项目名称: 基于多模态感知数据耦合的森林碳汇计量模型研究

项目编号: No.31300539

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 农业科学

项目作者: 胡军国

作者单位: 浙江农林大学

项目金额: 25万元

中文摘要: 碳交易是应对气候变化、缓解CO2排放的有效途径,而碳汇计量是碳交易的技术基础。但是不同研究者使用不同模型和方法得到的碳汇数据存在巨大的差异,表明目前技术对于碳汇的测算存在很大的不确定性,因此迫切需要有更新的方法准确计量碳汇数据。本项目针对天目山森林生态系统,拟利用无线传感器网络采集的温度、湿度、风速、风向、光强等9个不同感知源、不同时空、不同量纲的多模态数据进行碳汇计量,开展如下工作:(1)研究基于传感器网络联合校正的涡度相关技术,(2)研究基于改进APAR测算和融合CO2因子的光能利用率技术,(3)研究基于人工神经网络耦合的碳汇优化模型。本项目的研究目的是利用改进的涡度相关技术和光能利用率技术计算出碳汇数据,并进一步利用人工神经网络模型耦合优化碳汇值,以提高森林碳汇计量的准确性,并为其它测量方法提供校验标准,具有重要的理论意义和应用价值。

中文关键词: 森林碳汇;无线传感网;神经网络算法;生态模型;通量网

英文摘要: Carbon trading is an effective way to tackle climate change and relieve CO2 emissions.The basis of carbon trading is how to measure forest carbon sinks.But different researchers obtain different carbon sinks data by using different models and methods,so it indicates that there are a great deal of uncertainty of measuring carbon sinks.Therefore We need study innovative methods to measure carbon sinks data.Aimed at the TianMuShan forest ecological system,the project plans to use the the wireless sensor networks to collect nine multi-modal data including temperature, humidity, wind speed, wind direction and so on.We solve three problems as following:(1)Study of eddy covariance technique based on the joint correction of sensor networks.(2)Study of light use efficiency based on improved calculation of APAR and fusion of CO2 factor.(3)Study of carbon sinks optimization model based on artificial neural network.The objective of this project is using the improved eddy coariance technique and the light use efficiency technology to calculate the carbon data, and further using artificial neural network model to couple and optimize carbon sinks value.From this studying,we can improve the accuracy of forest carbon sinks and provide criterions for other methods.In a word, this project has great significance in theory and appli

英文关键词: forest carbon sink;wireless sensor network;neural network algorithm;ecological model;flux net

成为VIP会员查看完整内容
0

相关内容

离散制造业边缘计算 解决方案白皮书,46页pdf
专知会员服务
31+阅读 · 2022年3月23日
空间数据智能:概念、技术与挑战
专知会员服务
85+阅读 · 2022年2月3日
《人脸识别数据安全标准化研究报告(2021版)》发布
专知会员服务
32+阅读 · 2022年1月2日
数据中心传感器技术应用 白皮书
专知会员服务
41+阅读 · 2021年11月13日
专知会员服务
64+阅读 · 2021年5月3日
专知会员服务
23+阅读 · 2021年1月30日
基于深度学习的多标签生成研究进展
专知会员服务
141+阅读 · 2020年4月25日
【CVPR2020】多模态社会媒体中危机事件分类
专知会员服务
54+阅读 · 2020年4月18日
空间数据智能:概念、技术与挑战
专知
8+阅读 · 2022年2月4日
面面观之易华录“数据银行”
THU数据派
0+阅读 · 2021年9月10日
IJCAI 2021 | 不确定性感知小样本图像分类模型,实现SOTA性能
微软研究院AI头条
0+阅读 · 2021年8月19日
面向自动驾驶的边缘计算技术研究综述
专知
4+阅读 · 2021年5月3日
「时空数据分析」综述论文,44页pdf
专知
9+阅读 · 2021年3月20日
【泡泡图灵智库】协同视觉-惯性SLAM
泡泡机器人SLAM
29+阅读 · 2019年9月6日
深度学习在自动驾驶感知领域的应用
AI100
11+阅读 · 2019年3月6日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月14日
Generalized Out-of-Distribution Detection: A Survey
Arxiv
15+阅读 · 2021年10月21日
小贴士
相关主题
相关VIP内容
离散制造业边缘计算 解决方案白皮书,46页pdf
专知会员服务
31+阅读 · 2022年3月23日
空间数据智能:概念、技术与挑战
专知会员服务
85+阅读 · 2022年2月3日
《人脸识别数据安全标准化研究报告(2021版)》发布
专知会员服务
32+阅读 · 2022年1月2日
数据中心传感器技术应用 白皮书
专知会员服务
41+阅读 · 2021年11月13日
专知会员服务
64+阅读 · 2021年5月3日
专知会员服务
23+阅读 · 2021年1月30日
基于深度学习的多标签生成研究进展
专知会员服务
141+阅读 · 2020年4月25日
【CVPR2020】多模态社会媒体中危机事件分类
专知会员服务
54+阅读 · 2020年4月18日
相关资讯
空间数据智能:概念、技术与挑战
专知
8+阅读 · 2022年2月4日
面面观之易华录“数据银行”
THU数据派
0+阅读 · 2021年9月10日
IJCAI 2021 | 不确定性感知小样本图像分类模型,实现SOTA性能
微软研究院AI头条
0+阅读 · 2021年8月19日
面向自动驾驶的边缘计算技术研究综述
专知
4+阅读 · 2021年5月3日
「时空数据分析」综述论文,44页pdf
专知
9+阅读 · 2021年3月20日
【泡泡图灵智库】协同视觉-惯性SLAM
泡泡机器人SLAM
29+阅读 · 2019年9月6日
深度学习在自动驾驶感知领域的应用
AI100
11+阅读 · 2019年3月6日
相关基金
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员