CN117235434B - 林业碳汇项目基线构建方法、系统、终端及介质 - Google Patents
林业碳汇项目基线构建方法、系统、终端及介质 Download PDFInfo
- Publication number
- CN117235434B CN117235434B CN202311519721.9A CN202311519721A CN117235434B CN 117235434 B CN117235434 B CN 117235434B CN 202311519721 A CN202311519721 A CN 202311519721A CN 117235434 B CN117235434 B CN 117235434B
- Authority
- CN
- China
- Prior art keywords
- statistical data
- subset
- control group
- project
- area
- 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
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 89
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 89
- 238000010276 construction Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 32
- 230000015572 biosynthetic process Effects 0.000 claims description 51
- 238000003786 synthesis reaction Methods 0.000 claims description 51
- 238000004422 calculation algorithm Methods 0.000 claims description 39
- 238000012549 training Methods 0.000 claims description 18
- 238000012216 screening Methods 0.000 claims description 16
- 238000012795 verification Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000010206 sensitivity analysis Methods 0.000 description 3
- 239000002028 Biomass Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种林业碳汇项目基线构建方法、系统、终端及介质，通过选取与项目区域相似的控制区域，根据项目区域的第一统计数据和控制区域的第二统计数据，采用合成控制算法筛选并组合控制区域来创建一个合成对照组，并通过预设指标来评估合成对照组，将合格的合成对照组设为基线。能够准确、客观地构建林业碳汇项目基线，为林业碳汇项目的实施提供可靠的依据。
Description
技术领域
本发明涉及林业碳汇项目数据处理技术领域，尤其涉及的是一种林业碳汇项目基线构建方法、系统、终端及介质。
背景技术
REDD+（减少发展中国家森林砍伐和森林退化导致的碳排放以及增加森林碳储量和碳汇）项目是在确定了基线的土地上，实现减少温室气体排放和提高森林碳储量的目的。基线是否准确客观，决定了项目的有效性和经济效益。
在构建林业碳汇项目基线时，目前的方法主要为：通过专家判断构建基线，该方法过于依赖专家判断，容易受主观因素影响，构建的基线不客观；或者，通过模型模拟来构建基线，该方法计算复杂，难以应对数据不完整、不确定性等问题，构建的基线不准确。
因此，现有技术有待改进和提高。
发明内容
本发明的主要目的在于提供一种林业碳汇项目基线构建方法、系统、智能终端及存储介质，能够解决林业碳汇项目基线不客观、不准确的问题。
为了实现上述目的，本发明第一方面提供一种林业碳汇项目基线构建方法，所述方法包括：
获取项目区域在目标时间段内的第一统计数据；
获取与项目区域相似的若干控制区域，并获取所述控制区域在所述目标时间段内的第二统计数据，所述第一统计数据和所述第二统计数据均包括碳排放数据和碳汇数据；
在所有控制区域形成的集合中获取若干个子集，基于所述第一统计数据和所述第二统计数据，采用合成控制算法将每个所述子集和所述项目区域进行拟合，根据拟合结果筛选所述子集，获得合成对照组；
基于若干预设指标，计算所述合成对照组的指标值；
当根据所有的所述指标值判定所述合成对照组合格时，将所述合成对照组设为基线，否则，返回获取与项目区域相似的若干控制区域。
可选的，所述基于所述第一统计数据和所述第二统计数据，采用合成控制算法将每个所述子集和所述项目区域进行拟合，根据拟合结果筛选所述子集，获得合成对照组，包括：
基于所述第一统计数据和所述第二统计数据，分别计算所述项目区域和每个所述子集的误差平方和；
将误差平方和最小的子集设为目标子集；
根据合成控制算法获取所述目标子集的拟合参数；
根据所述拟合参数加权组合所述目标子集，获得所述合成对照组。
可选的，所述根据合成控制算法获取所述目标子集的拟合参数，包括：
根据预设比例系数，将所述目标时间段划分为训练区间和验证区间；
获取所述训练区间内所述目标子集中每个所述控制区域以及所述项目区域的森林砍伐面积时间序列数据；
基于所有的所述森林砍伐面积时间序列数据，根据合成控制算法获得所述目标子集中各个所述控制区域的权重，所有的所述权重构成所述目标子集的拟合参数。
可选的，所述基于若干预设指标，计算所述合成对照组的指标值，包括：
根据预设比例系数，将所述目标时间段划分为训练区间和验证区间；
基于若干预设指标，根据所述第一统计数据和所述第二统计数据，针对训练区间和验证区间分别计算所述合成对照组的指标值。
可选的，所述预设指标包括所述合成对照组与所述项目区域之间的相关系数、均方误差和均方百分比误差。
可选的，根据所有的所述指标值判定所述合成对照组，包括：
当每一项所述指标值均超过预设阈值时，判定所述合成对照组合格，否则，判定所述合成对照组不合格。
本发明第二方面提供一种林业碳汇项目基线构建系统，其中，上述系统包括：
项目区域模块，用于获取项目区域在目标时间段内的第一统计数据；
控制区域模块，用于获取与项目区域相似的若干控制区域，并获取所述控制区域在所述目标时间段内的第二统计数据，所述第一统计数据和所述第二统计数据均包括碳排放数据和碳汇数据；
合成对照组模块，用于在所有控制区域形成的集合中获取若干个子集，基于所述第一统计数据和所述第二统计数据，采用合成控制算法将每个所述子集和所述项目区域进行拟合，根据拟合结果筛选所述子集，获得合成对照组；
指标值模块，用于基于若干预设指标，计算所述合成对照组的指标值；
判定模块，用于当根据所有的所述指标值判定所述合成对照组合格时，将所述合成对照组设为基线，否则，返回获取与项目区域相似的若干控制区域。
可选的，所述合成对照组模块包括误差平方和计算单元、筛选单元和拟合单元，所述误差平方和计算单元用于基于所述第一统计数据和所述第二统计数据，分别计算所述项目区域和每个所述子集的误差平方和；所述筛选单元用于将误差平方和最小的子集设为目标子集；所述拟合单元用于根据合成控制算法获取所述目标子集的拟合参数，根据所述拟合参数加权组合所述目标子集，获得所述合成对照组。
本发明第三方面提供一种智能终端，上述智能终端包括存储器、处理器以及存储在上述存储器上并可在上述处理器上运行的林业碳汇项目基线构建程序，上述林业碳汇项目基线构建程序被上述处理器执行时实现任意一项上述林业碳汇项目基线构建方法的步骤。
本发明第四方面提供一种计算机可读存储介质，上述计算机可读存储介质上存储有林业碳汇项目基线构建程序，上述林业碳汇项目基线构建程序被处理器执行时实现任意一项上述林业碳汇项目基线构建方法的步骤。
由上可见，本发明通过选取与项目区域相似的控制区域，根据项目区域的第一统计数据和控制区域的第二统计数据，采用合成控制算法筛选并组合控制区域来创建一个合成对照组，并通过预设指标来评估合成对照组，将合格的合成对照组设为基线。能够准确、客观地构建林业碳汇项目基线，为林业碳汇项目的实施提供可靠的依据。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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它的附图。
图1是本发明实施例提供的林业碳汇项目基线构建方法流程示意图；
图2是本发明实施例提供的拟合过程的流程示意图；
图3是本发明实施例提供的获得目标子集拟合参数的流程示意图；
图4是本发明实施例提供的林业碳汇项目基线构建系统的结构示意图；
图5是本发明实施例提供的一种智能终端的内部结构原理框图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况下，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当…时”或“一旦”或“响应于确定”或“响应于检测到”。类似的，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述的条件或事件]”或“响应于检测到[所描述条件或事件]”。
下面结合本发明实施例的附图，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的一部分实施例，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它实施例，都属于本发明保护的范围。
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它不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
针对目前林业碳汇项目的基线不准确、不可靠的问题，本发明提供了一种林业碳汇项目基线构建方法，通过选取与项目区域相似的控制区域，假设项目区域受到了政策干预，控制区域没有受到政策干预，采用SCM算法(synthetic control methods：合成控制法)筛选并组合未受干预的控制区域来创建一个合成对照组，以根据合成对照组估计受到干预的项目区域在没有干预时的预期结果，并通过比较项目区域与合成对照组在干预前后的碳排放和碳汇变化情况，对各种可能的基线方案进行评估。能够准确、客观地构建林业碳汇项目基线，为林业碳汇项目的实施提供更可靠的依据。
本发明实施例的林业碳汇项目基线构建方法，用来为REDD+项目的实施提供可靠的基线选择依据，可以部署在PC电脑、移动终端、后台服务器等各种电子设备上。
如图1所示，本实施例具体包括如下步骤：
步骤S100：获取项目区域在目标时间段内的第一统计数据；
目标时间段也称为拟合时间段，为林业碳汇项目在政策干预前的时间段，一般以年为单位。通过该目标时间段的统计数据来拟合项目区域和控制区域。本实施例中REDD+项目的政策干预时间为2014年，目标时间段为2001至2013年。
拟合时，需要采集目标时间段内项目区域与碳排放和碳汇相关的观测数据，如森林覆盖率、生物量、土壤有机碳等数据，这些观测数据构成第一统计数据。观测数据包含的项目不限，根据项目区域的森林类型、生态系统特征、气候条件等信息而相应确定。观测数据的采集方法为本领域的公知常识，在此不再赘述。在一个示例中，使用遥感技术收集关键参数数据，如森林覆盖率、生物量等，以提高数据的可靠性和实时性。
步骤S200：获取与项目区域相似的若干控制区域，并获取控制区域在目标时间段内的第二统计数据；
控制区域为项目区域相似的区域，也称为参考区域或对照区域，可以通过相似度算法计算各个区域与项目区域之间的相似度，将相似度高的区域作为控制区域。本实施例中的REDD+项目区域表示为，项目区域的边界形成多边形。根据预设外扩距离（200km）将此多边形外扩，获得缓冲区。在缓冲区内随机生成m个（m=150）与项目区域的面积相同的圆区域/>。在此m个圆区域中，运用相似度计算的方法计算每个圆区域与项目区域/>的相似程度，找出最相似的前N个（N=20）圆区域，这20个圆区域中的每个圆区域均为控制区域。
确定控制区域后，还需要采集控制区域在目标时间段内的观测数据，获得第二统计数据，一个控制区域对应于一份第二统计数据。第二统计数据和第一统计数据包含的项目相同，且均包括碳排放数据和碳汇数据。第一统计数据和第二统计数据是合成控制算法中的关键参数。
步骤S300：在所有控制区域形成的集合中获取若干个子集，基于第一统计数据和第二统计数据，采用合成控制算法将每个子集和项目区域进行拟合，根据拟合结果筛选子集，获得合成对照组；
所有的控制区域形成一个大集合，在这个大集合中选取若干个控制区域，形成一个子集。本实施例中，控制区域为20个圆区域，每次从中选择6个圆区域形成一个子集，可以获得若干个子集。根据合成控制算法，以第一统计数据和第二统计数据为预测变量，通过对子集中各个控制区域进行加权，以子集中所有控制区域的第二统计数据加权结果最逼近于项目区域的第一统计数据为目标，在所有子集中筛选，拟合出一个合成对照组。一个合成对照组相当于一个基线方案。
具体地，如图2所示，本实施例的拟合过程包括如下步骤：
步骤S310：基于第一统计数据和第二统计数据，分别计算项目区域和每个子集的误差平方和；
步骤S320：将误差平方和最小的子集设为目标子集；
针对一个子集，计算该子集中每个控制区域的第二统计数据与第一统计数据的欧式距离，将所有控制区域的欧式距离相加，获得该子集的误差平方和。然后选择误差平方和最小的子集作为目标子集。
步骤S330：根据合成控制算法获取目标子集的拟合参数；
选定目标子集后，采用合成控制算法获取目标子集的拟合参数。具体地，对目标子集中各个控制区域的第二统计数据进行加权，直至目标子集中所有控制区域的第二统计数据加权结果逼近于项目区域的第一统计数据，此时，目标子集中各个控制区域的权重即为拟合参数。
步骤S340：根据拟合参数加权组合目标子集中的各个控制区域，获得合成对照组。
合成对照组是多个控制区域的加权组合，根据拟合参数加权组合目标子集中的各个控制区域，获得合成对照组。
由上所述，通过利用SCM算法，最小化预干预时期的误差平方和，为每个控制区域分配权重，从而构建一个与项目所在区域在干预前具有相似碳排放和碳汇特征的合成对照组，提高了合成对照组选择的科学性和准确性。
步骤S400：基于若干预设指标，计算合成对照组的指标值；
步骤S500：当根据所有的指标值判定合成对照组合格时，将合成对照组设为基线，否则，返回步骤S200。
预设指标用来评判合成对照组是否合格，根据合成对照组的指标值判定合格时，才将合成对照组设为基线；否则，返回步骤S200重新获得控制区域。例如：通过改变外扩距离、改变N的数量等来获得新的控制区域。
通过预设指标的判断，能够选择到最准确反映项目区域在无干预情况下碳排放和碳汇变化趋势的基线方案，从而进一步确保基线选择的稳定性和可靠性。该步骤也称为敏感性分析。
本实施例中，预设指标包括合成对照组与项目区域之间的相关系数（corr）、均方误差(MSE)和均方百分比误差(MSPE)。根据项目区域的第一统计数据和合成对照组中各个控制区域的第二统计数据，计算这些预设指标对应的指标值。当每一项指标值均超过预设阈值时，判定合成对照组合格，否则，判定合成对照组不合格。其中，各项预设指标对应的预设阈值为：。通过对基线方案进行敏感性分析，评估参数不确定性对基线选择结果的影响，提高基线选择的稳定性。
由上所述，本实施例将合成控制算法应用于REDD+林业碳汇项目基线选择，有效消除观测数据中的干扰因素，提高基线选择的客观性；通过构建合成对照组，能够更准确地反映项目实施区域在无干预情况下的碳排放和碳汇变化趋势，从而提高基线选择的准确性。还对合成对照组进行敏感性分析，可以评估参数不确定性对基线选择结果的影响，从而确保基线选择的稳定性。
在一个实施例中，碳汇项目实施时，还根据实际观测数据定期更新合成对照组和基线方案，能够更好地适应项目实施过程中的变化，确保基线选择与实际情况保持一致，提高项目碳减排效果的评估准确性。同时，监测项目区域与合成对照组之间的碳排放和碳汇差异，以评估项目的碳减排效果。
在一个实施例中，采用机器学习算法对合成对照组进行优化，以提高基线选择的准确性。
在一个实施例中，SCM拟合时结合其他因果推断方法：如倾向得分匹配法、差分法等，以提高基线选择的准确性和稳定性。
在一个实施例中，如图3所示，获得目标子集的拟合参数的步骤包括：
步骤S341：根据预设比例系数，将目标时间段划分为训练区间和验证区间；
步骤S342：获取训练区间内目标子集中每个控制区域以及项目区域的森林砍伐面积时间序列数据；
步骤S343：基于所有的森林砍伐面积时间序列数据，根据合成控制算法获得目标子集中各个控制区域的权重，所有的权重构成目标子集的拟合参数。
本实施例中，项目政策干预的时间project_begin_year 为2014年，设定2001-2013年为SCM整体的拟合时间区间。预设比例系数scm_train_p=0.6，将2001-2013期间划分为SCM训练区间[scm_train_start，scm_train_end]和SCM验证区间[scm_valid_start，scm_valid_end]。即：
scm_train_start=2001；
scm_train_end=scm_train_start+round(scm_train_p*(project_begin_year –1–scm_train_start))；
scm_valid_start=scm_train_end+1；
scm_valid_end=project_begin_year–1。
获取[scm_train_start，scm_train_end]时间区间内项目区域、目标子集中每个控制区域的森林砍伐面积时间序列数据，然后运用SCM算法拟合项目区域与控制区域的森林砍伐面积时间序列数据，得到目标子集最优的权重参数配置，所有的权重参数配置构成目标子集的拟合参数。表1为本实施例的一个目标子集中各个控制区域的最佳权重分配参数。
表1 各个控制区域的权重参数
在一个示例中，将拟合时间区间划分为训练区间和验证区间后，结合两个区间的所有指标值来判定合成对照组是否合格，即：当同时满足以下条件时，则判定SCM构建的合成对照组合格：并且/>；并且/>；/>并且。能够进一步提高基线选择的稳定性。
需要说明的是，虽然本实施例以林业碳汇的基线为例进行举例说明，但是本发明还可以应用于其他领域的项目基线选择：如能源、交通等领域的碳减排项目。
示例性系统
如图4所示，对应于上述林业碳汇项目基线构建方法，本发明实施例还提供林业碳汇项目基线构建系统，上述系统包括：
项目区域模块600，用于获取项目区域在目标时间段内的第一统计数据；
控制区域模块610，用于获取与项目区域相似的若干控制区域，并获取所述控制区域在所述目标时间段内的第二统计数据，所述第一统计数据和所述第二统计数据均包括碳排放数据和碳汇数据；
合成对照组模块620，用于在所有控制区域形成的集合中获取若干个子集，基于所述第一统计数据和所述第二统计数据，采用合成控制算法将每个所述子集和所述项目区域进行拟合，根据拟合结果筛选所述子集，获得合成对照组；
指标值模块630，用于基于若干预设指标，计算所述合成对照组的指标值；
判定模块640，用于当根据所有的所述指标值判定所述合成对照组合格时，将所述合成对照组设为基线，否则，返回获取与项目区域相似的若干控制区域。
可选的，所述合成对照组模块包括误差平方和计算单元、筛选单元和拟合单元，所述误差平方和计算单元用于基于所述第一统计数据和所述第二统计数据，分别计算所述项目区域和每个所述子集的误差平方和；所述筛选单元用于将误差平方和最小的子集设为目标子集；所述拟合单元用于根据合成控制算法获取所述目标子集的拟合参数，根据所述拟合参数加权组合所述目标子集，获得所述合成对照组。
具体的，本实施例中，上述林业碳汇项目基线构建系统的各模块的具体功能可以参照上述林业碳汇项目基线构建方法中的对应描述，在此不再赘述。
基于上述实施例，本发明还提供了一种智能终端，其原理框图可以如图5所示。上述智能终端包括通过系统总线连接的处理器、存储器、网络接口以及显示屏。其中，该智能终端的处理器用于提供计算和控制能力。该智能终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和林业碳汇项目基线构建程序。该内存储器为非易失性存储介质中的操作系统和林业碳汇项目基线构建程序的运行提供环境。该智能终端的网络接口用于与外部的终端通过网络连接通信。该林业碳汇项目基线构建程序被处理器执行时实现上述任意一种林业碳汇项目基线构建方法的步骤。该智能终端的显示屏可以是液晶显示屏或者电子墨水显示屏。
本领域技术人员可以理解，图5中示出的原理框图，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的智能终端的限定，具体的智能终端可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种智能终端，上述智能终端包括存储器、处理器以及存储在上述存储器上并可在上述处理器上运行的林业碳汇项目基线构建程序，上述林业碳汇项目基线构建程序被上述处理器执行时进行以下操作指令：
获取项目区域在目标时间段内的第一统计数据；
获取与项目区域相似的若干控制区域，并获取所述控制区域在所述目标时间段内的第二统计数据，所述第一统计数据和所述第二统计数据均包括碳排放数据和碳汇数据；
在所有控制区域形成的集合中获取若干个子集，基于所述第一统计数据和所述第二统计数据，采用合成控制算法将每个所述子集和所述项目区域进行拟合，根据拟合结果筛选所述子集，获得合成对照组；
基于若干预设指标，计算所述合成对照组的指标值；
当根据所有的所述指标值判定所述合成对照组合格时，将所述合成对照组设为基线，否则，返回获取与项目区域相似的若干控制区域。
可选的，所述基于所述第一统计数据和所述第二统计数据，采用合成控制算法将每个所述子集和所述项目区域进行拟合，根据拟合结果筛选所述子集，获得合成对照组，包括：
基于所述第一统计数据和所述第二统计数据，分别计算所述项目区域和每个所述子集的误差平方和；
将误差平方和最小的子集设为目标子集；
根据合成控制算法获取所述目标子集的拟合参数；
根据所述拟合参数加权组合所述目标子集，获得所述合成对照组。
可选的，所述根据合成控制算法获取所述目标子集的拟合参数，包括：
根据预设比例系数，将所述目标时间段划分为训练区间和验证区间；
获取所述训练区间内所述目标子集中每个所述控制区域以及所述项目区域的森林砍伐面积时间序列数据；
基于所有的所述森林砍伐面积时间序列数据，根据合成控制算法获得所述目标子集中各个所述控制区域的权重，所有的所述权重构成所述目标子集的拟合参数。
可选的，所述基于若干预设指标，计算所述合成对照组的指标值，包括：
根据预设比例系数，将所述目标时间段划分为训练区间和验证区间；
基于若干预设指标，根据所述第一统计数据和所述第二统计数据，针对训练区间和验证区间分别计算所述合成对照组的指标值。
可选的，所述预设指标包括所述合成对照组与所述项目区域之间的相关系数、均方误差和均方百分比误差。
可选的，根据所有的所述指标值判定所述合成对照组，包括：
当每一项所述指标值均超过预设阈值时，判定所述合成对照组合格，否则，判定所述合成对照组不合格。
本发明实施例还提供一种计算机可读存储介质，上述计算机可读存储介质上存储有林业碳汇项目基线构建程序，上述林业碳汇项目基线构建程序被处理器执行时实现本发明实施例提供的任意一种林业碳汇项目基线构建方法的步骤。
应理解，上述实施例中各步骤的序号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，而不应对本发明实施例的实施过程构成任何限定。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将上述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
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实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。这些功能究竟是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法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，上述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以由另外的划分方式，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。
上述集成的模块/单元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存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，上述计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，上述计算机程序包括计算机程序代码，上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质可以包括：能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，RandomAccess Memory）、电载波信号、电信信号以及软件分发介质等。需要说明的是，上述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。
以上所述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，并不是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，均应包含在本发明的保护范围之内。
Claims (8)
1.林业碳汇项目基线构建方法，其特征在于，所述方法包括：
获取项目区域在目标时间段内的第一统计数据；
获取与项目区域相似的若干控制区域，并获取所述控制区域在所述目标时间段内的第二统计数据，所述第一统计数据和所述第二统计数据均包括碳排放数据和碳汇数据；
在所有控制区域形成的集合中获取若干个子集，基于所述第一统计数据和所述第二统计数据，采用合成控制算法将每个所述子集和所述项目区域进行拟合，根据拟合结果筛选所述子集，获得合成对照组，所述合成对照组为多个控制区域的加权组合；
基于若干预设指标，计算所述合成对照组的指标值；
当根据所有的所述指标值判定所述合成对照组合格时，将所述合成对照组设为基线，否则，返回获取与项目区域相似的若干控制区域；
所述基于所述第一统计数据和所述第二统计数据，采用合成控制算法将每个所述子集和所述项目区域进行拟合，根据拟合结果筛选所述子集，获得合成对照组，包括：
基于所述第一统计数据和所述第二统计数据，分别计算所述项目区域和每个所述子集的误差平方和；
将误差平方和最小的子集设为目标子集；
根据合成控制算法获取所述目标子集的拟合参数；
根据所述拟合参数加权组合所述目标子集，获得所述合成对照组；
所述根据合成控制算法获取所述目标子集的拟合参数，包括：
根据预设比例系数，将所述目标时间段划分为训练区间和验证区间；
获取所述训练区间内所述目标子集中每个所述控制区域以及所述项目区域的森林砍伐面积时间序列数据；
基于所有的所述森林砍伐面积时间序列数据，根据合成控制算法获得所述目标子集中各个所述控制区域的权重，所有的所述权重构成所述目标子集的拟合参数。
2.如权利要求1所述的林业碳汇项目基线构建方法，其特征在于，所述基于若干预设指标，计算所述合成对照组的指标值，包括：
根据预设比例系数，将所述目标时间段划分为训练区间和验证区间；
基于若干预设指标，根据所述第一统计数据和所述第二统计数据，针对训练区间和验证区间分别计算所述合成对照组的指标值。
3.如权利要求1所述的林业碳汇项目基线构建方法，其特征在于，所述预设指标包括所述合成对照组与所述项目区域之间的相关系数、均方误差和均方百分比误差。
4.如权利要求3所述的林业碳汇项目基线构建方法，其特征在于，根据所有的所述指标值判定所述合成对照组，包括：
当每一项所述指标值均超过预设阈值时，判定所述合成对照组合格，否则，判定所述合成对照组不合格。
5.林业碳汇项目基线构建系统，其特征在于，所述系统包括：
项目区域模块，用于获取项目区域在目标时间段内的第一统计数据；
控制区域模块，用于获取与项目区域相似的若干控制区域，并获取所述控制区域在所述目标时间段内的第二统计数据，所述第一统计数据和所述第二统计数据均包括碳排放数据和碳汇数据；
合成对照组模块，用于在所有控制区域形成的集合中获取若干个子集，基于所述第一统计数据和所述第二统计数据，采用合成控制算法将每个所述子集和所述项目区域进行拟合，根据拟合结果筛选所述子集，获得合成对照组，所述合成对照组为多个控制区域的加权组合；
指标值模块，用于基于若干预设指标，计算所述合成对照组的指标值；
判定模块，用于当根据所有的所述指标值判定所述合成对照组合格时，将所述合成对照组设为基线，否则，返回获取与项目区域相似的若干控制区域；
所述基于所述第一统计数据和所述第二统计数据，采用合成控制算法将每个所述子集和所述项目区域进行拟合，根据拟合结果筛选所述子集，获得合成对照组，包括：
基于所述第一统计数据和所述第二统计数据，分别计算所述项目区域和每个所述子集的误差平方和；
将误差平方和最小的子集设为目标子集；
根据合成控制算法获取所述目标子集的拟合参数；
根据所述拟合参数加权组合所述目标子集，获得所述合成对照组；
所述根据合成控制算法获取所述目标子集的拟合参数，包括：
根据预设比例系数，将所述目标时间段划分为训练区间和验证区间；
获取所述训练区间内所述目标子集中每个所述控制区域以及所述项目区域的森林砍伐面积时间序列数据；
基于所有的所述森林砍伐面积时间序列数据，根据合成控制算法获得所述目标子集中各个所述控制区域的权重，所有的所述权重构成所述目标子集的拟合参数。
6.如权利要求5所述的林业碳汇项目基线构建系统，其特征在于，所述合成对照组模块包括误差平方和计算单元、筛选单元和拟合单元，所述误差平方和计算单元用于基于所述第一统计数据和所述第二统计数据，分别计算所述项目区域和每个所述子集的误差平方和；所述筛选单元用于将误差平方和最小的子集设为目标子集；所述拟合单元用于根据合成控制算法获取所述目标子集的拟合参数，根据所述拟合参数加权组合所述目标子集，获得所述合成对照组。
7.智能终端，其特征在于，所述智能终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的林业碳汇项目基线构建程序，所述林业碳汇项目基线构建程序被所述处理器执行时实现如权利要求1-4任意一项所述林业碳汇项目基线构建方法的步骤。
8.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上存储有林业碳汇项目基线构建程序，所述林业碳汇项目基线构建程序被处理器执行时实现如权利要求1-4任意一项所述林业碳汇项目基线构建方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311519721.9A CN117235434B (zh) | 2023-11-15 | 2023-11-15 | 林业碳汇项目基线构建方法、系统、终端及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311519721.9A CN117235434B (zh) | 2023-11-15 | 2023-11-15 | 林业碳汇项目基线构建方法、系统、终端及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117235434A CN117235434A (zh) | 2023-12-15 |
| CN117235434B true CN117235434B (zh) | 2024-03-19 |
Family
ID=89082984
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311519721.9A Active CN117235434B (zh) | 2023-11-15 | 2023-11-15 | 林业碳汇项目基线构建方法、系统、终端及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117235434B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111191871A (zh) * | 2019-11-21 | 2020-05-22 | 深圳壹账通智能科技有限公司 | 项目基线数据生成方法、装置、计算机设备和存储介质 |
| WO2020240083A1 (en) * | 2019-05-24 | 2020-12-03 | Hiilinieluntuottajat Hnt Oy | A system and a method for utilizing a carbon sink formed by soil and/or forest in emission trading systems |
| CN113574830A (zh) * | 2019-03-13 | 2021-10-29 | 脸谱公司 | 测量网络部署的影响 |
| CN115082273A (zh) * | 2022-05-07 | 2022-09-20 | 上海忒尔苏斯环境科技合伙企业(有限合伙) | 一种精细区域植被碳汇可视化方法及系统 |
| CN115219629A (zh) * | 2022-07-19 | 2022-10-21 | 杭州万林数链科技服务有限公司 | 基于红外气相色谱监测的林业资产碳汇储量评估方法 |
| WO2023024798A1 (zh) * | 2021-08-27 | 2023-03-02 | 邢长山 | 一种基于氧气浓度变化规律的林业碳汇量计量方法 |
| US11615428B1 (en) * | 2022-01-04 | 2023-03-28 | Natural Capital Exchange, Inc. | On-demand estimation of potential carbon credit production for a forested area |
| CN115879989A (zh) * | 2023-01-07 | 2023-03-31 | 佛山市协同数字科技有限公司 | 一种项目价值评估方法、系统、电子设备及存储介质 |
| CN116071419A (zh) * | 2023-03-06 | 2023-05-05 | 四川省林业和草原调查规划院(四川省林业和草原生态环境监测中心) | 一种碳汇造林和森林经营碳汇项目碳汇动态计量方法 |
| CN116701130A (zh) * | 2023-06-27 | 2023-09-05 | 中国建设银行股份有限公司 | 基于指标画像的动态基线优化方法、装置及电子设备 |
| CN117035378A (zh) * | 2023-10-10 | 2023-11-10 | 广州海晟科技有限公司 | 一种基于物联网的智慧工地管理方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220381471A1 (en) * | 2021-05-28 | 2022-12-01 | Johnson Controls Tyco IP Holdings LLP | Building control system with multi-objective control of carbon emissions and occupant comfort |
-
2023
- 2023-11-15 CN CN202311519721.9A patent/CN117235434B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113574830A (zh) * | 2019-03-13 | 2021-10-29 | 脸谱公司 | 测量网络部署的影响 |
| WO2020240083A1 (en) * | 2019-05-24 | 2020-12-03 | Hiilinieluntuottajat Hnt Oy | A system and a method for utilizing a carbon sink formed by soil and/or forest in emission trading systems |
| CN111191871A (zh) * | 2019-11-21 | 2020-05-22 | 深圳壹账通智能科技有限公司 | 项目基线数据生成方法、装置、计算机设备和存储介质 |
| WO2023024798A1 (zh) * | 2021-08-27 | 2023-03-02 | 邢长山 | 一种基于氧气浓度变化规律的林业碳汇量计量方法 |
| US11615428B1 (en) * | 2022-01-04 | 2023-03-28 | Natural Capital Exchange, Inc. | On-demand estimation of potential carbon credit production for a forested area |
| CN115082273A (zh) * | 2022-05-07 | 2022-09-20 | 上海忒尔苏斯环境科技合伙企业(有限合伙) | 一种精细区域植被碳汇可视化方法及系统 |
| CN115219629A (zh) * | 2022-07-19 | 2022-10-21 | 杭州万林数链科技服务有限公司 | 基于红外气相色谱监测的林业资产碳汇储量评估方法 |
| CN115879989A (zh) * | 2023-01-07 | 2023-03-31 | 佛山市协同数字科技有限公司 | 一种项目价值评估方法、系统、电子设备及存储介质 |
| CN116071419A (zh) * | 2023-03-06 | 2023-05-05 | 四川省林业和草原调查规划院(四川省林业和草原生态环境监测中心) | 一种碳汇造林和森林经营碳汇项目碳汇动态计量方法 |
| CN116701130A (zh) * | 2023-06-27 | 2023-09-05 | 中国建设银行股份有限公司 | 基于指标画像的动态基线优化方法、装置及电子设备 |
| CN117035378A (zh) * | 2023-10-10 | 2023-11-10 | 广州海晟科技有限公司 | 一种基于物联网的智慧工地管理方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| Historical forest baselines reveal potential for continued carbon sequestration;Jeanine M. Rhemtulla et.al;《PNAS》;第106卷(第15期);第6082-6087页 * |
| 基于ＣＢＭ－ＣＦＳ３模型的贵州高原森林生态系统碳储量时空变化;唐玉芝;《测绘学报》;第52卷(第10期);第1页 * |
| 森林保护碳汇项目方法学研究;刘欢 等;世界林业研究(第05期);第7-12页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117235434A (zh) | 2023-12-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2019233189A1 (zh) | 一种传感网络异常数据检测方法 | |
| CN111753985B (zh) | 基于神经元覆盖率的图像深度学习模型测试方法与装置 | |
| CN111459700B (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
| CN103020978B (zh) | 结合多阈值分割与模糊聚类的sar图像变化检测方法 | |
| CN108509935B (zh) | 一种基于随机森林算法的雷达工作模式识别方法 | |
| Lai et al. | Online pattern matching and prediction of incoming alarm floods | |
| CN105677791A (zh) | 用于分析风力发电机组的运行数据的方法和系统 | |
| CN102045358A (zh) | 一种基于整合相关性分析与分级聚类的入侵检测方法 | |
| CN112506990A (zh) | 一种基于时空信息的水文数据异常检测方法 | |
| CN116341901B (zh) | 一种滑坡面域-单体危险性预警的一体化评价方法 | |
| CN116366376B (zh) | 一种apt攻击溯源图分析方法 | |
| CN110493221A (zh) | 一种基于聚簇轮廓的网络异常检测方法 | |
| US20050144537A1 (en) | Method to use a receiver operator characteristics curve for model comparison in machine condition monitoring | |
| CN106935038B (zh) | 一种停车检测系统及检测方法 | |
| CN114169400A (zh) | 饮用水源地土壤环境参数预警方法、系统、装置及存储介质 | |
| CN112888008B (zh) | 基站异常检测方法、装置、设备及存储介质 | |
| CN117235434B (zh) | 林业碳汇项目基线构建方法、系统、终端及介质 | |
| CN116864011A (zh) | 基于多组学数据的结直肠癌分子标志物识别方法及系统 | |
| CN116843080A (zh) | 一种基于机器学习的尿素生产碳元素足迹预测方法及系统 | |
| CN115422821A (zh) | 用于岩体参数预测的数据处理方法和装置 | |
| CN115062859A (zh) | 一种对长爪沙鼠的密度进行预测的方法和装置 | |
| CN113553754A (zh) | 存储器、火灾风险预测模型构建方法、系统和装置 | |
| CN118070024B (zh) | 基于深度学习的用户行为数据处理方法及系统 | |
| CN117272118B (zh) | 一种t/r组件健康状态预测方法、系统、设备和介质 | |
| CN117908166B (zh) | 基于机器学习的强降水超级单体识别预警方法 |
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 |