[发明专利]一种基于神经网络模型的森林碳储量计算方法

说明书

本发明公开了一种基于神经网络模型的森林碳储量计算方法，涉及生态环境评价技术领域，所述方法包括：通过目标森林的DEM和TM图像提取目标森林的坡度、坡向、海拔和植被指数数据集；建立BP神经网络模型，以坡度、坡向、海拔和植被指数作为模型的输入，碳密度作为模型的输出；将步骤S1中的数据集分为训练集和验证集，将训练集输入模型对模型进行训练，通过验证集来验证模型的准确性；将待测试森林的坡度、坡向、海拔、植被指数输入模型中获取待测试森林的碳密度值。采用本发明的方法对森林碳储量进行估算时，准确度高，误差小。

技术领域

本发明涉及生态环境评价技术领域，具体涉及一种基于神经网络模型的森林碳储量计算方法。

背景技术

近半个多世纪以来，由于全球人口数量增加，矿物燃料的大量使用以及森林面积的不断缩减，导致排入大气中的主要温室气体如CO₂等的含量急剧上升。进一步导致全球变暖，海平面上升、病虫害增加、气候反常以及土地干旱、荒漠化面积增大等灾害的出现，已经威胁到了人类的生存和发展。所以在全球范围内控制和降低温室气体的排放已迫在眉睫。因此，准确地评估陆地生态系统碳循环对控制和准确计算未来大气CO₂浓度、对陆地生态系统的影响以及预测全球气候变化具有重大意义。

森林生态系统作为一个大碳汇，它能在吸收空气中CO₂的同时释放出O₂，因此，通过研究森林生物量和碳储量的计算方法，对森林的生物量与碳储量做出准确的估测与评价，不仅可以为森林资源的经营与管理方面提供有效的科学依据，而且对揭示森林生态系统的主要碳汇过程，进而客观反映森林生态系统在全球碳循环和全球性气候变化中的作用具有非常重要的实际意义。

发明内容

为了更准确的对目标森林的碳储量进行计算，本发明采用的技术方案为：一种基于神经网络模型的森林碳储量计算方法，主要包括：

S1：通过目标森林的DEM和TM图像提取目标森林的坡度、坡向、海拔和植被指数数据集；

S2:建立BP神经网络模型，以坡度、坡向、海拔和植被指数作为模型的输入，碳密度作为模型的输出；

S3：将步骤S1中的数据集分为训练集和验证集，将训练集输入模型对模型进行训练，通过验证集来验证模型的准确性；

S4：将待测试森林的坡度、坡向、海拔、植被指数输入模型中获取待测试森林的碳密度值。

进一步地，所述步骤S1还包括对DEM影像图进行预处理：对DEM影像图进行腌膜裁剪，再采用高斯—克吕格投影及Xian_1980_3_Dregree_GK_CM_102E坐标系对经裁剪的研究区数字化林相图在GIS中进行定义投影、几何校正，得到目标森林的矢量图。

更进一步地，所述步骤S1中对DEM图像中坡度和坡向进行提取的工具为3DAnalyst。

更进一步地，步骤S1中对TM图像中植被指数提取的工具为ENVI5.0软件。

更进一步地，步骤S4中所述神经网络模型为BP神经网络模型，所述BP神经网络模型包括一个输入层、三个隐含层和一个输出层，隐藏层神经元数量分别为8，10，8，激活函数为sigmoid函数。

更进一步地，所述训练集和验证集数据比为5:3。

本发明的有益效果：

本发明以海拔、坡度、坡向和植被指数四个因子为输入，碳密度为输出，采用人工神经网络里面的BP神经网络进行森林碳储量的计算，不用进行实际勘测，能够快速估算出森林的碳储量，节省人力物力成本，而且误差小，精度高，计算更快捷，为全球碳循环的研究提供新的方法和思路。

除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照图，对本发明作进一步详细的说明。

附图说明