城市绿地生物量计算方法、装置、电子设备及存储介质制造方法及图纸

本申请实施例提供了一种城市绿地生物量计算方法、装置、电子设备及存储介质。方法包括：获取目标区域的样方数据，样方数据包括树木的点云数据和树种类型，目标区域包括多个样方区域和非样方区域；根据样方数据，构建样方区域内树木的点云模型，获取样方区域内树木的尺寸参数；根据样方区域内树木的尺寸参数与树种类型，计算样方区域内树木的生物量；获取目标区域的场地养护等级，并根据目标区域的遥感影像数据，确定目标区域的植被指数和立地条件；根据样方区域内树木的生物量、植被指数、场地养护等级以及立地条件，训练插补模型，并通过插补模型，计算非样方区域的生物量；根据样方区域和非样方区域的生物量，获得目标区域的城市绿地生物量。城市绿地生物量。城市绿地生物量。

【技术实现步骤摘要】
城市绿地生物量计算方法、装置、电子设备及存储介质


[0001]本申请实施例涉及数据处理
，尤其涉及一种城市绿地生物量计算方法、装置、电子设备及存储介质。

技术介绍

[0002]自工业革命以来，人为制造的温室气体对生态系统和人类生产和生活造成了严重的威胁。因此，我国提出在2030年实现碳达峰，2060年实现碳中和的目标。为了对现有绿地的碳封存能力进行评估，以更好地实现碳中和目标，需对各地区的城市绿地生物量进行计算。
[0003]现有计算城市绿地生物量的方法主要为样地勘测法和遥感估算法等。其中，样地勘测法主要基于大规模的样地勘测，通过测试和计算将取得的实测数据转化，最后通过公式推算出目标区域的城市绿地生物量；遥感估算法为将遥感影像和数学模型结合的方法，通过建立植物固碳量和其影响因素的单因子或多因子的关系，从而对城市绿地生物量进行估算。
[0004]但上述方法均存在一定的缺陷，例如，对于样地勘测法，在面对大尺度的研究范围时，需要选取大量的样地，会产生外业周期长、调查工作量大等问题；对于遥感估算法，由于影响城市绿地生物量的因素十分复杂，仅用遥感影像和数学模型难以准确计算绿地的城市绿地生物量。有鉴于此，亟需一种新的城市绿地生物量计算方法以简便准确地计算绿地的城市绿地生物量。

技术实现思路

[0005]有鉴于此，本申请实施例提供一种城市绿地生物量计算方法，包括：获取目标区域的样方数据，所述样方数据包括样方区域内树木的点云数据和树种类型，其中，所述目标区域包括多个样方区域和非样方区域；根据所述样方数据，构建所述样方区域内树木的点云模型，并基于所述点云模型，获取所述样方区域内树木的尺寸参数；根据所述样方区域内树木的所述尺寸参数与所述树种类型，计算所述样方区域内树木的生物量；获取目标区域的场地养护等级，并根据所述目标区域的遥感影像数据，确定所述目标区域的植被指数和立地条件；根据所述样方区域内树木的所述生物量、所述植被指数、所述场地养护等级以及所述立地条件，训练插补模型，并通过所述插补模型，计算所述非样方区域的所述生物量；根据所述样方区域和所述非样方区域的所述生物量，获得所述目标区域的城市绿地生物量。
[0006]根据本申请实施例的第二方面，提供了一种城市绿地生物量计算装置，包括：样方数据获取模块：用于获取目标区域的样方数据，所述样方数据包括样方区域内树木的点云数据和树种类型，其中，所述目标区域包括多个样方区域和非样方区域；样方参数获取模块：用于根据所述样方数据，构建所述样方区域内树木的点云模型，并基于所述点云模型，获取所述样方区域内树木的尺寸参数；样方计算模块：用于根据所述样方区域内树木的所述尺寸参数与所述树种类型，计算所述样方区域内树木的生物量；确定模块：用于获取目标
区域的场地养护等级，并根据所述目标区域的遥感影像数据，确定所述目标区域的植被指数和立地条件；模型计算模块：用于根据所述样方区域内树木的所述生物量、所述植被指数、所述场地养护等级以及所述立地条件，训练插补模型，并通过所述插补模型，计算所述非样方区域的所述生物量；结果获取模块：用于根据所述样方区域和所述非样方区域的所述生物量，获得所述目标区域的城市绿地生物量。
[0007]根据本申请实施例的第三方面，提供了一种电子设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行指令使所述处理器执行如第一方面所述方法对应的操作。
[0008]根据本申请实施例的第四方面，提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的方法。
[0009]本申请实施例通过获取样方点云数据构建点云模型，可精确且便捷地获取样方内树木的尺寸参数，减少人工测量的工作量，获得尺寸参数后便可以根据样方区域内树木的尺寸参数与树种类型，计算样方区域内树木的生物量，并利用样方区域内树木的生物量、植被指数、场地养护等级以及立地条件训练插补模型，从而将地面的点云数据与卫星遥感影像之间的数据进行关联，极大地提高了插补模型的精度。另外，通过插补模型，可快速地基于样方区域的生物量确定整个目标区域的生物量，极大地提高了计算城市绿地生物量的效率。综上，本申请实施例提供了一套高效和精准的空地一体化城市绿地生物量计算方案，可以为各区域绿地碳封存能力的调查提供技术支持。
附图说明
[0010]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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申请实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
[0011]图1为根据本申请实施例的一种城市绿地生物量计算方法的步骤流程图。
[0012]图2为根据本申请实施例的另一种城市绿地生物量计算方法的步骤流程图。
[0013]图3为根据本申请实施例的一种城市绿地生物量计算装置的结构框图。
[0014]图4为根据本申请实施例的一种电子设备的结构示意图。
具体实施方式
[0015]为了使本领域的人员更好地理解本申请实施例中的技术方案，下面将结合本申请实施例中的附图，对本申请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申请的一部分实施例，而不是全部的实施例。基于本申请实施例中的实施例，本领域普通技术人员所获得的所有其他实施例，都应当属于本申请实施例保护的范围。
[0016]本申请实施例提供了一种城市绿地生物量计算方法，以下通过多个实施例进行说明，如图1所示，本申请实施例的提供的城市绿地生物量计算方法包括以下步骤。
[0017]S101：获取目标区域的样方数据，样方数据包括样方区域内树木的点云数据和树种类型，其中，目标区域包括多个样方区域和非样方区域。
[0018]碳封存指捕获并安全存储二氧化碳；城市绿地指以自然植被和人工植被为主要存在形态的城市用地，包括城市建设用地范围内用于绿化的土地，以及城市建设用地之外，对城市生态、景观和居民休闲生活具有积极作用、绿化环境较好的区域。生物量指是指单位面积内植被的质量（干重），可以较为直观地体现植被的碳封存量。本申请所涉及的生物量仅指活立木的生物量，包括乔木林、疏林、灌木林、苗圃等，不包含草本层、枯木层的生物量。本申请实施例中城市绿地生物量直接采用树木的生物量。目标区域指需计算城市绿地生物量的区域。样方是用于调查植物群落的取样地块，通常采用随机取样的方式进行设置，应该理解，目标区域中样方区域以外的区域为非样方区域。样方数据除包括样方区域内树木的点云数据外，也可以包括其他数据，例如树木的种类、样方区域的地图数据等。点云数据由空间各个点的三维坐标构成，树木点云数据可以利用三维激光扫描仪、数码相机等设备进行测量，具体的测量过程可参考相关技术，此处不在进行赘述。另外，点云数据可以通过人工导入的方式进行获取，也可以通过相应的数据接本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种城市绿地生物量计算方法，其特征在于，包括：获取目标区域的样方数据，所述样方数据包括样方区域内树木的点云数据和树种类型，其中，所述目标区域包括多个样方区域和非样方区域；根据所述样方数据，构建所述样方区域内树木的点云模型，并基于所述点云模型，获取所述样方区域内树木的尺寸参数；根据所述样方区域内树木的所述尺寸参数与所述树种类型，计算所述样方区域内树木的生物量；获取目标区域的场地养护等级，并根据所述目标区域的遥感影像数据，确定所述目标区域的植被指数和立地条件；根据所述样方区域内树木的所述生物量、所述植被指数、所述场地养护等级以及所述立地条件，训练插补模型，并通过所述插补模型，计算所述非样方区域的所述生物量；根据所述样方区域和所述非样方区域的所述生物量，获得所述目标区域的城市绿地生物量。2.根据权利要求1所述的方法，其特征在于，所述通过所述插补模型，计算所述非样方区域内树木的所述生物量包括：将各所述样方区域分别作为参考位置，并将所述非样方区域划分为多个待预测位置；根据所述目标区域的所述植被指数、所述场地养护等级以及所述立地条件，确定所述参考位置和所述待预测位置的特征向量；多次计算所述待预测位置与所述参考位置的所述特征向量之间的相关系数，将满足预设阈值条件的所述相关系数对应的所述待预测位置作为目标预测位置，并根据所述参考位置内树木的所述生物量，通过所述插补模型计算所述目标预测位置内树木的所述生物量，然后将所述目标预测位置作为新的所述参考位置，直至所述待预测位置的数量为零；将所述目标预测位置作为的所述参考位置对应的所述生物量，确定为所述非样方区域内树木的所述生物量。3.根据权利要求2所述的方法，其特征在于，所述插补模型如下：3.根据权利要求2所述的方法，其特征在于，所述插补模型如下：为目标预测位置的预测生物量，{，j=1,2,
…
,k}为距离所述目标预测位置的参考距离最近的k个参考位置的所述生物量；为对应的权重，通过下式进行确定：；其中，为第j个最近邻参考位置与第i个目标预测位置之间的所述参考距离，根据所述目标预测位置和所述参考位置的所述特征向量进行确定；并且，所述参考距离包括欧几里得距离、曼哈顿距离或闵可夫斯基距离。4.根据权利要求3所述的方法，其特征在于，所述根据所述样方区域内树木的所述生物量、所述植被指数、所述场地养护等级以及所述立地条件，训练插补模型，包括：
基于所述样方区域内树木的所述生物量和对应的所述植被指数、所述场地养护等级以及所述立地条件数据，划分训练集和测试集；利用训练集调整所述插补模型中的k的取值范围以及所述参考距离的计算方式，得到训练后的所述插补模型；利用所述测试集测试训练后的所述插补模型的性能，以确定计算所述生物量采用的插补模型。5.根据权利要求1
‑
4中任一项所述的方法，其特征在于，树木的所述尺寸参数至少包括树木的胸...

【专利技术属性】
技术研发人员：郑曦，刘喆，李昊冉，吕英烁，郝培尧，刘玲君，
申请(专利权)人：北京林业大学，
类型：发明
国别省市：