CN105842707A - 基于无人机遥感图像的草地地上生物量测算方法及装置 - Google Patents
基于无人机遥感图像的草地地上生物量测算方法及装置 Download PDFInfo
- Publication number
- CN105842707A CN105842707A CN201510019337.1A CN201510019337A CN105842707A CN 105842707 A CN105842707 A CN 105842707A CN 201510019337 A CN201510019337 A CN 201510019337A CN 105842707 A CN105842707 A CN 105842707A
- Authority
- CN
- China
- Prior art keywords
- meadow
- grassland
- remote sensing
- height
- aerial vehicle
- 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.)
- Granted
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明属于草地生物量监测领域,具体而言,涉及一种基于无人机遥感图像的草地地上生物量测算方法及装置,其中,该方法包括:获取待监测草地区域的无人机遥感图像;根据获取的无人机遥感图像获取待监测草地区域的草地盖度数据;获取待监测草地区域的草层高度数据;根据获取的草地盖度数据及草层高度数据求取单位面积草地地上生物量。本发明通过利用无人机获取的遥感图像测算草地盖度及获取的草层高度计算求取草地生物量,实现了草地地上生物量实时测算,克服了传统遥感监测法监测精度低、稳定性差、破坏草地的缺点,而且方便、快捷、省时省力,适合于大范围的草地生物量监测。
Description
技术领域
本发明属于草地生物量监测领域,具体而言,涉及一种基于无人机遥感图像的草地地上生物量测算方法及装置。
背景技术
目前测量草地地上生物量(About Ground Biomass,AGB)的方法主要有地面实测法和遥感估测法两种。地面实测法的观测工具主要为样方框和剪刀,该方法主要依赖于对地面草地样方生物量的观测,是一种传统的观测方法,虽然观测精度较高,但是费时费力、效率低,还受诸多人为因素的影响,不适合大范围的草地生物量估测。
遥感估测法主要基于卫星遥感数字图像或航空遥感图像。遥感估测法以植物叶面在可见光及红外波段的强吸收和强反射特性为基础,利用遥感植被指数,如归一化的差值植被指数(NormalizedDifference Vegetation Index,NDVI)等,结合地面调查数据和遥感图像处理系统,构建地上部分生物量统计模型,实现AGB的动态监测,可用于较大范围的草地生物量动态变化监测。但监测精度低,空间变异大(40%-85%左右)。主要存在以下问题:
(1)受地面观测样点数量及代表性的限制,监测模型一般仅适用于一定的空间范围。遥感反演模型的精度在很大程度上依赖于地面观测样点的数量及其代表性,而地面采样费时费力,成本高昂,可以调查的样点数量十分有限,模型适用的空间范围受地面观测样点的代表性影响。
(2)监测模型的准确性受地面观测样点与卫星观测数据在时间和空间上匹配性差的影响。由于光学卫星遥感数据受云层等天气状况的极大限制,地面观测受地形、交通等因素的影响,大多数传统地面样点观测与卫星观测数据在时间上几乎无法完全匹配;地面观测样点面积小,一般采用10m×10m样地,一个样地内布设3-5个0.5m×0.5m或1m×1m的样方,而具有较高空间分辨率的卫星遥感资料(如LANDSAT、SPOT等资料)的时间分辨率较低(LANDSAT为16天),空间分辨率多为几十米(如LANDSAT为30m),空间覆盖范围有限,不适合开展草地地上生物量的动态监测;而具有更高时间分辨率而广泛应用于草地监测的卫星资料(如MODIS等)空间分辨率更低,仅为250m、500m或1000m。因此,地面样点的可代表的范围与常用卫星遥感资料在空间上匹配性较差,二者之间存在很大的不一致性。
(3)监测模型是地面观测的草地地上生物量与对应的遥感图像计算的植被指数之间的统计模型,基于该模型计算的草地生物量存在一定的不确定性问题。草地生物量遥感监测模型仅采用基于植被指数(如常用的NDVI和EVI(Enhanced Vegetation Index))的统计模型反演生物量。由于遥感植被指数受其自身特点及环境因素的影响,该类模型的精度低(一般仅能反演草地生物量变化的40%-85%左右),稳定性差。
(4)遥感监测模型的建立,需要在地面调查过程中大量取样,对草地有一定的破坏性。为了建立草地生物量遥感监测模型,需要开展草地外业调查,将样方内草地齐地面刈割,并需要在草地生长季开展多年及大范围的采样,对草地植被造成一定的破坏性。
综上所述,传统遥感监测法(即基于卫星或有人驾驶的航空遥感方法)由于受样点数量及其空间代表性影响,监测精度低、稳定性差,监测的时效性受遥感图像接收及处理系统等诸多因素影响,难以实现对草地产草量的实时监测与评价,而且对草地有一点的破坏性。
发明内容
本发明的目的在于提供一种基于无人机遥感图像的草地地上生物量测算方法及装置,以解决上述的问题。
在本发明的实施例中提供了一种基于无人机遥感图像的草地地上生物量测算方法,包括:
获取待监测草地区域的无人机遥感图像;
根据获取的无人机遥感图像获取待监测草地区域的草地盖度数据;
获取待监测草地区域的草层高度数据;
根据获取的草地盖度数据及草层高度数据求取单位面积草地地上生物量。
进一步,根据下式求取所述单位面积草地地上生物量:
Bio_grass(xi,yi)=f(height(xi,yi),coverage(xi,yi))
=a×height(xi,yi)+b×exp(c×coverage(xi,yi))+d
其中,Bio_grass(xi,yi)为空间位置(xi,yi)处的草地地上生物量,单位:kg/ha;height(xi,yi)为空间位置(xi,yi)处的草地植被高度,单位:cm;coverage(xi,yi)为空间位置(xi,yi)处的草地植被盖度,以百分比计;a、b、c、d为函数f(height(xi,yi),coverage(xi,yi))的系数项。
进一步,待监测草地区域的草层高度数据在获取无人机遥感图像过程中通过实地测量获取。
本发明的实施例还提供了一种基于无人机遥感图像的草地地上生物量测算装置,包括:
遥感图像获取模块,用于获取待监测草地区域的无人机遥感图像;
草地盖度数据获取模块,用于根据获取的无人机遥感图像获取待监测草地区域的草地盖度数据;
草层高度数据获取模块,用于获取待监测草地区域的草层高度数据;
草地地上生物量求取模块,用于根据获取的草地盖度数据及草层高度数据求取单位面积草地地上生物量。
进一步,草地地上生物量求取模块具体用于:
根据下式求取所述单位面积草地地上生物量:
Bio_grass(xi,yi)=f(height(xi,yi),coverage(xi,yi))
=a×height(xi,yi)+b×exp(c×coverage(xi,yi))+d
其中,Bio_grass(xi,yi)为空间位置(xi,yi)处的草地地上生物量,单位:kg/ha;height(xi,yi)为空间位置(xi,yi)处的草地植被高度,单位:cm;coverage(xi,yi)为空间位置(xi,yi)处的草地植被盖度,以百分比计;a、b、c、d为函数f(height(xi,yi),coverage(xi,yi))的系数项。
本发明实施例提供的基于无人机遥感图像的草地地上生物量测算方法及装置与现有技术相比,通过利用无人机(实时)获取的遥感图像测算草地盖度及获取的草层高度计算求取草地生物量,实现了草地地上生物量实时测算,克服了传统遥感监测法监测精度低、稳定性差、破坏草地的缺点,而且方便、快捷、省时省力,适合于大范围的草地生物量监测。
附图说明
图1示出了本发明基于无人机遥感图像的草地地上生物量测算方法的流程图;
图2示出了本发明基于无人机遥感图像的草地地上生物量测算装置的结构示意图。
具体实施方式
下面通过具体的实施例子并结合附图对本发明做进一步的详细描述。
参图1至图2所示,图1示出了本发明基于无人机遥感图像的草地地上生物量测算方法的流程图;图2示出了本发明基于无人机遥感图像的草地地上生物量测算装置的结构示意图。
本实施例提供了一种基于无人机遥感图像的草地地上生物量测算方法,包括:
步骤S101,获取待监测草地区域的无人机遥感图像。
本实施例利用无人机在垂向悬停状态下对监测草地区域进行低空拍摄,弥补了传统地面观测样点面积小(0.5m×0.5m左右),及传统卫星遥感资料(如MODIS等)的像素在空间尺度上匹配性差的难题。由于无人机遥感成像距离地面较近,观测数据受大气等因素干扰较少,因此草地生物物理关键指标的观测结果与地面实测结果之间具有更高的关联度。另外,无人机遥感图像覆盖范围较大,易于操作,可在更大空间范围内快速成像,相比地面实测法具有很大的优势。
步骤S102,根据获取的无人机遥感图像获取待监测草地区域的草地盖度数据。
步骤S103,获取待监测草地区域的草层高度数据。
步骤S104,根据获取的草地盖度数据及草层高度数据求取单位面积草地地上生物量。
需要说明的是,本实施例所提供的步骤仅为本发明的一种实施例而已,并非是对其顺序的限制,如步骤S101、S102与步骤S103的顺序可根据实际情况调换或同时进行。
本实施例通过利用无人机(实时)获取的遥感图像测算草地盖度及获取的草层高度计算求取草地生物量,实现了草地地上生物量实时测算,克服了传统遥感监测法监测精度低、稳定性差、破坏草地的缺点,而且方便、快捷、省时省力,适合于大范围的草地生物量监测。
在本实施例中,可根据下式求取所述单位面积草地地上生物量:
Bio_grass(xi,yi)=f(height(xi,yi),coverage(xi,yi))
=a×height(xi,yi)+b×exp(c×coverage(xi,yi))+d
其中,Bio_grass(xi,yi)为空间位置(xi,yi)处的草地地上生物量,单位:kg/ha;height(xi,yi)为空间位置(xi,yi)处的草地植被高度,单位:cm;coverage(xi,yi)为空间位置(xi,yi)处的草地植被盖度,以百分比计;a、b、c、d为函数f(height(xi,yi),coverage(xi,yi))的系数项,可根据待测区草地类型确定对应的系数。该函数关系在不同的草地类型上的表现形式相似,仅最优系数略有变化。例如,在青藏高原牧区高寒草地类型上,a、b、c、d的取值分别为14.357、0.127、0.076和0。
本实施例通过将草地上某一空间位置上的草地地上生物量表示成该位置草地植被高度和盖度的函数,并依据这一函数关系反演草地地上生物量的大小,克服了基于遥感植被指数计算草地生物量存在一定的不确定性的缺点(遥感植被指数只是草地生物量的一种外在反映,而不是决定草地生物量的内在影响因素),提高了测算结果的可靠性。
在本实施例中,待监测草地区域的草层高度数据可在获取无人机遥感图像过程中通过实地测量获取。
本发明的实例还提供了一种基于无人机遥感图像的草地地上生物量测算装置,包括:
遥感图像获取模块21,用于获取待监测草地区域的无人机遥感图像。
草地盖度数据获取模块22,用于根据获取的无人机遥感图像获取待监测草地区域的草地盖度数据;
草层高度数据获取模块23,用于获取待监测草地区域的草层高度数据;
草地地上生物量求取模块24,用于根据获取的草地盖度数据及草层高度数据求取单位面积草地地上生物量。
本实施例利用遥感图像获取模块21(实时)获取的无人机遥感图像并通过草地盖度数据获取模块22测算草地盖度,通过草层高度数据获取模块23获取待监测草地区域的草层高度数据,并利用草地盖度及草层高度数据,通过草地地上生物量求取模块24计算求取草地生物量,实现了草地地上生物量实时测算,克服了传统遥感监测法监测精度低、稳定性差、破坏草地的缺点,而且方便、快捷、省时省力,适合于大范围的草地生物量监测。
在本实施例中,草地地上生物量求取模块24具体用于:
根据下式求取所述单位面积草地地上生物量:
Bio_grass(xi,yi)=f(height(xi,yi),coverage(xi,yi))
=a×height(xi,yi)+b×exp(c×coverage(xi,yi))+d
其中,Bio_grass(xi,yi)为空间位置(xi,yi)处的草地地上生物量,单位:kg/ha;height(xi,yi)为空间位置(xi,yi)处的草地植被高度,单位:cm;coverage(xi,yi)为空间位置(xi,yi)处的草地植被盖度,以百分比计;a、b、c、d为函数f(height(xi,yi),coverage(xi,yi))的系数项,可根据待测区草地类型确定对应的系数。该函数关系在不同的草地类型上的表现形式相似,仅最优系数略有变化。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于无人机遥感图像的草地地上生物量测算方法,其特征在于,包括:
获取待监测草地区域的无人机遥感图像;
根据获取的无人机遥感图像获取待监测草地区域的草地盖度数据;
获取待监测草地区域的草层高度数据;
根据获取的草地盖度数据及草层高度数据求取单位面积草地地上生物量。
2.根据权利要求1所述的一种基于无人机遥感图像的草地地上生物量测算方法,其特征在于,根据下式求取所述单位面积草地地上生物量:
Bio_grass(xi,yi)=f(height(xi,yi),coverage(xi,yi))
=a×height(xi,yi)+b×exp(c×coverage(xi,yi))+d
其中,Bio_grass(xi,yi)为空间位置(xi,yi)处的草地地上生物量,单位:kg/ha;height(xi,yi)为空间位置(xi,yi)处的草地植被高度,单位:cm;coverage(xi,yi)为空间位置(xi,yi)处的草地植被盖度,以百分比计;a、b、c、d为函数f(height(xi,yi),coverage(xi,yi))的系数项。
3.根据权利要求1或2所述的一种基于无人机遥感图像的草地地上生物量测算方法,其特征在于,所述待监测草地区域的草层高度数据在获取无人机遥感图像过程中通过实地测量获取。
4.一种基于无人机遥感图像的草地地上生物量测算装置,其特征在于,包括:
遥感图像获取模块,用于获取待监测草地区域的无人机遥感图像;
草地盖度数据获取模块,用于根据获取的无人机遥感图像获取待监测草地区域的草地盖度数据;
草层高度数据获取模块,用于获取待监测草地区域的草层高度数据;
草地地上生物量求取模块,用于根据获取的草地盖度数据及草层高度数据求取单位面积草地地上生物量。
5.根据权利要求4所述的基于无人机遥感图像的草地地上生物量测算装置,其特征在于,所述草地地上生物量求取模块具体用于:
根据下式求取所述单位面积草地地上生物量:
Bio_grass(xi,yi)=f(height(xi,yi),coverage(xi,yi))
=a×height(xi,yi)+b×exp(c×coverage(xi,yi))+d
其中,Bio_grass(xi,yi)为空间位置(xi,yi)处的草地地上生物量,单位:kg/ha;height(xi,yi)为空间位置(xi,yi)处的草地植被高度,单位:cm;coverage(xi,yi)为空间位置(xi,yi)处的草地植被盖度,以百分比计;a、b、c、d为函数f(height(xi,yi),coverage(xi,yi))的系数项。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510019337.1A CN105842707B (zh) | 2015-01-15 | 2015-01-15 | 基于无人机遥感图像的草地地上生物量测算方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510019337.1A CN105842707B (zh) | 2015-01-15 | 2015-01-15 | 基于无人机遥感图像的草地地上生物量测算方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105842707A true CN105842707A (zh) | 2016-08-10 |
CN105842707B CN105842707B (zh) | 2018-03-06 |
Family
ID=56579933
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510019337.1A Active CN105842707B (zh) | 2015-01-15 | 2015-01-15 | 基于无人机遥感图像的草地地上生物量测算方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105842707B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106043697A (zh) * | 2016-08-12 | 2016-10-26 | 兰州大学 | 一种草地初级生产力的测定装置及其测定方法 |
CN106969751A (zh) * | 2017-03-13 | 2017-07-21 | 西安科技大学 | 一种基于无人机遥感的采煤地表沉陷量监测计算的方法 |
CN108007438A (zh) * | 2017-12-01 | 2018-05-08 | 云南大学 | 无人机航空摄影遥感湿地植物生物量的估测方法 |
CN108663483A (zh) * | 2018-05-04 | 2018-10-16 | 兰州大学 | 一种草地植物种群地上生物量测量方法及系统 |
CN109459392A (zh) * | 2018-11-06 | 2019-03-12 | 南京农业大学 | 一种基于无人机多光谱影像的水稻地上部生物量估测方法 |
CN110647786A (zh) * | 2018-06-27 | 2020-01-03 | 中国科学院地理科学与资源研究所 | 一种基于无人机lidar航测技术的非生长季草畜平衡评估方法 |
CN111582246A (zh) * | 2020-06-10 | 2020-08-25 | 河西学院 | 一种基于高寒草甸草地产草量估算放牧率的方法和系统 |
CN116129260A (zh) * | 2022-12-21 | 2023-05-16 | 内蒙古农业大学 | 基于深度学习的牧草图像识别方法 |
CN116881721A (zh) * | 2023-07-25 | 2023-10-13 | 昆明理工大学 | 联合星载gnss-r数据与集成机器学习算法反演植被光学厚度的方法 |
CN117036981A (zh) * | 2023-09-12 | 2023-11-10 | 西藏高原大气环境科学研究所 | 一种草地地上生物量遥感监测方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102393238A (zh) * | 2011-08-01 | 2012-03-28 | 高吉喜 | 一种草地地上干物质量遥感估测方法 |
-
2015
- 2015-01-15 CN CN201510019337.1A patent/CN105842707B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102393238A (zh) * | 2011-08-01 | 2012-03-28 | 高吉喜 | 一种草地地上干物质量遥感估测方法 |
Non-Patent Citations (4)
Title |
---|
方金 等: ""基于高光谱影像的高寒牧区土地覆盖分类与草地生物量监测模型"", 《草业科学》 * |
杜子强 等: ""山丹县草地地上生物量遥感估算模型"", 《遥感技术与应用》 * |
陈梦蝶 等: ""青海省草原鼠害区域草地生物量及盖度动态监测研究"", 《草业学报》 * |
陈鹏飞 等: ""基于环境减灾卫星遥感数据的呼伦贝尔草地地上生物量反演研究"", 《自然资源学报》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106043697A (zh) * | 2016-08-12 | 2016-10-26 | 兰州大学 | 一种草地初级生产力的测定装置及其测定方法 |
CN106043697B (zh) * | 2016-08-12 | 2018-08-07 | 兰州大学 | 一种草地初级生产力的测定装置及其测定方法 |
CN106969751A (zh) * | 2017-03-13 | 2017-07-21 | 西安科技大学 | 一种基于无人机遥感的采煤地表沉陷量监测计算的方法 |
CN106969751B (zh) * | 2017-03-13 | 2017-11-14 | 西安科技大学 | 一种基于无人机遥感的采煤地表沉陷量监测计算的方法 |
CN108007438A (zh) * | 2017-12-01 | 2018-05-08 | 云南大学 | 无人机航空摄影遥感湿地植物生物量的估测方法 |
CN108007438B (zh) * | 2017-12-01 | 2020-07-24 | 云南大学 | 无人机航空摄影遥感湿地植物生物量的估测方法 |
CN108663483A (zh) * | 2018-05-04 | 2018-10-16 | 兰州大学 | 一种草地植物种群地上生物量测量方法及系统 |
CN110647786A (zh) * | 2018-06-27 | 2020-01-03 | 中国科学院地理科学与资源研究所 | 一种基于无人机lidar航测技术的非生长季草畜平衡评估方法 |
CN110647786B (zh) * | 2018-06-27 | 2022-04-26 | 中国科学院地理科学与资源研究所 | 一种基于无人机lidar航测技术的非生长季草畜平衡评估方法 |
CN109459392B (zh) * | 2018-11-06 | 2019-06-14 | 南京农业大学 | 一种基于无人机多光谱影像的水稻地上部生物量估测方法 |
CN109459392A (zh) * | 2018-11-06 | 2019-03-12 | 南京农业大学 | 一种基于无人机多光谱影像的水稻地上部生物量估测方法 |
US11029251B2 (en) | 2018-11-06 | 2021-06-08 | Nanjing Agricultural University | Method for estimating aboveground biomass of rice based on multi-spectral images of unmanned aerial vehicle |
CN111582246A (zh) * | 2020-06-10 | 2020-08-25 | 河西学院 | 一种基于高寒草甸草地产草量估算放牧率的方法和系统 |
CN116129260A (zh) * | 2022-12-21 | 2023-05-16 | 内蒙古农业大学 | 基于深度学习的牧草图像识别方法 |
CN116881721A (zh) * | 2023-07-25 | 2023-10-13 | 昆明理工大学 | 联合星载gnss-r数据与集成机器学习算法反演植被光学厚度的方法 |
CN116881721B (zh) * | 2023-07-25 | 2024-01-02 | 昆明理工大学 | 联合星载gnss-r数据与集成机器学习算法反演植被光学厚度的方法 |
CN117036981A (zh) * | 2023-09-12 | 2023-11-10 | 西藏高原大气环境科学研究所 | 一种草地地上生物量遥感监测方法及系统 |
CN117036981B (zh) * | 2023-09-12 | 2024-03-29 | 西藏高原大气环境科学研究所 | 一种草地地上生物量遥感监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105842707B (zh) | 2018-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105842707A (zh) | 基于无人机遥感图像的草地地上生物量测算方法及装置 | |
Gong et al. | ICEsat GLAS data for urban environment monitoring | |
CN111553245A (zh) | 基于机器学习算法和多源遥感数据融合的植被分类方法 | |
Liu et al. | Extraction of sample plot parameters from 3D point cloud reconstruction based on combined RTK and CCD continuous photography | |
CN106199627B (zh) | 一种无人机lidar反演草地植被参数的精度改进方法 | |
CN103398957B (zh) | 基于高光谱与激光雷达提取叶面积垂直分布的方法 | |
CN108459318A (zh) | 基于遥感技术的潜在滑坡早期识别方法 | |
CN109342337A (zh) | 一种重度盐渍土盐分获取方法、系统及装置 | |
CN104181612A (zh) | 一种红外与激光联合的地基测云方法 | |
CN110530901B (zh) | 融合宇宙射线中子法和无人机遥感的中小尺度土壤水监测系统及方法 | |
CN104867180A (zh) | 一种集成uav与lidar的森林林分特征反演方法 | |
CN109871637B (zh) | 一种云天条件下近地面气温估算方法 | |
CN110109118B (zh) | 一种森林冠层生物量的预测方法 | |
CN105467390A (zh) | 一种基于地基InSAR的桥梁形变近距离监测方法 | |
Yin et al. | Estimation of grassland height based on the random forest algorithm and remote sensing in the Tibetan Plateau | |
Xu et al. | Estimation of secondary forest parameters by integrating image and point cloud-based metrics acquired from unmanned aerial vehicle | |
Crispel et al. | All-sky photogrammetry techniques to georeference a cloud field | |
Lou et al. | An effective method for canopy chlorophyll content estimation of marsh vegetation based on multiscale remote sensing data | |
CN113885012A (zh) | 森林研究区的星载光子计数激光雷达去噪精度评价方法 | |
Li et al. | Performance of GEDI data combined with Sentinel-2 images for automatic labelling of wall-to-wall corn mapping | |
Bakuła et al. | A review of benchmarking in photogrammetry and remote sensing | |
CN116299466B (zh) | 一种输电通道地质形变监测方法和装置 | |
Zhang et al. | Extraction of three-dimensional architectural data from QuickBird images | |
CN111414867A (zh) | 一种植物地上生物量测算方法 | |
CN116258065A (zh) | 一种云天高时空分辨率近地面气温估算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |