[发明专利]基于机器学习的仿自然生态植被构建方法、系统及设备

说明书

本发明公开了一种基于机器学习的仿自然生态植被构建方法，包括获取植被群落历史生长环境数据；提取各植被的立地条件特征信息和生长条件特征信息；构建植被群落结构选择模型；利用植被群落结构选择模型，根据植被群落当前生长环境数据选择最优植被，构建仿自然生态植被群落。本发明从立地条件和生长条件综合考虑植被恢复的多种影响因素，具有操作简单、建模速度快，计算效率高，筛选准确率高等优点，能够实现准确有效的退耕还林植被恢复，有助于提升生态环境质量。

技术领域

本发明涉及植被恢复技术领域，具体涉及一种基于机器学习的仿自然生态植被构建方法、系统及设备。

背景技术

植被恢复是遏制生态环境恶化，改善脆弱和退化生态系统的有效措施，黄土高原生态恢复与重建的关键是植被的恢复和重建，这在生态界已达成共识。长期以来，国家在水土流失严重的黄土丘陵沟壑区开展了大量的植被恢复工作，特别是1999年以来，退耕还林(草)工程的实施进一步全面推动了区域生态建设进程。一系列生态建设工程的实施和配套政策的落实，推进了农村经济的发展，遏制了该区多年来边治理边破坏和生态环境局部改善整体系化的趋势。

退耕还林工程是土地利用结构调整的具体措施，其实施可引起大尺度、转换性的地表覆被变化，从而对区域生态环境产生重大影响。退耕还林工程的生态目标是在提高森林覆盖率的基础上，构建健康森林的生态系统，实现其服务功能价值。然而，由于自然条件严酷，树种选择不当和经营管理不善，部分区域造林成活、保存率低。因林分生长不良，尚未形成有效约防护结构，不能形成稳定的森林环境，难以发挥其改良土壤，促进降水入渗，控制水土流失等功能，使得退耕的生态效益下降。

现有的退耕还林植被恢复方法大多采用人工研讨或者针对单一立地条件筛选合适的植被，必然存在人工成本消耗太大、筛选准确率不高等问题。

发明内容

针对现有技术中的上述不足，本发明提供了一种基于机器学习的仿自然生态植被构建方法、系统及设备。

为了达到上述发明目的，本发明采用的技术方案为：

第一方面，本发明提供了一种基于机器学习的仿自然生态植被构建方法，包括以下步骤：

获取植被群落历史生长环境数据；

从历史生长环境数据中提取各植被的立地条件特征信息和生长条件特征信息；

根据植被的立地条件特征信息和生长条件特征信息，构建植被群落结构选择模型；

利用植被群落结构选择模型，根据植被群落当前生长环境数据选择最优植被，构建仿自然生态植被群落。

进一步地，所述植被的立地条件特征信息包括植被所处地理环境的坡向特征信息、坡度特征信息、坡位特征信息和微地形特征信息；

其中植被所处的坡向特征信息具体为植被所处的坡向为阳坡、半阳坡、半阴坡、阴坡中的一种；

植被所处的坡度特征信息具体为植被所处的坡度为平坡、缓坡、斜坡、陡坡、急坡、险坡中的一种；

植被所处的坡位特征信息具体为植被所处的坡位为脊坡、上坡、中坡、下坡、谷坡中的一种；

植被所处的微地形特征信息具体为植被所处的微地形为缓台、塌陷、切沟、浅沟、陡坎中的一种。

进一步地，所述植被的生长条件特征信息包括植被所处气象环境的日照时数特征信息、土壤湿度特征信息、空气温度特征信息、空气压强特征信息、相对湿度特征信息。

进一步地，所述根据植被的立地条件特征信息和生长条件特征信息，构建植被群落结构选择模型具体包括以下分步骤：

获取植被所处气象环境的生长条件特征信息，选取各植被相关性最大的生长条件特征信息；