CN103674998B - 基于热成像技术的植物健康状态检测方法 - Google Patents
基于热成像技术的植物健康状态检测方法 Download PDFInfo
- Publication number
- CN103674998B CN103674998B CN201310507261.8A CN201310507261A CN103674998B CN 103674998 B CN103674998 B CN 103674998B CN 201310507261 A CN201310507261 A CN 201310507261A CN 103674998 B CN103674998 B CN 103674998B
- Authority
- CN
- China
- Prior art keywords
- temperature
- plant
- data
- infrared images
- blade
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Radiation Pyrometers (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于热成像技术的植物健康状态检测方法,本发明实施例提供的基于热成像技术的植物健康状态检测方法中,首先读取包括植物和参考叶片的温度数据文档,利用植被土壤分离算法和参考温度算法获得植被土壤分离数据文档和冠层温度Tc,根据参考叶片的热红外图像的温度数据获得参考温度Tp,最后根据所述冠层温度Tc、参考温度Tp以及所述气温数据Ta计算所述植被蒸腾扩散系数,即可得到植物的健康状况等级。与现有技术相比,本发明实施例利用三温模型计算植被蒸腾扩散系数,进而对植物长势做出评价,操作简单、效率高。
Description
技术领域
本发明涉及一种评价植物长势的技术,尤其涉及一种基于热成像技术的植物健康状态检测方法。
背景技术
近年来,随着遥感技术的进步,植物冠层温度在遥感领域得到应用。已有研究利用植被表面温度、气温和植被指数来计算作物水分亏缺,用于探讨不完全覆盖植被区的水分亏缺问题。后来,冠层气温差被广泛应用于计算蒸散量和光合作用,并被进一步应用于计算作物水分亏缺。在这些研究的基础上,表面温度已经变成一个获取生物环境信息的可靠技术,并广泛应用于CO2通量监测、污染监测和农业领域。然而,要利用这些方法测算蒸腾量,除了需要表面温度外,还需要一些实地测量的参数,比如风速、水汽压等,因此它们在遥感方面的应用受到一定限制。
三温模型是测算蒸散量和评价环境质量的一种方法,因其模型的核心是表面温度、参考表面温度和气温,故被称为“三温模型”。该模型具有参数少、计算简单以及容易遥感观测等优点,而且植被蒸腾扩散系数能很好地反映蒸腾过程和确定蒸腾量,并且容易测得,便于遥感应用。
植被蒸腾扩散系数(hat)的定义式为hat=(Tc-Ta)/(Tp-Ta),式中Tc、Tp和Ta分别为冠层温度、参考温度和气温。其中,参考温度是指蒸腾量为零的叶片的冠层温度。理论上,植被蒸腾扩散系数的取值范围为hat≤1,hat的取值范围可以表示了植被蒸腾量的大小,该系数越小,蒸腾量越大。
热红外图像是通过红外热成像仪,利用红外热成像技术,探测目标物体的红外辐射,并通过光电转换、信号处理等手段,获得的目标物体的温度分布图像。由于土壤与植被表面温度的差异,可以在热红外图像中通过温度将两者区分开来。
目前,在热红外图片上区分植被和土壤区域主要借助Envi等软件,主要方法有两种:手动区分和利用软件监督分类。手动区分是指参考热红外图像对应的可见光图像,将植物与土壤的边界在相应软件中标注出来。这种方法准确度高,但在处理较复杂或区域较大的图片时效率较低,且费时费力,不适于大量图片的处理;利用软件监督分类是指在软件中分别标记土壤和植被的代表区域,之后通过软件的监督分类功能,由软件自行判断土壤和植被的边界,并得出分类结果。这种方法较为简便,有一定的准确度,但由于需要借助专业软件,故适用性受到一定限制。
发明内容
本发明提供一种基于热成像技术的植物健康状态检测方法,可以实现自动分离植被区域和土壤区域并计算植被蒸腾扩散系数,从而确定植物的健康状态。
本发明提出一种基于热成像技术的植物健康状态检测方法,包括:
获取包括植物和参考叶片的热红外图像,将所述植物和参考叶片的热红外图像的温度数据分别导出成制表符分割的温度数据文档;
读取上述温度数据文档,去除所述数据文档中温度数据以外的信息获得纯温度数据文档,通过植被土壤分离算法获得植被土壤分离数据文档和冠层温度Tc;
获取所述参考叶片的热红外图像的温度数据,处理所得参考温度Tp;
利用所述植物的热红外图像拍摄时间信息,结合拍摄所在地气象数据信息,获取所述拍摄时间点的气温数据Ta;
根据所述冠层温度Tc、参考温度Tp以及所述气温数据Ta计算所述植被蒸腾扩散系数和健康状况等级。
优选的,所述的基于热成像技术的植物健康状态检测方法中,所述通过植被土壤分离算法获得植被土壤分离数据文档和冠层温度Tc具体包括:
以植物的热红外图像温度数据中心位置4×4共16个数据为基准点,分别获取该16个数据中的最大值A和最小值B,然后取(B-0.5,A+0.5)为合理区间,该区间内的温度值即为冠层温度Tc;
根据所述冠层温度Tc分离植被区域与土壤区域,获得植被土壤分离数据文档。
由上可知,本发明实施例提供的基于热成像技术的植物健康状态检测方法中,首先读取包括植物和参考叶片的温度数据文档,利用植被土壤分离算法和参考温度算法获得植被土壤分离数据文档和冠层温度Tc,根据参考叶片的热红外图像的温度数据获得参考温度Tp,最后根据所述冠层温度Tc、参考温度Tp以及所述气温数据Ta计算所述植被蒸腾扩散系数,即可得到植物的健康状况等级。与现有技术相比,本发明实施例利用三温模型计算植被蒸腾扩散系数,进而对植物长势做出评价,操作简单、效率高。
附图说明
图1是本发明实施例提供的基于热成像技术的植物健康状态检测方法中的植物热红外图像。
图2是本发明实施例提供的基于热成像技术的植物健康状态检测方法中参考叶片热红外图像。
图3是本发明实施例提供的基于热成像技术的植物健康状态检测方法的流程图。
图4是本发明实施例试验中获得的文字结果输出图。
图5是本发明实施例试验中获得的植物纯温度数据的图形化显示图。
图6是本发明实施例试验中获得的植被土壤分离数据的图形化显示图。
图7是本发明实施例试验中获得的植被蒸腾扩散系数的图形化显示图。
图8是本发明实施例试验中获得的植被健康状况等级的图形化显示图。
本发明目的的实现、功能特点及优点将结合以下的实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
请参阅图1和图2,图1为本发明实施例中待评价健康状况等级植物的热红外图像,图2为相同地理条件下参考叶片的热红外图像,用于获取没有蒸腾(蒸腾量为零)的冠层温度Tp。
如图1所示,在拍摄植物热红外图像时,要尽量将图像的中心区域落在植物叶片区域,并且在拍摄植物全株热红外图像时,要保证成像区域可以覆盖整棵植株且拍摄角度最好从上往下;如图2所示,在拍摄参考叶片热红外图像时也应尽量按上述要求进行。
请一并参阅图1-3,图3是本发明实施例提供的基于热成像技术的植物健康状态检测方法的流程图。
如图所示,本发明实施例提供的基于热成像技术的植物健康状态检测方法主要包括如下步骤:
S01:获取包括植物和参考叶片的热红外图像,利用红外热成像仪配套软件SmartView将所述植物和参考叶片的热红外图像的温度数据分别导出成制表符分割的温度数据文档。
在本发明实施例中,利用红外热成像仪获取包括植物和参考叶片的热红外图像,利用红外热成像仪配套软件SmartView将植物和参考叶片的热红外图像的温度数据(单位为K)分别导出成制表符分割的txt格式的文本文档。
S02:利用数据自动化处理的软件Processor读取上述温度数据文档,去除所述数据文档中温度数据以外的信息获得纯温度数据文档,通过植被土壤分离算法获得植被土壤分离数据文档和冠层温度Tc。
在本发明实施例中,利用本发明成员自主编程实现数据自动化处理的软件Processor读取上述植物温度数据文档,并根据提示保存相应的数据文档,包括对上述SmartView导出的文本文档加工后的纯温度数据文档和植被土壤分离数据文档。具体的,本发明实施例通过植被土壤分离算法获得植被土壤分离数据文档和冠层温度Tc。
S03:利用数据自动化处理的软件Processor获取所述参考叶片的热红外图像的温度数据,处理所得参考温度Tp。
具体的,本发明实施例利用上述软件Processor读取上述参考叶片的热红外图像的温度数据,处理所得参考温度结果Tp,将其输出到参考温度Tp栏内备用。
S04:利用所述植物的热红外图像拍摄时间信息,结合拍摄所在地气象数据信息,获取所述拍摄时间点的气温数据Ta。
在本发明实施例中,利用上述植物的热红外图像拍摄时间信息,结合拍摄所在地气象数据文件,获取对应时间点的气温数据Ta(单位为K),并将其输入上述数据自动化处理软件Processor中“请输入空气温度Ta”后的对话框内备用。
S05:利用数据自动化处理的软件Processor,结合所述冠层温度Tc、参考温度Tp以及所述气温数据Ta计算所述植被蒸腾扩散系数和健康状况等级。
在本发明实施例中,利用上述数据自动化处理软件Processor执行判断,并根据提示保存上述植被蒸腾扩散系数(hat)和健康状况等级数据文档。
由上可知,本发明实施例提供的基于热成像技术的植物健康状态检测方法中,首先读取包括植物和参考叶片的温度数据文档,利用植被土壤分离算法和参考温度算法获得植被土壤分离数据文档和冠层温度Tc,根据参考叶片的热红外图像的温度数据获得参考温度Tp,最后根据所述冠层温度Tc、参考温度Tp以及所述气温数据Ta计算所述植被蒸腾扩散系数,即可得到植物的健康状况等级。与现有技术相比,本发明实施例利用三温模型计算植被蒸腾扩散系数,进而对植物长势做出评价,操作简单、效率高。
继续参见图1,在本发明实施例提供的检测方法中,还包括以下步骤:
S06:利用遥感图像处理平台ENVI分别读取上述步骤中保存的数据文档,进行图形化显示。
本发明实施例利用ENVI(TheEnvironmentforVisualizingImages)软件将植物长势情况用图形化的方式展现出来,方便研究人员进行分析和处理。
具体的,在上述步骤S01中,本实施例的植物热红外图像由本发明成员用FLUKETi55FT热像仪在西鄂尔多斯国家级自然保护区内拍摄的沙冬青植株;参考叶片由与植物叶片颜色相同的绿色纸片裁剪而成,并固定在植株旁的冠层顶部位置,参考叶片的热红外图像由本发明成员用相同仪器在相同时间段拍摄。
在步骤S02中,利用本发明成员自主编程实现数据自动化处理的软件Processor读取上述植物温度数据文档,通过去除文档中温度数据以外的信息获得纯温度数据文档,通过植被土壤分离算法获得植被土壤分离数据文档。所述植被土壤分离算法指,以植物的热红外图像温度数据中心位置4×4共16个数据为基准点,分别获取该16个数据中的最大值(以A为例)和最小值(以B为例),然后取(B-0.5,A+0.5)为合理区间,该区间内的温度值为合理的植物温度值即冠层温度Tc,以此作为分离植被与土壤的依据。上述数据自动化处理软件Processor保存上述植被土壤分离数据文档时,保留上述区间内的温度值作为植被温度,并将上述区间外的温度值设为1000以示区别,便于图形化差异显示。
在步骤S03中,利用上述软件Processor读取上述参考叶片的热红外图像的温度数据,并利用参考温度算法进行处理。所述参考温度算法指,先用上述植被土壤分离算法处理参考叶片的热红外图像温度数据,并取得上述合理区间内温度的最大值(以C为例),则(C-0.5,C)区间内冠层温度值的平均值即为没有蒸腾(蒸腾量为零)的冠层温度Tp,输出显示在上述数据自动化处理软件Processor界面上参考温度Tp栏内备用。
在步骤S04中,对应于植物热红外图像拍摄时点的气温数据Ta取自本发明成员自行携带安装的移动气象站所记录的数据,该移动气象站记录数据的频率设定为每10分钟记录一次数值,若找不到对应于植物热红外图像拍摄时点的气温数据,则利用上述时点所在区间的线性内插获得。
在步骤S05中,利用上述数据自动化处理软件Processor执行判断,并根据提示保存上述植被蒸腾扩散系数(hat)和健康状况等级数据文档。所述植被蒸腾扩散系数(hat)通过上述Tc、Tp和Ta的计算获得,计算公式为hat=(Tc-Ta)/(Tp-Ta)。所述健康状况等级数据由相应植被蒸腾扩散系数(hat)决定,共分为五个等级:健康生长(hat<-1)、较健康生长(-1≤hat<0)、生长状况一般(0≤hat<0.5)、生长状况较差(0.5≤hat≤1)和非法数据(hat>1)。为便于图像化显示,上述数据自动化处理软件Processor将上述五种健康状况等级分别赋值为10、20、30、40和50保存于上述健康状况等级数据文档中。
下面以一个实验为例,采用西鄂尔多斯国家级自然保护区内拍摄的沙冬青植株作为待评价长势的植物。通过SmartView软件和数据自动化处理软件processor的处理,获得如图4所示的文字结果。图5显示的是软件processor处理后的植物纯温度数据的图像,可见与图1中植物热红外图片一致。图6为用植被土壤分离算法获得的植被土壤分离图像,对比图5可知,图6中植被和土壤得到了较好的区分。图7是植被蒸腾扩散系数(hat)图像,图中植被区域颜色深浅不一说明不同区域的植被蒸腾扩散系数不同,进而说明其长势有别。图8所示为植物生长健康等级图,结合图4和图8可知,图1中所示沙冬青植株的总体长势情况较差,其中生长状况一般的占27.59%,如图8中黑色区域所示;生长状况较差的占53.56%;另外18.85%为非法数据,其成因在于在进行图1所示植物热红外图像的拍摄时,中心点区域中有一部分温度较高的数据,在植被土壤分离算法中被识别为植被而导致了误差,经过植被蒸腾系数的进一步修正,将这些非法数据过滤出来,最终绘制出如图8所示植物生长健康等级图。
实验工具和数据处理用到的软件包括:红外热成像仪(FLUKE,型号为Ti55FT),移动气象站(DavisInstruments,型号为6152),PC机(ASUSM51VA),SmartView软件(版本号为3.3.190.0),Processor软件(本发明成员开发的数据处理软件),ENVI软件(版本号为4.8)。
由上可知,在本发明实施例基于热红外图像利用三温模型判断植物长势的方法中,利用植被土壤分离算法和参考温度算法,数据处理软件Processor对SmartView导出的植被和参考叶片的温度数据文件进行了自动化的处理,得到相应的数据文档和植物长势的文字输出结果。最后利用ENVI软件将植物长势情况用图形化的方式展现出来。
因此,本发明实施例能够较好地完成数据的自动化处理过程,并且能够分别以文字和图像的方式对植物长势做出评价。
应当理解的是,以上仅为本发明的优选实施例,不能因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效机构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (4)
1.一种基于热成像技术的植物健康状态检测方法,其特征在于,包括:
获取包括植物和参考叶片的热红外图像,将所述植物和参考叶片的热红外图像的温度数据分别导出成制表符分割的温度数据文档;
读取上述温度数据文档,去除所述数据文档中温度数据以外的信息获得纯温度数据文档,通过植被土壤分离算法获得植被土壤分离数据文档和冠层温度Tc,所述通过植被土壤分离算法获得植被土壤分离数据文档和冠层温度Tc具体包括以植物的热红外图像温度数据中心位置4×4共16个数据为基准点,分别获取该16个数据中的最大值A和最小值B,然后取(B-0.5,A+0.5)为合理区间,该区间内的温度值即为冠层温度Tc,根据所述冠层温度Tc分离植被区域与土壤区域,获得植被土壤分离数据文档;
获取所述参考叶片的热红外图像的温度数据,处理所得参考温度Tp;
利用所述植物的热红外图像拍摄时间信息,结合拍摄所在地气象数据信息,获取所述拍摄时间点的气温数据Ta;
根据所述冠层温度Tc、参考温度Tp以及所述气温数据Ta计算所述植被蒸腾扩散系数和健康状况等级。
2.根据权利要求1所述的基于热成像技术的植物健康状态检测方法,其特征在于,所述获取所述参考叶片的热红外图像的温度数据,处理所得参考温度Tp,具体包括:
根据所述植被土壤分离算法处理参考叶片的热红外图像温度数据,并取得上述合理区间内温度的最大值C,则(C-0.5,C)区间内冠层温度值的平均值即为参考温度Tp。
3.根据权利要求1所述的基于热成像技术的植物健康状态检测方法,其特征在于,所述方法还包括:
利用遥感图像处理平台ENVI分别读取上述步骤中保存的数据文档,进行图形化显示。
4.根据权利要求1所述的基于热成像技术的植物健康状态检测方法,其特征在于,根据如下公式计算植被蒸腾扩散系数:
hat=(Tc-Ta)/(Tp-Ta),式中Tc、Tp和Ta分别为冠层温度、参考温度和拍摄时间点的气温数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310507261.8A CN103674998B (zh) | 2013-10-24 | 2013-10-24 | 基于热成像技术的植物健康状态检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310507261.8A CN103674998B (zh) | 2013-10-24 | 2013-10-24 | 基于热成像技术的植物健康状态检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103674998A CN103674998A (zh) | 2014-03-26 |
CN103674998B true CN103674998B (zh) | 2016-02-17 |
Family
ID=50313203
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310507261.8A Expired - Fee Related CN103674998B (zh) | 2013-10-24 | 2013-10-24 | 基于热成像技术的植物健康状态检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103674998B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104819983B (zh) * | 2015-05-14 | 2018-07-31 | 北京大学深圳研究生院 | 一种植物响应复合污染的无损检测方法 |
CN106556569A (zh) * | 2016-11-11 | 2017-04-05 | 北京林业大学 | 一种基于红外成像的植物缺水状况诊断方法 |
CN106841304B (zh) * | 2017-02-07 | 2020-10-16 | 贵阳学院 | 用红外图像监测烟草病害及综合评价病害程度的方法 |
CN108536887A (zh) * | 2018-01-18 | 2018-09-14 | 北京大学深圳研究生院 | 一种基于无人机热红外的植被蒸腾自动监测方法及系统 |
CN109979406B (zh) * | 2019-03-28 | 2021-02-26 | 惠科股份有限公司 | 驱动电路、显示装置和电压补偿控制方法 |
DE102019210818A1 (de) * | 2019-07-22 | 2021-01-28 | Michael Martin Goisser | Vorrichtung und Verfahren zur Messung der Transpiration von Pflanzen |
CN110579420B (zh) * | 2019-09-17 | 2022-06-17 | 北京大学深圳研究生院 | 一种基于无人机的整株乔木滞尘量测算方法 |
CN111948734A (zh) * | 2020-06-29 | 2020-11-17 | 北京农业信息技术研究中心 | 一种作物冠层表型及微气象参数测量装置及方法 |
CN113310514A (zh) * | 2021-05-24 | 2021-08-27 | 广州大气候农业科技有限公司 | 一种农作物生长状况检测方法、系统、装置及存储介质 |
CN114515663B (zh) * | 2022-01-11 | 2023-01-31 | 北京市农林科学院信息技术研究中心 | 一种菌菇喷淋控制方法、装置及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5764819A (en) * | 1991-10-18 | 1998-06-09 | Dekalb Genetics Corporation | Methods for classifying plants for evaluation and breeding programs by use of remote sensing and image analysis technology |
CN1704758A (zh) * | 2004-05-28 | 2005-12-07 | 北京农业信息技术研究中心 | 利用遥感和地理信息系统技术实现小麦品质监测预报方法 |
CN101836562A (zh) * | 2010-05-25 | 2010-09-22 | 中国农业科学院农田灌溉研究所 | 一种诊断作物缺水程度的指标方法 |
CN101907566A (zh) * | 2010-07-12 | 2010-12-08 | 青岛农业大学 | 一种测定植物冠层光合、呼吸、蒸腾或/和土壤呼吸、蒸发的方法及其装置 |
CN103278503A (zh) * | 2013-04-25 | 2013-09-04 | 浙江大学 | 一种基于多传感器技术的葡萄水分胁迫诊断方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9354216B2 (en) * | 2011-11-07 | 2016-05-31 | Brian Harold Sutton | Infrared aerial thermography for use in determining plant health |
-
2013
- 2013-10-24 CN CN201310507261.8A patent/CN103674998B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5764819A (en) * | 1991-10-18 | 1998-06-09 | Dekalb Genetics Corporation | Methods for classifying plants for evaluation and breeding programs by use of remote sensing and image analysis technology |
CN1704758A (zh) * | 2004-05-28 | 2005-12-07 | 北京农业信息技术研究中心 | 利用遥感和地理信息系统技术实现小麦品质监测预报方法 |
CN101836562A (zh) * | 2010-05-25 | 2010-09-22 | 中国农业科学院农田灌溉研究所 | 一种诊断作物缺水程度的指标方法 |
CN101907566A (zh) * | 2010-07-12 | 2010-12-08 | 青岛农业大学 | 一种测定植物冠层光合、呼吸、蒸腾或/和土壤呼吸、蒸发的方法及其装置 |
CN103278503A (zh) * | 2013-04-25 | 2013-09-04 | 浙江大学 | 一种基于多传感器技术的葡萄水分胁迫诊断方法及系统 |
Non-Patent Citations (2)
Title |
---|
三温模型_基于表面温度测算蒸散和评价环境质量的方法__植被蒸腾扩散系数;邱国玉等;《植物生态学报》;20061231;第30卷(第5期);852-860 * |
应用基于红外热画像技术的CWSI简化算法判断作物水分状态;张小雨等;《中国农业气象》;20131020;第34卷(第5期);569-575 * |
Also Published As
Publication number | Publication date |
---|---|
CN103674998A (zh) | 2014-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103674998B (zh) | 基于热成像技术的植物健康状态检测方法 | |
Qiu et al. | Assessing the Three-North Shelter Forest Program in China by a novel framework for characterizing vegetation changes | |
Malambo et al. | Automated detection and measurement of individual sorghum panicles using density-based clustering of terrestrial lidar data | |
Ozdemir | Estimating stem volume by tree crown area and tree shadow area extracted from pan‐sharpened Quickbird imagery in open Crimean juniper forests | |
Karna | Mapping above ground carbon using worldview satellite image and lidar data in relationship with tree diversity of forests | |
CN108038433A (zh) | 基于多回波机载激光扫描数据的城市树木碳含量估计方法 | |
Abdullah et al. | Investigating the applicability of UAVs in characterizing desert shrub biomass and developing biological indicators for the selection of suitable revegetation sites | |
Chen et al. | Quantifying the carbon storage in urban trees using multispectral ALS data | |
CN107437262B (zh) | 作物种植面积预警方法和系统 | |
Makhamreh | Derivation of vegetation density and land-use type pattern in mountain regions of Jordan using multi-seasonal SPOT images | |
CN115952702A (zh) | 一种基于forcchn模型和遥感数据的森林nep的计算方法 | |
Mathews | Applying geospatial tools and techniques to viticulture | |
Rex et al. | Estimating above-ground biomass of Araucaria angustifolia (Bertol.) Kuntze using LiDAR data | |
Ma et al. | Identification of forest disturbance and estimation of forest age in subtropical mountainous areas based on Landsat time series data | |
Suab et al. | Unmanned aerial vehicle (uav) derived normalised difference vegetation index (ndvi) and crown projection area (cpa) to detect health conditions of young oil palm trees for precision agriculture | |
CN115908700B (zh) | 基于地面激光雷达点云数据的林冠截留模型的构建方法 | |
CN114781199A (zh) | 水源涵养对气候变化的响应分析方法、装置、介质和设备 | |
Razali et al. | Eucalyptus forest plantation assessment of vegetation health using satellite remote sensing techniques | |
Yu et al. | Evaluating the reliability of bi-temporal canopy height model generated from airborne laser scanning for monitoring forest growth in boreal forest region | |
Ambadkar et al. | Assessment of Spatial and Temporal Changes in Strength of Vegetation Using Normalized Difference Vegetation Index (NDVI) and Enhanced Vegetation Index (EVI): A Case Study from Akola District, Central India | |
Amgoth et al. | Extraction of water surface bodies for Pakhal Lake, India using GEE | |
Lawas | Complementary use of aiborne LiDAR and terrestrial laser scanner to assess above ground biomass/carbon in Ayer Hitam tropical rain forest reserve | |
Giljum | Object-Based Classification of Vegetation at Stordalen Mire near Abisko by using High-Resolution Aerial Imagery | |
Smith et al. | Regional Air-Sea Interactions (RASI) climatology for Central America coastal gap wind and upwelling events | |
Ngwayi | Mapping carbon stock in trees outside forest: Comparing a very high resolution optical satellite image (Geo-Eye) and airborne LiDAR data in Chitwan, Nepal |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160217 Termination date: 20171024 |
|
CF01 | Termination of patent right due to non-payment of annual fee |