碳汇检测方法、装置及存储介质和电子设备制造方法及图纸

本发明专利技术实施例提出碳汇检测方法、装置及可读存储介质和电子设备。方法包括：从遥感卫星监测数据云平台上获取目标检测点的遥感碳汇表征数据，所述遥感碳汇表征数据包括：增强植被指数、地表温度、短波辐射值、降水量之一或任意组合；将所述遥感碳汇表征数据输入已训练好的机器学习模型进行计算，得到所述目标检测点的碳汇。本发明专利技术实施例提高了碳汇检测速度和准确度。确度。确度。

【技术实现步骤摘要】
碳汇检测方法、装置及存储介质和电子设备


[0001]本专利技术涉及遥感及生态学
，尤其涉及碳汇检测方法、装置及存储介质和电子设备。

技术介绍

[0002]大气圈与陆地生态系统间的水、碳、能量通量密切相关，陆地绿色植物通过光合作用吸收和固定二氧化碳，从而能够降低大气中的二氧化碳的浓度。因此，陆地生态系统碳汇时空分布的定量估计对于评估生态系统对于二氧化碳水平的响应有着至关重要的作用。而且陆地生态系统的碳源汇数值是能够确切反应是排放或者固定二氧化碳的重要指标，是调节二氧化碳含量的重要指示，是了解如何调控气候要素的重要途径。在这种情况下，对于解决全球环境变化的问题，准确地估算生态系统中碳、水等通量，能够提供有关碳和水流通有用的信息，对于分析和诊断过去以及未来的气候变化显得尤为重要。
[0003]在全球气候变化和相关气候政策决策的背景下，能够精确地估测与碳相关的参数是加强理解陆地生态系统与大气圈之间碳通量的重要目标。常见的碳汇数值估测方法有：
[0004]一、基于涡度相关观测技术的方法：站点尺度的测量覆盖的空间范围较小且分布较为稀疏，用来验证和校准不同模型的参数。
[0005]二、基于传统过程模型和经验算法的方法：可对大范围空间进行预测，但过程模型本身具有复杂的模型结构以及临时的地表参数。

技术实现思路

[0006]本专利技术实施例提出碳汇检测方法、装置及可读存储介质和电子设备，以提高碳汇检测的速度和准确度。
[0007]本专利技术实施例的技术方案是这样实现的：
[0008]一种碳汇检测方法，该方法包括：
[0009]从遥感卫星监测数据云平台上获取目标检测点的遥感碳汇表征数据，所述遥感碳汇表征数据包括：增强植被指数、地表温度、短波辐射值、降水量之一或任意组合；
[0010]将所述遥感碳汇表征数据输入已训练好的机器学习模型进行计算，得到所述目标检测点的碳汇。
[0011]所述碳汇为：生态系统初级生产力总量、生态系统呼吸之一或组合。
[0012]所述从遥感卫星监测数据云平台上获取目标检测点的遥感碳汇表征数据包括：
[0013]根据目标检测点的位置以及设定的检测范围，确定与所述目标检测点的位置和所述检测范围相对应的遥感卫星监测区域，从遥感卫星监测数据云平台上获取所述遥感卫星监测区域的遥感碳汇表征数据。
[0014]所述从遥感卫星监测数据云平台上获取目标检测点的遥感碳汇表征数据之后、所述将所述碳汇表征数据输入已训练好的机器学习模型进行计算之前，进一步包括：
[0015]根据设定的空间分辨率和时间分辨率，对获取的所述遥感碳汇表征数据进行采
样，将采样得到的遥感碳汇表征数据作为机器学习模型的输入数据；或/和，
[0016]采用归一化算法，对获取的所述遥感碳汇表征数据进行归一化处理。
[0017]所述遥感卫星监测数据云平台为：Google地球引擎云平台。
[0018]所述机器学习模型为随机森林回归模型；
[0019]所述从遥感卫星监测数据云平台上获取目标检测点的遥感碳汇表征数据之前，进一步包括：
[0020]从遥感卫星监测数据云平台上获取第一时间范围内的全球遥感碳汇表征数据，所述遥感碳汇表征数据包括：增强植被指数、地表温度、短波辐射值、降水量之一或任意组合；
[0021]获取第一时间范围内地面实测的全球各通量站点的碳汇；
[0022]根据全球各通量站点的位置，对第一时间范围内的全球遥感碳汇表征数据进行空间采样，得到第一时间范围内全球各通量站点的遥感碳汇表征数据；
[0023]根据设定的时间分辨率，对第一时间范围内全球各通量站点的遥感碳汇表征数据以及第一时间范围内地面实测的全球各通量站点的碳汇分别进行时间采样；
[0024]将时间采样后的第一时间范围内全球各通量站点的遥感碳汇表征数据输入随机森林回归模型进行训练，并将模型的输出值与对应通量站点对应时间点的地面实测的碳汇进行比较，以检测所述模型的训练误差；
[0025]当所述训练误差满足设定条件时，停止训练，将此时的随机森林回归模型作为所述已训练好的随机森林回归模型。
[0026]所述将时间采样后的第一时间范围内全球各通量站点的遥感碳汇表征数据输入随机森林回归模型进行训练包括：
[0027]将时间采样后的第一时间范围内全球各通量站点的遥感碳汇表征数据进行归一化处理后输入随机森林回归模型进行训练；或/和，
[0028]在训练过程中，使用十倍交叉验证方法调整所述模型中的树的数量，以使得树的数量达到最佳值。
[0029]一种碳汇检测装置，该装置包括：
[0030]碳汇表征数据获取模块，用于从遥感卫星监测数据云平台上获取目标检测点的遥感碳汇表征数据，所述遥感碳汇表征数据包括：增强植被指数、地表温度、短波辐射值、降水量之一或任意组合；
[0031]碳汇计算模块，用于将碳汇表征数据获取模块获取的所述遥感碳汇表征数据输入已训练好的机器学习模型进行计算，得到所述目标检测点的碳汇。
[0032]一种非瞬时计算机可读存储介质，所述非瞬时计算机可读存储介质存储指令，所述指令在由处理器执行时使得所述处理器执行如上任一项所述的碳汇检测方法的步骤。
[0033]一种电子设备，包括如上所述的非瞬时计算机可读存储介质、以及可访问所述非瞬时计算机可读存储介质的所述处理器。
[0034]本专利技术实施例中，由于遥感碳汇表征数据是直接从遥感卫星监测数据云平台上获取的，因此，保证了碳汇表征数据的准确性，且保证了数据获取速度，将获取的遥感碳汇表征数据输入已训练好的机器学习模型进行计算，从而最终提高了碳汇检测的准确度和速度。
附图说明
[0035]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0036]图1为本专利技术一实施例提供的碳汇检测方法流程图；
[0037]图2为本专利技术另一实施例提供的碳汇检测方法流程图；
[0038]图3为本专利技术实施例提供的随机森林回归模型训练方法示意图；
[0039]图4为本专利技术实施例提供的碳汇检测装置的结构示意图；
[0040]图5为本专利技术实施例提供的一种电子设备的示例性结构示意图。
具体实施方式
[0041]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0042]本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种碳汇检测方法，其特征在于，该方法包括：从遥感卫星监测数据云平台上获取目标检测点的遥感碳汇表征数据，所述遥感碳汇表征数据包括：增强植被指数、地表温度、短波辐射值、降水量之一或任意组合；将所述遥感碳汇表征数据输入已训练好的机器学习模型进行计算，得到所述目标检测点的碳汇。2.根据权利要求1所述的方法，其特征在于，所述碳汇为：生态系统初级生产力总量、生态系统呼吸之一或组合。3.根据权利要求1所述的方法，其特征在于，所述从遥感卫星监测数据云平台上获取目标检测点的遥感碳汇表征数据包括：根据目标检测点的位置以及设定的检测范围，确定与所述目标检测点的位置和所述检测范围相对应的遥感卫星监测区域，从遥感卫星监测数据云平台上获取所述遥感卫星监测区域的遥感碳汇表征数据。4.根据权利要求3所述的方法，其特征在于，所述从遥感卫星监测数据云平台上获取目标检测点的遥感碳汇表征数据之后、所述将所述碳汇表征数据输入已训练好的机器学习模型进行计算之前，进一步包括：根据设定的空间分辨率和时间分辨率，对获取的所述遥感碳汇表征数据进行采样，将采样得到的遥感碳汇表征数据作为机器学习模型的输入数据；或/和，采用归一化算法，对获取的所述遥感碳汇表征数据进行归一化处理。5.根据权利要求1所述的方法，其特征在于，所述遥感卫星监测数据云平台为：Google地球引擎云平台。6.根据权利要求1所述的方法，其特征在于，所述机器学习模型为随机森林回归模型；所述从遥感卫星监测数据云平台上获取目标检测点的遥感碳汇表征数据之前，进一步包括：从遥感卫星监测数据云平台上获取第一时间范围内的全球遥感碳汇表征数据，所述遥感碳汇表征数据包括：增强植被指数、地表温度、短波辐射值、降水量之一或任意组合；获取第一时间范围内地面实测的全球各通量站点的碳汇；根据全球各通量站点的位置，对第一...

【专利技术属性】
技术研发人员：高帅，牛振国，万华伟，孙刚，黄妮，陈悦，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：