一种地块林草适宜性的智能评估方法
一、技术领域
1.本发明涉及一种基于3s、智能手机、气象大数据、地形、土壤、植被等数据规划全国地块林草适宜性的智能评估方法。
二、技术背景
2.森林的分布是环境(非生物和生物)与植物相互作用的结果，树木的生长环境包括气候、地形、土壤、植被、水等因子。不同的立地条件使植物对水分和养分的利用不同，从而间接影响植被的生长发育。立地条件包括坡向、坡度、坡位、海拔和土壤厚度等因子，每一个因子对树木生长都产生不同的作用。树木生长不仅受自身大小和立地条件的影响，还与气候因素有密切的联系，气候是决定树种分布和森林类型的一个重要因素，其中对森林影响最为显著的因素就是温度以及降水量。温度和降雨量共同对树木产生联合作用，并且相互制衡。
3.适地适树是树种选择的目标，所谓适地，就是为某一立地条件选择适宜的造林树种，重点考虑造林地的气候、土壤、地形等环境因素；所谓适树，就是正确认识造林树种的生物学和生态学特性，为其选择适宜的造林地。适地适树的基本原则就是让立地条件与树种特性相互匹配。在造林和营林设计中，适地适树是森林营造的基本准则，为做到造林的适地适树，必须客观而全面地分析造林地的立地条件和树种的特性。
4.目前中国仍是一个缺林少绿、生态脆弱的中国，森林覆盖率远低于全球31％的平均水平，人均森林面积仅为世界人均水平的1/4，人均森林蓄积只有世界水平的1/7，面对我国森林资源总量不足、质量不高、分布不均的状况仍未得到根本改变，难以满足经济社会发展的新要求和人民的新期望等问题，对中国地域适地适树的探索显得尤为重要。通过对林地的立地因子与其适生树种之间的关系做出定量和定性的研究，建立全国地块林草数据库，实现全国林草智能适宜性评估。
三、
技术实现要素：
5.本发明的目的是针对现有技术存在的问题，结合3s技术(rs、gis、gps)和智能手机以及气象站等，规划评价全国的地块林草适宜性。
6.主要
技术实现要素：
7.(1)地块是一个由b、l、h、a、p、h、r、t等九要素构成空间地理实体，基于人工智能机器学习、多元统计分析，利用3s技术和智能手机的gnss及陀螺传感器进行森林集成观测，测定地块空间地理实体要素，使用气象测定仪(由多种气象传感器构成)、微型生长锥、手机显微镜及配套软件等实现了地块林草的环境信息监督测定，以空间位置(经度、纬度)、海拔、地形地势(坡度、坡向、坡位)、土壤(类型、厚度、营养等)、气象气候(温度、降雨量、蒸腾量)、树种比例、平均胸径、平均高等主导因子，预测我国主要树种任意点造林类型的适宜性、最大树种径阶密度配置及时空径阶-树高生长模型。
8.(2)在国家层面上以省为主导进行林业区划，应用航天遥感，结合dem，生成林地区
划系统，建成了首个全国地块林草知识数据库，实现了“国家-省域-县域-乡镇-村街-地块”低成本、高效的逐级区划，及植被、土壤、气候多元异构属性数据的高效提取。基于全国7000多个样地数据，利用“互联网 ”及ai、3s技术，实时、低成本的获取了多级分辨率遥感影像、地形地势、土壤、气象等数据，有效代替了传统资源调查中地块逐一调查的全野外工作模式。
9.(3)基于机器学习、人工智能、多元统计于一体的森林生长智慧云计算系统，研究树种的空间地理环境适宜性，分析树木生长与立地环境之间的关系，实现了全国层面上任一地块林草适宜性智能评估及生长统计，研建了中国主要乔木生长模型，进行森林生长量预测与模拟，解决树种的时空环境生长极限及生长过程预测问题，有利于不同林分条件下抚育、间伐、轮伐以及补植、移栽等经营管理，同时推动森林资源可持续发展。
10.本项发明与现有方法相比具有以下优点：
11.(1)避免了耗费人力、物力、财力进行大量研究树种生长习性的实验，也避免了只是基于专家和决策者的经验，而树种适合或不适合原因模糊且缺乏统一适用标准的定性评价，能方便决策者迅速便捷的做出树种选择的正确评价，具有较强的实用性和广泛的适用性。
12.(2)使用航天遥感、卫星导航、地理信息系统、数据库和计算机网络等技术的集成应用全面深化，提高样地定位、样木复位、林木测量和数据采集精度。
13.(3)综合利用互联网、3s技术、大数据、无人系统、云计算，在生物育种、土壤改良、人工气象、地形再造等科学技术的支持下，创建林草生长过程的时-空-环境精准预测模型，精准评估地块的林草适宜性、完成森林结构改造与设计，实现森林资源精准管理。
四、具体实施方式
14.此方法的实现主要包括测树测定、环境信息测定和建立适地适树库，具体是：
15.(1)测树测定：在森林中选取具有代表性的区域进行微样地规划，如圆形样地，选取一个理想的距离作为圆形样地的半径，在样地内进行每木检尺，记录树种，测量树木的胸径和树高，软件将根据样地面积和样地内的树木信息自动推算整个林分的林分密度、林分蓄积量、生物量和碳储量。通过连年监测可监督森林的生长情况及生长速度，改善和提升森林经营管理的质效。
16.(2)环境信息测定：生态系统监测包括生态资源监测与生态环境监测，其中，环境监测主要针对大气(碳、氧浓度等)、土壤(n、p、k等含量)、水环境等，通过无人机载、车载、移动式的林木、大气、水环境、土壤检测装备进行环境信息测定；软件将定时的获取位置信息和气象信息(风速、风向、温度、湿度、co2、pm2.5、ch4等)，并将此信息记录和保存；其中，位置信息通过手机定位获取，气象信息通过气象测定仪获取(由各传感器测定数据并上传)。
17.(3)适地适树库
18.①
适地适树
19.应用全国47.5万个固定样地多期观测数据，结合样地b、l、h、a、ε、p、h、r等地形、地势因子、环境因子，应用机器学习(人工神经网络及遗传算法结合)原理建立全国某地56个树种的生长适宜性判别(适宜、较适宜、不适宜)。
20.②
生长过程模拟
21.以多元统计分析(或机器学习)创建我国56个主要树种依据全国九期连清固定样地建立的树种径阶(树高)生长模型：
[0022][0023]
λi为地块生长指数，就为j树种生长的速度及加速度参数。
[0024]
③
中国主要树种适宜性分布
[0025]
为探究中国主要树种组在空间上的分布特点，从经纬度以及海拔范围对各分布适宜性进行探究，其分布范围如表1所示。部分树种适应范围相对较小，如桉树主要适宜南方低纬度区域，其适宜生长在纬度18.8
°‑
29.4
°
，经度99.8
°‑
118.6
°
，海拔10m-2049m之间。柏木适宜生长区域在纬度24.9
°‑
40.8
°
，经度94.7
°‑
121.7
°
，海拔9m-4380m之间，适应范围比桉树更为广泛。此外，有些树种适应大部分区域，在全国各区域均有分布，如杨树，其范围纬度在18.9
°‑
53.5
°
，经度在76
°‑
134.3
°
，海拔在2m-4162m均有生长。
[0026]
表1中国主要树种适宜性分布表
[0027]
[0028]
一、技术领域
1.本发明涉及一种基于3s、智能手机、气象大数据、地形、土壤、植被等数据规划全国地块林草适宜性的智能评估方法。
二、技术背景
2.森林的分布是环境(非生物和生物)与植物相互作用的结果，树木的生长环境包括气候、地形、土壤、植被、水等因子。不同的立地条件使植物对水分和养分的利用不同，从而间接影响植被的生长发育。立地条件包括坡向、坡度、坡位、海拔和土壤厚度等因子，每一个因子对树木生长都产生不同的作用。树木生长不仅受自身大小和立地条件的影响，还与气候因素有密切的联系，气候是决定树种分布和森林类型的一个重要因素，其中对森林影响最为显著的因素就是温度以及降水量。温度和降雨量共同对树木产生联合作用，并且相互制衡。
3.适地适树是树种选择的目标，所谓适地，就是为某一立地条件选择适宜的造林树种，重点考虑造林地的气候、土壤、地形等环境因素；所谓适树，就是正确认识造林树种的生物学和生态学特性，为其选择适宜的造林地。适地适树的基本原则就是让立地条件与树种特性相互匹配。在造林和营林设计中，适地适树是森林营造的基本准则，为做到造林的适地适树，必须客观而全面地分析造林地的立地条件和树种的特性。
4.目前中国仍是一个缺林少绿、生态脆弱的中国，森林覆盖率远低于全球31％的平均水平，人均森林面积仅为世界人均水平的1/4，人均森林蓄积只有世界水平的1/7，面对我国森林资源总量不足、质量不高、分布不均的状况仍未得到根本改变，难以满足经济社会发展的新要求和人民的新期望等问题，对中国地域适地适树的探索显得尤为重要。通过对林地的立地因子与其适生树种之间的关系做出定量和定性的研究，建立全国地块林草数据库，实现全国林草智能适宜性评估。
三、
技术实现要素：
5.本发明的目的是针对现有技术存在的问题，结合3s技术(rs、gis、gps)和智能手机以及气象站等，规划评价全国的地块林草适宜性。
6.主要
技术实现要素：
7.(1)地块是一个由b、l、h、a、p、h、r、t等九要素构成空间地理实体，基于人工智能机器学习、多元统计分析，利用3s技术和智能手机的gnss及陀螺传感器进行森林集成观测，测定地块空间地理实体要素，使用气象测定仪(由多种气象传感器构成)、微型生长锥、手机显微镜及配套软件等实现了地块林草的环境信息监督测定，以空间位置(经度、纬度)、海拔、地形地势(坡度、坡向、坡位)、土壤(类型、厚度、营养等)、气象气候(温度、降雨量、蒸腾量)、树种比例、平均胸径、平均高等主导因子，预测我国主要树种任意点造林类型的适宜性、最大树种径阶密度配置及时空径阶-树高生长模型。
8.(2)在国家层面上以省为主导进行林业区划，应用航天遥感，结合dem，生成林地区
划系统，建成了首个全国地块林草知识数据库，实现了“国家-省域-县域-乡镇-村街-地块”低成本、高效的逐级区划，及植被、土壤、气候多元异构属性数据的高效提取。基于全国7000多个样地数据，利用“互联网 ”及ai、3s技术，实时、低成本的获取了多级分辨率遥感影像、地形地势、土壤、气象等数据，有效代替了传统资源调查中地块逐一调查的全野外工作模式。
9.(3)基于机器学习、人工智能、多元统计于一体的森林生长智慧云计算系统，研究树种的空间地理环境适宜性，分析树木生长与立地环境之间的关系，实现了全国层面上任一地块林草适宜性智能评估及生长统计，研建了中国主要乔木生长模型，进行森林生长量预测与模拟，解决树种的时空环境生长极限及生长过程预测问题，有利于不同林分条件下抚育、间伐、轮伐以及补植、移栽等经营管理，同时推动森林资源可持续发展。
10.本项发明与现有方法相比具有以下优点：
11.(1)避免了耗费人力、物力、财力进行大量研究树种生长习性的实验，也避免了只是基于专家和决策者的经验，而树种适合或不适合原因模糊且缺乏统一适用标准的定性评价，能方便决策者迅速便捷的做出树种选择的正确评价，具有较强的实用性和广泛的适用性。
12.(2)使用航天遥感、卫星导航、地理信息系统、数据库和计算机网络等技术的集成应用全面深化，提高样地定位、样木复位、林木测量和数据采集精度。
13.(3)综合利用互联网、3s技术、大数据、无人系统、云计算，在生物育种、土壤改良、人工气象、地形再造等科学技术的支持下，创建林草生长过程的时-空-环境精准预测模型，精准评估地块的林草适宜性、完成森林结构改造与设计，实现森林资源精准管理。
四、具体实施方式
14.此方法的实现主要包括测树测定、环境信息测定和建立适地适树库，具体是：
15.(1)测树测定：在森林中选取具有代表性的区域进行微样地规划，如圆形样地，选取一个理想的距离作为圆形样地的半径，在样地内进行每木检尺，记录树种，测量树木的胸径和树高，软件将根据样地面积和样地内的树木信息自动推算整个林分的林分密度、林分蓄积量、生物量和碳储量。通过连年监测可监督森林的生长情况及生长速度，改善和提升森林经营管理的质效。
16.(2)环境信息测定：生态系统监测包括生态资源监测与生态环境监测，其中，环境监测主要针对大气(碳、氧浓度等)、土壤(n、p、k等含量)、水环境等，通过无人机载、车载、移动式的林木、大气、水环境、土壤检测装备进行环境信息测定；软件将定时的获取位置信息和气象信息(风速、风向、温度、湿度、co2、pm2.5、ch4等)，并将此信息记录和保存；其中，位置信息通过手机定位获取，气象信息通过气象测定仪获取(由各传感器测定数据并上传)。
17.(3)适地适树库
18.①
适地适树
19.应用全国47.5万个固定样地多期观测数据，结合样地b、l、h、a、ε、p、h、r等地形、地势因子、环境因子，应用机器学习(人工神经网络及遗传算法结合)原理建立全国某地56个树种的生长适宜性判别(适宜、较适宜、不适宜)。
20.②
生长过程模拟
21.以多元统计分析(或机器学习)创建我国56个主要树种依据全国九期连清固定样地建立的树种径阶(树高)生长模型：
[0022][0023]
λi为地块生长指数，就为j树种生长的速度及加速度参数。
[0024]
③
中国主要树种适宜性分布
[0025]
为探究中国主要树种组在空间上的分布特点，从经纬度以及海拔范围对各分布适宜性进行探究，其分布范围如表1所示。部分树种适应范围相对较小，如桉树主要适宜南方低纬度区域，其适宜生长在纬度18.8
°‑
29.4
°
，经度99.8
°‑
118.6
°
，海拔10m-2049m之间。柏木适宜生长区域在纬度24.9
°‑
40.8
°
，经度94.7
°‑
121.7
°
，海拔9m-4380m之间，适应范围比桉树更为广泛。此外，有些树种适应大部分区域，在全国各区域均有分布，如杨树，其范围纬度在18.9
°‑
53.5
°
，经度在76
°‑
134.3
°
，海拔在2m-4162m均有生长。
[0026]
表1中国主要树种适宜性分布表
[0027]
[0028]
再多了解一些
本文用于企业家、创业者技术爱好者查询，结果仅供参考。
