技术领域
[0001] 本发明涉及碳汇统计技术领域，更具体地说，本发明涉及一种国家储备林碳汇动态统计方法。
相关背景技术
[0002] 碳汇是指通过植树造林、植被恢复等措施，吸收大气中的二氧化碳，从而减少温室气体在大气中浓度的过程、活动或机制，碳汇主要是指森林吸收并储存二氧化碳的多少，或者说是森林吸收并储存二氧化碳的能力，森林碳汇是指森林植物吸收大气中的二氧化碳并将其固定在植被或土壤中，从而减少该气体在大气中的浓度，土壤是陆地生态系统中最大的碳库，在降低大气中温室气体浓度、减缓全球气候变暖中，具有十分重要的独特作用。
[0003] 实际情况中，碳汇交易也逐渐走进到企业的日常经营活动中，更为简单的含义是，企业通过购买碳汇，从而抵消自身在生产活动中所产生的碳排放，进一步的能够减少企业的生产成本，但是在此过程中，储备林的碳汇状态就需要较为详细的统计，从而满足实际市场的使用需求，而现有的统计方法在使用的时候会出现以下问：无法对不同的碳汇数据进行分类统计，从而导致碳汇量的统计成本和获取难度比较大。
[0004] 因此我们提出了一种国家储备林碳汇动态统计方法来解决上述问题。
具体实施方式
[0054] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
[0055] 参照图1，一种国家储备林碳汇动态统计方法，包括以下步骤：
[0056] 步骤S1：创建三维地形图，通过GIS对项目绘制边界创建三维地形图，以亩为单位布设单元网格；在步骤S1中，更为具体的步骤如下：
[0057] 首先选取相对应的卫星图像，然后将其导入到ArcGIS制图软件中，之后将卫星图像在ArcGIS制图软件制成三维地形图，其中更为具体的是，首先将卫星图像制作出一个地图，然后再将卫星图像上的内容高度变色拉伸，从而能够形成三维地形图。
[0058] 步骤S2：抽样点选取，选取具有代表性的单元网格作为抽样点；在步骤S2中，更为具体的步骤如下：
[0059] 首先先从步骤S1中选取四个点的抽样点，然后再确认四个点的对角线，之后将多根对角线的交汇点确认为代表性抽样点，从而作为单个抽样点的数据代表，其中尤为注意的是，地形图一般都是矩形设置，因此在四角处可以分别选取相对应的确认点，然后两两相对的点分别连接相对应的对角线，之后再将两根对角线的之间的交点确认为代表性抽样点。
[0060] 步骤S3：抽样点数据统计；步骤S3中，更为具体的步骤如下：
[0061] 首先工作人员对步骤S2确认的抽样点中的地上林木、林下作物、地下根、枯落物和土壤有机碳进行统计，同时采集对应的林木的生长情况数据、土地利用类型、气象数据。
[0062] 步骤S3中，地上林木的碳统计第i森林类型第j树种的地上生物量计算公式如下：
[0063] Wij＝Ai·W单ij＝Ai·V单ij·BEFij·SVDij.................
[0064] 式中：
[0065] Ai：第i森林类型的面积；
[0066] W单ij：第i森林类型第j树种单位面积生物量；
[0067] V单ij：第i森林类型第j树种的每公顷蓄积；
[0068] BEFij：第i森林类型第j树种的生物量扩展系数；
[0069] SVDij：第i森林类型第j树种的木材密度；
[0070] n——森林类型总数；
[0071] m——树种数量；
[0072] 然后用上述生物量乘以含碳率就得出最终的碳储量；
[0073] 同时还需要计算灌木层碳储量和草本层碳储量：
[0074] 灌木层碳储量：生物量使用附录E估算，含碳率可由室内样品直接测定，也可根据不同的枯落物类型采用缺省值0.4672；
[0075] 草本层碳储量：生物量使用附录E估算，含碳率可由室内样品直接测定，也可根据不同的枯落物类型采用缺省值0.3270。
[0076] 步骤S3中，地下林木碳储量统计方法：
[0077] 地下碳储量＝地下生物量*碳含率；
[0078] 地下生物量＝地上生物量*根茎比；
[0079] 枯落物碳储量：生物量使用上边附录估算，含碳率可由室内样品直接测定，也可根据不同的枯落物类型采用缺省值0.44～0.55。
[0080] 步骤S3中，土壤中的碳储量方法如下：
[0081]
[0082] SOC——土壤的碳密度；
[0083] C——土壤有机质含量；
[0084] D——土壤容重；
[0085] F——土壤厚度；
[0086] G直径≥2mm的石砾所占体积百分比；
[0087] 区域森林土壤碳储量计算公式如下：
[0088]
[0089] 70C——区域土壤的有机碳储量；
[0090] i：土类代号；
[0091] n：土类数目；
[0092] Ai：第i类土壤面积；
[0093] SOCi：第i类土壤的碳密度。
[0094] 步骤S4：获取大范围数据，无人机搭载Lidar获取大范围区域的林木蓄积量、生物量、碳储量等信息，其中先将大范围的数据获取之后，然后再将大范围数据和小范围数据进行融合和处理，然后搭建具体的数字孪生模型。
[0095] 步骤S5：数据处理并提取特征，采集到的对应信息传输到云平台进行数据处理并进行特征提取；
[0096] 步骤S6：搭建数字孪生模型，系统将采集的数据通过基于神经网络模型及林木碳汇构建对应的数字孪生模型，实现碳汇量的精细化统计；步骤S6中，将步骤S5中的关键数据进行提取，从而汇聚搭建成数字孪生模型；
[0097] 神经网络模型由输入层、隐藏层与输出层构成：输入层：为数据特征输入层，输入数据特征维数就对应着网络的神经元数；隐藏层：即网络的中间层，其作用接受前一层网络输出作为当前的输入值，并计算输出当前结果到下一层。隐藏网络神经元个数直接影响模型的拟合能力；输出层：为最终结果输出的网络层。
[0098] 步骤S7：将数据结果展示给客户，云平台将统计数据以三维可视化、图表形式展示给用户，步骤S7中，需要统计其他地区的相关数据时，需要将相关的数据输送至数字孪生模型中，然后结果以三维可视化、图表形式展示出来。
[0099] 经上述内容的陈述：本发明可以实现对国储林项目经济林、乔木林、林下经济作物等不同种类碳汇数据进行详细的分类统计，便于根据不同方法学申请对应的CCER碳汇指标，本发明大大降低了项目对于申请CCER的碳汇量统计成本和获取难度，缩短数据更新周期，有效推动项目更多的盈利。
[0100] 最后应说明的几点是：首先，在本申请的描述中，需要说明的是，除非另有规定和限定，术语“安装”、“相连”、“连接”应做广义理解，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变，则相对位置关系可能发生改变；
[0101] 其次：本发明公开实施例附图中，只涉及到与本公开实施例涉及到的结构，其他结构可参考通常设计，在不冲突情况下，本发明同一实施例及不同实施例可以相互组合；
[0102] 最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
