本发明专利技术公开了一种森林固碳释氧的估测方法、装置、系统以及电子装置。本发明专利技术通过建立反向传播神经网络模型，并采用反向传播神经网络，以建立固碳释氧量的估测模型，其具有较好的学习精度，从而实现森林固碳释氧量的估测的智能化和自动化。此外，基于反向传播神经网络的固碳释氧量的估测模型，在森林固碳释氧量的估测时所监测到的数据可以有效地孪生至数字地形模型中。地形模型中。地形模型中。
【技术实现步骤摘要】
森林固碳释氧的估测方法、装置、系统及电子设备
[0001]本专利技术涉及碳中和
，尤其涉及一种森林固碳释氧的估测方法、装置、系统及电子设备。
技术介绍
[0002]随着工业化进程的快速发展，受人类活动影响的大气等温室气体浓度在持续增加而导致全球气候变暖，对碳中和的研究已经成为当今的热点问题。研究人员对全国或区域植被或土壤碳的研究相对较多，但关于单个森林生态系统的固碳释氧量研究资料并不多。森林生态系统是对二氧化碳吸收储存最为有效的方法，森林与大气中的物质交换主要是CO2和O2的交换，即森林固定并减少大气中的CO2，同时提供并增加大气中的O2，这对维持地球大气中的CO2和O2的动态平衡，减少温室效应以及提供人类的生存基础来说，有着巨大的不可替代的作用和地位。
[0003]目前关于森林植被碳储量的计算主要包括两种途径，一是基于生物量和含碳率来计算，二是基于光合特征和叶面积指数来计算。不同计算途径具有各自的优缺点，第一种途径将长期动态变化过程汇聚到一个精确的结果上，但难以表征随时间的动态变化过程和规律；第二种途径容易受到测定时限和环境条件等因素的影响，得到的固碳结果也包含了经验公式推导的成分。
[0004]有鉴于此，亟需一种新的方式精确计算森林植被的碳储量及氧气释放量。
技术实现思路
[0005]本专利技术实施例提供一种森林固碳释氧的估测方法、装置、系统及电子设备，有效解决现有技术中计算森林植被的碳储量、释放氧气量精度不高且容易受外界环境因素影响的问题。
[0006]根据本专利技术的一方面，本专利技术一实施例提供一种森林固碳释氧的估测方法，所述方法包括构建反向传播神经网络模型，所述模型以森林的二氧化碳通量的影响因子作为输入，二氧化碳通量作为输出；利用样本数据训练所述反向传播神经网络模型，将二氧化碳通量影响因子作为模型输入，并通过所述反向传播神经网络模型输出二氧化碳通量；基于所述二氧化碳通量估测森林固碳释氧量。
[0007]进一步地，所述基于所述二氧化碳通量估测森林固碳释氧量，包括：利用固碳释氧量的估测模型估测森林固碳释氧量，所述固碳释氧量的估测模型以所述二氧化碳通量作为输入，森林固碳释氧量作为输出。
[0008]进一步地，所述方法还包括对所述样本数据进行预处理；所述对所述样本数据进行预处理包括：：通过公式将f的区间映射到[0，1]区间。其中fi为f的不同的度量值。
[0009]进一步地，所述二氧化碳通量的影响因子包括采样于森林上方的二氧化碳的浓
度、气温和风速。
[0010]进一步地，所述反向传播神经网络模型的隐含层包括公式Ij＝Σi＝Inωijxi+θj，其中j为神经元节点，1≤j≤m，m为隐含层中的神经元节点的个数，1≤i≤n，n为输入层中的神经元节点的个数，xi为输入层中的第i个神经元节点提供的输入数据，ωij为隐含层中的第j个神经元节点与输入层中的第i个神经元节点的连接权重，θj为隐含层中的第j个神经元节点的阈值。
[0011]进一步地，在利用样本数据训练所述反向传播神经网络模型的步骤中，包括：确定所述反向传播神经网络模型的训练值，其中所述训练值包括训练误差、学习率、训练次数和惯性系数。
[0012]进一步地，还包括：将所述二氧化碳通量、所述森林固碳释氧量以数字孪生的形式现实在数字地形模型中。
[0013]根据本专利技术的另一方面，本专利技术实施例提供一种森林固碳释氧的估测装置，所述装置包括：神经网络建立模块，用于构建反向传播神经网络模型，所述模型以森林的二氧化碳通量的影响因子作为输入，二氧化碳通量作为输出；神经网络训练模块，用于利用样本数据训练所述反向传播神经网络模型，将二氧化碳通量影响因子作为模型输入，并通过所述反向传播神经网络模型输出二氧化碳通量；以及固碳释氧量计算模块，用于基于所述二氧化碳通量估测森林固碳释氧量。
[0014]根据本专利技术的另一方面，本专利技术实施例提供一种森林固碳释氧的估测系统，包括数字地形模型，所述数字地形模型用于接收本专利技术任意实施例所述的森林固碳释氧的估测方法所输出的森林固碳释氧量，以根据所述森林固碳释氧量构建相应的数字孪生空间。
[0015]根据本专利技术的另一方面，本专利技术实施例提供一种电子设备，所述设备包括处理器和存储器，所述处理器与所述存储器电性连接，所述存储器用于存储指令和数据，所述处理器用于执行本专利技术实施例所述的森林固碳释氧的估测方法中的步骤。
[0016]本专利技术的优点在于，通过建立反向传播神经网络模型，并采用反向传播神经网络，以建立固碳释氧量的估测模型，其具有较好的学习精度，从而实现森林固碳释氧量的估测的智能化和自动化。此外，基于反向传播神经网络的固碳释氧量的估测模型，在森林固碳释氧量的估测时所监测到的数据可以有效地孪生至数字地形模型中。
附图说明
[0017]下面结合附图，通过对本专利技术的具体实施方式详细描述，将使本专利技术的技术方案及其它有益效果显而易见。
[0018]图1为本专利技术实施例一提供的一种森林固碳释氧的估测方法的步骤流程图。
[0019]图2为本专利技术实施例二提供的一种森林固碳释氧的估测方法的步骤流程图。
[0020]图3为本专利技术实施例三提供的一种森林固碳释氧的估测装置的结构示意图。
[0021]图4本专利技术实施例五提供的一种电子设备结构示意图。
具体实施方式
[0022]下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于
本专利技术中的实施例，本领域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，都属于本专利技术保护的范围。
[0023]在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接或可以相互通讯；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本专利技术中的具体含义。
[0024]如图1所示，为本专利技术实施例一提供的一种森林固碳释氧的估测方法步骤流程图。所述方法包括步骤：
[0025]步骤S110：构建反向传播神经网络模型。
[0026]在本步骤中，所述模型以森林的二氧化碳通量的影响因子作为输入，二氧化碳通量作为输出。其中所述二氧化碳通量的影响因子包括采样于森林上方的二氧化碳的浓度、气温和风速。例如，基于二氧化碳传感器、氧气传感器、风向风速传感器、温湿度传感器、光照传感器取自连续7天内从早到晚的测量数据。可用于实时性估测数据。
[0027]作为其他实施例，可以采集大于7天的数据，例如以季节为主的数据采集，将各季节中每月的数据做均值处理。
[0028]步骤S120：利用样本数据训练所述反向传播神经网络模型，将二氧化碳通量影响因子作为模型输入，并通本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种森林固碳释氧的估测方法，其特征在于，包括步骤：构建反向传播神经网络模型，所述模型以森林的二氧化碳通量的影响因子作为输入，二氧化碳通量作为输出；利用样本数据训练所述反向传播神经网络模型，将二氧化碳通量影响因子作为模型输入，并通过所述反向传播神经网络模型输出二氧化碳通量；基于所述二氧化碳通量估测森林固碳释氧量。2.根据权利要求1所述的森林固碳释氧的估测方法，其特征在于，所述基于所述二氧化碳通量估测森林固碳释氧量，包括：利用固碳释氧量的估测模型估测森林固碳释氧量，所述固碳释氧量的估测模型以所述二氧化碳通量作为输入，森林固碳释氧量作为输出。3.根据权利要求1所述的森林固碳释氧的估测方法，其特征在于，还包括对所述样本数据进行预处理；所述对所述样本数据进行预处理包括：通过公式将f的区间映射到[0，1]区间。其中fi为f的不同的度量值。4.根据权利要求1所述的森林固碳释氧的估测方法，其特征在于，所述二氧化碳通量的影响因子包括采样于森林上方的二氧化碳的浓度、气温和风速。5.根据权利要求1所述的森林固碳释氧的估测方法，其特征在于，所述反向传播神经网络模型的隐含层包括公式：Ij＝Σi＝Inωijxi+θj，其中j为神经元节点，1≤j≤m，m为隐含层中的神经元节点的个数，1≤i≤n，n为输入层中的神经元节点的个数，xi为输入层中的第i个神经元节点提供的输入数据，ωij为隐含层中的第j个神经元节点与输入层中的第i个神经元节点的连接...
【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：久瓴上海智能科技有限公司，
类型：发明
国别省市：
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。