[發明專利]木質生物質生物量碳儲量變化量核算方法在審
| 申請號: | 201910586257.2 | 申請日: | 2019-07-01 |
| 公開(公告)號: | CN112182476A | 公開(公告)日: | 2021-01-05 |
| 發明(設計)人: | 姜涵;郭玥鋒 | 申請(專利權)人: | 蘇州五蘊明泰科技有限公司 |
| 主分類號: | G06F17/10 | 分類號: | G06F17/10 |
| 代理公司: | 北京衛智暢科專利代理事務所(普通合伙) 11557 | 代理人: | 陳佳 |
| 地址: | 215000 江蘇省蘇*** | 國省代碼: | 江蘇;32 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 木質 生物 生物量 儲量 變化 核算 方法 | ||
1.一種木質生物質生物量碳儲量變化量核算方法,包括:
將核算周期內目標城市的散生木、四旁樹和疏林作為一個總體,獲取散生木、四旁樹和疏林的總蓄積量VOT、總蓄積生長量VOT-G和總蓄積消耗量VOT-L或活立木蓄積量總生長率ROT-G和活立木蓄積量總消耗率ROT-L;
通過以下公式計算所述核算周期內所述目標城市生物量碳儲量變化量ΔCOT:
或
其中,ΔCOT表示散生木、四旁樹和疏林的生物量碳儲量年變化量;
VOT-G表示散生木、四旁樹和疏林的年均總蓄積量生長量;
VOT-L表示散生木、四旁樹和疏林的年均總蓄積量消耗量;
VOT表示散生木、四旁樹和疏林的總蓄積量;
ROT-G表示散生木、四旁樹和疏林的年均總蓄積量生長率;
ROT-L表示散生木、四旁樹和疏林的年均總蓄積量消耗率;
表示目標城市林木生物量轉換與擴展因子BCEF的加權平均值;
表示目標城市林木地下生物量與地上生物量比值R的加權平均值;
表示目標城市林木生物量含碳率的加權平均值。
2.根據權利要求1所述的方法,其特征在于,所述擴展因子BCEF通過以下公式計算:
BCEF=BEF×D;
其中,BEF表示生物量轉換因子;
D表示本木材密度。
3.根據權利要求1所述的方法,其特征在于,所述方法還包括:
將所述目標城市的生物量碳儲量變化量輸入碳儲量變化監控平臺,所述碳儲量變化監控平臺包括控制系統以及多個飛行設備;
所述控制系統將所述目標城市的生物量碳儲量變化量與基準變化量進行比較,若所述目標城市的生物量碳儲量變化量與基準變化量的差值大于預設閾值,向通信連接的終端發送預警信息,以及向所述多個飛行設備發送偵查指令;
所述多個飛行設備根據偵查指令,定期飛行至指定區域,并對指定區域的植被拍攝圖像或視頻,并將所述拍攝圖像或視頻發送至控制系統;
所述控制系統對接收到的多個圖像或視頻進行圖像識別,得到表征是否有火災隱患的識別結果信息。
4.根據權利要求3所述的方法,其特征在于,所述控制系統對接收到的多個圖像或視頻進行圖像識別,得到表征是否有火災隱患的識別結果信息,包括:
將所述多個圖像或視頻依次輸入預先訓練的隱患識別模型,得到表征是否有火災隱患的識別結果信息,所述隱患識別模型通過以下步驟訓練得到:
獲取訓練樣本集,訓練樣本集中的訓練樣本包括樣本圖像和用于表征該樣本圖像中顯示的植被是否有火災隱患的標注信息;
從所述訓練樣本集中選取訓練樣本,將該訓練樣本中的樣本圖像作為輸入,將輸入的樣本圖像對應的標注信息作為輸入,對初始隱患識別模型進行訓練,得到所述隱患識別模型。
5.根據權利要求4所述的方法,其特征在于,所述初始隱患識別模型可以是以下至少一項:
卷積神經網絡CNN、循環神經網絡RNN、LSTM長短期記憶循環神經網絡。
6.根據權利要求5所述的方法,其特征在于,所述方法還包括:
若所述識別結果信息表征有火災隱患,所述制系統向所述多個飛行設備發送藥劑噴灑指令;
所述多個飛行設備響應于接收到所述藥劑噴灑指令,飛行至指定地點并完成藥劑噴灑。
7.根據權利要求5所述的方法,其特征在于,所述方法還包括:
若所述識別結果信息表征沒有火災隱患,向所述多個飛行設備發送降低偵查頻率的指令;
所述多個飛行設備響應于接收到所述降低偵查頻率的指令,采用低頻率偵查模式進行偵查。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于蘇州五蘊明泰科技有限公司,未經蘇州五蘊明泰科技有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910586257.2/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種空調設備的送風格柵
- 下一篇:一種油煙檢測探頭





