一种多源数据融合的热带森林土壤碳通量预测方法及系统与流程

本申请涉及生态监测与人工智能，涉及但不限定于一种多源数据融合的热带森林土壤碳通量预测方法及系统。

背景技术：

1、土壤碳通量即土壤呼吸速率，是表征森林生态系统碳循环的关键指标。热带沿海防护林具有独特的干湿季交替及台风频繁干扰特征，土壤呼吸受土壤温度、土壤水分、土壤有机质、空气温湿度等多因素非线性耦合影响。

2、现有预测模型在常规天气条件下尚可维持一定的预测精度，但当台风等极端事件发生时，输入特征组合严重偏离训练集分布，模型预测能力急剧下降，导致区域碳汇评估的连续性和准确性受到严重影响。

3、因此，亟需一种多源数据融合的热带森林土壤碳通量预测方法及系统，以解决极端天气事件发生后，因数据分布偏移和样本稀缺而无法快速恢复热带森林土壤碳通量预测能力的问题。

技术实现思路

1、有鉴于此，本申请实施例提供一种多源数据融合的热带森林土壤碳通量预测方法及系统，至少解决极端天气事件发生后无法快速恢复热带森林土壤碳通量预测能力的问题。

2、本申请实施例的技术方案是这样实现的：

3、第一方面，本申请实施例提供一种多源数据融合的热带森林土壤碳通量预测方法，所述方法包括：

4、获取多源环境监测数据，所述多源环境监测数据包括土壤温度、土壤水分、空气温度、降水量、土壤有机质和极端天气事件标记；

5、基于所述土壤温度和所述极端天气事件标记，通过预先训练的双分支预测模型中预先确定的指数函数，生成第一土壤碳通量预测值；

6、基于全部所述多源环境监测数据，通过所述预先训练的双分支预测模型中预先训练的多层感知机，生成第二土壤碳通量预测值和预测可靠性；

7、基于所述预测可靠性和所述极端天气事件标记，通过预先确定的门控函数计算融合权重；

8、基于所述融合权重对所述第二土壤碳通量预测值和所述第一土壤碳通量预测值进行加权融合，得到土壤碳通量预测值。

9、第二方面，本申请实施例提供一种多源数据融合的热带森林土壤碳通量预测系统，所述系统包括：数据获取模块、第一预测模块、第二预测模块、权重确定模块、加权融合模块；

10、所述数据获取模块，用于获取多源环境监测数据，所述多源环境监测数据包括土壤温度、土壤水分、空气温度、降水量、土壤有机质和极端天气事件标记；

11、所述第一预测模块，用于基于所述土壤温度和所述极端天气事件标记，通过预先训练的双分支预测模型中预先确定的指数函数，生成第一土壤碳通量预测值；

12、所述第二预测模块，用于基于全部所述多源环境监测数据，通过所述预先训练的双分支预测模型中预先训练的多层感知机，生成第二土壤碳通量预测值和预测可靠性；

13、所述权重确定模块，用于基于所述预测可靠性和所述极端天气事件标记，通过预先确定的门控函数计算融合权重；

14、所述加权融合模块，用于基于所述融合权重对所述第二土壤碳通量预测值和所述第一土壤碳通量预测值进行加权融合，得到土壤碳通量预测值。

15、本申请实施例提供的技术方案带来的有益效果至少包括：

16、本申请通过获取多源环境监测数据，多源环境监测数据包括土壤温度、土壤水分、空气温度、降水量、土壤有机质和极端天气事件标记。多源环境监测数据覆盖了影响土壤碳通量的主要环境因子和极端事件指示信息，为双分支预测模型提供全面的输入，使后续模型能够利用物理先验和数据驱动能力，提升预测的准确性和对极端事件的适应能力。基于土壤温度和极端天气事件标记，通过预先训练的双分支预测模型中预先确定的指数函数，生成第一土壤碳通量预测值。通过预先确定的指数函数能够在预测时利用生态学指数规律作为物理先验，避免纯数据驱动模型在极端条件下输出违背物理规律的预测结果。当极端天气事件发生时，调整预先确定的指数函数参数以适应温度敏感性系数的变化，从而在不增加训练样本的情况下提升双分支预测模型对极端事件的适应能力。基于全部多源环境监测数据，通过预先训练的双分支预测模型中预先训练的多层感知机，生成第二土壤碳通量预测值和预测可靠性。利用土壤温度、土壤水分、空气温度、降水量、土壤有机质和极端天气事件标记等数据之间的复杂非线性关系，输出第二土壤碳通量预测值，弥补了仅依赖土壤温度的指数函数在捕捉多因素交互作用方面的不足。同时，通过计算预测可靠性，为后续门控融合提供了数据质量的自适应依据。当预测可靠性较高时，表明多层感知机对当前输入的预测置信度较高，可在融合中占据更大比重；当预测可靠性较低时，表明当前输入可能超出训练分布或存在数据质量问题，门控函数会自动降低多层感知机的贡献，从而避免不可靠预测对最终结果的影响。该步骤使模型同时具备了高精度拟合能力和自评估能力，提升了整体预测的鲁棒性和可信度。基于预测可靠性和极端天气事件标记，通过预先确定的门控函数计算融合权重。通过数据驱动分支的自身评估信息和外部环境状态信息确定知识引导分支和数据驱动分支的贡献比例，实现了融合权重的动态自适应计算。当预测可靠性较高且不存在极端天气事件时，融合权重较大，数据驱动分支在后续融合中占据主导地位，充分发挥其多因素拟合能力；当预测可靠性较低或极端天气事件发生时，融合权重减小，知识引导分支的贡献比例增加，确保最终预测结果在数据质量差或环境突变条件下仍具有合理的物理意义。无需人工预设固定权重，也无需依赖额外的监督信号，即可根据当前输入的数据质量和环境状态自动调节融合策略，提升了对不同数据条件和环境场景的适应能力。基于融合权重对第二土壤碳通量预测值和第一土壤碳通量预测值进行加权融合，得到土壤碳通量预测值。能够根据当前数据质量和环境状态自动调整两个分支的贡献比例，在数据质量较好时充分发挥多层感知机对多因素非线性关系的拟合能力，在数据质量较差或极端天气事件发生时增加指数函数物理先验的贡献，从而在保持预测精度的同时提升模型对环境变化的适应能力。

1.一种多源数据融合的热带森林土壤碳通量预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述预先确定的指数函数包括可调整的温度响应系数；

3.根据权利要求1所述的方法，其特征在于，所述基于全部所述多源环境监测数据，通过所述预先训练的双分支预测模型中预先训练的多层感知机，生成第二土壤碳通量预测值和预测可靠性，包括：

4.根据权利要求1所述的方法，其特征在于，所述门控函数为逻辑斯蒂函数；所述基于所述预测可靠性和所述极端天气事件标记，通过预先确定的门控函数计算融合权重，包括：

5.根据权利要求1所述的方法，其特征在于，所述基于所述融合权重对所述第二土壤碳通量预测值和所述第一土壤碳通量预测值进行加权融合，得到土壤碳通量预测值，包括：

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

7.根据权利要求1所述的方法，其特征在于，所述多源环境监测数据还包括缺失掩码通道；所述缺失掩码通道用于标识所述多源环境监测数据中的各个特征数据为实测值或填充值。

8.根据权利要求1所述的方法，其特征在于，所述预先训练的多层感知机通过以下步骤训练得到：

9.一种多源数据融合的热带森林土壤碳通量预测系统，其特征在于，所述系统包括：数据获取模块、第一预测模块、第二预测模块、权重确定模块、加权融合模块；