A quantitative estimation method of global forest growth prediction models. A multivariate regression model is used to quantitatively estimate the growth of subcompartments. Its characteristics are as follows: selecting the factors (forest land type, geographical location, astronomical condition, climate condition, soil condition, and solar saving condition) which have great influence on the growth of subcompartments, establishing a multivariate regression model, and using subcompartment data of different conditions to carry out the model. The regression relationship between the prediction of subcompartment growth based on different forest types and the influencing factors was obtained by row inversion. After that, the corresponding model is used to quickly estimate the specified class size and calculate the growth prediction.
【技术实现步骤摘要】
全球任意森林小班生长预测模型定量估测方法一、
本专利技术涉及全球任意森林小班生长预测模型的定量估测方法，特别是利用大数据预测的模式，建立森林小班生长情况与地理位置，天文条件，气候条件，土壤条件，节气条件等一系列条件的关系，结合RS、UAV等遥感信息数据进行多元回归分析，进而预测全球任意森林小班生长情况的方法。二、技术背景森林是以木本植物为主体的生物群落，是集中的乔木与其它植物、动物、微生物和土壤之间相互依存相互制约，并与环境相互影响，从而形成的一个生态系统的总体。森林作为“地球之肺”，具有丰富的物种，复杂的结构，多种多样的功能；同时森林是地球上最大的陆地生态系统，而森林蓄积量不仅是反映一个国家或地区森林资源总规模和水平的基本指标之一，也是反映森林资源的丰富程度、衡量森林生态环境优劣的重要依据。森林资源是地球上最重要的资源之一，是林业可持续发展的关键，如何量测森林资源现状、监测其动态系统变化，分析评价森林资源的数量、质量、分布及健康等是我们当今所关注的热点问题。随着太空卫星的发展，遥感技术已经成为森林资源监测的主要支撑手段，遥感影像真实记录了地表地类的覆盖信息，...
【技术保护点】
1.全球任意小斑森林生长预测模型，其特征在于：选取对小班生长情况估测影响较大的因素(林地类型，地理位置，天文条件，气候条件，土壤条件，节气条件)建立多元回归模型，利用不同条件因素的小班数据对模型进行反演解算，得到以不同林地类型为基础的小班生长情况预测与各影响因子之间的回归关系一、选取二类调查数据中对森林小班生长情况影响相对较大的因素建立多元回归分析模型：
【技术特征摘要】
1.全球任意小斑森林生长预测模型，其特征在于：选取对小班生长情况估测影响较大的因素(林地类型，地理位置，天文条件，气候条件，土壤条件，节气条件)建立多元回归模型，利用不同条件因素的小班数据对模型进行反演解算，得到以不同林地类型为基础的小班生长情况预测与各影响因子之间的回归关系一、选取二类调查数据中对森林小班生长情况影响相对较大的因素建立多元回归分析模型：该模型中：Y为单位面积的小班蓄积量(m3/hm2)；S为小班面积(hm2)；a0为修正值；该模型分为地理要素G，太阳要素T，气候条件C土壤条件S和节气条件五个方面对于森林小班生长情况进行预测①地理要素G，依据森林小班所处的地理位置，我们可以用下列5个要素表达：H、X、Y、αi、βi，它们分别为地理要素中的：海拔(高程)、平面位置X,Y、坡度(0°～90°)、坡向；②太阳要素T：太阳光的照射时植物生长不可或缺的要素，太阳的主要影响因素...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。