系统碳储量在时空尺度的变化情况。
土地利用与覆被变化LUCC是影响陆地生态系统碳动态和全球碳平衡估算的关键因素,也是提升陆地生态系统碳汇潜力和缓解未来气候变化的潜在途径。建立考虑土地利用与覆被变化LUCC发生后生态系统碳密度变化驱动因素异质性的空间显示Bookkeeping模型,是实现分析区域尺度土地利用与覆被变化LUCC对生态系统碳储量影响时空格局和提高评估结果可靠性的潜在途径。然而,已有方法主要以整个区域和子区为研究单元,采用单元内土地利用与覆被变化LUCC发生后生态系统碳密度变化平均数值作为估算参数,忽视了复杂多样、异质的自然环境因素和人类活动对变化幅度的贡献。本发明采用基于混合效应模型建立的生态系统碳密度响应模型,利用相关解释变量为每个格网建立独有的土地利用与覆被变化LUCC发生后生态系统碳密度在时间尺度上的变化曲线,降低了环境因素和人类活动异质性导致的评估结果的不确定性。基于空间化Bookkeeping模型逐格网探测土地利用与覆被变化LUCC信息并计算其对格网尺度生态系统碳储量影响,该发明克服了已有方法难以分析土地利用与覆被变化LUCC对区域碳储量影响时空格局的不足。
因此,本发明提出的空间显示Bookkeeping模型可深化土地利用与覆被变化LUCC对陆地生态系统碳循环影响的认知,具备显著提升区域/全球尺度土地利用与覆被变化LUCC对生态系统碳储量影响评估精度的潜力。这对支持气候变化应对政策的制定以及从生态固碳方面为碳中和目标的实现提供理论和技术支撑具有重要意义。
实施例二
为了执行上述实施例一对应的方法,以实现相应的功能和技术效果,下面提供一种生态系统碳储量确定系统,包括:
数据获取模块,用于获取预设时段内待研究区域土地利用与覆被变化LUCC发生后生态系统碳密度的目标解释变量数据;所述目标解释变量数据为显著性水平小于预设值的解释变量数据;所述解释变量数据包括自然环境因子和生态系统管理措施;所述自然环境因子包括年均降水、年均气温、地形、土壤容重数据和土壤属性;所述生态系统管理措施包括放牧、种植年限、灌溉、施肥、作物种类、刈割和间伐;
判断模块,用于判断预设时段内当前格点的土地覆被类型是否一致。
第一执行模块,用于若是,则对下一格点的土地覆被类型是否一致进行判断。
第二执行模块,用于若否,则确定当前格点土地利用与覆被变化LUCC发生时间和变化类型,并利用当前格点的所述目标解释变量数据驱动生态系统碳密度对土地利用与覆被变化LUCC的响应模型,确定当前格点的生态系统植被碳密度在时间尺度上的变化量和当前格点的生态系统土壤有机碳密度在时间尺度上的变化量;覆被类型为耕地、林地、草地、灌丛、建设用地或裸地;所述生态系统碳密度对土地利用与覆被变化LUCC的响应模型包括生态系统植被碳密度响应子模型和生态系统土壤有机碳密度响应子模型;其中,所述生态系统植被碳密度响应子模型是根据所述目标解释变量数据和土地利用与覆被变化LUCC发生后生态系统植被碳密度在时间尺度上的变化量建立的;所述生态系统土壤有机碳密度响应子模型是根据所述目标解释变量数据和土地利用与覆被变化LUCC发生后生态系统土壤有机碳密度在时间尺度上的变化量建立的;
植被碳储量变化量确定模块,用于根据每年当前格点的生态系统植被碳密度在时间尺度上的变化量和相应的格点面积,确定当前格点的生态系统植被碳储量在时间尺度上的变化量;
土壤有机碳储量变化量确定模块,用于根据当前格点的生态系统土壤有机碳密度在时间尺度上的变化量和相应的格点面积,确定当前格点的生态系统土壤有机碳储量在时间尺度上的变化量;
总碳储量变化量确定模块,用于根据当前格点的生态系统植被碳储量在时间尺度上的变化量、当前格点的生态系统土壤有机碳储量在时间尺度上的变化量和原覆被类型植被碳在时间尺度上的排放量,确定当前格点的生态系统总碳储量在时间尺度上的变化量;所述原覆被类型植被碳在时间尺度上的排放量是根据原覆被类型的植被碳密度、发生土地利用与覆被变化LUCC后原覆被类型在不同利用方式下的植被碳氧化速率和不同利用方式下的植被碳占总量的百分比确定的。
实施例三
本发明提供了一种电子设备,包括:存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行实施例一的生态系统碳储量变化的确定方法。
实施例四
本发明提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现实施例一的生态系统碳储量变化的确定方法。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。

Claims (9)

1.一种生态系统碳储量变化的确定方法,其特征在于,包括:
获取预设时段内待研究区域土地利用与覆被变化LUCC发生后影响生态系统碳密度变化的目标解释变量数据;所述目标解释变量数据为显著性水平小于预设值的解释变量数据;所述解释变量数据包括自然环境因子和生态系统管理措施;所述自然环境因子包括年均降水、年均气温、地形、土壤容重数据和土壤属性;所述生态系统管理措施包括放牧、种植年限、灌溉、施肥、作物种类、刈割和间伐;
针对任一格点:
判断预设时段内当前格点的土地覆被类型是否一致;
若是,则对下一格点的土地覆被类型是否一致进行判断;
若否,则确定当前格点土地利用与覆被变化LUCC发生时间和变化类型,并利用当前格点的所述目标解释变量数据驱动生态系统碳密度对土地利用与覆被变化LUCC的响应模型,确定当前格点的生态系统植被碳密度在时间尺度上的变化量和当前格点的生态系统土壤有机碳密度在时间尺度上的变化量;覆被类型为耕地、林地、草地、灌丛、建设用地或裸地;所述生态系统碳密度对土地利用与覆被变化LUCC的响应模型包括生态系统植被碳密度响应子模型和生态系统土壤有机碳密度响应子模型;其中,所述生态系统植被碳密度响应子模型是根据所述目标解释变量数据和土地利用与覆被变化LUCC发生后生态系统植被碳密度在时间尺度上的变化量建立的;所述生态系统土壤有机碳密度响应子模型是根据所述目标解释变量数据和土地利用与覆被变化LUCC发生后生态系统土壤有机碳密度在时间尺度上的变化量建立的;
根据当前格点的生态系统植被碳密度在时间尺度上的变化量和相应的格点面积,确定当前格点的生态系统植被碳储量在时间尺度上的变化量;
根据当前格点的生态系统土壤有机碳密度在时间尺度上的变化量和相应的格点面积,确定当前格点的生态系统土壤有机碳储量在时间尺度上的变化量;
根据当前格点的生态系统植被碳储量在时间尺度上的变化量、当前格点的生态系统土壤有机碳储量在时间尺度上的变化量和原覆被类型植被碳在时间尺度上的排放量,确定当前格点的生态系统总碳储量在时间尺度上的变化量;所述原覆被类型植被碳在时间尺度上的排放量是根据原覆被类型的植被碳密度、发生土地利用与覆被变化LUCC后原覆被类型在不同利用方式下的植被碳氧化速率和不同利用方式下的植被碳占总量的百分比确定的。
2.根据权利要求1所述的生态系统碳储量变化的确定方法,其特征在于,建立生态系统植被碳密度响应子模型的过程,具体包括:
获取历年训练用区域内在站点尺度上土地利用与覆被变化LUCC发生前生态系统植被碳密度、发生前生态系统土壤有机碳密度、发生后生态系统植被碳密度、发生后生态系统土壤有机碳密度和解释变量数据;
根据所述训练用区域内采样点的解释变量数据,利用土壤容重数据反演模型,确定所述训练用区域内采样点的解释变量数据中缺失的土壤容重数据,得到所述训练用区域内采样点的完整解释变量数据;其中,所述土壤容重数据反演模型是利用包含土壤容重数据的解释变量数据样本对随机森林模型进行训练得到的;
对所述训练用区域内采样点的完整解释变量数据进行标准化处理,得到所述训练用区域内采样点的处理后的解释变量数据;
确定所述训练用区域内采样点全部的处理后的解释变量数据的显著性水平,将显著性水平小于预设值的处理后的解释变量数据作为所述训练用区域内采样点的目标解释变量数据;
根据所述训练用区域内采样点的目标解释变量数据、发生前生态系统植被碳密度和发生后生态系统植被碳密度,建立生态系统植被碳密度响应子模型。
3.根据权利要求2所述的生态系统碳储量变化的确定方法,其特征在于,建立生态系统土壤有机碳密度响应子模型的过程,具体包括:
获取历年训练用区域内在站点尺度上土地利用与覆被变化LUCC发生前生态系统植被碳密度、发生前生态系统土壤有机碳密度、发生后生态系统植被碳密度、发生后生态系统土壤有机碳密度和解释变量数据;
根据所述训练用区域内采样点的解释变量数据,利用土壤容重数据反演模型,确定所述训练用区域内采样点的解释变量数据中缺失的土壤容重数据,得到所述训练用区域内采样点的完整解释变量数据;其中,所述土壤容重数据反演模型是利用包含土壤容重数据的样本对随机森林模型进行训练得到的;
对所述训练用区域内采样点的完整解释变量数据进行标准化处理,得到所述训练用区域内采样点的处理后的解释变量数据;
确定所述训练用区域内采样点全部的处理后的解释变量数据的显著性水平,将显著性水平小于预设值的处理后的解释变量数据作为所述训练用区域内采样点的目标解释变量数据;
根据所述训练用区域内采样点的目标解释变量数据、变化前生态系统土壤有机碳密度和变化后生态系统土壤有机碳密度,建立生态系统土壤有机碳密度响应子模型。
4.根据权利要求1所述的生态系统碳储量变化的确定方法,其特征在于,根据当前格点的生态系统植被碳密度在时间尺度上的变化量和相应的格点面积乘积,确定当前格点的生态系统植被碳储量在时间尺度上的变化量,具体包括:
利用公式确定当前格点的生态系统植被碳储量在时间尺度上的变化量;其中,/>为第t年当前格点的生态系统植被碳储量在时间尺度上的变化量;/>为第n年当前格点的生态系统植被碳密度在时间尺度上的变化量;A为当前格点面积;y1为生态系统植被碳密度达到稳定所需时间。
5.根据权利要求1所述的生态系统碳储量变化的确定方法,其特征在于,根据当前格点的生态系统土壤有机碳密度在时间尺度上的变化量和相应的格点面积,确定当前格点的生态系统土壤有机碳储量在时间尺度上的变化量,具体包括:
利用公式确定当前格点的生态系统土壤有机碳储量在时间尺度上的变化量;其中,ΔSOCSt为第t年当前格点的生态系统土壤有机碳储量在时间尺度上的变化量;ΔSOCDn为第n年当前格点的生态系统土壤有机碳密度在时间尺度上的变化量;ΔSOCDn-1为第n-1年当前格点的生态系统土壤有机碳密度在时间尺度上的变化量;SOCD0为当前格点土地利用与覆被变化LUCC发生前生态系统土壤有机碳密度;A为当前格点面积;y2为生态系统土壤有机碳密度达到稳定所需时间。
6.根据权利要求1所述的生态系统碳储量变化的确定方法,其特征在于,根据当前格点的生态系统植被碳储量在时间尺度上的变化量、当前格点的生态系统土壤有机碳储量在时间尺度上的变化量和原覆被类型植被碳在时间尺度上的排放量,确定当前格点的生态系统总碳储量在时间尺度上的变化量,具体包括:
利用公式确定当前格点的生态系统总碳储量在时间尺度上的变化量;其中,NECSt为第t年当前格点的生态系统总碳储量在时间尺度上的变化量;/>为第t年当前格点的生态系统植被碳储量在时间尺度上的变化量;ΔSOCSt为第t年当前格点的生态系统土壤有机碳储量在时间尺度上的变化量;PCEt为第t年当前格点原覆被类型植被碳在时间尺度上的排放量。
7.一种生态系统碳储量变化的确定系统,其特征在于,包括:
数据获取模块,用于获取预设时段内待研究区域土地利用与覆被变化LUCC发生后生态系统碳密度的目标解释变量数据;所述目标解释变量数据为显著性水平小于预设值的解释变量数据;所述解释变量数据包括自然环境因子和生态系统管理措施;所述自然环境因子包括年均降水、年均气温、地形、土壤容重数据和土壤属性;所述生态系统管理措施包括放牧、种植年限、灌溉、施肥、作物种类、刈割和间伐;
针对任一格点:
判断模块,用于判断预设时段内当前格点的土地覆被类型是否一致;
第一执行模块,用于若是,则对下一格点的土地覆被类型是否一致进行判断;
第二执行模块,用于若否,则确定当前格点土地利用与覆被变化LUCC发生时间和变化类型,并利用当前格点的所述目标解释变量数据驱动生态系统碳密度对土地利用与覆被变化LUCC的响应模型,确定当前格点的生态系统植被碳密度在时间尺度上的变化量和当前格点的生态系统土壤有机碳密度在时间尺度上的变化量;覆被类型为耕地、林地、草地、灌丛、建设用地或裸地;所述生态系统碳密度对土地利用与覆被变化LUCC的响应模型包括生态系统植被碳密度响应子模型和生态系统土壤有机碳密度响应子模型;其中,所述生态系统植被碳密度响应子模型是根据所述目标解释变量数据和土地利用与覆被变化LUCC发生后生态系统植被碳密度在时间尺度上的变化量建立的;所述生态系统土壤有机碳密度响应子模型是根据所述目标解释变量数据和土地利用与覆被变化LUCC发生后生态系统土壤有机碳密度在时间尺度上的变化量建立的;
植被碳储量变化量确定模块,用于根据每年当前格点的生态系统植被碳密度在时间尺度上的变化量和相应的格点面积,确定当前格点的生态系统植被碳储量在时间尺度上的变化量;
土壤有机碳储量变化量确定模块,用于根据当前格点的生态系统土壤有机碳密度在时间尺度上的变化量和相应的格点面积,确定当前格点的生态系统土壤有机碳储量在时间尺度上的变化量;
总碳储量变化量确定模块,用于根据当前格点的生态系统植被碳储量在时间尺度上的变化量、当前格点的生态系统土壤有机碳储量在时间尺度上的变化量和原覆被类型植被碳在时间尺度上的排放量,确定当前格点的生态系统总碳储量在时间尺度上的变化量;所述原覆被类型植被碳在时间尺度上的排放量是根据原覆被类型的植被碳密度、发生土地利用与覆被变化LUCC后原覆被类型在不同利用方式下的植被碳氧化速率和不同利用方式下的植被碳占总量的百分比确定的。
8.一种电子设备,其特征在于,包括:存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行权利要求1-6任一项所述的生态系统碳储量变化的确定方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-8任一项所述的生态系统碳储量变化的确定方法。
CN202311001867.4A 2023-08-09 2023-08-09 生态系统碳储量变化的确定方法、系统、电子设备及介质 Pending CN116933034A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311001867.4A CN116933034A (zh) 2023-08-09 2023-08-09 生态系统碳储量变化的确定方法、系统、电子设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311001867.4A CN116933034A (zh) 2023-08-09 2023-08-09 生态系统碳储量变化的确定方法、系统、电子设备及介质

Publications (1)

Publication Number Publication Date
CN116933034A true CN116933034A (zh) 2023-10-24

Family

ID=88392467

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311001867.4A Pending CN116933034A (zh) 2023-08-09 2023-08-09 生态系统碳储量变化的确定方法、系统、电子设备及介质

Country Status (1)

Country Link
CN (1) CN116933034A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117271968A (zh) * 2023-11-22 2023-12-22 中国农业科学院农业环境与可持续发展研究所 一种土壤固碳量的核算方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117271968A (zh) * 2023-11-22 2023-12-22 中国农业科学院农业环境与可持续发展研究所 一种土壤固碳量的核算方法及系统
CN117271968B (zh) * 2023-11-22 2024-02-23 中国农业科学院农业环境与可持续发展研究所 一种土壤固碳量的核算方法及系统

Similar Documents

Publication Publication Date Title
Yang et al. Estimation of water provision service for monsoon catchments of South China: Applicability of the InVEST model
Landsberg et al. Evaluating progress toward closed forest models based on fluxes of carbon, water and nutrients
Bernal et al. Financial market time series prediction with recurrent neural networks
Hollaway et al. The challenges of modelling phosphorus in a headwater catchment: Applying a ‘limits of acceptability’uncertainty framework to a water quality model
CN116933034A (zh) 生态系统碳储量变化的确定方法、系统、电子设备及介质
CN110276556A (zh) 一种基于多策略的环境承载力指标权重计算方法及装置
Jackson-Blake et al. Do higher data frequency and Bayesian auto-calibration lead to better model calibration? Insights from an application of INCA-P, a process-based river phosphorus model
Fu et al. Ecosystem services modeling in contrasting landscapes
Wagener et al. Identification and evaluation of watershed models
Wang et al. What is the best time to take stream isotope samples for event-based model calibration?
Hartmann Experiences in calibrating and evaluating lumped karst hydrological models
Wade et al. Over-parameterised, uncertain ‘mathematical marionettes’—How can we best use catchment water quality models? An example of an 80-year catchment-scale nutrient balance
Rahmani et al. Association between forecasting models’ precision and nonlinear patterns of daily river flow time series
Hogrefe et al. Rethinking the assessment of photochemical modeling systems in air quality planning applications
KR101934667B1 (ko) 퍼지모델링을 이용한 서식지 적합도 평가 시스템 및 방법
Constantin et al. A method to assess the impact of soil available water capacity uncertainty on crop models with a tipping‐bucket approach
CN115965121A (zh) 一种基于随机森林回归的农田氮淋失预测方法
CN115203643A (zh) 融合水文与生态要素的水源涵养功能定量诊断方法及系统
CN115345488A (zh) 一种湿地生态系统服务评估方法、装置、服务器及介质
Lauvernet et al. Using Automatic Differentiation to study the sensitivity of a crop model
CN110837875B (zh) 地表覆盖数据质量异常判断方法及装置
Helliwell et al. The present is the key to the past, but what does the future hold for the recovery of surface waters from acidification?
CN106909744B (zh) 流程模型可信度动态评估方法和系统
Malishevsky Fractal analysis and its applications in urban environment
Moldan et al. MAGIC library–A tool to assess surface water acidification

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