CN106248873A - 一种通过检测设备测定松树坚固程度的方法 - Google Patents
一种通过检测设备测定松树坚固程度的方法 Download PDFInfo
- Publication number
- CN106248873A CN106248873A CN201610582192.0A CN201610582192A CN106248873A CN 106248873 A CN106248873 A CN 106248873A CN 201610582192 A CN201610582192 A CN 201610582192A CN 106248873 A CN106248873 A CN 106248873A
- Authority
- CN
- China
- Prior art keywords
- pinaster
- data
- controller
- soil density
- radar
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 239000002689 soil Substances 0.000 claims abstract description 67
- 238000005259 measurement Methods 0.000 claims abstract description 28
- 238000001514 detection method Methods 0.000 claims abstract description 8
- 238000007405 data analysis Methods 0.000 claims abstract description 6
- 230000008569 process Effects 0.000 claims description 17
- 230000004069 differentiation Effects 0.000 claims description 5
- 240000007594 Oryza sativa Species 0.000 claims 1
- 235000007164 Oryza sativa Nutrition 0.000 claims 1
- 235000008331 Pinus X rigitaeda Nutrition 0.000 claims 1
- 235000011613 Pinus brutia Nutrition 0.000 claims 1
- 241000018646 Pinus brutia Species 0.000 claims 1
- 235000009566 rice Nutrition 0.000 claims 1
- 230000005540 biological transmission Effects 0.000 abstract 1
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 239000003500 flue dust Substances 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- 241000521257 Hydrops Species 0.000 description 1
- 206010030113 Oedema Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0098—Plants or trees
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Wood Science & Technology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Botany (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种通过检测设备测定松树坚固程度的方法，所述的测量装置包括雷达、土壤紧实度测定仪和控制仪，所述雷达和土壤紧实度测定仪连接控制仪，本方法为控制仪发送判别松树的稳固性能指令到探测装置，测量装置中雷达探测松树根系分布的广度、根的竖直深度、松树的高度和松树主干的直径，土壤紧实度测定仪测量土壤紧实度，雷达和土壤紧实度测定仪将测量的数据传输给控制仪，所述控制仪类内设判别松树安全性能的操作控制程序，接收数据，并对数据分析处理，输出测定结果在控制仪的显示屏；通过测定松树稳固性不仅有效的防止松树倒翻，且能保护人的人身安全和财产不受损失，避免意外发生。
Description
技术领域
本发明涉及树的稳固性测定领域，具体为一种通过检测设备测定松树坚固程度的方法。
背景技术
自然界中松树的生长地域广泛，在风、暴雨、沙城暴等天气因素的影响下，生长的土壤、自身主干的生长状况发生改变，都会使树的稳固性降低，导致再遇到风雨恶劣天气容易倒翻，树的倒翻砸到人、车等案例经常发生；而市场并没有一种用于监测树的稳固性能的装置，以减少可避免意外的发生。
松树，喜光而稍耐荫，生长高度最高达20米，根深而发达，竖直深达2米，树冠一般大于1米，抗风、也耐干旱、瘠薄，尤其能适应城市土壤板结等不良环境条件，但在低洼积水处生长不良，对二氧化硫和烟尘等污染的抗性较强，幼龄时生长较快，以后中速生长，寿命很长，老树易成空洞，但潜伏芽寿命长，有利树冠更新；
现有测量根系分布广度和深度的方法有探地雷达为工具的根系探测方法，实现测量根系的广度，竖直深度，深度以最深的根为准，广度为平行地面距离主干最远的根为准；
雷达测量树的高度和树主干的直径的方法引用资料《遥感学报》机载激光雷达平均树高提取研究。
发明内容
本发明的目的在于提供一种通过检测设备测定松树坚固程度的方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种通过检测设备测定松树坚固程度的方法，所述的测量装置包括雷达、土壤紧实度测定仪和控制仪，所述的雷达和土壤紧实度测定仪连接控制仪，所述雷达用于探测松树根系分布的广度和竖直深度，所述雷达用于测量松树的高度和松树主干的直径，所述土壤紧实度测定仪测量土壤紧实度，所述的控制仪类内设判别松树安全性能的操作控制程序；
所述的测量装置测定松树的稳固性能的方法步骤如下：
一、安装测量装置在松树生长的土壤中；
二、通过控制仪启动测量装置，启动判别松树的稳固性能的开关；
三、控制仪将输入判别指令发送至雷达和土壤紧实度测定仪，所述雷达（1）执行指令，探测松树根系分布的广度和竖直深度，并测量的松树的高度和松树的主干的直径；所述土壤紧实度测定仪执行指令，测量土壤紧实度；
四、雷达与土壤紧实度测定仪分别将采集的数据传输给控制仪；
五、所述控制仪接收数据，并通过内设的程序算法进行数据处理、分析、得出结果并在显示屏显示输出结果。
数据分析过程：
控制仪分析上述五组数据后，首先通过算法将五组数据与优等稳固性能数据范围进行比较，当所测五组数据同时满足优等稳固性能数据范围，程序输出优等，稳固安全的结果，判别结束，当所测数据不满足时，则继续与劣等稳固性能数据范围标准进行比较，所测五组数据同时满足劣等稳固性能数据范围时，程序输出稳固性能差，危险警报，需及时处理的结果,判别结束；当所测数据不满足时，程序输出抗风险性能为良好，安全结果。
优选的，所述优等稳固性能数据范围：根系广度大于等于4米，根系的竖直深度大于等于1.2米，高度小于等于7米，树的主干的直径大于等于0.6米，土壤紧实度大于等于6500kpa。
优选的，所述劣等稳固性能数据范围：根系广度小于1.5米，根系的竖直深度小于0.5米，高度高于11米，树的主干的直径小于0.2米，土壤紧实度小于3000kpa。
优选的，所述良好稳固性能数据范围：所测数据不符合上述两种情况数据范围。
与现有技术相比，本发明的有益效果是：一、一种通过检测设备测定松树坚固程度的方法，通过对松树的稳固性能的测定可以及时处理稳固性能低，又翻倒危险的树，可有效避免意外情况的发生，在风、暴雨、沙城暴等恶劣天气因素的影响下，生长的土壤、自身主干的生长状况发生改变树的稳固性降低容易倒翻，对人的身体造成伤害、财产损失等；补充市场在树的稳固性检测的空白；二、雷达与土壤紧实度测定仪组合形成的测量装置，通过雷达测定松树的根系分布广度、松树的根系竖直深度、松树的高度和松树的主干的直径，通过土壤紧实度测定仪测量土壤的紧实度，将五组数据共同作为稳固性的判断，保证测量数据的可靠性和科学性；结合现代智能技术，通过内设判别松树稳固性能程序算法的控制仪，对测量的五组数据进行分析、处理并得出结论，输出结果显示在其显示屏，处理数据准确，智能实现、操作简单且有效的解决实际问题；三、内设程序判别数据标准通过在自然环境的生长范围内，调研松树，依据松树在自然生活环境中的广泛分布、普遍高度高、根深而发达、抗风耐干旱、瘠薄，尤其能适应城市土壤板结等不良环境条件、对二氧化硫和烟尘等污染的抗性较强、在低洼积水处生长不良、潜伏芽寿命长、幼龄时生长较快、以后中速生长、寿命很长，等优缺点得出松树参数，针对松树的参数得出程序处理数据的判别标准，准确性高，针对性高，保证判别结果准确性，以避免广泛分布的松树发生意外。
附图说明
图1为本发明的测量装置结构示意图。
图中：1、雷达，2、土壤紧实度测定仪，3、控制仪。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1：
请参阅图1，本发明提供一种技术方案：一种通过检测设备测定松树坚固程度的方法，测量装置包括雷达1、土壤紧实度测定仪2和控制仪3，雷达1和土壤紧实度测定仪2连接控制仪3，雷达1用于探测松树根系分布的广度和竖直深度，雷达1用于测量松树的高度和松树主干的直径，土壤紧实度测定仪2测量土壤紧实度，控制仪3类内设判别松树安全性能的操作控制程序；
测量装置测定松树的稳固性能的方法步骤如下：
一、安装测量装置在松树生长的土壤中；
二、通过控制仪3启动测量装置，启动判别松树的稳固性能的开关；
三、控制仪3将输入判别指令发送至雷达1和土壤紧实度测定仪2，雷达1执行指令，测得松树根系分布的广度为6米，根的竖直深度为2米，测得松树的高度5米，松树的主干的直径0.5米；土壤紧实度测定仪2执行指令，测得土壤紧实度7000kpa；
四、雷达1与土壤紧实度测定仪2分别将采集的数据传输给控制仪3；
五、控制仪3接收数据，并通过内设的程序算法进行数据处理、分析、得出结果并在显示屏，显示输出结构为该松树稳固性能为优等，稳固安全，判别结束。
数据分析过程：
控制仪3分析上述五组数据后，首先通过算法将五组数据与优等稳固性能数据范围进行比较；所测五组数据同时满足优等稳固性能数据范围，程序输出结果判别结束；
性能判别标准数据的范围：
优等稳固性能数据范围：根系广度大于等于4米，根系的竖直深度大于等于1.2米，高度小于等于7米，树的主干的直径大于等于0.6米，土壤紧实度大于等于6500kpa。
实施例2：
请参阅图1，本发明提供一种技术方案：一种通过检测设备测定松树坚固程度的方法，测量装置包括雷达1、土壤紧实度测定仪2和控制仪3，雷达1和土壤紧实度测定仪2连接控制仪3，雷达1用于探测松树根系分布的广度和竖直深度，雷达1用于测量松树的高度和松树主干的直径，土壤紧实度测定仪2测量土壤紧实度，控制仪3类内设判别松树安全性能的操作控制程序；
测量装置测定松树的稳固性能的方法步骤如下：
一、安装测量装置在松树生长的土壤中；
二、通过控制仪3启动测量装置，启动判别松树的稳固性能的开关；
三、控制仪3将输入判别指令发送至雷达1和土壤紧实度测定仪2，雷达1执行指令，测得松树根系分布的广度为1米，根的竖直深度为0.25米，测得松树的高度11米，松树的主干的直径0.2米；土壤紧实度测定仪2执行指令，测得土壤紧实度2400kpa；
四、雷达1与土壤紧实度测定仪2分别将采集的数据传输给控制仪3；
五、控制仪3接收数据，并通过内设的程序算法进行数据处理、分析、得出结果并在显示屏，显示输出结构为该松树稳固性能为劣等，危险警报，需及时处理。
数据分析过程：
控制仪3分析上述五组数据后，首先通过算法将五组数据与优等稳固性能数据范围进行比较；所测数据不满足上述范围，继续与劣等稳固性能数据范围进行比较；所测五组数据同时满足劣等稳固性能数据范围，控制仪输出结果，判别结束；
性能判别标准数据的范围：
优等稳固性能数据范围：当根系广度大于等于5米，根系的竖直深度大于等于1米，高度小于等于6米，树的主干的直径大于等于0.4米，土壤紧实度大于等于6000kpa时；控制仪3输出该松树的稳固性能为优等，稳固安全。
劣等稳固性能数据范围：根系广度小于1.5米，根系的竖直深度小于0.5米，高度高于11米，树的主干的直径小于0.2米，土壤紧实度小于3000kpa，控制仪3输出树的抗风性能差，危险警报，需及时处理。
实施例3：
请参阅图1，本发明提供一种技术方案：一种通过检测设备测定松树坚固程度的方法，测量装置包括雷达1、土壤紧实度测定仪2和控制仪3，雷达1和土壤紧实度测定仪2连接控制仪3，雷达1用于探测松树根系分布的广度和竖直深度，雷达1用于测量松树的高度和松树主干的直径，土壤紧实度测定仪2测量土壤紧实度，控制仪3类内设判别松树安全性能的操作控制程序；
测量装置测定松树的稳固性能的方法步骤如下：
一、安装测量装置在松树生长的土壤中；
二、通过控制仪3启动测量装置，启动判别松树的稳固性能的开关；
三、控制仪3将输入判别指令发送至雷达1和土壤紧实度测定仪2，雷达1执行指令，测得松树根系分布的广度为2米，根的竖直深度为1米，测得松树的高度15米，松树的主干的直径0.5米；土壤紧实度测定仪2执行指令，测得土壤紧实度5000kpa；
四、雷达1与土壤紧实度测定仪2分别将采集的数据传输给控制仪3；
五、控制仪3接收数据，并通过内设的程序算法进行数据处理、分析、得出结果并在显示屏，显示输出结构为该松树稳固性能为良好，安全。
数据分析过程：
控制仪3分析上述五组数据后，首先通过算法将五组数据与优等稳固性能数据范围进行比较；所测数据不满足上述范围，继续与劣等稳固性能数据范围进行比较；所测数据不满足，控制仪输出结果，判别结束；
性能判别标准数据的范围：
优等稳固性能数据范围：当根系广度大于等于4米，根系的竖直深度大于等于1.2米，高度小于等于7米，树的主干的直径大于等于0.6米，土壤紧实度大于等于6500kpa，控制仪3输出该松树的稳固性能为优等，稳固安全。
劣等抗风性能数据范围：根系广度小于1.5米，根系的竖直深度小于0.5米，高度高于11米，树的主干的直径小于0.2米，土壤紧实度小于3000kpa；控制仪3输出树的抗风性能差，危险警报，需及时处理。
良好稳固性能数据范围：所测数据不符合上述两种情况数据范围。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其改进构思加以等同替换或改变，都应涵盖在本发明的保护范围内。
Claims (4)
1.一种通过检测设备测定松树坚固程度的方法，其特征在于：所述的测量装置包括雷达（1）、土壤紧实度测定仪（2）和控制仪（3），所述的雷达（1）和土壤紧实度测定仪（2）连接控制仪（3），所述雷达（1）用于探测松树根系分布的广度和竖直深度，所述雷达（1）用于测量松树的高度和松树主干的直径，所述土壤紧实度测定仪（2）测量土壤紧实度，所述的控制仪（3）内设判别松树安全性能的操作控制程序；
所述的测量装置测定松树的稳固性能的方法步骤如下：
一、在松树生长的土壤中安装测量装置；
二、通过控制仪（3）启动测量装置；
三、启动判别松树的稳固性能的开关，控制仪（3）将输入判别指令发送至雷达（1）和土壤紧实度测定仪（2），所述雷达（1）执行指令，探测松树根系分布的广度和竖直深度，并测量松树的高度和松树的主干直径；所述土壤紧实度测定仪（2）执行指令，测量土壤紧实度；
四、雷达（1）与土壤紧实度测定仪（2）分别将采集的数据传输给控制仪（3）；
五、所述控制仪（3）接收数据，并通过内设的程序算法进行数据处理、分析、得出结果并在显示屏显示输出结果；
数据分析过程：
控制仪（3）分析上述五组数据后，首先通过算法将五组数据与优等稳固性能数据范围进行比较，当所测五组数据同时满足优等稳固性能数据范围，程序输出优等，稳固安全的结果，判别结束，当所测数据不满足时，则继续与劣等稳固性能数据范围标准进行比较，所测五组数据同时满足劣等稳固性能数据范围时，程序输出稳固性能差，危险警报，需及时处理的结果,判别结束；当所测数据不满足时，程序输出抗风险性能为良好，安全结果。
2.根据权利要求1所述的一种通过检测设备测定松树坚固程度的方法，其特征在于：所述优等稳固性能数据范围：根系广度大于等于4米，根系的竖直深度大于等于1.2米，高度小于等于7米，树的主干的直径大于等于0.6米，土壤紧实度大于等于6500kpa。
3.根据权利要求2所述的一种通过检测设备测定松树坚固程度的方法，其特征在于：所述劣等稳固性能数据范围：根系广度小于1.5米，根系的竖直深度小于0.5米，高度高于11米，树的主干的直径小于0.2米，土壤紧实度小于3000kpa。
4.根据权利要求2或3所述的一种通过检测设备测定松树坚固程度的方法，其特征在于：所述良好稳固性能数据范围：所测数据不符合上述两种情况数据范围。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610582192.0A CN106248873B (zh) | 2016-07-22 | 2016-07-22 | 一种通过检测设备测定松树坚固程度的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610582192.0A CN106248873B (zh) | 2016-07-22 | 2016-07-22 | 一种通过检测设备测定松树坚固程度的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106248873A true CN106248873A (zh) | 2016-12-21 |
| CN106248873B CN106248873B (zh) | 2019-04-12 |
Family
ID=57603642
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610582192.0A Active CN106248873B (zh) | 2016-07-22 | 2016-07-22 | 一种通过检测设备测定松树坚固程度的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106248873B (zh) |
Cited By (35)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107576309A (zh) * | 2017-08-29 | 2018-01-12 | 安徽农业大学 | 古树/行道树强度与稳定性监测装置 |
| US11079725B2 (en) | 2019-04-10 | 2021-08-03 | Deere & Company | Machine control using real-time model |
| US11178818B2 (en) | 2018-10-26 | 2021-11-23 | Deere & Company | Harvesting machine control system with fill level processing based on yield data |
| US11234366B2 (en) | 2019-04-10 | 2022-02-01 | Deere & Company | Image selection for machine control |
| US11240961B2 (en) | 2018-10-26 | 2022-02-08 | Deere & Company | Controlling a harvesting machine based on a geo-spatial representation indicating where the harvesting machine is likely to reach capacity |
| US20220110251A1 (en) | 2020-10-09 | 2022-04-14 | Deere & Company | Crop moisture map generation and control system |
| US11467605B2 (en) | 2019-04-10 | 2022-10-11 | Deere & Company | Zonal machine control |
| US11474523B2 (en) | 2020-10-09 | 2022-10-18 | Deere & Company | Machine control using a predictive speed map |
| US11477940B2 (en) | 2020-03-26 | 2022-10-25 | Deere & Company | Mobile work machine control based on zone parameter modification |
| US11592822B2 (en) | 2020-10-09 | 2023-02-28 | Deere & Company | Machine control using a predictive map |
| US11589509B2 (en) | 2018-10-26 | 2023-02-28 | Deere & Company | Predictive machine characteristic map generation and control system |
| US11635765B2 (en) | 2020-10-09 | 2023-04-25 | Deere & Company | Crop state map generation and control system |
| US11641800B2 (en) | 2020-02-06 | 2023-05-09 | Deere & Company | Agricultural harvesting machine with pre-emergence weed detection and mitigation system |
| US11650587B2 (en) | 2020-10-09 | 2023-05-16 | Deere & Company | Predictive power map generation and control system |
| US11653588B2 (en) | 2018-10-26 | 2023-05-23 | Deere & Company | Yield map generation and control system |
| US11675354B2 (en) | 2020-10-09 | 2023-06-13 | Deere & Company | Machine control using a predictive map |
| US11672203B2 (en) | 2018-10-26 | 2023-06-13 | Deere & Company | Predictive map generation and control |
| US11711995B2 (en) | 2020-10-09 | 2023-08-01 | Deere & Company | Machine control using a predictive map |
| US11727680B2 (en) | 2020-10-09 | 2023-08-15 | Deere & Company | Predictive map generation based on seeding characteristics and control |
| US11778945B2 (en) | 2019-04-10 | 2023-10-10 | Deere & Company | Machine control using real-time model |
| US11825768B2 (en) | 2020-10-09 | 2023-11-28 | Deere & Company | Machine control using a predictive map |
| US11844311B2 (en) | 2020-10-09 | 2023-12-19 | Deere & Company | Machine control using a predictive map |
| US11845449B2 (en) | 2020-10-09 | 2023-12-19 | Deere & Company | Map generation and control system |
| US11849671B2 (en) | 2020-10-09 | 2023-12-26 | Deere & Company | Crop state map generation and control system |
| US11849672B2 (en) | 2020-10-09 | 2023-12-26 | Deere & Company | Machine control using a predictive map |
| US11864483B2 (en) | 2020-10-09 | 2024-01-09 | Deere & Company | Predictive map generation and control system |
| US11874669B2 (en) | 2020-10-09 | 2024-01-16 | Deere & Company | Map generation and control system |
| US11889787B2 (en) | 2020-10-09 | 2024-02-06 | Deere & Company | Predictive speed map generation and control system |
| US11889788B2 (en) | 2020-10-09 | 2024-02-06 | Deere & Company | Predictive biomass map generation and control |
| US11895948B2 (en) | 2020-10-09 | 2024-02-13 | Deere & Company | Predictive map generation and control based on soil properties |
| US11927459B2 (en) | 2020-10-09 | 2024-03-12 | Deere & Company | Machine control using a predictive map |
| US11946747B2 (en) | 2020-10-09 | 2024-04-02 | Deere & Company | Crop constituent map generation and control system |
| US11957072B2 (en) | 2020-02-06 | 2024-04-16 | Deere & Company | Pre-emergence weed detection and mitigation system |
| US11983009B2 (en) | 2020-10-09 | 2024-05-14 | Deere & Company | Map generation and control system |
| US12013245B2 (en) | 2020-10-09 | 2024-06-18 | Deere & Company | Predictive map generation and control system |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101813774A (zh) * | 2010-04-16 | 2010-08-25 | 北京师范大学 | 一种利用探地雷达测量植物地下根的直径的方法 |
| CN102401898A (zh) * | 2011-08-25 | 2012-04-04 | 北京理工大学 | 一种合成孔径雷达森林遥感数据的定量化模拟方法 |
| CN202814725U (zh) * | 2012-09-21 | 2013-03-20 | 天津港太平洋国际集装箱码头有限公司 | 防风拉力测试装置 |
| CN103760565A (zh) * | 2014-02-10 | 2014-04-30 | 中国科学院南京地理与湖泊研究所 | 一种区域尺度森林冠层高度遥感反演方法 |
| CN103969645A (zh) * | 2014-05-14 | 2014-08-06 | 中国科学院电子学研究所 | 基于压缩多信号分类的层析合成孔径雷达测量树高的方法 |
| AU2013245476B2 (en) * | 2012-12-12 | 2015-06-18 | The Boeing Company | Tree metrology system |
-
2016
- 2016-07-22 CN CN201610582192.0A patent/CN106248873B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101813774A (zh) * | 2010-04-16 | 2010-08-25 | 北京师范大学 | 一种利用探地雷达测量植物地下根的直径的方法 |
| CN102401898A (zh) * | 2011-08-25 | 2012-04-04 | 北京理工大学 | 一种合成孔径雷达森林遥感数据的定量化模拟方法 |
| CN202814725U (zh) * | 2012-09-21 | 2013-03-20 | 天津港太平洋国际集装箱码头有限公司 | 防风拉力测试装置 |
| AU2013245476B2 (en) * | 2012-12-12 | 2015-06-18 | The Boeing Company | Tree metrology system |
| CN103760565A (zh) * | 2014-02-10 | 2014-04-30 | 中国科学院南京地理与湖泊研究所 | 一种区域尺度森林冠层高度遥感反演方法 |
| CN103969645A (zh) * | 2014-05-14 | 2014-08-06 | 中国科学院电子学研究所 | 基于压缩多信号分类的层析合成孔径雷达测量树高的方法 |
Non-Patent Citations (2)
| Title |
|---|
| 唐菲菲等: "基于机载激光雷达数据识别单株木的新方法", 《遥感技术与应用》 * |
| 张华林: "雷州半岛主要树种抗风性研究和评价", 《中国优秀硕士学位论文全文数据库 农业科技辑》 * |
Cited By (40)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107576309A (zh) * | 2017-08-29 | 2018-01-12 | 安徽农业大学 | 古树/行道树强度与稳定性监测装置 |
| US11589509B2 (en) | 2018-10-26 | 2023-02-28 | Deere & Company | Predictive machine characteristic map generation and control system |
| US12010947B2 (en) | 2018-10-26 | 2024-06-18 | Deere & Company | Predictive machine characteristic map generation and control system |
| US11178818B2 (en) | 2018-10-26 | 2021-11-23 | Deere & Company | Harvesting machine control system with fill level processing based on yield data |
| US11240961B2 (en) | 2018-10-26 | 2022-02-08 | Deere & Company | Controlling a harvesting machine based on a geo-spatial representation indicating where the harvesting machine is likely to reach capacity |
| US11672203B2 (en) | 2018-10-26 | 2023-06-13 | Deere & Company | Predictive map generation and control |
| US11653588B2 (en) | 2018-10-26 | 2023-05-23 | Deere & Company | Yield map generation and control system |
| US11778945B2 (en) | 2019-04-10 | 2023-10-10 | Deere & Company | Machine control using real-time model |
| US11234366B2 (en) | 2019-04-10 | 2022-02-01 | Deere & Company | Image selection for machine control |
| US11079725B2 (en) | 2019-04-10 | 2021-08-03 | Deere & Company | Machine control using real-time model |
| US11829112B2 (en) | 2019-04-10 | 2023-11-28 | Deere & Company | Machine control using real-time model |
| US11650553B2 (en) | 2019-04-10 | 2023-05-16 | Deere & Company | Machine control using real-time model |
| US11467605B2 (en) | 2019-04-10 | 2022-10-11 | Deere & Company | Zonal machine control |
| US11957072B2 (en) | 2020-02-06 | 2024-04-16 | Deere & Company | Pre-emergence weed detection and mitigation system |
| US11641800B2 (en) | 2020-02-06 | 2023-05-09 | Deere & Company | Agricultural harvesting machine with pre-emergence weed detection and mitigation system |
| US11477940B2 (en) | 2020-03-26 | 2022-10-25 | Deere & Company | Mobile work machine control based on zone parameter modification |
| US11845449B2 (en) | 2020-10-09 | 2023-12-19 | Deere & Company | Map generation and control system |
| US11864483B2 (en) | 2020-10-09 | 2024-01-09 | Deere & Company | Predictive map generation and control system |
| US11711995B2 (en) | 2020-10-09 | 2023-08-01 | Deere & Company | Machine control using a predictive map |
| US11727680B2 (en) | 2020-10-09 | 2023-08-15 | Deere & Company | Predictive map generation based on seeding characteristics and control |
| US11675354B2 (en) | 2020-10-09 | 2023-06-13 | Deere & Company | Machine control using a predictive map |
| US11825768B2 (en) | 2020-10-09 | 2023-11-28 | Deere & Company | Machine control using a predictive map |
| US11650587B2 (en) | 2020-10-09 | 2023-05-16 | Deere & Company | Predictive power map generation and control system |
| US11844311B2 (en) | 2020-10-09 | 2023-12-19 | Deere & Company | Machine control using a predictive map |
| US11635765B2 (en) | 2020-10-09 | 2023-04-25 | Deere & Company | Crop state map generation and control system |
| US11849671B2 (en) | 2020-10-09 | 2023-12-26 | Deere & Company | Crop state map generation and control system |
| US11849672B2 (en) | 2020-10-09 | 2023-12-26 | Deere & Company | Machine control using a predictive map |
| US20220110251A1 (en) | 2020-10-09 | 2022-04-14 | Deere & Company | Crop moisture map generation and control system |
| US11874669B2 (en) | 2020-10-09 | 2024-01-16 | Deere & Company | Map generation and control system |
| US11871697B2 (en) | 2020-10-09 | 2024-01-16 | Deere & Company | Crop moisture map generation and control system |
| US11889787B2 (en) | 2020-10-09 | 2024-02-06 | Deere & Company | Predictive speed map generation and control system |
| US11889788B2 (en) | 2020-10-09 | 2024-02-06 | Deere & Company | Predictive biomass map generation and control |
| US11895948B2 (en) | 2020-10-09 | 2024-02-13 | Deere & Company | Predictive map generation and control based on soil properties |
| US11927459B2 (en) | 2020-10-09 | 2024-03-12 | Deere & Company | Machine control using a predictive map |
| US11946747B2 (en) | 2020-10-09 | 2024-04-02 | Deere & Company | Crop constituent map generation and control system |
| US11474523B2 (en) | 2020-10-09 | 2022-10-18 | Deere & Company | Machine control using a predictive speed map |
| US11983009B2 (en) | 2020-10-09 | 2024-05-14 | Deere & Company | Map generation and control system |
| US11592822B2 (en) | 2020-10-09 | 2023-02-28 | Deere & Company | Machine control using a predictive map |
| US12013698B2 (en) | 2020-10-09 | 2024-06-18 | Deere & Company | Machine control using a predictive map |
| US12013245B2 (en) | 2020-10-09 | 2024-06-18 | Deere & Company | Predictive map generation and control system |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106248873B (zh) | 2019-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106248873A (zh) | 一种通过检测设备测定松树坚固程度的方法 | |
| CN106198877A (zh) | 通过测量设备检验杨树稳定性的方法 | |
| CN106198879A (zh) | 一种检测杉树抗风稳定性能的方法 | |
| CN106226470A (zh) | 一种通过测量装置测定槐树的稳固性能的方法 | |
| CN104656098B (zh) | 一种遥感森林生物量反演的方法 | |
| US20220198749A1 (en) | System and method for monitoring forest gap using lidar survey data | |
| CN107807407A (zh) | 一种油气区带有效性评价方法和装置 | |
| CN108709532B (zh) | 一种阶梯状跳跃变形的斜边坡稳定性评价方法 | |
| CN104502919A (zh) | 利用机载激光雷达点云提取城市植被三维覆盖的方法 | |
| CN108959705B (zh) | 一种预测亚热带森林生物量的方法 | |
| CN103177417B (zh) | 基于GPGPU的数学形态学LiDAR点云快速滤波方法 | |
| CN103529455A (zh) | 一种基于机载激光雷达三维的危岩落石调查方法 | |
| CN103675791B (zh) | 基于数值分布均衡化的米散射激光雷达云识别方法 | |
| CN107330898A (zh) | 植被垂直带定量刻划计算方法和系统 | |
| CN112767655A (zh) | 一种尾矿库在线监测及综合预警方法 | |
| CN103994815A (zh) | 一种识别光纤振源的方法 | |
| CN107091085B (zh) | 一种浅埋暗挖隧道地层稳定性的多参数判别方法 | |
| CN110055867A (zh) | 一种沥青铺面抗滑安全风险实时感知预警方法 | |
| CN105373814A (zh) | 一种基于激光点云数据的真实阔叶树器官分类识别方法 | |
| Ediriweera et al. | LiDAR remote sensing of structural properties of subtropical rainforest and eucalypt forest in complex terrain in North-eastern Australia | |
| CN103994816A (zh) | 一种基于光纤多发事件的识别方法 | |
| CN105243050A (zh) | 一种计算林分最大蓄积量的方法 | |
| El-Madany et al. | Low-level jets and above-canopy drainage as causes of turbulent exchange in the nocturnal boundary layer | |
| CN111984915B (zh) | 一种基于异速生长关系联合激光雷达方程的生物量提取方法 | |
| CN108120389A (zh) | 基于三维激光点云的封闭曲面变形检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20190314 Address after: 518000 21 Nanshan District Deng Liang Road, Shenzhen, Guangdong Applicant after: Huang Zhemin Applicant after: Cheng Jun Address before: 242200 Anhui Xuancheng Guangde County, Yang Tan Township, stone shed villager group Applicant before: GUANGDE SHISHUN BAMBOO AND WOOD Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP02 | Change in the address of a patent holder | ||
| CP02 | Change in the address of a patent holder |
Address after: No.89, Fulu Minqiang street, Fulu Miao Township, Sanjiang Dong Autonomous County, Liuzhou City, Guangxi Zhuang Autonomous Region 545500 Patentee after: Huang Zhemin Patentee after: Cheng Jun Address before: 518000 21 Nanshan District Deng Liang Road, Shenzhen, Guangdong Patentee before: Huang Zhemin Patentee before: Cheng Jun |
|
| CP02 | Change in the address of a patent holder | ||
| CP02 | Change in the address of a patent holder |
Address after: 518000 21 Nanshan District Deng Liang Road, Shenzhen, Guangdong Patentee after: Huang Zhemin Patentee after: Cheng Jun Address before: No.89, Fulu Minqiang street, Fulu Miao Township, Sanjiang Dong Autonomous County, Liuzhou City, Guangxi Zhuang Autonomous Region 545500 Patentee before: Huang Zhemin Patentee before: Cheng Jun |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230404 Address after: Room 207, No. 22, Jingsi Road, Qinghai Biotechnology Industrial Park, Xining City, Qinghai Province 810000 Patentee after: Industrial Technology Research Institute Address before: 518000 21 Nanshan District Deng Liang Road, Shenzhen, Guangdong Patentee before: Huang Zhemin Patentee before: Cheng Jun |