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】
本专利技术涉及重大工程建设对生态系统碳循环影响评估,尤其涉及一种量化线性工程建设对植被固碳功能影响的方法及系统。
技术介绍
1、植被作为全球生态系统的重要组成部分,对气候稳定、地表环境改变、全球碳平衡调节、水和能量循环等方面至关重要。植被的固碳功能指的是植物通过光合作用将大气中的二氧化碳转化为有机碳,然后储存在植物体内的能力。净初级生产力(net primaryproductivity,npp)是指植物呼吸作用后剩余的有机物质,是评估生态系统可持续性、区域生态系统功能和生态系统稳定性的重要指标,可以用来表示植被的固碳功能。人为干扰和气候变化是npp的重要驱动因素。线性工程(铁路,道路等)作为人为干扰的一种,对促进地区之间的交流和经济发展具有重要意义,但对周边生态系统有一定的破坏,影响了植被的固碳功能。
2、传统林业调查很难直接获取大尺度npp的野外观测数据。光能利用效率模型,特别是carnegie-ames-stanford-approach(casa)模型,因其简单性和可从遥感数据中获得参数被广泛使用。然而,长时间序列高分辨率的遥感影像很难获取,中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer,modis)具有长时间序列的遥感影像,但其分辨率较低。陆地卫星landsat和哨兵卫星sentinel在长时间序列可用的影像又很少,都无法实用于工程尺度。
技术实现思路
1、本专利技术的目的之一至少在于,针对如何克服
2、为了实现上述目的,本专利技术采用的技术方案包括以下各方面。
3、一种量化线性工程建设对植被固碳功能影响的,其包括:
4、步骤s1:采集净初级生产力npp实地观测数据,收集遥感数据;
5、步骤s2:模拟线性工程沿线植被npp,用实地采样数据来验证模型精度;
6、步骤s3:对收集的遥感数据进行降尺度前的预处理;
7、步骤s4:构建卷积神经网络降尺度模型;
8、步骤s5:对模拟的低分辨率的npp进行降尺度处理;
9、步骤s6:利用优势分析量化各因素对植被npp的相对重要性;
10、步骤s7:确定线性工程沿线的影响区,根据线性工程建设时间,在建设前和建设后执行上述步骤,计算出线性工程建设前后影响区和非影响区植被npp的变化,获取植被npp的时间分布和空间分布格局,并获得时空变异特征,以此量化线性工程建设对植被固碳功能的影响。
11、一种量化线性工程建设对植被固碳功能影响的系统,其包括至少一个处理器,以及与所述至少一个处理器通信连接的存储器;所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行任一项所述的方法。
12、综上所述,由于采用了上述技术方案,本专利技术至少具有以下有益效果:
13、通过遥感数据用casa模型模拟植被npp,并结合地面实测npp,通过卷积神经网络模拟出线性工程沿线建设前后年份的高分辨率植被npp,利用优势分析量化线性工程沿线气候因子和人为干扰对植被npp的相对重要性,再划分线性工程影响区范围,计算出线性工程建设前后影响区和非影响区植被npp的变化,以此评估线性工程建设对植被固碳功能的影响。
14、利用casa模型模拟植被npp,通过卷积神经网络降尺度提高了植被npp数据分辨率,精确地反映了线性工程沿线建设前后npp的变化,解决了当前npp数据空间分辨率低或无长时间序列数据而无法实用于实际工程的问题,实现了npp在线性工程尺度上的应用,相比以往的研究提高了模拟npp的精准性和全面性,使得分析线性工程的影响更具实用性。引入优势分析方法,能够定量评估线性工程沿线各因素对植被npp的相对重要性。通过对线性工程建设前后影响区和非影响区分区统计分析线性工程沿线的时间和空间分布格局,量化线性工程前后植被npp的变化。
本文档来自技高网...【技术保护点】
1.一种量化线性工程建设对植被固碳功能影响的,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述步骤S1中,采集的NPP实地观测数据包括:采集植被NPP数据,即野外实测数据,包括数据的地理坐标、数据来源信息、非人为扰动地;
3.根据权利要求1所述的方法,其特征在于,所述步骤S2中,模拟线性工程沿线植被NPP包括:
4.根据权利要求1所述的方法,其特征在于,所述步骤S2中,用实地采样数据来验证模型精度包括:整合模拟数据与实地观测数据,使用评估指标来衡量模型的拟合程度和预测能力;
5.根据权利要求1所述的方法,其特征在于,所述步骤S3中,对收集的遥感数据进行降尺度前的预处理,包括:
6.根据权利要求1所述的方法,其特征在于,所述步骤S4中,构建卷积神经网络降尺度模型,包括:
7.根据权利要求1所述的方法,其特征在于,所述步骤S5中,对模拟的低分辨率的NPP进行降尺度处理,包括:
8.根据权利要求1所述的方法,其特征在于,所述步骤S6中,利用优势分析量化各因素对植被NPP的相对重要性,包
9.根据权利要求1所述的方法,其特征在于,所述步骤S7中,确定线性工程沿线的影响区,包括:将线性工程沿线各像元之间变异系数差值最小的区域设置为线性工程的影响区。变异系数其中,sd为单个像元的的标准差;mean为单个像元的均值;
10.一种量化线性工程建设对植被固碳功能影响的系统,其特征在于,包括至少一个处理器,以及与所述至少一个处理器通信连接的存储器;所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至9中任一项所述的方法。
...【技术特征摘要】
1.一种量化线性工程建设对植被固碳功能影响的,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述步骤s1中,采集的npp实地观测数据包括:采集植被npp数据,即野外实测数据,包括数据的地理坐标、数据来源信息、非人为扰动地;
3.根据权利要求1所述的方法,其特征在于,所述步骤s2中,模拟线性工程沿线植被npp包括:
4.根据权利要求1所述的方法,其特征在于,所述步骤s2中,用实地采样数据来验证模型精度包括:整合模拟数据与实地观测数据,使用评估指标来衡量模型的拟合程度和预测能力;
5.根据权利要求1所述的方法,其特征在于,所述步骤s3中,对收集的遥感数据进行降尺度前的预处理,包括:
6.根据权利要求1所述的方法,其特征在于,所述步骤s4中,构建卷积神经网络降尺度模型,包括:
7.根据权利要求1所述的方法,其特征在于,所述步骤s5中,对模拟的低分辨率的npp进行降尺度处理...
【专利技术属性】
技术研发人员:唐晓鹿,龙博尹,陈雨卓,向金成,程学俊,王世军,李坪峰,王保,陈果,曹龙熹,李景吉,
申请(专利权)人:成都理工大学,
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。