本发明涉及凋落物分解的计量特征及驱动机制模型构建领域，具体涉及一种凋落物分解的cnp气候因子驱动机制模型构建方法。
背景技术：
1、凋落物是生态系统中植物伴随着生长过程所产生的新陈代谢产物，由植物组分(叶、茎、杆、果、根等) 组成，归于土壤后为分解者提供物质和能量供其生命活动所需。凋落物的分解是作为生态系统重要的环节之一，影响着生态系统的物质和养分循环。凋落物在分解过程中释放的c(碳元素)约为化石燃料燃烧释放的10倍，是生态系统碳循环中的重要一环。同时，凋落物分解也向植物提供营养元素中的n（氮元素）和p（磷元素），控制着陆地生态系统的养分供应，是连接植物与土壤的关键节点，因此，深入了解凋落物分解生态过程对理解陆地生态系统物质循环、能量流动以及土壤有机质形成过程至关重要。
2、凋落物的分解是一个复杂的生态学过程，主要受到气候因子、凋落物性质和分解者作用这3个方面因素的影响。而现有的凋落物分解的cnp气候因子驱动机制模型构建方法中，通常选取单一的气候因子，缺乏考虑多个气候因子的复合作用对凋落物分解的影响，进而导致构建的模型无法准确反映气候因子对凋落物分解过程的影响。
技术实现思路
1、针对现有技术中的上述不足，本发明提供了一种凋落物分解的cnp气候因子驱动机制模型构建方法，获取凋落物分解的不同计量特征，并在模型构建过程中综合考虑多个气候因子的复合作用对凋落物分解的影响，进而提升构建模型的准确度。
2、为了达到上述发明目的，本发明采用的技术方案为：
3、一种凋落物分解的cnp气候因子驱动机制模型构建方法，包括以下步骤：
4、s1、获取不同海拔梯度的凋落物cnp含量数据和不同海拔梯度的多维气候因子数据；
5、s2、根据步骤s1中不同海拔梯度的凋落物cnp含量数据，获取凋落物分解的不同计量特征数据；
6、s3、确定凋落物分解计算周期，并根据凋落物分解计算周期和步骤s1中不同海拔梯度的多维气候因子数据，获取凋落物分解的多维气候因子数据；
7、s4、根据步骤s2中凋落物分解的不同计量特征数据和步骤s3中凋落物分解的多维气候因子数据，构建凋落物分解的cnp气候因子驱动机制模型。
8、进一步地，在步骤s1中，多维气候因子数据包括均以日为单位的气温数据、降水数据、土壤水分数据、土壤表层温度数据和土壤表层下5cm处的温度数据。
9、进一步地，在步骤s2中，凋落物分解的不同计量特征数据包括凋落物的质量残留率、凋落物的分解速率、凋落物中碳的养分残留率、凋落物中氮的养分残留率和凋落物中磷的养分残留率。
10、进一步地，步骤s2包括以下步骤：
11、s21、根据步骤s1中不同海拔梯度的凋落物cnp含量数据，计算凋落物的质量残留率；
12、s22、根据步骤s1中不同海拔梯度的凋落物cnp含量数据，计算凋落物的分解速率；
13、s23、根据步骤s1中不同海拔梯度的凋落物cnp含量数据，计算凋落物中碳的养分残留率；
14、s24、根据步骤s1中不同海拔梯度的凋落物cnp含量数据，计算凋落物中氮的养分残留率；
15、s25、根据步骤s1中不同海拔梯度的凋落物cnp含量数据，计算凋落物中磷的养分残留率。
16、进一步地，在步骤s21中，根据步骤s1中不同海拔梯度的凋落物cnp含量数据，计算凋落物的质量残留率，表示为：
17、mr= mt/m0×100%
18、其中：mr为凋落物的质量残留率，mt为t时剩余凋落物的质量，m0为凋落物的初始质量。
19、进一步地，在步骤s22中，根据步骤s1中不同海拔梯度的凋落物cnp含量数据，计算凋落物的分解速率，表示为：
20、ln(mt/m0)＝-kt
21、其中：ln为以无理数e为底的对数函数，mt为t时剩余凋落物的质量，m0为凋落物的初始质量，k为凋落物的分解速率，t为凋落物的分解时间。
22、进一步地，在步骤s23中，根据步骤s1中不同海拔梯度的凋落物cnp含量数据，计算凋落物中碳的养分残留率，表示为：
23、cr=（mt×ct）/（m0×c0）×100%
24、其中：cr为凋落物中碳的养分残留率，mt为t时剩余凋落物的质量，ct为t时剩余凋落物的质量中碳的含量，m0为凋落物的初始质量，c0为凋落物的初始质量中碳的含量。
25、进一步地，在步骤s3中，根据凋落物分解计算周期和步骤s1中不同海拔梯度的多维气候因子数据，获取凋落物分解的多维气候因子数据，具体过程为：将凋落物分解计算周期内均以日为单位的气温数据、降水数据、土壤水分数据、土壤表层温度数据和土壤表层下5cm处的温度数据分别求和，并且在求和过程中去除低于零摄氏度的气温数据、土壤表层温度数据和土壤表层下5cm处的温度数据，以获取凋落物分解的多维气候因子数据。
26、进一步地，在步骤s4中，凋落物分解的cnp气候因子驱动机制模型包括凋落物的质量残留率与凋落物分解的多维气候因子的混合效应模型、凋落物的分解速率与凋落物分解的多维气候因子的混合效应模型、凋落物中碳的养分残留率与凋落物分解的多维气候因子的混合效应模型、凋落物中氮的养分残留率与凋落物分解的多维气候因子的混合效应模型和凋落物中磷的养分残留率与凋落物分解的多维气候因子的混合效应模型。
27、进一步地，步骤s4包括以下步骤：
28、s41、根据步骤s2中凋落物分解的不同计量特征数据和步骤s3中凋落物分解的多维气候因子数据，构建凋落物的质量残留率与凋落物分解的多维气候因子的混合效应模型，表示为：
29、mr=74.84-0.02137×tc-0.0261×wc+0.03032×t0-0.001431×t5
30、其中：mr为凋落物的质量残留率，tc为凋落物分解的气温，wc为凋落物分解的土壤含水量，t0为凋落物分解的土壤表层温度，t5为凋落物分解的土壤表层下5cm处的温度；
31、s42、根据步骤s2中凋落物分解的不同计量特征数据和步骤s3中凋落物分解的多维气候因子数据，构建凋落物的分解速率与凋落物分解的多维气候因子的混合效应模型，表示为：
32、k=3.649-0.003616tc+0.001581pc+0.001072wc-0.0001206t5
33、其中：k为凋落物的分解速率，pc为凋落物分解的降水量；
34、s43、根据步骤s2中凋落物分解的不同计量特征数据和步骤s3中凋落物分解的多维气候因子数据，构建凋落物中碳的养分残留率与凋落物分解的多维气候因子的混合效应模型，表示为：
35、cr=69.69-0.01844tc-0.01243pc-0.02631wc+0.03042t0-0.0005804t5
36、其中：cr为凋落物中碳的养分残留率；
37、s44、根据步骤s2中凋落物分解的不同计量特征数据和步骤s3中凋落物分解的多维气候因子数据，构建凋落物中氮的养分残留率与凋落物分解的多维气候因子的混合效应模型，表示为：
38、nr=72.71-0.01518tc-0.02697wc+0.02439t0-0.0006179t5
39、其中：nr为凋落物中氮的养分残留率；
40、s45、根据步骤s2中凋落物分解的不同计量特征数据和步骤s3中凋落物分解的多维气候因子数据，构建凋落物中磷的养分残留率与凋落物分解的多维气候因子的混合效应模型，表示为：
41、pr=36.82-0.06833tc-0.01181pc+0.03385t0+0.001969t5
42、其中：pr为凋落物中磷的养分残留率。
43、本发明具有以下有益效果：
44、本发明获取不同海拔梯度的凋落物cnp含量数据和不同海拔梯度的多维气候因子数据，进而获取凋落物分解的不同计量特征数据和凋落物分解的多维气候因子数据，然后根据凋落物分解的不同计量特征数据和凋落物分解的多维气候因子数据，构建凋落物分解的cnp气候因子驱动机制模型，这一过程中通过获取凋落物分解的不同计量特征，并在模型构建过程中综合考虑多个气候因子的复合作用对凋落物分解的影响，进而提升构建模型的准确度。
1.一种凋落物分解的cnp气候因子驱动机制模型构建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种凋落物分解的cnp气候因子驱动机制模型构建方法，其特征在于，在步骤s1中，多维气候因子数据包括均以日为单位的气温数据、降水数据、土壤水分数据、土壤表层温度数据和土壤表层下5cm处的温度数据。
3.根据权利要求1所述的一种凋落物分解的cnp气候因子驱动机制模型构建方法，其特征在于，在步骤s2中，凋落物分解的不同计量特征数据包括凋落物的质量残留率、凋落物的分解速率、凋落物中碳的养分残留率、凋落物中氮的养分残留率和凋落物中磷的养分残留率。
4.根据权利要求1所述的一种凋落物分解的cnp气候因子驱动机制模型构建方法，其特征在于，步骤s2包括以下步骤：
5.根据权利要求3所述的一种凋落物分解的cnp气候因子驱动机制模型构建方法，其特征在于，在步骤s21中，根据步骤s1中不同海拔梯度的凋落物cnp含量数据，计算凋落物的质量残留率，表示为：
6.根据权利要求3所述的一种凋落物分解的cnp气候因子驱动机制模型构建方法，其特征在于，在步骤s22中，根据步骤s1中不同海拔梯度的凋落物cnp含量数据，计算凋落物的分解速率，表示为：
7.根据权利要求3所述的一种凋落物分解的cnp气候因子驱动机制模型构建方法，其特征在于，在步骤s23中，根据步骤s1中不同海拔梯度的凋落物cnp含量数据，计算凋落物中碳的养分残留率，表示为：
8.根据权利要求1所述的一种凋落物分解的cnp气候因子驱动机制模型构建方法，其特征在于，在步骤s3中，根据凋落物分解计算周期和步骤s1中不同海拔梯度的多维气候因子数据，获取凋落物分解的多维气候因子数据，具体过程为：将凋落物分解计算周期内均以日为单位的气温数据、降水数据、土壤水分数据、土壤表层温度数据和土壤表层下5cm处的温度数据分别求和，并且在求和过程中去除低于零摄氏度的气温数据、土壤表层温度数据和土壤表层下5cm处的温度数据，以获取凋落物分解的多维气候因子数据。
9.根据权利要求1所述的一种凋落物分解的cnp气候因子驱动机制模型构建方法，其特征在于，在步骤s4中，凋落物分解的cnp气候因子驱动机制模型包括凋落物的质量残留率与凋落物分解的多维气候因子的混合效应模型、凋落物的分解速率与凋落物分解的多维气候因子的混合效应模型、凋落物中碳的养分残留率与凋落物分解的多维气候因子的混合效应模型、凋落物中氮的养分残留率与凋落物分解的多维气候因子的混合效应模型和凋落物中磷的养分残留率与凋落物分解的多维气候因子的混合效应模型。
10.根据权利要求1所述的一种凋落物分解的cnp气候因子驱动机制模型构建方法，其特征在于，步骤s4包括以下步骤：
