[發明專利]一種利用氣象因子模擬林木展葉期的方法及系統

在審

• 申請號: 202111363820.3
• 申請日: 2021-11-17
• 公開（公告）號: CN114091331A
• 公開（公告）日: 2022-02-25
• 發明（設計）人: 陳娟;劉智勇;陳曉宏;林凱榮;涂新軍
• 申請（專利權）人: 中山大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/62;G06N20/00;G06F111/08
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 牛念

本發明提供一種利用氣象因子模擬林木展葉期的方法及系統，其中方法包括以下步驟：S1、獲取預設時長內林木展葉期以及氣象因子的歷史數據，構建原始數據資料庫；S2、得到訓練數據集和測試數據集；S3、抽取訓練數據集樣本，構建N個樣本子集；S4、根據樣本子集的樣本數據構建單棵回歸決策樹；S5、根據單棵回歸決策樹，得到隨機森林回歸模型；S6、獲取待模擬預設時長內的氣象因子數據輸入隨機森林回歸模型中進行模擬，輸出該預設時長內林木展葉期的模擬結果。本發明充分考慮到氣象因子對于林木春季展葉期而言所具有的可預測性，并基于機器學習方法構建氣象因子與林木春季展葉期的模擬模型，以解決當前不能準確模擬林木春季展葉期的問題。

技術領域

本發明涉及林木春季物候預測領域，特別是涉及一種利用氣象因子模擬林木展葉期的方法及系統。

背景技術

植物物候主要指長期適應氣候與環境的季節性生長發育節律。物候包括發芽，展葉，開花以及葉衰老等現象，而林木展葉是春季物候的一種。這些物候現象不僅僅影響植物體本身的生存與繁殖，還反映了全球氣候變化下生態系統的響應與適應。隨著全球氣候變暖加劇，物候學研究也迎來空前熱潮。氣候變暖導致溫度升高，可能延長或推遲植物生長季，這將影響陸地生態系統蒸散以及碳匯能力，進一步影響陸地生態系統與大氣之間碳、水與能量循環，甚至改變陸地生態系統結構與功能。不僅如此，氣候變化引起的植物物候期改變可能影響群落間物種間競爭關系，改變物種分布格局，進一步影響生態系統結構與功能。因此，準確模擬和預測植物物候期，有助于未來種群動態、氣候變化規律以及生態系統生產力研究，且對理解生態系統對氣候變化的響應具有重要研究意義。

物候模型建立是模擬和預測植物物候變化的主要手段。目前國內外關于物候模型研究主要集中于建立統計分析模型以及以植物生長規律為基礎的機理模型。統計分析模型主要通過數學統計方法直接建立植物物候期與氣象因子(主要是溫度、降雨等能夠明顯影響物候期的因子)之間的關系，而機理物候模型則是以植物的生理生態過程為基礎，根據生理發育時間衡定的原理，引入重要的遺傳參數(包括氣候參數等)，由這些參數的相互作用共同決定每日生理效應的大小，其積累形成每日的生理發育時間。但是目前關于植物物候變化機理的研究仍處于起步階段，無法確定植物具體物候過程，且不同物候過程之間相互影響，這些問題使研究學者難以獲得機理物候模型中具體參數，使得目前的模型缺乏實際意義，無法有效模擬物候期和預測未來氣候變化下的物候波動。因此，不考慮復雜內部過程的物候統計分析方法在物候模擬和預測上優勢十分明顯。目前研究學者主要通過建立經驗統計模型，使用回歸分析、聚類分析、主成分分析建立氣象因子與物候期的線性關系，嘗試模擬和預測氣候變化下的物候波動。例如公布號為CN112560633A、公布日為2021.3.26的中國專利：基于深度學習的植物關鍵物候期時間點預測方法及系統，該專利采用卷積神經網絡對物候期進行預測，但預測結果并不理想，容易缺失。隨著研究深入，學者們逐漸發現氣象因子與物候期之間關系較為復雜，例如木本植物春季物候變化與溫度存在明顯的非線性關系。加之長期物候期觀測難以實現，長時序物候期數據常存在缺失或不連續，使得利用傳統統計方法模擬和預測物候期存在局限。

隨著計算機技術和人工智能的迅速發展，機器學習方法能夠更好地處理具有復雜交互甚至是存在缺失值的高維非線性數據，已有研究證明在生態學中機器學習算法較傳統統計模型有著更好的表現。而隨機森林作為機器學習的一種，大量理論和實證研究證明了隨機森林算法具有較高的預測準確率，對異常值和噪聲具有很好的容忍度，且不容易出現過擬合。目前少有研究將隨機森林應用于物候期模擬和預測，因此亟需一種將隨機森林應用于物候期模擬和預測的模型。

發明內容

本發明提供一種利用氣象因子模擬林木展葉期的方法及系統，充分考慮到氣象因子對于林木春季展葉期而言所具有的可預測性，并基于機器學習方法構建氣象因子與林木春季展葉期的模擬模型，以解決當前不能準確模擬林木春季展葉期的問題。

本發明的技術方案如下：

一種利用氣象因子模擬林木展葉期的方法，包括以下步驟：