CN120219856A 区域土壤有机碳非线性演化路径及特征评估方法及其应用

限公司11694专利代理师袁李芳GO6V10/764(2022.0GO6V10/77(2022.01)GO6V10/776(2022.0GO6N20/20(2019.01)区域土壤有机碳非线性演化路径及特征评估方法及其应用(57)摘要区域土壤有机碳非线性演化路径及特征评估方各像元的环境变量数据和土壤有机碳数据进行同空间的土壤有机碳数据重构其非线性演化路径，解决了土壤有机碳历史数据较为缺乏的问土壤有机碳的趋势预测和态势预警，从而服务土利用自组织映射网络模型，以各像元土壤有机碳含量和环境变量数性和韧性2获取目标区域的多源遥感影像数据，所述多源遥感利用自组织映射网络模型，以各像元土壤有机碳含量和环境变量数据作为输入向量，根据各土壤有机碳状态类型的平均覆被功能指数和平均土壤有机碳含量构建二维的基于土壤有机碳的非线性演化路径，确定土壤有机碳演化路径的突变阈值、滞后性和2.根据权利要求1所述的区域土壤有机碳非线性演化路径及特征评估方法，其特征在(1)基于遥感影像数据中各个像元的地表反射率数据，利用光谱混合分解获得区域内将各个像元的所有端元丰度值输入到提前训练好的覆被类型判别模型中，得到对应像3.根据权利要求1所述的区域土壤有机碳非线性演化路径及特征评估方法，其特征在在遥感影像数据中选取若干数量的像元作为样本，利用实验室将样本内的所有像元按照比例随机划分为训练集和验证集，将训将确定的最优参数作为随机森林模型的设定参数，得到区域内土将各个像元所对应的环境变量数据输入到最优随机森林预测模型并运行若干次，将若将验证集中各像元的土壤有机碳含量实测值及环境变量数据输入到最优随机森林预3测模型中，得到验证集中各像元土壤有机碳含量的预测值，基于验证集中各像元的实测值和预测值，采用决定系数和均方根误差两种指标对均值图的制图结果进行精度评价。4.根据权利要求1所述的区域土壤有机碳非线性演化路径及特征评估方法，其特征在于，所述利用自组织映射网络模型，以各像元土壤有机碳含量和环境变量数据作为输入向量，将区域内所有像元分为若干不同的土壤有机碳状态类型，具体包括：设置自组织映射网络的规模，将区域内所有像元的覆被类型、覆被功能指数、植被生产速率、地形湿度指数和土壤有机碳含量输入到自组织映射网络模型中，得到若干不同的土壤有机碳状态类型；所述设置自组织映射网络的规模中，首先根据经验公式设置自组织映射网络的初始规模数量值，所述初始规模值为区域像元总数开平方后的五倍；然后选取与初始规模数量值相近的若干个数量值，得到待确定数量值集合；针对待确定数量值集合中的任一数量值分别计算数量误差和结构误差，并根据计算结果确定自组织映射模型的规模数量。5.根据权利要求1所述的区域土壤有机碳非线性演化路径及特征评估方法，其特征在于，所述在构建的状态空间中采用二次函数分别拟合退化路径曲线和恢复路径曲线，识别出土壤有机碳的非线性演化路径，具体包括：将各土壤有机碳状态类型中所有像元的平均覆被功能指数和平均土壤有机碳含量作为拟合样本点，利用二次函数分别拟合退化路径曲线和恢复路径曲线；依据S型概念模型，将退化路径曲线和恢复路径曲线用虚线相连接，构成完整的S型演化路径。6.根据权利要求1所述的区域土壤有机碳非线性演化路径及特征评估方法，其特征在于，所述基于土壤有机碳的非线性演化路径，确定土壤有机碳演化路径的突变阈值、滞后性在土壤有机碳的非线性演化路径中，将退化路径曲线和恢复路径曲线中相同覆被功能指数的部分定义为不稳定状态，退化路径曲线中覆被功能指数小于不稳定状态的部分定义为好的稳定状态，恢复路径曲线中覆被功能指数大于不稳定状态的部分定义为差的稳定状态，根据两种稳定状态和不稳定状态之间的覆被功能指数分割值分别确定好的突变阈值和差的突变阈值；根据两个突变阈值之间的范围确定土壤有机碳演化路径的滞后性；根据不稳定状态中任一土壤有机碳状态类型转换为另外一个可实现的稳定状态中的土壤有机碳状态类型所需要的覆被功能指数发生变化的程度评估土壤有机碳演化路径的韧性。7.根据权利要求6所述的区域土壤有机碳非线性演化路径及特征评估方法，其特征在于，所述好的突变阈值的计算方式包括：LCII=max{LCI(x)|x∈S1其中，S1为好的稳定状态中平均覆被功能指数最大的土壤有机碳状态类型所对应像元LCI2=min{LCI(x)|xeS2};其中，S2为恢复路径曲线上不稳定状态中平均覆被功能指数最小的土壤有机碳状态类4型所对应像元的集合，LCI(x)为像元x对应的覆被功能指数，LCI2为最小的LCI(x);其中，LCIa为好的突变阈值，μ₁和μ₂分别为S1和S2所对应像元的覆被功能指数的平均的取值确定应满足以下条件：μ₁+no₁≤μ₂-no₂且μ₁+(n+0.1)σ₁>μ₂-(n+0.18.根据权利要求6所述的区域土壤有机碳非线性演化路径及特征评估方法，其特征在于，所述差的突变阈值的计算方式包括：LCI3=max{LCI(x)|x∈S其中，S3为退化路径上不稳定状态中平均覆被功能指数最大的土壤有机碳状态类型所对应像元的集合，LCI(x)为像元x对应的覆被功能指数，LCI3为不稳定状态中覆被功能指数LCI4=min{LCI(x)|x∈S4其中，S4为差的稳定状态中平均覆被功能指数最小的土壤有机碳状态类型所对应像元的集合，LCI(x)为像元x对应的覆被功能指数，LCI4为差的稳定状态中覆被功能指数最小的的平均值，o₃和σ4分别为状态类型S3和S4所对应像元的覆被功能指数的标准差，n∈(0.1,0.2,0.3,…,2),n的取值确定应满足以下条件：H₃+no₃<μ₄-no₄且μ₃+(n+0.1)o₃>μ₄-(9.根据权利要求6所述的区域土壤有机碳非线性演化路径及特征评估方法，其特征在于，所述根据不稳定状态中任一土壤有机碳状态类型转换为另外一个可实现的稳定状态中的土壤有机碳状态类型所需要的覆被功能指数发生变化的程度评估土壤有机碳演化路径将不稳定状态中任一土壤有机碳状态类型可恢复或退化到的好的或差的稳定状态中的所有土壤有机碳状态类型确定为候选状态；在候选状态中，根据覆被类型一致的原则进行筛选，筛选出和当前土壤有机碳状态类型具有相同覆被类型的土壤有机碳状态类型集合；在土壤有机碳状态类型集合中确定与当前土壤有机碳状态类型所对应的可实现的稳定状态中的土壤有机碳状态类型；4/4页4/4页5计算当前土壤有机碳状态类型和可实现的土壤有机碳状态类型的覆被功能指数的差值的绝对值，即为当前土壤有机碳状态类型恢复或退化为好的或差的稳定状态的韧性。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至9任一项所述的区域土壤有机碳非线性演化路径及特征评估方法。6区域土壤有机碳非线性演化路径及特征评估方法及其应用技术领域[0001]本发明属于土壤科学技术领域，具体涉及一种区域土壤有机碳非线性演化路径及特征评估方法。背景技术[0002]目前，鉴于土壤有机碳对减缓全球气候变化和保障粮食安全的重要作用，全球相继提出了多项提升土壤有机碳的倡议和目标。随着地球进入“人类世”,在人类土地利用和管理下，土壤有机碳不可预期的非线性突变使得土壤有机碳管理难以进行精准的态势预警。因此，如何识别土壤有机碳的复杂演化路径并量化表征其非线性演化特征是当前土壤有机碳管理亟待解决的难题。[0003]生态学的稳态转换是指生态系统结构和功能发生大规模的、持续和突然的变化，生态系统从一个相对稳定的状态快速重组为另一个稳定状态。针对稳态转换现象，已发展了S型概念模型和球-杯概念模型两类模型。其中，S型模型在二维平面内描述了外部环境条件变化下生态系统的双稳态以及稳态转换现象，而球-杯模型则展示了外部条件干扰下稳态的转换过程。因此，通过概念模型可以确定生态系统的多稳态范围以及稳态转换发生的临界点，以实现生态系统非线性演化特征的分析和预测。这些概念模型为土壤有机碳非线性演化路径及特征评估提供了重要基础。[0004]尽管S型和球-杯概念模型可有效地描述外界环境变化下生态系统的非线性演化特征，但在概念模型中无法将这些特征进行量化的表达，尤其是难以通过数据量化人类土地利用和管理下的土壤有机碳的非线性演化特征。[0005]此外，由于土壤有机碳的数据往往依赖于土壤剖面，因此很难获取长时间的连续实测数据，难以描述土壤有机碳的演化路径。因此，本发明提供了一种区域土壤有机碳非线性演化路径及特征评估方法及应用。发明内容[0006]本发明的目的是克服现有的缺陷，提供一种区域土壤有机碳非线性演化路径及特征评估方法及应用，利用同一时间不同空间的土壤有机碳数据重构其非线性演化路径，并快速和精准地量化土壤有机碳演化路径的滞后性、韧性和突变阈值等非线性特征，以实现土壤有机碳的趋势预测和态势预警，从而服务土壤有机碳的提升管理。[0007]为了解决上述技术问题，本发明提供了如下的技术方案：本发明的第一目的在于一种区域土壤有机碳非线性演化路径及特征评估方法，包获取目标区域的多源遥感影像数据，所述多源遥感影像数据中的每个像元均表征在对应位置的地表反射率数据、地表温度数据和高程数据；利用机器学习模型，基于所述多源遥感影像数据中各像元的地表反射率数据、地表温度数据和高程数据，计算得到各像元的土壤有机碳含量及其环境变量数据；7根据各土壤有机碳状态类型的平均覆被功能指数和平均土壤有机碳含量构建二维的状态空间，在构建的状态空间中采用二次函数分别拟合退化路径曲线和恢复路径曲(1)基于遥感影像数据中各个像元的地表反射率数据，利用光谱混合分解获得区将样本内的所有像元按照比例随机划分为训练集和验证集，将确定的最优参数作为随机森林模型的设定参数，得到区域将各个像元所对应的环境变量数据输入到最优随机森林预测模型并运行若干次，将验证集中各像元的土壤有机碳含量实测值及环境变量数据输入到最优随机森8将各土壤有机碳状态类型中所有像元的平均覆被功能指数和平均土壤有机碳含根据不稳定状态中任一土壤有机碳状态类型转换为另外一个可实现的稳定状态中的土壤有机碳状态类型所需要的覆被功能指数发生变化的程度评估土壤有机碳演化路LCI1=max{LCI(x)|xeSi};LCI2=min{LCI(x)|xeS2};9LCI3=max{LCI(x)|x∈S3LCI4=min{LCI(x)|xeS4};H₃+no₃<μ₄-no₄且μ₃的稳定状态中的土壤有机碳状态类型所需要的覆被功能指数发生变化的程度评估土壤有将不稳定状态中任一土壤有机碳状态类型可恢复或退化到的好的或差的稳定状根据地形湿度指数最为接近的原则，在土壤有机碳状态计算当前土壤有机碳状态类型和可实现的土壤有机碳状态类型的覆被功能指数的差值的绝对值，即为当前土壤有机碳状态类型恢复或退化为好的或差的稳定状态的韧[0018]本发明的另一目的在于提供一种计算机可读存储介质，其上存储有计算机程所述计算机程序被处理器执行时实现本发明第一目的所提供的区域土壤有机碳非线性演本发明基于空间换时间的原理，在构建状态空间中，利用某一时间不同空间的土壤有机碳数据重构了同一空间内土壤有机碳的状态演化路径，有效的解决了由于当前土壤有机碳长时间实测数据较为缺乏(尤其是历史数据)而无法构建演化路径的问题。[0020]本发明能够基于有限的实测样点数据和多源遥感数据，实现了土壤有机碳及其环境变量的快速和高精度的制图，可准确地评估土壤有机碳及其动态变化，为碳中和提供基础数据支撑。在此基础上，本发明能够精准识别土地利用和管理下土壤有机碳的非线性演化路径，并量化其突变阈值、滞后性和韧性等非线性特征，有效解决当前土壤有机碳管理缺乏趋势预测和预警方法的问题。根据土壤有机碳的演化路径可实现土壤有机碳的趋势预测，而突变阈值则可进一步提供土壤有机碳的预警信息，识别预警区域从而避免其发生突变带来的巨大修复成本，韧性的评估结果则为土壤有机碳管理确定优先顺序，为我国土壤有机碳的管理提供决策支撑；此外，本发明使用的数据源据的空间和时间分辨率较高，可大幅度提升监测成果的精度和更新频率，同时本发明使用的遥感数据均为公开免费数据产品，可大大减少实地采样所消耗的人力和物力成本；另一方面，遥感数据可覆盖包括传统实地调查难以到达的区域，实现区域的全覆盖。[0021]本发明能够基于有限的实测样点数据和多源遥感数据，精准识别土地利用和管理下土壤有机碳的非线性演化路径，并量化其突变阈值、滞后性和韧性等非线性特征，以实现土壤有机碳的趋势预测和态势预警，服务土壤有机碳的管理。此外，本发明构建的模型具有较好的稳定性，在评估演化路径及其特征后，可仅依赖多源遥感数据评估土壤有机碳的状态，大大减少土壤有机碳实地采样所消耗的成本。附图说明[0022]附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：图1是本发明实施例提供的区域土壤有机碳非线性演化路径及特征评估方法的流图2是本发明实施例提供的基于几何顶点的端元提取示意图图3是本发明实施例提供的自组织映射网络模型示意图；图4是本发明实施例提供的土壤有机碳演化路径重构方法原理图；图5是本发明实施例提供的状态空间示意图；图6是本发明实施例提供的S概念模型示意图；图7是本发明实施例提供的状态演化路径示意图；图8是本发明实施例提供的状态类型识别示意图；图9是本发明实施例提供的状态非线性特征评估示意图。具体实施方式[0023]以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。如图1所示，是本发明提供的区域土壤有机碳非线性演化路径及特征评估方法的S1:获取目标区域的多源遥感影像数据，所述多源遥感影像数据中的每个像元均地表温度数据和高程数据，计算得到各像元的土壤有机碳含量及S3:利用自组织映射网络模型，以各像元土壤有机碳含量和环境变量数据作为输S4:根据各土壤有机碳状态类型的平均覆被功能指数和平均土壤有机碳含量构建(1)基于遥感影像数据中各个像元的地表反射率数据，利用光谱混合分解获得区过GoogleEarth的高空间分辨率影像为每个土地覆被类别选取1000左右的样本，以75%和将训练样本及其对应的端元丰度值和光谱混合分解得到的全部端元丰度值影像输入到随机森林模型进行覆被类型分类；根据验证样本的覆被类型和对应的分类结果进行精度评[0028]首先，根据研究区区域内的当地知识确定植被覆盖最高月份(如8月)和地表覆盖最少的月份(如5月),对这些月份的Landsat地表反射率数据影像利用ENVI软件分别进行主端元对应的提取月份的主成分影像构建散点图，在主成分散点图的顶点处选取200-400个≤j≤m)来说，E;是端元j在波段i的反射率，F;为端元j的丰度值，也就是端元占像元面(4)根据各个像元的高程数据，计算得到对应像元的地形湿度指数，计算公式如其中，TWI表示地形湿度指数，α是地表水所流经的单位等高线上的上游区域面(1)在遥感影像数据中选取一定数量的像元作为样本，利用实验室分析法测得样(2)将样本内的所有像元按照75%和25%的比例随机划分为训练数据集和验证数据1)根据经验预设随机森林模型的树木数量为100到1000,间隔为50;最大深度为43)然后对每一个参数取值的组合进行5倍交叉验证：将训练数据集分成5份样本，量实测值及环境变量数据，根据所选定的最优的模型参数作为随机森林模型的设定参数，量和环境变量数据作为输入向量，将区域内所有像元分为若干不同的土壤有机碳状态类[0042]具体的，如图3所示。在自组织映射网络中，假设样本数为253,则初始规模为80.然后在初始规模数量值的左右各选取若干个[0044]本发明实施例在根据各土壤有机碳状态类型的平均覆被功能指数和平均土壤有一时间不同空间位置上的土壤有机碳状态类型的集合和同一空间位置上的土壤有机碳状间土壤有机碳状态类型重构同一空间上不同时间的土壤有机碳状态类型的状态演化路依据S型概念模型，采用二次函数分别拟合状态空间中退化路径和恢复路径的曲到的各土壤有机碳状态类型中所有像元的平均覆被功能指数和平均土壤有机碳含量作为y=ax²+bx+c;最小二乘法求解各系数。[0047]需要说明的是，当外部环境条件发生变化时，土地的系统状态会随之做出响应，呈现双稳态。图6中的实线表示稳态，绿色和红色分别表示对应环境条件下最好和最差的稳定状态，虚线表示不稳定的非平衡态，橙色表示同一环境条件下对应多个不稳定状态。S型曲线的上半轴表示退化路径，随外部环境条件逐渐退化至接近临界水平，系统会通过阈值从一种稳态突变为另外一种稳态，即稳态转换。发生突变的点叫做临界点(P1和P2)。但这种正向的稳态转换路径并不完全可逆，土地系统存在明显的滞后性，即将外部环境条件恢复到发生突变前的水平，土地系统也无法恢复到之前的状态。[0048]如图7所示，将状态空间中上半部分绿色的点拟合的二次函数曲线定义为退化路径。伴随着覆被功能指数的增加(自然环境和人类管理越差),土壤有机碳的状态沿绿色的实线向右移动发生退化(即土壤有机碳含量逐渐减少),且随着覆被功能指数越来越大(自然环境和人类管理越来越差),单位覆被功能指数的增加引起的有机碳状态(土壤有机碳含量)退化逐渐增加。直到到达某一阈值发生突变，即图7中绿色虚线的路径。[0049]使用相同的方法识别土壤有机碳的恢复路径。如图7所示，将状态空间中下半部分橙色的点拟合的二次函数曲线定义为恢复路径。伴随着覆被功能指数的减少(自然环境和人类管理越好),土壤有机碳的状态沿橙色的实线向左移动发生恢复(即土壤有机碳含量逐渐增加),且随着覆被功能指数越来越小(自然环境和人类管理越来越好),单位覆被功能指数的减少引起的有机碳状态(土壤有机碳含量)的恢复逐渐增加，直到到达某一阈值发生突[0050]如图8所示，依据S型概念模型，将退化路径曲线和恢复路径曲线用虚线相连接，构成完整的S型演化路径。[0051]作为优选，本发明实施例中基于土壤有机碳的非线性演化路径，确定土壤有机碳演化路径的突变阈值、滞后性和韧性的具体步骤包括：在土壤有机碳的非线性演化路径中，将退化路径曲线和恢复路径曲线中相同覆被功能指数的部分定义为不稳定状态，退化路径曲线中覆被功能指数小于不稳定状态的部分定义为好的稳定状态，恢复路径曲线中覆被功能指数大于不稳定状态的部分定义为差的稳定状态，根据两种稳定状态和不稳定状态之间的覆被功能指数分割值分别确定好的突变阈值和差的突变阈值；根据两个突变阈值之间的范围确定土壤有机碳演化路径的滞后性；根据不稳定状态中任一土壤有机碳状态类型转换为另外一个可实现的稳定状态中的土壤有机碳状态类型所需要的覆被功能指数发生变化的程度评估土壤有机碳演化路径的韧性。[0052]具体的，如图8所示，在S型路径中，位于折叠区间橙色路径上的土壤有机碳状态类型被定义为不稳定状态。在该区间内，同一覆被功能指数可对应多个不同土壤有机碳含量的土壤有机碳状态类型，当自然环境或人类管理发生轻微变化时，土壤有机碳状态类型就会沿路径发生转化。其中虚线路径上的状态为非平衡态，这些状态只是存在于观测时刻的瞬时态，最终将演化到实线路径上的平衡态，因此并未将这些非平衡态包含在演化路径中。在S型路径折叠区间的左侧，绿色路径上的土壤有机碳状态类型表示好的稳定状态，而折叠区间的右侧，红色的路径上的土壤有机碳状态类型表示差的稳定状态。和不稳定状态相比，当自然环境或人类管理发生轻微变化时，这些稳定状态的土壤有机碳状态类型能够依靠自身的韧性抵抗这些干扰而保持状态的稳定。[0053]非线性特征的评估包括突变阈值、滞后性和韧性的量化表征。如图9所示，突变阈值是指随着覆被功能指数(自然环境或人类管理)发生变化，土壤有机碳的状态会逐渐退化或恢复至临界水平，突变为另外一种稳定的状态，这个突变的点所对应的覆被功能指数值称为突变阈值。突变阈值包括好的突变阈值(图9中的LCIa)和差的突变阈值(图9中的LCIb)。这些阈值由两种稳定状态和不稳定状态之间的覆被功能指数分割值确定。[0054]好的突变阈值的计算方式包括：LCI1=max{LCI(x)|x∈S其中，S1为好的稳定状态中平均覆被功能指数最大的土壤有机碳状态类型所对应像元的集合，LCI(x)为像元x对应的覆被功能指数，LCI1为最大的LCI(x);LCI2=min{LCI(x)|xeS2};其中，S2为恢复路径曲线上不稳定状态中平均覆被功能指数最小的土壤有机碳状态类型所对应像元的集合，LCI(x)为像元x对应的覆被功能指数，LCI2为最小的LCI(x);n的取值确定应满足以下条件：μ₁+no₁≤μ₂-no₂且μ₁+(n+0.1)o₁[0055]差的突变阈值的计算方式包括：LCI3=max{LCI(x)|x∈S其中，S3为退化路径上不稳定状态中平均覆被功能指数最大的土壤有机碳状态类型所对应像元的集合，LCI(x)为像元x对应的覆被功能指数，LCI3为最大的LCI(x);LCI4=min{LCI(x)|xeS4};其中，S4为差的稳定状态中平均覆被功能指数最小的土壤有机碳状态类型所对应指数的平均值，σ₃和σ₄分别为状态类型S3和S4所对应像元的覆被功能指数的标准差，n∈(0.1,0.2,0.3,…,2),n的取值确定应满足以下条件：[0057]滞后性是指土壤有机碳的状态发生突变的退化路径并不可逆，当覆被功能指数(自然环境或人类管理)恢复到发生突变前的水平时，土壤有机碳的状态并不能够恢复到原来的状态。滞后水平的高低取决于两个突变阈值之间的范围，即图9中的LCIa和LCIb的差值的绝对值。该范围越大，滞后性越强，土壤有机碳发生突变之后越难以恢复到[0058]韧性是指土壤有机碳当前状态转换到另外一个可实现的稳定状态所需要的覆被功能指数发生变化的程度。而土壤有机碳某一状态所对应的可实现的状态，除了受演化路径的影响，还应考虑其覆被类型和地形湿度指数的影响。如图9所示，以计算土壤有机碳状态类型B恢复为好的稳定状态中的土壤有机碳状态类型A1为例：(1)首先确定将土壤有机碳状态类型B可能恢复到的所有好的稳定状态确定为候选状态；(2)在候选状态中，根据覆被类型一致的原则筛选出和土壤有机碳状态类型B具有相同覆被类型的土壤有机碳状态类型集合；(3)在筛选的土壤有机碳状态类型集合中，根据地形湿度指数最为接近的原则，确定土壤有机碳状态类型B所对应的可实现的稳定状态中的土壤有机碳状态类型A1;(4)计算土壤有机碳状态类型B和土壤有机碳状态类型A1的覆被功能指数的差值的绝对值，即为土壤有机碳状态类型B恢复为好的稳定状态的韧性。计算状态退化为为差的稳定状态C1的韧性计算方法和上述方法相同。本发明实施例提供了一种电子设备，包括处理器和存储有计算机程序的存储器，所述