森林立地指数时空估测中的变异函数模型优化方法技术

本发明专利技术公开的是森林立地指数时空估测中的变异函数模型优化方法，包括以下步骤：(1)利用计算机进行建立一个可靠的立地指数变异函数模型优选方法，确保变异函数选择的定型化与定量化的有效结合；(2)利用计算机进行构建一个统一的立地指数变异函数多尺度套盒模型表达形式和计算机自动参数最优拟合方法，在主流地统计软件中实现多尺度套合模型功能的扩展算法，确保空间插值算法的有效预测；(3)利用计算机进行构建一个立地指数时空变异函数模型表达形式，进而实现Kriging时空插值算法，提升时空估测精度和可靠性。可有效降低人为主观因素，有效刻画立地指数各向异性和多尺度依赖性，确保空间插值算法有效预测，提升时空估测精度和可靠性。

【技术实现步骤摘要】

本专利技术涉及林业
，具体是涉及天山云杉立地指数时空估测中的变异函数模型优化方法。
技术介绍
森林生态系统立地质量的评估是森林生态系统经营管理和造林营林的重要理论基础与规划方法,也是研究森林生态系统生产力的重要内容。立地在生态学上又被称为“生境”，指的是“林地环境和该环境所决定的林地上的植被类型及质量”。更确切地说，立地是森林或其它植被类型生存的空间及相关的自然因子的综合。科学地划分立地类型、评价立地质量，在森林经营中具有重大意义。在制定森林经营方案、确定森林经营的目标和方向；造林调查设计中安排树种规划、初植密度、营林活动中考虑林木培育、间伐、确定主伐年龄、轮伐期，计算材积和生长、预估收货及产量等都涉及到立地质量问题。森林立地指数是一种已被普遍接受的评价森林立地质量的方法,然而由于技术所限,传统的森林立地指数调查方法因其耗时长、花费大,很难大面积的对森林立地指数进行估测和空间分析,地统计学结合地理信息系统技术为研究森林立地及空间格局提供了一条新的途径。本专利技术选择天山中部的天山云杉典型分布区(天山中部的新疆农业大学实习林场)作为实验区,选取合适的变异函数理论模型,对其森林立地指数进行了估测和空间分析,并在精度验证的基础上对结果进行了评价。研究结果表明,天山中部的天山云杉立地指数有中等程度的空间相关，说明地统计学在森林立地指数的估测和空间分析中有一定的应用价值。
技术实现思路
本专利技术解决的技术问题是，结合已有变异函数套盒模型表达方法，构建一个统一的立地指数变异函数多尺度套盒模型，再基于地统计学中的变异函数理论及其公式，构建时空变异函数模型表达形式，并实现普通空间Kriging插值的时空扩展。本专利技术的技术方案是：森林立地指数时空估测中的变异函数模型优化方法,其特征在于，包括以下步骤：(1)选取计算机设备，利用计算机建立一个可靠的立地指数变异函数模型优选方法，确保变异函数选择的定型化与定量化的有效结合；(2)利用计算机构建一个统一的立地指数变异函数多尺度套盒模型表达形式和计算机自动参数最优拟合方法，在主流地统计软件中实现多尺度套合模型功能的扩展算法，有效刻画立地指数的各向异性和多尺度依赖性，确保空间插值算法的有效预测；(3)利用计算机构建一个立地指数时空变异函数模型表达形式，进而实现Kriging时空插值算法，提升时空估测精度和可靠性。进一步地，在上述方案中，步骤(1)所述的建立一个可靠的立地指数变异函数模型优选方法具体为：①选择实验区，考虑不同海拔、坡向、坡位、郁闭度和立地条件等因素，采用空间平衡抽样方法设计布置临时样地，并确定样地面积，确保每个样地的立地指数均匀分布；②数据采集和预处理，在每块样地内测定林木胸径、树高、年龄、冠幅和枝下高以及各样地的林分优势木平均高、郁闭度、海拔和公顷株数等测树学因子；用超声波/激光测高仪获取树高或优势高；在条件允许的情况下，在每块样地内测定气候、土壤和地形3类因子；气候因子：温度、降雨量、干旱时间、干燥指数和水分亏损等；土壤因子：土层厚度、裸岩率、PH值、含沙量、容重、质地、腐殖质厚度以及土壤侵蚀程度等；地形因子：坡度、坡位、坡向、岩石类型和坡形等；同时获取实验区1∶1万地形图和DEM数据。对采集的各类原始数据输入到计算机设备中，并进行统计检查，剔除异常和错误数据；③利用计算机进行样本数据计算，根据实验数据拟合一个立地指数模型，并计算所有样地的立地指数作为样本数据集；应用GIS技术绘制和检查样本数据空间，基于数据值的空间统计分布，找出异常值和错误值以及全局趋势和空间自相关分析的主导方向；④探索性空间数据分析，利用计算机进行研究样本数据的分布特征，若不符合正态分布，分析数据中的错误并进行处理，再使用对数变换、Box-Cox变换和正态计分变换等数据变换方式对处理后的样本数据进行变换，使之符合正态分布；查找样本数据的全局异常值和局部异常值；计算多种局部统计量(均值、众数、标准差、熵和集群等)，检查立地指数局部变化；分析样本数据中立地指数的空间自相关性和各向异性。进一步地，在上述方案中，步骤(2)所述的构建一个统一的立地指数变异函数多尺度套盒模型表达形式和计算机自动参数最优拟合方法具体为：①样本数据随机抽样，利用计算机进行样本数据进行随机抽样，使用70％的数据作为建模样本，30％的数据作为检验样本；②利用计算机进行变异函数理论模型参数分析，基于球状模型、指数模型、高斯模型等主要变异函数理论模型，分别拟合对立地指数影响最大的几种随机效应因子所对应的实验变异函数模型，并进行块金值、基台值、变程等参数分析；③利用计算机进行立地指数变异函数多尺度套盒建模，借鉴已有的区域化变量变异函数套盒模型表达方法，通过数学公式推导，选择一种合适的数据结构将多个模型合并，有效刻画立地指数变异函数空间变异特征，形成最优变异函数套盒方法，进而构建一个统一的立地指数变异函数多尺度套盒模型表达形式；④计算机自动参数最优拟合方法，应用非线性回归理论、进化计算和积分面积法等新兴方法解决立地指数变异函数多尺度套盒模型存在的多参数(且参数数量可变)非线性求解问题，确定最优拟合方法进行计算机自动参数优化估计；⑤利用计算机进行模型验证与诊断，采用标准平均值、标准均方根预测误差、块金值、基台值、变程和块金比值等检验指标对多尺度套盒模型与传统变异函数理论模型进行比较；⑥在主流地统计软件中实现多尺度套合模型功能的扩展算法，在ArcGIS10.1中，利用Python语言实现立地指数变异函数多尺度套盒模型扩展模块。更进一步地，步骤②所述的变异函数理论模型为：假设变异函数表示分隔距离为h的两点xi和xi+hi的区域化变量Z(xi)和Z(xi+hi)之间的变异，可用其增量〔Z(xi)-Z(xi+hi)〕平方的数学期望表示：Y(h)=1/2N(h)Σi=1N(h)[Z(Xi)-2(Xi+hi)]2]]>式中，N(h)为距离等于h的点对数，Z(xi)为处于点xi处变量的实测值，Z(xi+hi)为与点xi偏离h处变量的实测值，变异函数中有3个最重要的参数；快金值(Nugget)，基台值(SiII)和变程(Range)。进一步地，在上述方案中，步骤(3)所述的构建一个立地指数时空变异函数模型表达形式，进而实现Kriging时空插值算法，具体为：①立地指数时序分解，计算立地指数时间序列中的趋势项T、季节项S和随机项R，获取时间有序间隔，用作后续变异函数建模和Kriging插值；②时空变异函数建模，在变异函数理论模型公式中引入时间变量，通过数学推导构建时空变异函数模型表达形式；③时空变异函数曲线拟合，利用建模样本数据集，编程构建协方差函数曲面，对时空变异函数模型的有效性和精度进行分析和评价；④Kriging时空插值方法，分析普通Kriging空间预测公式，引入时间变量，构建立地指数、时间、空间这一3维空间中的Kriging插值算法；⑤时空交叉验证，采用k折交叉验证法，利用标准平均值、标准均方根预测误差、块金值、基台值、变程和块金比值等验证指标对时空变异函数模型进行验证。更进一步地，步骤②所述的空变异函数建模如下：假设Z(s，t)是定义在Rk×T上的时空随机过程，其中Rk代表k维的欧式空间，T代表时间本文档来自技高网...

【技术保护点】
森林立地指数时空估测中的变异函数模型优化方法,其特征在于，包括以下步骤：(1)选取计算机设备，利用计算机建立一个可靠的立地指数变异函数模型优选方法；(2)利用计算机构建一个统一的立地指数变异函数多尺度套盒模型表达形式和计算机自动参数最优拟合方法；(3)利用计算机构建一个立地指数时空变异函数模型表达形式，进而实现Kriging时空插值算法。

【技术特征摘要】
2016.05.13 CN 20161031982971.森林立地指数时空估测中的变异函数模型优化方法,其特征在于，包括以下步骤：(1)选取计算机设备，利用计算机建立一个可靠的立地指数变异函数模型优选方法；(2)利用计算机构建一个统一的立地指数变异函数多尺度套盒模型表达形式和计算机自动参数最优拟合方法；(3)利用计算机构建一个立地指数时空变异函数模型表达形式，进而实现Kriging时空插值算法。2.如权利要求1所述的森林立地指数时空估测中的变异函数模型优化方法,其特征在于，步骤(1)所述的建立一个可靠的立地指数变异函数模型优选方法具体为：①选择实验区，设置样地，确保每个样地的立地指数均匀分布；②数据采集和预处理，选取计算机设备，对采集的各类原始数据输入到计算机中，并进行统计检查，剔除异常和错误数据，对采集的各类原始数据进行统计检查，剔除异常和错误数据；③样本数据计算，根据实验数据拟合一个立地指数模型，利用计算机计算所有样地的立地指数作为样本数据集；应用GIS技术绘制和检查样本数据空间，基于数据值的空间统计分布，找出异常值和错误值以及全局趋势和空间自相关分析的主导方向；④探索性空间数据分析，利用计算机研究样本数据的分布特征，若不符合正态分布，分析数据中的错误并进行处理，再使用对数变换、Box-Cox变换和正态计分变换等数据变换方式对处理后的样本数据进行变换，使之符合正态分布。3.如权利要求1所述的森林立地指数时空估测中的变异函数模型优化方法,其特征在于，步骤(2)所述的构建一个统一的立地指数变异函数多尺度套盒模型表达形式和计算机自动参数最优拟合方法具体为：①利用计算机进行样本数据随机抽样，对样本数据进行随机抽样，使用70％的数据作为建模样本，30％的数据作为检验样本；②利用计算机进行变异函数理论模型参数分析，基于球状模型、指数模型、高斯模型等主要变异函数理论模型，分别拟合对立地指数影响最大的几种随机效应因子所对应的实验变异函数模型，并进行块金值、基台值、变程等参数分析；③利用计算机立地指数变异函数多尺度套盒建模，借鉴已有的区域化变量变异函数套盒模型表达方法，通过数学公式推导，选择一种合适的数据结构将多个模型合并，有效刻画立地指数变异函数空间变异特征，形成最优变异函数套盒方法，进而构建一个统一的立地指数变异函数多尺度套盒模型表达形式；④计算机自动参数最优拟合方法，应用非线性回归理论、进化计算和积分面积法等新兴方法解决立地指数变异函数多尺度套盒模型存在的多参数非线性求解问题，确定最优拟合方法进行计算机自动参数优化估计；⑤利用计算机进行模型验证与诊断，采用标准平均值、标准均方根预测误差、块金值、基台值、变程和块金比值等检验指标对多尺度套盒模型与传统变异函数理论模型进行比较；⑥在主流地统计软件中实现多尺度套合模型功能的扩展算法，在ArcGIS10.1中，利用Python语言实现立地指数变异函数多尺度套盒模型扩展模块。4.如权利要求1所述的森林立地指数时空估测中的变异函数模型优化方法,其特征在于，步骤(3)所述的构建一个立地指数时空变异函数模型表达形式，进而实现Kriging时空插值算法，具体为：①立地指数时序分解，利用计算机计算立地指数时间序列中的趋势项T、季节项S和随机项R，获取时间有序间隔，用作后续变异函数建模和Kriging插值；②时空变异函数建模，利用计算机在变异函数理论模型公式中引...

【专利技术属性】
技术研发人员：朱静，王博，范辉建，石砦，李丹，韩云飞，鲁娜，万江春，张志勇，
申请(专利权)人：新疆农业大学，
类型：发明
国别省市：新疆;65