[發明專利]一種區域尺度上森林植被碳儲量的估算方法

在審

• 申請號: 202211451995.4
• 申請日: 2022-11-21
• 公開（公告）號: CN115796344A
• 公開（公告）日: 2023-03-14
• 發明（設計）人: 趙忠寶;李婧;何鑫;劉洋;張麗榮;馬鶴丹
• 申請（專利權）人: 趙忠寶
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G01N33/00;G06Q50/02;G06F17/18;G06F30/20
• 代理公司: 常州市夏成專利事務所(普通合伙) 32233
• 代理人: 沈毅

1.一種區域尺度上森林植被碳儲量的估算方法，其特征在于，該估算方法包括，

第一步、進行標準樣地數據采集：

a、設置喬木林、灌木林研究區域標準樣地，根據研究區域尺度大小設置標準樣地個數，樣地數量要盡可能均勻分布于研究區域森林植被覆蓋區；

b、計算喬木林標準樣地碳密度，包括：

b1、喬木林生物量計算：對喬木林標準地進行每木檢尺，記錄胸徑和樹高數據,把記錄的胸徑或胸徑和樹高代入一元生物量模型或二元生物量模型，計算出喬木林標準地生物量；對于缺少生物量模型的標準樣地，采用平均標準木法，伐倒標準木，當場稱干、枝、葉、根鮮重，分別采集干、枝、葉、根300-500g樣品送回實驗室置于100℃的烘箱中烘干至恒重，計算標準木生物量，并推算標準地生物量；

b2、林下灌木、草本、枯落物生物量計算：采用全部收獲法，收獲樣方內所有灌木枝、灌木葉、灌木干、灌木根、草本、枯落物，稱其鮮重，分別記錄數據值，在每個樣方內灌木枝、灌木葉、灌木干、灌木根、草本、枯落物各取100-200g鮮重，將其送回實驗室置于100℃的烘箱中烘干至恒重，計算樣方內灌木、草本、枯落物生物量；

b3、挖出該樣方內所有根系，去掉泥土，稱其鮮重，并采集100-200g樣品送回實驗室置于100℃的烘箱中烘干至恒重，計算樣方內根系生物量；

b4、根據樣方和標準地面積，分別計算出標準地內灌木、草本、枯落物和根系生物量；

b5、在實驗室測定喬木、灌木、草本、枯落物和根的平均含碳率，根據喬木林標準地生物量和平均含碳率，分別計算標準樣地喬木林、林下灌木、林下草本、枯落物和根系碳密度；

c、計算灌木林標準樣地碳密度，采用收割法計算生物量，測定各部分含碳率，計算樣地碳密度；

d、計算標準樣地土壤碳密度，在標準地的樣方內挖土壤剖面，土壤分0～10cm、10～20cm、20～30cm、30～40cm、40～60cm，共5層分別采樣；

e、統計各標準樣地數據，導入ARCGIS中，建立標準樣地數據庫Geodatabase；

第二步、下載遙感數據與預處理：

a、下載研究區域遙感數據；

b、利用ENVI5.6的遙感數據處理軟件，對下載的遙感數據進行預測處理；

第三步、喬木林、灌木林地上的部分碳儲量估算：

a、提取生態遙感因子，在ARCGIS中，利用標準樣地點坐標，提取樣地點位單波段、植被指數、圖像變換、紋理特征、地形、高程、坡度坡向遙感生態因子；

b、相關性分析，利用SPSS軟件，對樣地喬木林、灌木林碳密度與提取的遙感生態因子做相關性分析，選取具有相關性，具有統計學意義的遙感生態因子參與構建碳密度遙感反演模型；

c、構建碳密度遙感反演模型，利用SPSS軟件，以樣地點喬木林、灌木林碳密度為因變量，樣地點遙感生態因子為自變量，進行多元回歸分析，建立多元回歸模型，并對回歸模型進行精度驗證評價，直到精度滿足要求；

d、根據構建滿足精度的遙感反演模型和森林植被面積，反演與統計研究區域喬木、灌木林地上部分碳儲量，并做相關分析與制圖，或者做喬木、灌木林碳儲量動態變化分析；

第四步、林下灌木層、草本層、枯落物、根系和土壤碳儲量估算，通過利用統計學的空間插值技術估算，包括：

a、空間插值，包括三個重要理論為區域化變量、半變異函數和協方差函數：

a1、區域化變量是一個具有空間信息特征或現象的隨機的變量；

a2、半變異函數，Kriging插值首先要確定區域化變量的半變異函數，半變異函數是Kriging插值的重要組成部分，其反映的是區域化變量Z(x)與Z(x+h)的相似程度的量，其函數決定了未采樣點的值，半變異函數公式如下：

公式中z(x_i)、z(x_i+h)為區域化變量，二者相距為h的距離；

a3、協方差函數，協方差函數反映是區域化變量Z(x)與Z(x+h)的差異程度的量，該函數同樣也是決定未采樣點的值，其與變異函數都是反映空間信息特征或現象相關系數的表現，采用變異函數：

公式中z(x_i)、z(x_i+h)為區域化變量，二者相距為h的距離，分別為z(x_i)、z(x_i+h)的樣本平均數；

b、插值數據預處理，Kriging插值要求插值數據服從正態分布，如果插值數據不服從正態分布，采用Kriging插值之前必須對數據進行預處理，數據預處理的主要方法是對數變換，可以將不具有正態分布的數據經過對數變換后，服從正態分布或基本上服從正態分布，滿足插值要求即可；

c、插值模型選擇，Kriging插值的類型主要有普通、簡單、協同、貝葉斯、概率等插值，一旦Kriging插值類型選擇之后，就要選擇相應的變異函數模型，變異函數模型的主要參數值有塊金值、變程、基臺值、偏臺值、標準平均值；

d、插值結果交叉驗證和精度驗證，根據ArcGIS中自動交叉驗證結果，利用SPSS軟件，對全體實測值與預測值進行曲線擬合驗證，分析二者之間的相關性是否顯著，同時利用檢驗樣地提取預測數據，并對檢驗樣地的實測數據和預測數據進行精度驗證，分析二者之間的相關性是否顯著，插值結果的精度。