System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于数据分析领域,特别涉及一种基于数据分析的输电线路区域碳汇林评估方法及设备。
技术介绍
1、最早生物量的调查研究始于上世纪七十年代,上世纪九十年代国内科学家开始使用较为传统的方法研究陆地生态系统的碳储量,研究区域主要集中在北半球高纬度地区。研究表明,气候变异、co2施肥效应以及人类的活动使北半球植被生态系统的碳通量具有较大的时空变异性,但在全球尺度上,它是一个重要的碳汇区。
2、输电线路具有分布范围广、布设数量多的特点,且高电压等级的输电线路的往往分布在离市区有一定距离的郊区,输电铁塔的下垫面包含的样地类型丰富,能够具有典型性和代表性。因此研究一种基于数据分析的输电线路区域碳汇林评估方法及设备具有一定的工程意义。
3、公开号为“cn111080173a”的专利公开了一种森林系统碳通量的估计方法,涉及碳通量估计
该专利技术基于点尺度的biome-bgc模型,对植被生理生态参数和碳通量进行敏感性分析,确定敏感植被生理生态参数,然后再进行相关性分析,剔除与敏感植被生理生态参数中数据类型具有相关性的数据类型;结合气象数据确定点尺度的biome-bgc模型参数并作为区域尺度biome-bgc模型的模型参数,同时结合误差神经网络模型确定误差,最终确定森林系统碳通量的估计结果。该专利技术需要大量的气象数据、观测数据和模型参数数据,以及对这些数据进行整理、处理和校正的工作。同时,对模型进行参数估计和与基于神经网络模型的误差分析同样需要大量的计算资源,提高了评估的复杂性。
技
1、本专利技术提供一种基于数据分析的输电线路区域碳汇林评估方法及设备,旨在解决目前对输电线路区域碳汇林的评估方法多采用传统的统计分析方法或经验模型,难以处理复杂的非线性关系,评估精度有限,无法全面反映碳汇林的生态效益的问题。
2、为解决上述技术问题,本专利技术提出一种基于数据分析的输电线路区域碳汇林评估方法,包括以下步骤:
3、s1:获取碳汇林遥感图像数据,所述碳汇林遥感图像数据为npp数据、gpp数据与碳通量数据。
4、s2:对获取的碳汇林遥感图像数据进行预处理。
5、s3:使用一元线性回归对输电线路区域碳汇林的npp数据与gpp数据进行初步分析。
6、s4:使用svm算法对输电线路区域碳汇林的碳通量进行评估预测。
7、优选的,所述步骤s2具体为:对获取的碳汇林遥感数据进行数据投影变换、双边滤波、按掩膜提取与数据清洗;
8、所述数据投影变换用于将碳汇林遥感图像数据的坐标系投影至输电区域对应的坐标系。
9、所述双边滤波用于保留碳汇林遥感图像数据的边缘信息的同时降低噪声。
10、所述按掩膜提取用于提取所述输电线路区域的数据,获得匹配输电线路区域的npp数据、gpp数据与碳通量数据。
11、所述数据清洗用于删除异常值数据与零值数据。
12、优选的,所述步骤s3使用一元线性回归对输电线路区域碳汇林的npp数据进行初步分析的计算公式具体为:
13、
14、式中,所述kslope1为单个像元的多年间回归斜率,所述n为年份数,所述nppi为第i年的npp数据。
15、使用一元线性回归对输电线路区域碳汇林的gpp数据进行初步分析的计算公式具体为:
16、
17、式中,所述kslope2为单个像元的多年间回归斜率,所述n为年份数,所述gppi为第i年的gpp数据。
18、优选的,所述步骤s4具体为:
19、s41:将获取碳汇林遥感图像数据划分为训练集与测试集。
20、s42:将npp数据与gpp数据作为输入数据,碳通量数据作为输出数据进行svm训练,选取径向基函数作为svm训练的核函数。
21、s43:利用训练拟合得到的svm模型对测试集进行预测,选取mae与rmse作为svm的评价指标,得到碳通量预测结果。
22、优选的,所述步骤s42中svm的评价指标mae的计算公式具体为:
23、
24、式中,所述mae为平均绝对误差评价指标,所述n为测试集的样本总数,所述yi为svm模型碳通量预测结果,所述y′i为svm模型碳通量实测结果;
25、所述svm的评价指标rmse的计算公式具体为:
26、
27、式中,所述rmse为均方根误差评价指标,所述n为测试集的样本总数,所述yi为svm模型碳通量预测结果,所述y′i为svm模型碳通量实测结果。
28、相应的,本专利技术还提出一种基于数据分析的输电线路区域碳汇林评估设备,所述设备包括存储器与处理器,所述存储器存储有指令,所述指令适于被处理器加载并执行以下步骤:
29、s1:获取碳汇林遥感图像数据,所述碳汇林遥感图像数据为npp数据、gpp数据与碳通量数据。
30、s2:对获取的碳汇林遥感图像数据进行预处理。
31、s3:使用一元线性回归对输电线路区域碳汇林的npp数据与gpp数据进行初步分析。
32、s4:使用svm算法对输电线路区域碳汇林的碳通量进行评估预测。
33、优选的,所述步骤s2具体为:对获取的碳汇林遥感数据进行数据投影变换、双边滤波、按掩膜提取与数据清洗。
34、所述数据投影变换用于将碳汇林遥感图像数据的坐标系投影至输电区域对应的坐标系。
35、所述双边滤波用于保留碳汇林遥感图像数据的边缘信息的同时降低噪声。
36、所述按掩膜提取用于提取所述输电线路区域的数据,获得匹配输电线路区域的npp数据、gpp数据与碳通量数据。
37、所述数据清洗用于删除异常值数据与零值数据。
38、优选的,所述步骤s3使用一元线性回归对输电线路区域碳汇林的npp数据进行初步分析的计算公式具体为:
39、
40、式中,所述kslope1为单个像元的多年间回归斜率,所述n为年份数,所述nppi为第i年的npp数据。
41、使用一元线性回归对输电线路区域碳汇林的gpp数据进行初步分析的计算公式具体为:
42、
43、式中,所述kslope2为单个像元的多年间回归斜率,所述n为年份数,所述gppi为第i年的gpp数据。
44、优选的,所述步骤s4具体为:
45、s41:将获取碳汇林遥感图像数据划分为训练集与测试集。
46、s42:将npp数据与gpp数据作为输入数据,碳通量数据作为输出数据进行svm训练,选取径向基函数作为svm训练的核函数。
47、s43:利用训练拟合得到的svm模型对测试集进行预测,选取mae与rmse作为svm的评价指标,得到碳通量预测结果。
48、优选的,所述步骤s42中svm的评价指标mae的计算公式具体为:
49、
<本文档来自技高网...【技术保护点】
1.一种基于数据分析的输电线路区域碳汇林评估方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于数据分析的输电线路区域碳汇林评估方法,其特征在于,所述步骤S2具体为:对获取的碳汇林遥感数据进行数据投影变换、双边滤波、按掩膜提取与数据清洗;
3.根据权利要求1所述的一种基于数据分析的输电线路区域碳汇林评估方法,其特征在于,所述步骤S3使用一元线性回归对输电线路区域碳汇林的NPP数据进行初步分析的计算公式具体为:
4.根据权利要求1所述的一种基于数据分析的输电线路区域碳汇林评估方法,其特征在于,所述步骤S4具体为:
5.根据权利要求4所述的一种基于数据分析的输电线路区域碳汇林评估方法,其特征在于,所述步骤S42中SVM的评价指标MAE的计算公式具体为:
6.一种基于数据分析的输电线路区域碳汇林评估设备,其特征在于,所述设备包括存储器与处理器,所述存储器存储有指令,所述指令适于被处理器加载并执行以下步骤:
7.根据权利要求6所述的一种基于数据分析的输电线路区域碳汇林评估设备,其特征在于,所述步骤S2具
8.根据权利要求6所述的一种基于数据分析的输电线路区域碳汇林评估设备,其特征在于,所述步骤S3使用一元线性回归对输电线路区域碳汇林的NPP数据进行初步分析的计算公式具体为:
9.根据权利要求6所述的一种基于数据分析的输电线路区域碳汇林评估设备,其特征在于,所述步骤S4具体为:
10.根据权利要求9所述的一种基于数据分析的输电线路区域碳汇林评估设备,其特征在于,所述步骤S42中SVM的评价指标MAE的计算公式具体为:
...【技术特征摘要】
1.一种基于数据分析的输电线路区域碳汇林评估方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于数据分析的输电线路区域碳汇林评估方法,其特征在于,所述步骤s2具体为:对获取的碳汇林遥感数据进行数据投影变换、双边滤波、按掩膜提取与数据清洗;
3.根据权利要求1所述的一种基于数据分析的输电线路区域碳汇林评估方法,其特征在于,所述步骤s3使用一元线性回归对输电线路区域碳汇林的npp数据进行初步分析的计算公式具体为:
4.根据权利要求1所述的一种基于数据分析的输电线路区域碳汇林评估方法,其特征在于,所述步骤s4具体为:
5.根据权利要求4所述的一种基于数据分析的输电线路区域碳汇林评估方法,其特征在于,所述步骤s42中svm的评价指标mae的计算公式具体为:
6.一种基于数据分析的输电线路区...
【专利技术属性】
技术研发人员:王重卿,陈垚,陈语齐,江世雄,王林,夏传安,李熙,刘沁,陈鸿,方克艳,王家乐,钱峰,车艳红,程慧青,罗京鹏,孙蓓,罗立津,
申请(专利权)人:国网福建省电力有限公司电力科学研究院,
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。