一种高寒草甸植物群落退化程度识别方法及系统[发明专利]

(12)发明专利申请

(10)申请公布号 CN 112115161 A(43)申请公布日 2020.12.22

(21)申请号 202010980070.3(22)申请日 2020.09.17

(71)申请人 西南林业大学

地址 650224 云南省昆明市盘龙区白龙寺

300号(72)发明人 张勇　郑秋竹　崔媛　岳海涛　

赵鸿怡　干珠扎布　黄晓霞　(74)专利代理机构 北京方圆嘉禾知识产权代理

有限公司 11385

代理人 王月松(51)Int.Cl.

G06F 16/245(2019.01)G06F 16/248(2019.01)G06Q 10/06(2012.01)G06Q 50/02(2012.01)

权利要求书2页 说明书7页 附图6页

()发明名称

一种高寒草甸植物群落退化程度识别方法及系统(57)摘要

本发明涉及一种高寒草甸植物群落退化程度识别方法，所述方法包括：获取n个调查样方数据；n为大于或等于2的正整数；对各所述调查样方数据进行地理编码得到编码数据；对所述编码数据进行突变分析得到突变点数据；基于所述突变点数据构建识别模型；基于所述识别模型对待识别植物群落的退化程度进行识别。本发明降低了模型构建的复杂性，所需的数据易获取，同时提高了识别精度。

CN 112115161 ACN 112115161 A

权　利　要　求　书

1/2页

1.一种高寒草甸植物群落退化程度识别方法，其特征在于，包括：获取n个调查样方数据；n为大于或等于2的正整数；对各所述调查样方数据进行地理编码得到编码数据；对所述编码数据进行突变分析得到突变点数据；基于所述突变点数据构建识别模型；

基于所述识别模型对待识别植物群落的退化程度进行识别。

2.根据权利要求1所述的一种高寒草甸植物群落退化程度识别方法，其特征在于，所述调查样方数据包括物种丰富度、优良牧草综合优势度和地上生物量。

3.根据权利要求1所述的一种高寒草甸植物群落退化程度识别方法，其特征在于，所述对各所述调查样方数据进行地理编码得到编码数据包括：

对各所述调查样方数据由南至北进行地理编码得到南北编码数据；对各所述调查样方数据由北至南进行地理编码得到北南编码数据；对各所述调查样方数据由东至西进行地理编码得到东西编码数据；对各所述调查样方数据由西至东进行地理编码得到西东编码数据；所述编码数据包括所述南北编码数据、所述北南编码数据、所述东西编码数据和所述西东编码数据。

4.根据权利要求3所述的一种高寒草甸植物群落退化程度识别方法，其特征在于，所述对所述编码数据进行突变分析得到突变点数据包括:

对所述南北编码数据进行突变分析得到南北突变点数据；对所述北南编码数据进行突变分析得到北南突变点数据；对所述东西编码数据进行突变分析得到东西突变点数据；对所述西东编码数据进行突变分析得到西东突变点数据；基于所述南北突变点数据、所述北南突变点数据、所述东西突变点数据和所述西东突变点数据得到所述突变点数据。

5.根据权利要求1所述的一种高寒草甸植物群落退化程度识别方法，其特征在于，采用Mann-Kendall方法对所述编码数据进行突变分析得到所述突变点数据。

6.一种高寒草甸植物群落退化程度识别系统，其特征在于，包括：数据获取模块，用于获取n个调查样方数据；n为大于或等于2的正整数；编码模块，用于对各所述调查样方数据进行地理编码得到编码数据；突变分析模块，用于对所述编码数据进行突变分析得到突变点数据；模型构建模块，用于基于所述突变点数据构建识别模型；程度识别模块，用于基于所述识别模型对待识别植物群落的退化程度进行识别。7.根据权利要求6所述的一种高寒草甸植物群落退化程度识别系统，其特征在于，所述调查样方数据包括物种丰富度、优良牧草综合优势度和地上生物量。

8.根据权利要求6所述的一种高寒草甸植物群落退化程度识别系统，其特征在于，所述编码模块包括：

南北编码单元，用于对各所述调查样方数据由南至北进行地理编码得到南北编码数据；

北南编码单元，用于对各所述调查样方数据由北至南进行地理编码得到北南编码数

2

CN 112115161 A

权　利　要　求　书

2/2页

据；

东西编码单元，用于对各所述调查样方数据由东至西进行地理编码得到东西编码数据；

西东编码单元，用于对各所述调查样方数据由西至东进行地理编码得到西东编码数据；

所述编码数据包括所述南北编码数据、所述北南编码数据、所述东西编码数据和所述西东编码数据。

9.根据权利要求8所述的一种高寒草甸植物群落退化程度识别系统，其特征在于，所述突变分析模块包括:

南北突变点分析单元，用于对所述南北编码数据进行突变分析得到南北突变点数据；北南突变点分析单元，用于对所述北南编码数据进行突变分析得到北南突变点数据；东西突变点分析单元，用于对所述东西编码数据进行突变分析得到东西突变点数据；西东突变点分析单元，用于对所述西东编码数据进行突变分析得到西东突变点数据；突变点单元，用于基于所述南北突变点数据、所述北南突变点数据、所述东西突变点数据和所述西东突变点数据得到所述突变点数据。

10.根据权利要求6所述的一种高寒草甸植物群落退化程度识别系统，其特征在于，所述突变分析模块采用Mann-Kendall方法对所述编码数据进行突变分析得到所述突变点数据。

3

CN 112115161 A

说　明　书

一种高寒草甸植物群落退化程度识别方法及系统

1/7页

技术领域

[0001]本发明涉及植物群落退化程度识别技术领域，特别是涉及一种高寒草甸植物群落退化程度识别方法及系统。

背景技术

[0002]高寒草甸是在寒冷湿润的气候条件下，由耐寒的多年生草本植物为建群种的一种草地生态系统类型，其广泛分布于青藏高原；高寒草甸是高寒地区重要的“生态屏障”和畜牧业基础；但由于生境脆弱以及长期人为活动的干扰，高寒草甸发生了不同程度的退化，严重威胁高原生态安全和畜牧业可持续发展。[0003]随着高寒草甸退化程度增加，植物群落盖度、高度、物种数、优良牧草地上生物量比例呈现逐渐下降的趋势。

[0004]在植物群落退化程度划分的研究中，大多数学者沿用李博所提出的退化等级分级标准，虽然这种分级标准并未涉及群落指标的变化阈值，但在实践过程中仍然具有重要的指导意义。精确划分草地退化阶段的关键在于识别草地各项指标的变化阈值。在植物群落阈值识别方面，目前常用的草原群落退化指数、CENTURY模型、MaxEnt模型和ROC曲线等方法，通过模拟环境因子变化来研究生态系统的变化阈值，但这些模型的构建及阈值计算过程较为复杂，且模型运行所需的数据不易获取。[0005]划分草甸生态系统的退化程度，有助于开展针对性的退化修复工作；在草地植物群落退化指标选取方面，基于野外样地调查的研究一般采用反映草甸生态系统健康状况的指标判断退化程度，目前常用的指标主要有植物群落结构方面的指标和群落功能方面的指标；基于遥感影像的研究中，常用NDVI反演草地植被盖度，以盖度作为判断退化程度的指标。在草地退化阈值识别方面，当前的研究主要通过控制放牧实验确定植物群落指标的变化阈值，这种阈值确定方式得到的结果可靠，但对实验时间和实验场地要求高，且不适用于非放牧干扰导致的退化阈值确定。因此，需要建立通过野外样方调查数据识别植物群落退化阈值的方法，进而客观划分草地的退化程度。发明内容

[0006]本发明的目的是提供一种高寒草甸植物群落退化程度识别方法及系统，对植物群落的调查数据进行地理编码，使之符合突变分析的条件，再用突变分析识别植物群落的突变点，进而划分退化等级，从而对待识别植物群落进行退化程度识别。[0007]为实现上述目的，本发明提供了如下方案：[0008]一种高寒草甸植物群落退化程度识别方法，包括：[0009]获取n个调查样方数据；n为大于或等于2的正整数；[0010]对各所述调查样方数据进行地理编码得到编码数据；[0011]对所述编码数据进行突变分析得到突变点数据；[0012]基于所述突变点数据构建识别模型；

4

CN 112115161 A[0013]

说　明　书

2/7页

基于所述识别模型对待识别植物群落的退化程度进行识别。

[0014]优选地，所述调查样方数据包括物种丰富度、优良牧草综合优势度和地上生物量。[0015]优选地，所述对各所述调查样方数据进行地理编码得到编码数据包括：[0016]对各所述调查样方数据由南至北进行地理编码得到南北编码数据；[0017]对各所述调查样方数据由北至南进行地理编码得到北南编码数据；[0018]对各所述调查样方数据由东至西进行地理编码得到东西编码数据；[0019]对各所述调查样方数据由西至东进行地理编码得到西东编码数据；[0020]所述编码数据包括所述南北编码数据、所述北南编码数据、所述东西编码数据和所述西东编码数据。[0021]优选地，所述对所述编码数据进行突变分析得到突变点数据包括:[0022]对所述南北编码数据进行突变分析得到南北突变点数据；[0023]对所述北南编码数据进行突变分析得到北南突变点数据；[0024]对所述东西编码数据进行突变分析得到东西突变点数据；[0025]对所述西东编码数据进行突变分析得到西东突变点数据；[0026]基于所述南北突变点数据、所述北南突变点数据、所述东西突变点数据和所述西东突变点数据得到所述突变点数据。[0027]优选地，采用Mann-Kendall方法对所述编码数据进行突变分析得到所述突变点数据。

[0028]本发明还提供了一种高寒草甸植物群落退化程度识别系统，包括：[0029]数据获取模块，用于获取n个调查样方数据；n为大于或等于2的正整数；[0030]编码模块，用于对各所述调查样方数据进行地理编码得到编码数据；[0031]突变分析模块，用于对所述编码数据进行突变分析得到突变点数据；[0032]模型构建模块，用于基于所述突变点数据构建识别模型；[0033]程度识别模块，用于基于所述识别模型对待识别植物群落的退化程度进行识别。[0034]优选地，所述调查样方数据包括物种丰富度、优良牧草综合优势度和地上生物量。[0035]优选地，所述编码模块包括：[0036]南北编码单元，用于对各所述调查样方数据由南至北进行地理编码得到南北编码数据；

[0037]北南编码单元，用于对各所述调查样方数据由北至南进行地理编码得到北南编码数据；

[0038]东西编码单元，用于对各所述调查样方数据由东至西进行地理编码得到东西编码数据；

[0039]西东编码单元，用于对各所述调查样方数据由西至东进行地理编码得到西东编码数据；

[0040]所述编码数据包括所述南北编码数据、所述北南编码数据、所述东西编码数据和所述西东编码数据。[0041]优选地，所述突变分析模块包括:[0042]南北突变点分析单元，用于对所述南北编码数据进行突变分析得到南北突变点数据；

5

CN 112115161 A[0043]

说　明　书

3/7页

北南突变点分析单元，用于对所述北南编码数据进行突变分析得到北南突变点数东西突变点分析单元，用于对所述东西编码数据进行突变分析得到东西突变点数西东突变点分析单元，用于对所述西东编码数据进行突变分析得到西东突变点数

据；

[0044]

据；

[0045]

据；

[0046]

突变点单元，用于基于所述南北突变点数据、所述北南突变点数据、所述东西突变

点数据和所述西东突变点数据得到所述突变点数据。[0047]优选地，所述突变分析模块采用Mann-Kendall方法对所述编码数据进行突变分析得到所述突变点数据。

[0048]根据本发明提供的具体实施例，本发明公开了以下技术效果：[0049]本发明涉及一种高寒草甸植物群落退化程度识别方法，所述方法包括：获取n个调查样方数据；n为大于或等于2的正整数；对各所述调查样方数据进行地理编码得到编码数据；对所述编码数据进行突变分析得到突变点数据；基于所述突变点数据构建识别模型；基于所述识别模型对待识别植物群落的退化程度进行识别。本发明降低了模型构建的复杂性，所需的数据易获取，同时提高了识别精度。附图说明

[0050]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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发明的一些实施例，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。

[0051]图1为本发明高寒草甸植物群落退化程度识别方法流程图；[0052]图2为本发明地理编码示意图；

[0053]图3为本发明南北突变分析示意图；[00]图4为本发明北南突变分析示意图；[0055]图5为本发明西东突变分析示意图；[0056]图6为本发明东西突变分析示意图；

[0057]图7为本发明高寒草甸植物群落退化程度识别系统结构图。[0058]符号说明：1-数据获取模块，2-编码模块，3-突变分析模块，4-模型构建模块，5-程度识别模块。

具体实施方式

[0059]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。

[0060]本发明的目的是提供一种高寒草甸植物群落退化程度识别方法及系统，对植物群落的调查数据进行地理编码，使之符合突变分析的条件，再用突变分析识别植物群落的突

6

CN 112115161 A

说　明　书

4/7页

变点，进而划分退化等级，从而对待识别植物群落进行退化程度识别。[0061]为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

[0062]图1为本发明高寒草甸植物群落退化程度识别方法流程图，如图1所示，本发明提供了一种高寒草甸植物群落退化程度识别方法，其特征在于，包括：[0063]步骤S1，获取n个调查样方数据；n为大于或等于2的正整数，具体的数量根据实际需求进行选取。所述调查样方数据包括物种丰富度、优良牧草综合优势度和地上生物量。具体地，以一个所述调查样方数据为例，记录样方内植物的种类数量、名称、盖度和高度；齐地刈割样方内植物的地上部分，放入烘箱烘干至恒重并进行称量，得到地上生物量。其中，所述物种丰富度即为植物的种类数量，所述优良牧草综合优势度具体计算方法如下：[00]分别计算样方内禾本科植物和莎草科植物的综合优势度，将所述综合优势度进行求和得到所述优良牧草综合优势度，其中，综合优势度具体计算公式如下：

[0065][0066]

式中：SDRi为植物i的综合优势度，RCi为植物i的相对盖度，植物i的相对盖度为植物i的盖度与样方内总盖度的比值，RHi为植物i的相对高度，植物i的相对高度为植物i的高度与样方内总高度的比值。[0067]步骤S2，对各所述调查样方数据进行地理编码得到编码数据。[0068]作为一种可选的实施方式，本发明所述步骤S2包括：[0069]步骤S21，对各所述调查样方数据由南至北进行地理编码得到南北编码数据。[0070]步骤S22，对各所述调查样方数据由北至南进行地理编码得到北南编码数据。[0071]步骤S23，对各所述调查样方数据由东至西进行地理编码得到东西编码数据。[0072]步骤S24，对各所述调查样方数据由西至东进行地理编码得到西东编码数据。[0073]所述编码数据包括所述南北编码数据、所述北南编码数据、所述东西编码数据和所述西东编码数据。

[0074]以步骤S22为例进行说明，从北至南的编码过程，根据调查样方出现的位置依次设置编号为G-1,G-2,…,G-n，具体如图2所示。[0075]步骤S3，对所述编码数据进行突变分析得到突变点数据。本实施例中，突变分析选用Mann-Kendall方法。[0076]进一步地、本发明所述步骤S3包括:[0077]步骤S31，对所述南北编码数据进行突变分析得到南北突变点数据。[0078]步骤S32，对所述北南编码数据进行突变分析得到北南突变点数据。[0079]步骤S33，对所述东西编码数据进行突变分析得到东西突变点数据。[0080]步骤S34，对所述西东编码数据进行突变分析得到西东突变点数据。[0081]步骤S35，基于所述南北突变点数据、所述北南突变点数据、所述东西突变点数据和所述西东突变点数据得到所述突变点数据。[0082]步骤S4，基于所述突变点数据构建识别模型；[0083]步骤S5，基于所述识别模型对待识别植物群落的退化程度进行识别。[0084]具体地，下述以实际例子对上述方法进行详细说明：

7

CN 112115161 A[0085]

说　明　书

5/7页

在云南省迪庆藏族自治州香格里拉市区西南约7km处的石卡雪山山麓选取60个样

方进行采样，继而得到调查样方数据。其中18个样方为没有或较少受人为活动干扰，其余42个样方在不同干扰强度区域随机选取。[0086]分别进行由南至北、由北至南、由西至东和由东至西四个方向的编码，得到南北编码数据、北南编码数据、东西编码数据和西东编码数据。

[0087]对南北编码数据进行突变分析得到南北突变点数据，具体如图3所示，其中图(a)为物种丰富度突变分析图，图(b)为优良牧草综合优势度突变分析图，图(c)为地上生物量突变分析图，从图中可以看出，南北方向上：物种丰富度突变点为10、13、14、15、16、17和20；优良牧草综合优势度突变点为0.18、0.25、0.30、0.32、0.36、0.39、0.45和0.59，地上生物量突变点为31.98、63.77、74.42、91.68、95、111.08、124.32和132.36。[0088]对北南编码数据进行突变分析得到北南突变点数据，具体如图4所示，其中图(a)为物种丰富度突变分析图，图(b)为优良牧草综合优势度突变分析图，图(c)为地上生物量突变分析图，从图中可以看出，北南方向上：物种丰富度突变点为10、13、14、15、16和17；优良牧草综合优势度突变点为0.18、0.25、0.30、0.32、0.39、0.46和0.，地上生物量突变点为25.61、31.98、38.56、57.21、63.77、74.42、91.68、95和120.。[00]对西东编码数据进行突变分析得到西东突变点数据，具体如图5所示，其中图(a)为物种丰富度突变分析图，图(b)为优良牧草综合优势度突变分析图，图(c)为地上生物量突变分析图，从图中可以看出，西东方向上：物种丰富度突变点为10、11、13和17；优良牧草综合优势度突变点为0.18、0.25、0.30、0.34、0.39、0.45和0.60，地上生物量突变点为25.61、31.98、86.、91.68、95、106.97和124.32。

[0090]对东西编码数据进行突变分析得到东西突变点数据，具体如图6所示，其中图(a)为物种丰富度突变分析图，图(b)为优良牧草综合优势度突变分析图，图(c)为地上生物量突变分析图，从图中可以看出，东西方向上：物种丰富度突变点为10、11、13和17；优良牧草综合优势度突变点为0.22、0.25、0.30、0.39、0.46和0.60，地上生物量突变点为31.98、83.78、91.68、106.97和116.5。

[0091]选取物种丰富度的共同突变点10、13和17作为物种丰富度阈值；选取优良牧草综合优势度的共同突变点0.25、0.30和0.39作为优良牧草综合优势度阈值；选取地上生物量的共同突变点31.98和91.68作为地上生物量阈值。[0092]其中地上生物量的单位为g/m2。[0093]根据所述物种丰富度阈值、所述优良牧草综合优势度阈值和所述地上生物量阈值构建的识别模型如表1所示。[0094]表1、退化程度识别模型

[0095]

8

CN 112115161 A

说　明　书

6/7页

[0096]

图7为本发明高寒草甸植物群落退化程度识别系统结构图，如图7所示，本发明提

供了一种高寒草甸植物群落退化程度识别系统，其特征在于，包括：数据获取模块1、编码模块2、突变分析模块3、模型构建模块4和程度识别模块5。[0098]所述数据获取模块1用于获取n个调查样方数据；n为大于或等于2的正整数。[0099]所述编码模块2用于对各所述调查样方数据进行地理编码得到编码数据。[0100]所述突变分析模块3用于对所述编码数据进行突变分析得到突变点数据。[0101]所述模型构建模块4用于基于所述突变点数据构建识别模型。

[0102]所述程度识别模块5用于基于所述识别模型对待识别植物群落的退化程度进行识别。

[0103]作为一种可选的实施方式，本发明所述调查样方数据包括地上生物量和植物的种类数量、名称、盖度和高度。

[0104]作为一种可选的实施方式，本发明所述编码模块2包括：南北编码单元、北南编码单元、东西编码单元和西东编码单元。

[0105]所述南北编码单元用于对各所述调查样方数据由南至北进行地理编码得到南北编码数据。

[0106]所述北南编码单元用于对各所述调查样方数据由北至南进行地理编码得到北南编码数据。

[0107]所述东西编码单元用于对各所述调查样方数据由东至西进行地理编码得到东西编码数据。

[0108]所述西东编码单元用于对各所述调查样方数据由西至东进行地理编码得到西东编码数据。

[0109]所述所述编码数据包括所述南北编码数据、所述北南编码数据、所述东西编码数据和所述西东编码数据。

[0110]作为一种可选的实施方式，本发明所述突变分析模块3包括:南北突变点分析单元、北南突变点分析单元、东西突变点分析单元、西东突变点分析单元和突变点单元。

[0111]所述南北突变点分析单元用于对所述南北编码数据进行突变分析得到南北突变点数据。

[0097]

9

CN 112115161 A[0112]

说　明　书

7/7页

所述北南突变点分析单元用于对所述北南编码数据进行突变分析得到北南突变

点数据。

[0113]所述东西突变点分析单元用于对所述东西编码数据进行突变分析得到东西突变点数据。

[0114]所述西东突变点分析单元用于对所述西东编码数据进行突变分析得到西东突变点数据。

[0115]所述突变点单元用于基于所述南北突变点数据、所述北南突变点数据、所述东西突变点数据和所述西东突变点数据得到所述突变点数据。[0116]作为一种可选的实施方式，本发明所述突变分析模块采用Mann-Kendall方法对所述编码数据进行突变分析。

[0117]对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

[0118]本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的。

10

CN 112115161 A

说　明　书　附　图

1/6页

图1

图2

11

CN 112115161 A

说　明　书　附　图

2/6页

图3

12

CN 112115161 A

说　明　书　附　图

3/6页

图4

13

CN 112115161 A

说　明　书　附　图

4/6页

图5

14

CN 112115161 A

说　明　书　附　图

5/6页

图6

15

CN 112115161 A

说　明　书　附　图

6/6页

图7

16