[发明专利]一种多维雷竹竹笋林产量估计方法及装置

权利要求书

1.一种多维雷竹竹笋林产量估计方法，其特征在于，包括：

分别采集若干历史0-6年育林覆盖笋林对应的第一产量集，根据回归算法建立0-6年育林覆盖笋林的基础产量模型；

获取待测雷竹竹笋林的多维影响系数，所述多维影响系数包括：笋类型系数、降水评价系数、立竹株数系数和年龄结构系数；

根据基础产量模型获取待测雷竹竹笋林的待测基础产量，将待测基础产量与多维影响系数通过计算分析得到待测雷竹竹笋林的预估产量。

2.根据权利要求1所述的多维雷竹竹笋林产量估计方法，获取待测雷竹竹笋林的多维影响系数，所述多维影响系数包括：笋类型系数、降水评价系数、立竹株数系数和年龄结构系数，其特征在于：所述笋类型系数的获取方法如下：

分别采集若干历史覆盖笋林和自然笋林对应的第二产量集和第三产量集，计算分析得到覆盖笋林和自然笋林历史产量比；

根据覆盖笋林和自然笋林历史产量比，确定覆盖笋类型系数和自然笋类型系数分别为：

A1＝1

A2＝1/3

当所述待测雷竹竹笋林类型为覆盖笋时，所述笋类型系数为1，当所述待测雷竹竹笋林类型为自然笋时，所述笋类型系数为1/3。

3.根据权利要求1所述的多维雷竹竹笋林产量估计方法，获取待测雷竹竹笋林的多维影响系数，所述多维影响系数包括：笋类型系数、降水评价系数、立竹株数系数和年龄结构系数，其特征在于：所述降水评价系数的获取方法如下：

分别采集若干历史秋季降水量以及6月份降水量，得到秋季平均降水量和6月份平均降水量；

根据秋季平均降水量和6月份平均降水量得到覆盖笋降水评价系数和自然笋降水评价系数：

B1＝D1/C1

B2＝C2/D2

其中，D1为当年秋季降水量；D2为当年6月份降水量；C1为秋季平均降水量；C2为6月份平均降水量；

当所述待测雷竹竹笋林类型为覆盖笋时，所述降水评价系数为B1，当所述待测雷竹竹笋林类型为自然笋时，所述降水评价系数为B2。

4.根据权利要求1所述的多维雷竹竹笋林产量估计方法，获取待测雷竹竹笋林的多维影响系数，所述多维影响系数包括：笋类型系数、降水评价系数、立竹株数系数和年龄结构系数，其特征在于：所述立竹株数系数的获取方法如下：

分别采集若干历史不同立竹株数雷竹竹笋林对应的第四产量集，计算分析得到优等产量区间的雷竹竹笋林的立竹株数；

根据所述优等产量区间的雷竹竹笋林的立竹株数得到标准立竹株数系数模型；

获取待测雷竹竹笋林的立竹株数，根据标准立竹株数系数模型得到所述立竹株数系数。

5.根据权利要求1所述的多维雷竹竹笋林产量估计方法，获取待测雷竹竹笋林的多维影响系数，所述多维影响系数包括：笋类型系数、降水评价系数、立竹株数系数和年龄结构系数，其特征在于：所述年龄结构系数的获取方法如下：

分别采集若干历史不同年龄结构的雷竹竹笋林以及对应的第五产量集，计算分析得到不同年龄结构雷竹竹笋林的标准年龄结构系数；

获取待测雷竹竹笋林的年龄结构，根据所述标准年龄结构系数得到所述年龄结构系数。

6.一种多维雷竹竹笋林产量估计装置，其特征在于，所述多维雷竹竹笋林产量估计装置实现的是权利要求1所述的多维雷竹竹笋林产量估计方法，其包括：

第一数据采集模块：用于分别采集若干历史0-6年育林覆盖笋林对应的第一产量集以及获取待测雷竹竹笋林的多维影响系数，所述多维影响系数包括：笋类型系数、降水评价系数、立竹株数系数和年龄结构系数；

第一数据处理模块：用于根据回归算法建立0-6年育林覆盖笋林的基础产量模型以及根据基础产量模型获取待测雷竹竹笋林的待测基础产量，将待测基础产量与多维影响系数通过计算分析得到待测雷竹竹笋林的预估产量。