CN117271968A - 一种土壤固碳量的核算方法及系统 - Google Patents
一种土壤固碳量的核算方法及系统 Download PDFInfo
- Publication number
- CN117271968A CN117271968A CN202311557961.8A CN202311557961A CN117271968A CN 117271968 A CN117271968 A CN 117271968A CN 202311557961 A CN202311557961 A CN 202311557961A CN 117271968 A CN117271968 A CN 117271968A
- Authority
- CN
- China
- Prior art keywords
- soil
- area
- factor
- cell
- returning
- 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
- 239000002689 soil Substances 0.000 title claims abstract description 360
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 135
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 135
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000009919 sequestration Effects 0.000 title claims description 32
- 238000005070 sampling Methods 0.000 claims abstract description 93
- 238000012360 testing method Methods 0.000 claims abstract description 58
- 230000008859 change Effects 0.000 claims abstract description 44
- 238000011156 evaluation Methods 0.000 claims abstract description 35
- 230000004044 response Effects 0.000 claims abstract description 33
- 210000003608 fece Anatomy 0.000 claims description 41
- 239000010871 livestock manure Substances 0.000 claims description 41
- 238000004364 calculation method Methods 0.000 claims description 24
- 239000004927 clay Substances 0.000 claims description 6
- 239000010902 straw Substances 0.000 claims description 5
- 239000004016 soil organic matter Substances 0.000 claims description 4
- 235000021049 nutrient content Nutrition 0.000 claims description 3
- 230000000813 microbial effect Effects 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 25
- 238000010238 partial least squares regression Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 7
- 239000002245 particle Substances 0.000 description 6
- 230000001419 dependent effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000000618 nitrogen fertilizer Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 229920000742 Cotton Polymers 0.000 description 1
- 238000007605 air drying Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 239000002420 orchard Substances 0.000 description 1
- 239000003895 organic fertilizer Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007873 sieving Methods 0.000 description 1
- 239000002688 soil aggregate Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Business, Economics & Management (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Tourism & Hospitality (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Processing Of Solid Wastes (AREA)
Abstract
本发明公开一种土壤固碳量的核算方法及系统，涉及土壤监测技术领域，该方法包括：对于目标区域内每个小区，将各测试点的土壤因素指标采用对应权重加权后加权得分求和，得到各测试点的加权总得分；基于每个小区内各测试点的加权总得分确定每个小区的取样点数量；每个小区中随机选择对应取样点数量个第三设定面积的区块作为取样点；获取每个取样点的取样点数据；对于每种土壤类型的子区域对应的多个取样点的取样点数据，拟合土壤固碳速率与土壤特性数据以及气象数据的综合响应关系；根据目标评估年限、土壤类型和综合响应关系计算土壤相关库变化因子；根据土壤相关库变化因子计算目标评估年限内各年的土壤有机碳库。本发明提高了核算准确性。
Description
技术领域
本发明涉及土壤监测技术领域，特别是涉及一种土壤固碳量的核算方法及系统。
背景技术
据联合国政府间气候变化专门委员会（IPCC）统计，全球农业减排的技术潜力每年高达5500—6000Mt CO2eq（百万吨CO2当量），其中，89%来自土壤固碳。中国农田的最大固碳潜力为2.4 Pg C，但由于固定在土壤中的有机碳稳定性及持续时间尚存争议，且不同研究区域、农田种植结构、农田管理措施等都会对农田土壤碳汇产生影响，不同物料还田对土壤有机碳的影响也有所差异。粪肥施用可增加土壤团聚体的稳定性，加强对碳基的保护作用，从而提升土壤碳的固存。但由于粪肥施入对土壤C输入的多重影响，加上分解造成的C损失和土壤有机碳（Soil Organic Carbon，SOC）组成的复杂性，SOC动力学的关键过程和机制废弃物替代制度的响应仍不清楚。中国编制了适用于农田（旱田、水田、菜田、果园）的土壤固碳变化量核算方法，在核算期内，根据参考碳库缺省值、不同农田管理相关碳汇因子系数及每个时点相应的面积，计算土壤有机碳含量，通过用核算期前后土壤有机碳库变化量，并除以土壤有机碳库达到稳定的时间20年，即为核算期内土壤有机碳库年度变化量。但是该可算方法具有地域局限，参考性不高，且核算精确性较低。
多数研究者测量土壤初始有机碳含量时通过五点法、梅花法或棋盘法进行取样，但主要适用于调查土壤特性分布比较均匀的情况，若土壤有机质含量等特性分布不均，易产生误差。
发明内容
本发明的目的是提供一种土壤固碳量的核算方法及系统，提高了核算准确性。
为实现上述目的，本发明提供了如下方案：一种土壤固碳量的核算方法，包括：根据目标区域的土壤类型，将所述目标区域划分为多个子区域；将每个子区域划分为多个第一设定面积的小区，若目标区域的面积大于或者等于第二设定面积，则在每个小区中随机选择第一设定数量个第三设定面积的区块作为测试点，若目标区域的面积小于第二设定面积，则随机抽取第二设定数量个小区，在随机抽取的小区中随机选择第一设定数量个第三设定面积的区块作为测试点。
获得各测试点的多个土壤因素指标。
基于所述目标区域内多个测试点的土壤因素指标，计算每个土壤因素指标的变异系数；根据每个土壤因素指标的变异系数，计算每个土壤因素指标的权重。
对于每个小区，将各测试点的土壤因素指标采用对应权重加权后求和，得到小区内各测试点的土壤因素指标的加权总得分。
基于每个小区内各测试点的加权总得分，确定每个小区的取样点数量；
对于每个小区，随机选择对应取样点数量个第三设定面积的区块作为取样点；获取每个取样点的取样点数据；所述取样点数据包括土壤固碳速率历史数据、土壤特性历史数据和气象历史数据。
对于每种土壤类型的子区域对应的多个取样点的取样点数据，拟合土壤固碳速率与土壤特性数据以及气象数据的综合响应关系。
根据目标还田区域的目标评估年限、土壤类型和土壤类型对应的所述综合响应关系，计算粪肥还田土壤相关库变化因子。
根据目标还田区域的还田面积、土壤有机碳库参考值和粪肥还田土壤相关库变化因子计算所述目标评估年限内各年的土壤有机碳库。
可选地，所述土壤因素指标包括土壤有机质含量、土壤pH值、土壤粘性、土壤养分含量和土壤微生物量。
所述土壤特性历史数据包括土壤有机碳含量、土壤黏粒含量、土壤PH值、土壤容重含量、还田面积、粪肥施用量和秸秆还田率，所述气象历史数据包括年均温和年均降雨量。
可选地，所述变异系数的计算公式为：
；
其中，表示第i项土壤因素指标的变异系数，/>表示第i项土壤因素指标的标准差，/>表示第i项土壤因素指标的平均值。
所述土壤因素指标的权重的计算公式表示为：
；
其中，表示第i项土壤因素指标的权重，n表示目标区域内测试点的数量。
可选地，所述第一设定面积为100m2，所述第二设定面积为10亩，所述第三设定面积为1m2，所述第一设定数量为5，所述第二设定数量为10。
可选地，基于每个小区内各测试点的加权总得分，确定每个小区的取样点数量，具体包括：若小区内加权总得分最大值与加权总得分最小值之差大于加权总得分最小值的设定比例，则该小区的取样点数量为第三设定数量。
若小区内加权总得分最大值与加权总得分最小值之差小于或者等于加权总得分最小值的设定比例，则该小区的取样点数量为第四设定数量。
所述第三设定数量为10，所述第四设定数量为5。
可选地，对于每种土壤类型的子区域对应的多个取样点的取样点数据，拟合土壤固碳速率与土壤特性数据以及气象数据的综合响应关系，具体包括：对于每种土壤类型的子区域对应的多个取样点的取样点数据，采用偏最小二乘回归法拟合土壤固碳速率与土壤特性数据以及气象数据的综合响应关系。
可选地，根据目标还田区域的目标评估年限、土壤类型和土壤类型对应的所述综合响应关系，计算粪肥还田土壤相关库变化因子，具体包括：将目标还田区域的目标评估年限内各年的土壤特性数据以及气象数据输入目标还田区域的土壤类型对应的所述综合响应关系，得到各年的土壤固碳速率；
根据各年的土壤固碳速率计算粪肥还田土壤相关库变化因子。
可选地，粪肥还田土壤相关库变化因子的计算公式为：
；
其中，表示粪肥还田土壤相关库变化因子，D表示所述目标评估年限，/>表示所述目标评估年限内土壤固碳速率的年变化率的均值，/>表示所述目标评估年限内年变化率在95%置信度区间上限与/>之差。
可选地，所述目标评估年限内各年的土壤有机碳库计算公式为：
；
其中，表示第j年的土壤有机碳库，/>表示土壤有机碳库参考值，/>表示粪肥还田土壤相关库变化因子，/>表示土地利用中土地利用系统或亚系统的库变化因子，，/>表示土地管理的库变化因子，A表示目标还田区域的还田面积。
本发明还公开了一种土壤固碳量的核算系统，包括如下内容。
测试点数据确定模块，用于根据目标区域的土壤类型，将所述目标区域划分为多个子区域；将每个子区域划分为多个第一设定面积的小区，若目标区域的面积大于或者等于第二设定面积，则在每个小区中随机选择第一设定数量个第三设定面积的区块作为测试点，若目标区域的面积小于第二设定面积，则随机抽取第二设定数量个小区，在随机抽取的小区中随机选择第一设定数量个第三设定面积的区块作为测试点。
土壤因素指标确定模块，用于获得各测试点的多个土壤因素指标。
土壤因素指标权重确认模块，用于基于所述目标区域内多个测试点的土壤因素指标，计算每个土壤因素指标的变异系数；根据每个土壤因素指标的变异系数，计算每个土壤因素指标的权重。
各小区内土壤因素指标加权模块，用于对于每个小区，将各测试点的土壤因素指标采用对应权重加权后求和，得到小区内各测试点的土壤因素指标的加权总得分。
各小区内取样点数量确定模块，用于基于每个小区内各测试点的加权总得分，确定每个小区的取样点数量。
取样点数据确定模块，用于对于每个小区，随机选择对应取样点数量个第三设定面积的区块作为取样点；获取每个取样点的取样点数据；所述取样点数据包括土壤固碳速率历史数据、土壤特性历史数据和气象历史数据。
综合响应关系拟合模块，用于对于每种土壤类型的子区域对应的多个取样点的取样点数据，拟合土壤固碳速率与土壤特性数据以及气象数据的综合响应关系。
粪肥还田土壤相关库变化因子计算模块，用于根据目标还田区域的目标评估年限、土壤类型和土壤类型对应的所述综合响应关系，计算粪肥还田土壤相关库变化因子。
土壤有机碳库计算模块，用于根据目标还田区域的还田面积、土壤有机碳库参考值和粪肥还田土壤相关库变化因子计算所述目标评估年限内各年的土壤有机碳库。
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：本发明基于统计学原理的方法，在取样点的选择上通过变异系数法计算出变异系数来确定各指标的权重，从而基于每个小区内各测试点的加权总得分，确定每个小区的取样点数量，平衡各采样小区的土壤因素差异，提高了土壤固碳量核算的准确性，另外，考虑了多个土壤特效数据及气象数据对土壤有机碳库的影响，提高了土壤固碳量核算的准确性。
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为本发明实施例提供的一种土壤固碳量的核算方法流程示意图。
图2为本发明实施例提供的一种土壤固碳量的核算方法原理示意图。
图3为本发明实施例提供的一种土壤固碳量的核算系统结构示意图。
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土壤固碳量的核算方法及系统，提高了核算准确性。
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1
如图1和图2所示，本实施例提供的一种土壤固碳量的核算方法，包括如下步骤。
步骤101：根据目标区域的土壤类型，将所述目标区域划分为多个子区域；将每个子区域划分为多个第一设定面积的小区，若目标区域的面积大于或者等于第二设定面积，则在每个小区中随机选择第一设定数量个第三设定面积的区块作为测试点，若目标区域的面积小于第二设定面积，则随机抽取第二设定数量个小区，在随机抽取的小区中随机选择第一设定数量个第三设定面积的区块作为测试点。
步骤102：获得各测试点的多个土壤因素指标。
所述土壤因素指标包括土壤有机质含量、土壤pH值、土壤粘性、土壤养分含量和土壤微生物量。
土壤类型包括黑土、褐土、红黄壤、黄棕壤、紫色土、黄壤和黄棉土7种类型。
其中，所述第一设定面积为100m2，所述第二设定面积为10亩，所述第三设定面积为1m2，所述第一设定数量为5，所述第二设定数量为10。
其中，步骤101具体包括：根据目标区域的实际情况，确定每种土壤类型的数量和分别范围，根据不同土壤类型的数量和分布，将目标区域划分为不同的子区域，每个子区域表示一种土壤类型。将每个子区域划分为面积约为100m2的多个小区，每个小区随机选长势均匀的5个面积为1 m2正方块进行取样。
步骤103：基于所述目标区域内多个测试点的土壤因素指标，计算每个土壤因素指标的变异系数；根据每个土壤因素指标的变异系数，计算每个土壤因素指标的权重。
其中，步骤103具体包括：基于步骤101各测试点的土壤因素指标，通过变异系数法计算每个测试点（图2中测定点）的变异系数（标准差除以均值）。设定权重与变异系数呈正相关，为每个测试点每个土壤因素指标赋予权重，对赋予的权重进行归一化处理，确保各指标的权重之和为1，以便进行加权选择。
所述变异系数的计算公式为：
。
其中，表示第i项土壤因素指标的变异系数，/>表示第i项土壤因素指标的标准差，/>表示第i项土壤因素指标的平均值。
所述土壤因素指标的权重的计算公式表示为：
。
其中，表示第i项土壤因素指标的权重，n表示目标区域内测试点的数量。
步骤104：对于每个小区，将各测试点的土壤因素指标采用对应权重加权后求和，得到小区内各测试点的土壤因素指标的加权总得分。
步骤105：基于每个小区内各测试点的加权总得分，确定每个小区的取样点数量。
通过步骤105使得更重要的区域（加权总得分差异大的区域）得到更多的关注，加权总得分。考虑了不同土壤类型之间的变异情况。如果某些土壤因素指标在不同土壤类型之间的变异差异较大，则通过权重校正来平衡差异。
其中，步骤105具体包括：
若小区内加权总得分最大值与加权总得分最小值之差大于加权总得分最小值的设定比例，则该小区的取样点数量为第三设定数量。
若小区内加权总得分最大值与加权总得分最小值之差小于或者等于加权总得分最小值的设定比例，则该小区的取样点数量为第四设定数量。
设定比例为20%，所述第三设定数量为10，所述第四设定数量为5。
步骤106：对于每个小区，随机选择对应取样点数量个第三设定面积的区块作为取样点；获取每个取样点的取样点数据；所述取样点数据包括土壤固碳速率历史数据、土壤特性历史数据和气象历史数据。
所述土壤特性历史数据包括土壤有机碳含量、土壤黏粒含量、土壤PH值、土壤容重含量、还田面积、粪肥施用量和秸秆还田率，所述气象历史数据包括年均温和年均降雨量。
其中，取样点数据获取过程包括：分别在0-10cm、10-20cm、20-30cm耕层分别用环刀采集土壤，将采集的土壤充分混合后，经风干、磨碎、过60目筛，得到土壤样本，获取土壤样本的土壤固碳速率历史数据、土壤特性历史数据和气象历史数据。
步骤107：对于每种土壤类型的子区域对应的多个取样点的取样点数据，拟合土壤固碳速率与土壤特性数据以及气象数据的综合响应关系。
其中，步骤107具体包括：
对于每种土壤类型的子区域对应的多个取样点的取样点数据，采用偏最小二乘回归法拟合土壤固碳速率与土壤特性数据以及气象数据的综合响应关系。
步骤108：根据目标还田区域的目标评估年限、土壤类型和土壤类型对应的所述综合响应关系，计算粪肥还田土壤相关库变化因子。
其中，步骤108具体包括：
将目标还田区域的目标评估年限内各年的土壤特性数据以及气象数据输入目标还田区域的土壤类型对应的所述综合响应关系，得到各年的土壤固碳速率。
根据各年的土壤固碳速率计算粪肥还田土壤相关库变化因子。
粪肥还田土壤相关库变化因子的计算公式为：
。
其中，表示粪肥还田土壤相关库变化因子，D表示所述目标评估年限，/>表示所述目标评估年限内土壤固碳速率的年变化率的均值，/>表示所述目标评估年限内年变化率在95%置信度区间上限与/>之差。
步骤109：根据目标还田区域的还田面积、土壤有机碳库参考值和粪肥还田土壤相关库变化因子计算所述目标评估年限内各年的土壤有机碳库。
其中，步骤109具体包括：基于目标还田区域的还田面积、土壤有机碳库参考值和粪肥还田土壤相关库变化因子，在目标评估年限内，根据参考碳库缺省值、不同管理措施相关碳汇因子系数（和/>）及每个时点相应的面积（从0-T年，每年粪肥还田的面积），根据《农田土壤固碳核算技术规范》计算土壤有机碳含量（土壤有机碳库）及固碳量。
所述目标评估年限内各年的土壤有机碳库计算公式为：
。
其中，表示第j年的土壤有机碳库，单位为吨碳（t C）；/>表示土壤有机碳库参考值，单位为吨碳（t C）；/>表示粪肥还田土壤相关库变化因子，无量纲，/>表示特定土地利用中土地利用系统或亚系统的库变化因子，无量纲，/>表示土地管理的库变化因子，无量纲，A表示目标还田区域的还田面积。/>和/>均为缺省值。
中国北京地区30cm耕层土壤有机碳库的缺省值（土壤有机碳库参考值）为68，t C/hm2。
目标还田区域的土壤有机碳库变化量的计算公式为：
。
其中，表示土壤有机碳库变化量，单位为吨二氧化碳/年（tCO2/a）；/>表示目标评估年限的最后一年的土壤有机碳库，单位为吨碳（t C）；/>表示目标评估年限的第一年的土壤有机碳库，单位为吨碳（t C）；T表示单独核算期的年数（目标评估年限），单位为年（a）。
本发明基于统计学原理的方法，在测定点的选择上通过变异系数法计算出变异系数来确定各指标的权重。变异系数越大，说明指标的变异程度越大，权重也就越大。基于权重的大小，可以调整不同区域的取样密度。权重大的区域可以增加取样密度，权重小的区域可以减少取样密度，以确保取样时土壤特性、气象数据差异较大的区域可以采取选取更多的样本，提高了土壤固碳量核算的准确性。
本发明通过偏最小二乘回归（PLSR）法拟合出不同土壤黏粒、PH值等土壤特性下粪肥还田单位土壤固碳速率与土壤黏粒、土壤PH值等的综合响应关系。通过响应公式确定碳库因子，提高了土壤固碳量核算的准确性。
本发明使用偏最小二乘回归（PLSR）法在自变量（土壤容重、气象数据等）和因变量（土壤固碳速率）之间找到最佳关联。相对于传统的线性回归方法，该方法可以处理高维数据和多重共线性，适用于评估多个影响因素性对土壤固碳速率的综合影响，有助于提高了土壤固碳量核算的准确性。
下面以具体示例，说明本实施例一种土壤固碳量的核算方法。
对于河北省三河市某养殖场周边农田进行选点，选取初始有机碳（土壤有机碳含量）、黏粒（土壤黏粒含量）、土壤pH值、容重（土壤容重含量）作为指标。经检测该农场周边农田均为同一种土壤类型，故不考虑土壤类型带来的误差。将农田约每个子区域划分为面积约为100m2的7个小区，每个小区随机选长势均匀的5个面积为1m2正方块进行取样。
以第一个小区为例，计算结果如表1-表3。
根据归一化权重，对每个取样点进行加权得分计算。对于每个取样点，将每个土壤因素指标值乘以相应的权重，然后将它们相加以获得加权总得分，如表4所示。
同理可知，该小区最终加权得分得分之差小于得分最小值的20%，大于1）%，差异适中，此小区选择5个取样点合适。
通过偏最小二乘回归(PLSR)法拟合出不同初始土壤有机碳、土壤黏粒、PH值等土壤特性下粪肥还田单位土壤固碳速率与土壤黏粒、土壤PH值等的综合响应关系。
表5展示潜在因子的信息综合解释能力。其中，累计的X方差代表对自变量信息的提取，累计的R²代表对因变量信息的提取，可以以此为依据确定参数最大主成分数量。通过表5可知，R²值均接近1，拟合效果较好。
假定每个原始变量由两部分组成：共同因子和唯一因子。共同因子是各个原始变量所共有的因子，解释变量之间的相关关系。唯一因子顾名思义是每个原始变量所特有的因子，表示该变量不能被共同因子解释的部分。
示例：现在一个数据表有10个变量，因子分析可以将这10个变量通过特定的算法变为3个，4个，5个等等因子，而每个因子都能表达一种涵义，从而达到了降维的效果，方便接下来的数据分析。
因子对方差解释情况表的结果显示，前3个潜在因子就可解释自变量80%的信息，前1个潜在因子就可解释因变量80%的信息。
变量Y为土壤固碳速率。
变量X包括：初始有机碳（g/kg)、黏粒（%）、土壤面积、秸秆还田率、有机肥(kg/hm2·a)、年均温（℃）、pH值、氮肥(kg/hm2·a)、年均降雨量（mm）和容重(g/cm3)}。hm2表示公顷。
潜在因子用于表示各变量X之间的相关性。
通过偏最小二乘回归(PLSR)法拟合出的模型（综合响应关系）的标准化公式为：
；
其中，V表示土壤固碳速率，kg/hm2·a；SOC0表示初始有机碳，g/kg；Pn表示黏粒（土壤黏粒含量），%；Sm表示还田面积，104hm2；Va表示秸秆还田率，%；Ma表示粪肥施用量，kg/hm2·a；T’表示年均温（℃）；PH表示土壤pH值；Mb表示氮肥施用量(kg/hm2·a)；La表示年均降雨量（mm）；Pv表示容重(g/cm3)。
本发明中通过变异系数法给粪肥还田土壤特性进行了权重赋值，并通过偏最小二乘回归(PLSR)法拟合出不同土壤黏粒、PH值等土壤特性下粪肥还田单位土壤固碳速率与土壤黏粒、土壤PH值等的综合响应关系，且拟合效果较好。通过土壤特性，气象数据等获取碳库变化因子，考虑了环境对土壤的影响，相比于直接采用因子缺省值核算土壤固碳量更为精确。
实施例2
如图3所示，本实施例提供的一种土壤固碳量的核算系统，包括：
测试点数据确定模块201，用于根据目标区域的土壤类型，将所述目标区域划分为多个子区域；将每个子区域划分为多个第一设定面积的小区，若目标区域的面积大于或者等于第二设定面积，则在每个小区中随机选择第一设定数量个第三设定面积的区块作为测试点，若目标区域的面积小于第二设定面积，则随机抽取第二设定数量个小区，在随机抽取的小区中随机选择第一设定数量个第三设定面积的区块作为测试点。
土壤因素指标确定模块202，用于获得各测试点的多个土壤因素指标。
土壤因素指标权重确认模块203，用于基于所述目标区域内多个测试点的土壤因素指标，计算每个土壤因素指标的变异系数；根据每个土壤因素指标的变异系数，计算每个土壤因素指标的权重。
各小区内土壤因素指标加权模块204，用于对于每个小区，将各测试点的土壤因素指标采用对应权重加权后求和，得到小区内各测试点的土壤因素指标的加权总得分。
各小区内取样点数量确定模块205，用于基于每个小区内各测试点的加权总得分，确定每个小区的取样点数量。
取样点数据确定模块206，用于对于每个小区，随机选择对应取样点数量个第三设定面积的区块作为取样点；获取每个取样点的取样点数据；所述取样点数据包括土壤固碳速率历史数据、土壤特性历史数据和气象历史数据。
综合响应关系拟合模块207，用于对于每种土壤类型的子区域对应的多个取样点的取样点数据，拟合土壤固碳速率与土壤特性数据以及气象数据的综合响应关系。
粪肥还田土壤相关库变化因子计算模块208，用于根据目标还田区域的目标评估年限、土壤类型和土壤类型对应的所述综合响应关系，计算粪肥还田土壤相关库变化因子。
土壤有机碳库计算模块209，用于根据目标还田区域的还田面积、土壤有机碳库参考值和粪肥还田土壤相关库变化因子计算所述目标评估年限内各年的土壤有机碳库。
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 (10)
1.一种土壤固碳量的核算方法，其特征在于，包括：
根据目标区域的土壤类型，将所述目标区域划分为多个子区域；将每个子区域划分为多个第一设定面积的小区，若目标区域的面积大于或者等于第二设定面积，则在每个小区中随机选择第一设定数量个第三设定面积的区块作为测试点，若目标区域的面积小于第二设定面积，则随机抽取第二设定数量个小区，在随机抽取的小区中随机选择第一设定数量个第三设定面积的区块作为测试点；
获得各测试点的多个土壤因素指标；
基于所述目标区域内多个测试点的土壤因素指标，计算每个土壤因素指标的变异系数；根据每个土壤因素指标的变异系数，计算每个土壤因素指标的权重；
对于每个小区，将各测试点的土壤因素指标采用对应权重加权后求和，得到小区内各测试点的土壤因素指标的加权总得分；
基于每个小区内各测试点的加权总得分，确定每个小区的取样点数量；
对于每个小区，随机选择对应取样点数量个第三设定面积的区块作为取样点；获取每个取样点的取样点数据；所述取样点数据包括土壤固碳速率历史数据、土壤特性历史数据和气象历史数据；
对于每种土壤类型的子区域对应的多个取样点的取样点数据，拟合土壤固碳速率与土壤特性数据以及气象数据的综合响应关系；
根据目标还田区域的目标评估年限、土壤类型和土壤类型对应的所述综合响应关系，计算粪肥还田土壤相关库变化因子；
根据目标还田区域的还田面积、土壤有机碳库参考值和粪肥还田土壤相关库变化因子计算所述目标评估年限内各年的土壤有机碳库。
2.根据权利要求1所述的土壤固碳量的核算方法，其特征在于，所述土壤因素指标包括土壤有机质含量、土壤pH值、土壤粘性、土壤养分含量和土壤微生物量；
所述土壤特性历史数据包括土壤有机碳含量、土壤黏粒含量、土壤PH值、土壤容重含量、还田面积、粪肥施用量和秸秆还田率，所述气象历史数据包括年均温和年均降雨量。
3.根据权利要求1所述的土壤固碳量的核算方法，其特征在于，所述变异系数的计算公式为：
；
其中，表示第i项土壤因素指标的变异系数，/>表示第i项土壤因素指标的标准差，表示第i项土壤因素指标的平均值；
所述土壤因素指标的权重的计算公式表示为：
；
其中，表示第i项土壤因素指标的权重，n表示目标区域内测试点的数量。
4.根据权利要求1所述的土壤固碳量的核算方法，其特征在于，所述第一设定面积为100m2，所述第二设定面积为10亩，所述第三设定面积为1m2，所述第一设定数量为5，所述第二设定数量为10。
5.根据权利要求1所述的土壤固碳量的核算方法，其特征在于，基于每个小区内各测试点的加权总得分，确定每个小区的取样点数量，具体包括：
若小区内加权总得分最大值与加权总得分最小值之差大于加权总得分最小值的设定比例，则该小区的取样点数量为第三设定数量；
若小区内加权总得分最大值与加权总得分最小值之差小于或者等于加权总得分最小值的设定比例，则该小区的取样点数量为第四设定数量；
所述第三设定数量为10，所述第四设定数量为5。
6.根据权利要求1所述的土壤固碳量的核算方法，其特征在于，对于每种土壤类型的子区域对应的多个取样点的取样点数据，拟合土壤固碳速率与土壤特性数据以及气象数据的综合响应关系，具体包括：
对于每种土壤类型的子区域对应的多个取样点的取样点数据，采用偏最小二乘回归法拟合土壤固碳速率与土壤特性数据以及气象数据的综合响应关系。
7.根据权利要求1所述的土壤固碳量的核算方法，其特征在于，根据目标还田区域的目标评估年限、土壤类型和土壤类型对应的所述综合响应关系，计算粪肥还田土壤相关库变化因子，具体包括：
将目标还田区域的目标评估年限内各年的土壤特性数据以及气象数据输入目标还田区域的土壤类型对应的所述综合响应关系，得到各年的土壤固碳速率；
根据各年的土壤固碳速率计算粪肥还田土壤相关库变化因子。
8.根据权利要求1所述的土壤固碳量的核算方法，其特征在于，粪肥还田土壤相关库变化因子的计算公式为：
；
其中，表示粪肥还田土壤相关库变化因子，D表示所述目标评估年限，/>表示所述目标评估年限内土壤固碳速率的年变化率的均值，/>表示所述目标评估年限内年变化率在95%置信度区间上限与/>之差。
9.根据权利要求1所述的土壤固碳量的核算方法，其特征在于，所述目标评估年限内各年的土壤有机碳库计算公式为：
；
其中，表示第j年的土壤有机碳库，/>表示土壤有机碳库参考值，/>表示粪肥还田土壤相关库变化因子，/>表示土地利用中土地利用系统或亚系统的库变化因子，表示土地管理的库变化因子，A表示目标还田区域的还田面积。
10.一种土壤固碳量的核算系统，其特征在于，包括：
测试点数据确定模块，用于根据目标区域的土壤类型，将所述目标区域划分为多个子区域；将每个子区域划分为多个第一设定面积的小区，若目标区域的面积大于或者等于第二设定面积，则在每个小区中随机选择第一设定数量个第三设定面积的区块作为测试点，若目标区域的面积小于第二设定面积，则随机抽取第二设定数量个小区，在随机抽取的小区中随机选择第一设定数量个第三设定面积的区块作为测试点；
土壤因素指标确定模块，用于获得各测试点的多个土壤因素指标；
土壤因素指标权重确认模块，用于基于所述目标区域内多个测试点的土壤因素指标，计算每个土壤因素指标的变异系数；根据每个土壤因素指标的变异系数，计算每个土壤因素指标的权重；
各小区内土壤因素指标加权模块，用于对于每个小区，将各测试点的土壤因素指标采用对应权重加权后求和，得到小区内各测试点的土壤因素指标的加权总得分；
各小区内取样点数量确定模块，用于基于每个小区内各测试点的加权总得分，确定每个小区的取样点数量；
取样点数据确定模块，用于对于每个小区，随机选择对应取样点数量个第三设定面积的区块作为取样点；获取每个取样点的取样点数据；所述取样点数据包括土壤固碳速率历史数据、土壤特性历史数据和气象历史数据；
综合响应关系拟合模块，用于对于每种土壤类型的子区域对应的多个取样点的取样点数据，拟合土壤固碳速率与土壤特性数据以及气象数据的综合响应关系；
粪肥还田土壤相关库变化因子计算模块，用于根据目标还田区域的目标评估年限、土壤类型和土壤类型对应的所述综合响应关系，计算粪肥还田土壤相关库变化因子；
土壤有机碳库计算模块，用于根据目标还田区域的还田面积、土壤有机碳库参考值和粪肥还田土壤相关库变化因子计算所述目标评估年限内各年的土壤有机碳库。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311557961.8A CN117271968B (zh) | 2023-11-22 | 2023-11-22 | 一种土壤固碳量的核算方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311557961.8A CN117271968B (zh) | 2023-11-22 | 2023-11-22 | 一种土壤固碳量的核算方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117271968A true CN117271968A (zh) | 2023-12-22 |
| CN117271968B CN117271968B (zh) | 2024-02-23 |
Family
ID=89204902
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311557961.8A Active CN117271968B (zh) | 2023-11-22 | 2023-11-22 | 一种土壤固碳量的核算方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117271968B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118333653A (zh) * | 2024-06-14 | 2024-07-12 | 成都理工大学 | 一种农产品的碳排放配额测算方法 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140089333A1 (en) * | 2012-09-26 | 2014-03-27 | Alcatel-Lucent Usa Inc. | Method And Apparatus For Region Sampling And Estimation In Location Based Networks |
| CN104764868A (zh) * | 2015-04-02 | 2015-07-08 | 中国科学院南京土壤研究所 | 一种基于地理加权回归的土壤有机碳预测方法 |
| CN108733952A (zh) * | 2018-05-30 | 2018-11-02 | 山东省农业科学院科技信息研究所 | 一种基于序贯模拟的土壤含水量空间变异性三维表征方法 |
| CN109541172A (zh) * | 2018-10-25 | 2019-03-29 | 北京农业信息技术研究中心 | 土壤属性值的计算方法及装置 |
| CN109669022A (zh) * | 2018-10-25 | 2019-04-23 | 东北师范大学 | 一种密丛型苔草沼泽土壤有机碳储量的精确评估方法 |
| CN111508569A (zh) * | 2020-03-19 | 2020-08-07 | 中国科学院南京土壤研究所 | 一种基于土壤传递函数的目标土壤性质含量预测方法 |
| CN114169161A (zh) * | 2021-12-02 | 2022-03-11 | 辽宁省农业发展服务中心 | 一种土壤有机碳时空变异和固碳潜力估计方法和系统 |
| CN114862028A (zh) * | 2022-05-17 | 2022-08-05 | 中国华能集团清洁能源技术研究院有限公司 | 二氧化碳封存性能预测方法、装置及存储介质 |
| CN114896561A (zh) * | 2022-05-07 | 2022-08-12 | 安徽农业大学 | 一种基于遥感算法的湿地碳储量计算方法 |
| CA3213114A1 (en) * | 2021-03-15 | 2022-09-22 | Australian Natural Capital (IP) Pty Ltd | A method of measuring soil |
| CN115310719A (zh) * | 2022-09-16 | 2022-11-08 | 中国科学院地理科学与资源研究所 | 基于三阶段k-means的农田土壤采样方案设计方法 |
| CN115792177A (zh) * | 2022-10-20 | 2023-03-14 | 郑炜 | 一种农产品土壤碳库变化参数的计量方法 |
| WO2023097399A1 (en) * | 2021-12-03 | 2023-06-08 | Terramera, Inc. | Systems and methods for predicting soil carbon content |
| CN116933034A (zh) * | 2023-08-09 | 2023-10-24 | 中国科学院新疆生态与地理研究所 | 生态系统碳储量变化的确定方法、系统、电子设备及介质 |
-
2023
- 2023-11-22 CN CN202311557961.8A patent/CN117271968B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140089333A1 (en) * | 2012-09-26 | 2014-03-27 | Alcatel-Lucent Usa Inc. | Method And Apparatus For Region Sampling And Estimation In Location Based Networks |
| CN104764868A (zh) * | 2015-04-02 | 2015-07-08 | 中国科学院南京土壤研究所 | 一种基于地理加权回归的土壤有机碳预测方法 |
| CN108733952A (zh) * | 2018-05-30 | 2018-11-02 | 山东省农业科学院科技信息研究所 | 一种基于序贯模拟的土壤含水量空间变异性三维表征方法 |
| CN109541172A (zh) * | 2018-10-25 | 2019-03-29 | 北京农业信息技术研究中心 | 土壤属性值的计算方法及装置 |
| CN109669022A (zh) * | 2018-10-25 | 2019-04-23 | 东北师范大学 | 一种密丛型苔草沼泽土壤有机碳储量的精确评估方法 |
| CN111508569A (zh) * | 2020-03-19 | 2020-08-07 | 中国科学院南京土壤研究所 | 一种基于土壤传递函数的目标土壤性质含量预测方法 |
| CA3213114A1 (en) * | 2021-03-15 | 2022-09-22 | Australian Natural Capital (IP) Pty Ltd | A method of measuring soil |
| CN114169161A (zh) * | 2021-12-02 | 2022-03-11 | 辽宁省农业发展服务中心 | 一种土壤有机碳时空变异和固碳潜力估计方法和系统 |
| WO2023097399A1 (en) * | 2021-12-03 | 2023-06-08 | Terramera, Inc. | Systems and methods for predicting soil carbon content |
| CN114896561A (zh) * | 2022-05-07 | 2022-08-12 | 安徽农业大学 | 一种基于遥感算法的湿地碳储量计算方法 |
| CN114862028A (zh) * | 2022-05-17 | 2022-08-05 | 中国华能集团清洁能源技术研究院有限公司 | 二氧化碳封存性能预测方法、装置及存储介质 |
| CN115310719A (zh) * | 2022-09-16 | 2022-11-08 | 中国科学院地理科学与资源研究所 | 基于三阶段k-means的农田土壤采样方案设计方法 |
| CN115792177A (zh) * | 2022-10-20 | 2023-03-14 | 郑炜 | 一种农产品土壤碳库变化参数的计量方法 |
| CN116933034A (zh) * | 2023-08-09 | 2023-10-24 | 中国科学院新疆生态与地理研究所 | 生态系统碳储量变化的确定方法、系统、电子设备及介质 |
Non-Patent Citations (11)
| Title |
|---|
| JACOB V. SPERTUS: "Optimal Sampling and Assay for Estimating Soil Organic Carbon", OPEN JOURNAL OF SOIL SCIENCE * |
| 北京市标准化信息管理平台: "农田土壤固碳核算技术规范", Retrieved from the Internet <URL:http://bzh.scjgj.beijing.gov.cn/bzh/apifile/file/2021/20210325/a6da234d-c07c-4bd4-b7ac-6a2273932f46.pdf> * |
| 吴玉红;田霄鸿;同延安;南雄雄;周密;侯永辉;: "基于主成分分析的土壤肥力综合指数评价", 生态学杂志, no. 01 * |
| 巫振富: "样点数量与空间分布对县域尺度土壤属性空间预测效果的影响", 土壤学报 * |
| 常瑞英;刘国华;傅伯杰;: "区域尺度土壤固碳量估算方法评述", 地理研究, no. 09 * |
| 申广荣;葛晓烨;黄秀梅;: "上海崇明岛表层土壤有机碳密度的空间分布特征及碳储量估算", 上海交通大学学报(农业科学版), no. 06 * |
| 赵彦锋: "基于土壤变异解释力的几种土壤制图方法的对比研究——以南阳市1m土体土壤有机碳密度制图为例", 土壤学报 * |
| 郑琳: "取样和计算方法对黑土剖面土壤有机碳密度的影响", 生态学杂志 * |
| 钟聪;杨忠芳;夏学齐;侯青叶;姜伟;: "青海省土壤有机碳储量估算及其源汇因素分析", 现代地质, no. 05 * |
| 陈心桐: "我国北方自然生态系统土壤有机碳含量及其影响因素研究", 硕士电子期刊 * |
| 霍丽丽: "典型农业生物炭理化特性及产品质量评价", 农业工程学报 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118333653A (zh) * | 2024-06-14 | 2024-07-12 | 成都理工大学 | 一种农产品的碳排放配额测算方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117271968B (zh) | 2024-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pausas | Species richness patterns in the understorey of Pyrenean Pinus sylvestris forest | |
| CN117271968B (zh) | 一种土壤固碳量的核算方法及系统 | |
| Rockström et al. | On‐farm spatial and temporal variability of soil and water in pearl millet cultivation | |
| CN113011992A (zh) | 一种基于标准数据的流域农业面源污染入河系数测算方法 | |
| CN108377788B (zh) | 一种水稻全生育期耐盐性鉴定评价方法 | |
| CN102138446A (zh) | 高寒草原退化程度的界定方法 | |
| Yuecong et al. | Relative pollen productivities and relevant source area of pollen in the forest–steppe ecotone of northern China | |
| CN112051363A (zh) | 一种基于根土比判定高寒草甸退化程度的方法 | |
| CN113011993A (zh) | 基于标准数据的农业污染源入水体负荷量测算方法 | |
| Wang et al. | Factors controlling soil organic carbon with depth at the basin scale | |
| Zhang et al. | Changes in and evaluation of surface soil quality in Populus× xiaohei shelterbelts in midwestern Heilongjiang province, China | |
| CN1651859A (zh) | 用于作物单产和森林单位蓄积量估计的分层回归遥感抽样技术 | |
| Wang et al. | Scale effect of climate on soil organic carbon in the Uplands of Northeast China | |
| CN114967798A (zh) | 一种基于互联网的天麻种植管理控制系统 | |
| Proctor et al. | Quantifying wetland plant vertical root distribution for estimating the Interface with the anoxic zone | |
| Fei et al. | Factors driving the biomass and species richness of desert plants in northern Xinjiang China | |
| CN117556695B (zh) | 一种基于深度学习的作物根层土壤含水量模拟方法 | |
| CN107832977A (zh) | 一种坡耕地合理耕层的评价方法 | |
| Wrbka et al. | Biodiversity patterns in cultivated landscapes: experiences and first results from a nationwide Austrian survey | |
| CN110033187B (zh) | 一种基于环境数据的指标数据获取方法 | |
| Zanabria Cáceres et al. | Analysis of soil quality through aerial biomass contribution of three forest species in relict high Andean forests of Peru | |
| CN115310719A (zh) | 基于三阶段k-means的农田土壤采样方案设计方法 | |
| CN115481366A (zh) | 一种基于空间降尺度回归模型的耕地资源生产潜力测算方法 | |
| Chen et al. | Spatial variability of soil physicochemical properties under different land uses impacted by erosion on karst hillslopes in Southwest China | |
| Shahbazi et al. | Suitability of wheat, maize, sugar beet and potato using MicroLEIS DSS software in Ahar area, north-west of Iran |
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 |