申请/专利权人:河海大学
申请日:2021-09-22
公开(公告)日:2024-04-02
公开(公告)号:CN113806943B
主分类号:G06F30/20
分类号:G06F30/20;G06F17/18;G06Q10/04
优先权:
专利状态码:有效-授权
法律状态:2024.04.02#授权;2022.01.04#实质审查的生效;2021.12.17#公开
摘要:本发明公开了一种基于关键水情变量与植被固碳速率关系的湿地植被固碳速率预测方法,包括如下步骤:S1、基于遥感观测植被指数EVI时间序列影像进行湿地植被固然速率的遥感估算;S2、以观测水位数据与数字地形高程模型DEM计算湿地淹水历时、淹水深度、淹水频率以及淹水起讫时间对湿地植被具有重要意义的各水文变量;S3、以高斯混合模型计算植被固碳速率对各水文变量的响应曲线,获得对湿地植被固碳速率解释程度最高的关键水情变量;S4、通过预测阶段与观测阶段关键水情变量的对比,预测关键水情变量变化后的湿地植被固碳速率。本发明适用于地面碳存量实测数据较少且水情对植被起主导作用的水位变幅较高的湿地生态系统,操作方法简便,便与推广和应用。
主权项:1.一种基于关键水情变量与植被固碳速率关系的湿地植被固碳速率预测方法,其特征在于,包括如下步骤:S1、基于遥感观测植被指数EVI时间序列影像进行湿地植被固然速率的遥感估算;S2、以观测水位数据与数字地形高程模型DEM计算湿地淹水历时、淹水深度、淹水频率以及淹水起讫时间对湿地植被具有重要意义的各水文变量;S3、以高斯混合模型计算植被固碳速率对各水文变量的响应曲线,获得对湿地植被固碳速率解释程度最高的关键水情变量;以高斯混合模型GMM描述并量化湿地植被固碳速率沿各水情变量梯度的分布模式,揭示湿地植被固碳速率对湖泊水文情势的响应行为;并对比各水情变量对湿地植被固碳速率解释程度的高低,选择对湿地植被固体速率解释程度最高的变量作为关键水情变量,得到其对湿地植被固碳速率估算的各个参数值,建立基于GMM模型的关键水情变量-湿地植被固体速率预测模型;以高斯混合模型GMM建立多个水情变量对湿地植被碳存量的关系模型,以决定系数拟合优度R2以及均方根误差效值RMSE为选择标准对比各个模型的拟合效果,选择R2最高且RMSE最低的模型中的水情变量作为关键水情变量,并以其与湿地植被固碳速率的关系模型作为最优湿地植被固碳速率预测模型;其中,混合高斯模型的一般形式为: 其中,变量y是湿地植被固碳速率;变量x为水情条件,包括淹水历时、初次淹没开始时间、末次淹没结束时间以及平均淹没深度共四个水情变量;参数c1、c2分别为湿地植被固碳速率的两个峰值;u1、u2分别为湿地植被固碳速率达到第一、第二峰值时水情变量的取值;t1、t2分别为两个峰的峰宽,用于描述保证湿地植被具有正常固碳速率的水情变量波动范围;S4、通过预测阶段与观测阶段关键水情变量的对比,预测关键水情变量变化后的湿地植被固碳速率。
全文数据:
权利要求:
百度查询: 河海大学 一种基于关键水情变量与植被固碳速率关系的湿地植被固碳速率预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。