基于生态测绘数据的矿区植被碳汇提升规划方法技术

本发明专利技术提供了一种基于生态测绘数据的矿区植被碳汇提升规划方法，通过对矿区进行生态测绘获取植被特征变量，建立植被特征变量分布图；将植被地上碳储量与植被特征变量进行逐步回归分析，通过植被特征变量分布图建立植被地上碳储量分布图；将植被生长胁迫因素与植被特征变量进行逐步回归分析，通过植被特征变量分布图，建立植被生长胁迫因素分布图；通过植被地上碳储量分布图和植被生长胁迫因素分布图，建立矿区植被碳汇提升空间分布图；建立植被生长胁迫因素的主导参数分布图，基于植被碳汇提升空间分布图，建立矿区植被碳汇提升参数分布图；在植被碳汇提升参数分布图上标记植被碳汇提升措施，建立矿区植被碳汇提升规划图，完成植被碳汇提升规划

【技术实现步骤摘要】
基于生态测绘数据的矿区植被碳汇提升规划方法


[0001]本专利技术涉及土地复垦与生态修复
，具体涉及一种基于生态测绘数据的矿区植被碳汇提升规划方法
。

技术介绍

[0002]矿区植被碳汇作为重要的固碳增汇途径之一，随着国家双碳目标战略的提出，越来越受到政府和矿山企业的重视，而矿区植被重建则是矿区植被碳汇的核心工作
。
矿区植被重建能够带来碳汇的增加，但矿区地形起伏大，水土条件差，植被生长容易受到水分亏缺
、
营养元素胁迫等因素的影响，造成植被碳汇能力不足
。
因此需要对矿区植被碳汇提升进行合理的规划
。
[0003]目前，涉及到矿区植被碳汇的技术，主要是碳汇评估技术，如基于光能利用率模型的碳汇评估技术
、
基于地面生态调查的碳汇评估技术，针对矿区植被碳汇提升规划技术还很少
。
传统的植被碳汇提升主要依靠地面调查和经验判断，来实现植物群落的健康诊断，提出碳汇提升对策，存在盲目性高
、
工作量大
、
缺乏空间化布局的缺点，难以满足矿区植被碳汇提升的整体布局和规划
。
因此，需要开发出一种新的方法来解决矿区植被碳汇提升规划问题，用于指导矿区土地复垦与生态修复
。

技术实现思路

[0004]为解决上述现有技术中存在的问题，本专利技术提供一种基于生态测绘数据的矿区植被碳汇提升规划方法
。
[0005]本专利技术提供的技术方案如下：<br/>[0006]一种基于生态测绘数据的矿区植被碳汇提升规划方法，包括以下步骤：
[0007]S1
：对矿区进行生态测绘，从所述生态测绘的数据中获取植被特征变量，并建立植被特征变量分布图；
[0008]S2
：将植被地上碳储量与所述植被特征变量进行逐步回归分析，并通过所述植被特征变量分布图，建立植被地上碳储量分布图；
[0009]S3
：将植被生长胁迫因素与所述植被特征变量进行逐步回归分析，并通过所述植被特征变量分布图，建立植被生长胁迫因素分布图；
[0010]S4
：通过所述植被地上碳储量分布图和所述植被生长胁迫因素分布图，建立矿区植被碳汇提升空间分布图；
[0011]S5
：通过所述植被生长胁迫因素分布图和所述植被特征变量分布图，建立矿区植被生长胁迫因素的主导参数分布图；
[0012]S6
：在所述植被碳汇提升参数分布图上标记植被碳汇提升措施，建立矿区植被碳汇提升规划图，完成植被碳汇提升规划
。
[0013]进一步的，步骤
S1
中，通过无人机测绘建立矿区
LiDAR
点云数据和高光谱图像；所述矿区植被特征变量包括
LiDAR
特征变量和高光谱特征变量；所述植被特征变量分布图包
括
LiDAR
特征变量分布图和高光谱特征变量分布图
。
[0014]进一步的，所述
LiDAR
特征变量包括植物高度
、
植被冠层结构和地形因子，所述高光谱特征变量包括植被指数
、
纹理因子
、
植被类型和物种多样性
。
[0015]进一步的，步骤
S2
中，所述植被地上碳储量与所述植被特征变量的逐步回归分析函数公式为：
[0016][0017]式中：
ln
‑
对数函数符号；
C
‑
植被地上碳储量；
LI
i
‑
第
i
个
LiDAR
特征变量；
SI
j
‑
第
j
个高光谱特征变量；
c
‑
常数；
a
i
‑
第
i
个
LiDAR
特征变量的回归系数；
b
j
‑
第
j
个高光谱特征变量的回归系数；
n
‑
LiDAR
特征变量的个数；
m
‑
高光谱特征变量的个数
。
[0018]进一步的，步骤
S3
中，所述植被生长胁迫因素与所述植被特征变量的逐步回归分析函数公式为：
[0019][0020]式中：
S
k
‑
第
k
个植被生长胁迫因素，
k
最大值为3；
LI
i
‑
第
i
个
LiDAR
特征变量；
SI
j
‑
第
j
个高光谱特征变量；
c
‑
常数；
d
i
‑
第
i
个
LiDAR
特征变量的回归系数；
e
j
‑
第
j
个高光谱特征变量的回归系数；
n
‑
LiDAR
特征变量的个数；
m
‑
高光谱特征变量的个数
。
[0021]进一步的，步骤
S4
中，所述矿区植被碳汇提升空间分布图由碳汇提升区域组成
。
[0022]进一步的，所述碳汇提升区域的标识方法包括以下步骤：
[0023]a.
以所述植被地上碳储量分布图为因变量，以所述植被生长胁迫因素分布图为自变量，基于地理加权回归分析，分别得到植被生长胁迫因素回归系数图和植被生长胁迫因素显著性
p
值分布图；
[0024]b.
将所述植被生长胁迫因素回归系数图和所述植被生长胁迫因素显著性
p
值分布图叠加，并对回归系数最大且显著性
p
值大于
0.05
的斑块进行标识，所述斑块的区域即为植被碳汇提升区域
。
[0025]进一步的，步骤
S5
中，所述植被生长胁迫因素的主导参数分布图的建立方法为：以所述植被生长胁迫因素分布图作为因变量，以所述植被特征变量分布图作为自变量，基于地理探测器识别植被碳汇提升空间分布图中每个斑块植被碳汇胁迫因素的主导参数，建立所述植被生长胁迫因素的主导参数分布图
。
[0026]进一步的，所述植被生长胁迫因素包括植被水分
、
植被氮磷比和植被密度，所述植被碳汇提升措施包括间伐
、
补植
、
疏伐
、
追肥和地形重塑
。
[0027]本专利技术的有益效果：
[0028]1、
本专利技术提出的方法采用无人机进行矿区生态测绘数据采集，避免对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于生态测绘数据的矿区植被碳汇提升规划方法，其特征在于，包括以下步骤：
S1
：对矿区进行生态测绘，从所述生态测绘的数据中获取植被特征变量，并建立植被特征变量分布图；
S2
：将植被地上碳储量与所述植被特征变量进行逐步回归分析，并通过所述植被特征变量分布图，建立植被地上碳储量分布图；
S3
：将植被生长胁迫因素与所述植被特征变量进行逐步回归分析，并通过所述植被特征变量分布图，建立植被生长胁迫因素分布图；
S4
：通过所述植被地上碳储量分布图和所述植被生长胁迫因素分布图，建立矿区植被碳汇提升空间分布图；
S5
：通过所述植被生长胁迫因素分布图和所述植被特征变量分布图，建立植被生长胁迫因素的主导参数分布图，通过叠加植被碳汇提升空间分布图和所述矿区植被生长胁迫因素的主导参数分布图，建立植被碳汇提升参数分布图；
S6
：在所述植被碳汇提升参数分布图上标记植被碳汇提升措施，建立矿区植被碳汇提升规划图，完成植被碳汇提升规划
。2.
根据权利要求1所述的一种基于生态测绘数据的矿区植被碳汇提升规划方法，其特征在于，步骤
S1
中，通过无人机测绘建立矿区
LiDAR
点云数据和高光谱图像；所述矿区植被特征变量包括
LiDAR
特征变量和高光谱特征变量；所述植被特征变量分布图包括
LiDAR
特征变量分布图和高光谱特征变量分布图
。3.
根据权利要求2所述的一种基于生态测绘数据的矿区植被碳汇提升规划方法，其特征在于，所述
LiDAR
特征变量包括植物高度
、
植被冠层结构和地形因子，所述高光谱特征变量包括植被指数
、
纹理因子
、
植被类型和物种多样性
。4.
根据权利要求1所述的一种基于生态测绘数据的矿区植被碳汇提升规划方法，其特征在于，步骤
S2
中，所述植被地上碳储量与所述植被特征变量的逐步回归分析函数公式为：式中：
ln
‑
对数函数符号；
C
‑
植被地上碳储量；
LI
i
‑
第
i
个
LiDAR
特征变量；
SI
j
‑
第
j
个高光谱特征变量；
c
‑
常数；
a
i
‑
第
i
个
LiDAR
特征变量的回归系数；
b
j
‑
第
j
个高光谱特征变量的回归系数；
n
‑
LiDAR
特征变量的个数；
m

【专利技术属性】
技术研发人员：杨永均，董婧，唐佳佳，吴秦豫，张燕，胡建锋，杨辉，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：