CN107194876A - 一种基于无人机航拍的大型野生动物种群数量调查方法 - Google Patents
一种基于无人机航拍的大型野生动物种群数量调查方法 Download PDFInfo
- Publication number
- CN107194876A CN107194876A CN201710443019.7A CN201710443019A CN107194876A CN 107194876 A CN107194876 A CN 107194876A CN 201710443019 A CN201710443019 A CN 201710443019A CN 107194876 A CN107194876 A CN 107194876A
- Authority
- CN
- China
- Prior art keywords
- investigation
- unmanned plane
- image
- sample
- wild animal
- 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.)
- Pending
Links
- 238000011835 investigation Methods 0.000 title claims abstract description 118
- 241001465754 Metazoa Species 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000005070 sampling Methods 0.000 claims abstract description 10
- 238000005516 engineering process Methods 0.000 claims abstract description 7
- 238000012544 monitoring process Methods 0.000 claims abstract description 7
- 238000006243 chemical reaction Methods 0.000 claims abstract description 4
- 230000007423 decrease Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000009897 systematic effect Effects 0.000 claims description 2
- 241000359025 Equus kiang Species 0.000 description 8
- 241001494479 Pecora Species 0.000 description 8
- 241001416153 Bos grunniens Species 0.000 description 6
- 238000013461 design Methods 0.000 description 6
- 241000609623 Procapra picticaudata Species 0.000 description 5
- 244000038280 herbivores Species 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- ZRHANBBTXQZFSP-UHFFFAOYSA-M potassium;4-amino-3,5,6-trichloropyridine-2-carboxylate Chemical compound [K+].NC1=C(Cl)C(Cl)=NC(C([O-])=O)=C1Cl ZRHANBBTXQZFSP-UHFFFAOYSA-M 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 241001247317 Bos mutus Species 0.000 description 1
- 241000282817 Bovidae Species 0.000 description 1
- 241000282461 Canis lupus Species 0.000 description 1
- 241000283074 Equus asinus Species 0.000 description 1
- 241001600609 Equus ferus Species 0.000 description 1
- 241000282327 Felis silvestris Species 0.000 description 1
- 241000721701 Lynx Species 0.000 description 1
- 241000282346 Meles meles Species 0.000 description 1
- 241001416149 Ovis ammon Species 0.000 description 1
- 241001147389 Panthera uncia Species 0.000 description 1
- 241000029523 Procapra gutturosa Species 0.000 description 1
- 241001174420 Przewalskium albirostris Species 0.000 description 1
- 241000609621 Pseudois nayaur Species 0.000 description 1
- 241000555745 Sciuridae Species 0.000 description 1
- 241000282898 Sus scrofa Species 0.000 description 1
- 241000282454 Ursus arctos Species 0.000 description 1
- 241000282485 Vulpes vulpes Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 210000001217 buttock Anatomy 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 235000008954 quail grass Nutrition 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明提供了一种基于无人机航拍的大型野生动物种群数量调查方法,其特征在于,包括以下步骤:1)依据国家林业局出版的《全国陆生野生动物资源调查与监测技术规程》,确定抽样强度,并规划无人机飞行路线进行航拍;2)对无人机航拍影像进行拼接处理,形成抽样调查航带的拼接影像;3)构建调查区域的大型野生动物判读专家知识库,对抽样调查航带的拼接影像进行解译,形成该抽样调查航带内的调查结果;4)将抽样调查航带的拼接影像所代表的调查范围内的调查结果按比例折算到整个调查区域,然后使用地面调查、文献查询等其他方法得到的种群数量结果对折算结果进行验证,完成对调查区域大型野生动物的种群数量估算。
Description
技术领域
本发明属于航拍图像目标识别和统计技术领域,特别涉及一种基于无人机航拍的大型野生动物种群数量调查方法。
背景技术
历史经验表明,建立自然保护区和国家公园是保护野生动物及其栖息地环境,防止物种灭绝的最好方式之一(关博,2012)。至1872年美国建立世界上第一个国家公园——黄石公园以来,加拿大、新西兰、英国、法国、德国等国均先后建立许多国家公园。为了保护野生动物及其栖息地资源等,我国也先后建立428处国家级自然保护区(唐芳林,2015)。为进一步加强对自然生态系统和自然文化遗产原真性和完整性的保护,实现重要自然生态资源国家所有、全民共享、世代传承,2015年6月起,我国又投巨资启动了为期三年的国家公园体制试点建设项目,目前已有包括三江源国家公园等9个国家公园体制试点(光明日报,2017)。这些工程到底对野生动物保护产生了多大的作用?尚存在哪些问题?如何对其改进并提升其效益?这些问题直接关系到野生动物的生死存亡和国家的生态安全,因而迫切需要构建客观、规范的评估指标和技术方法,对这些工程的效益进行全面的、精确的监测评估。
生物多样性是衡量自然保护区和国家公园保护工作的重要指标之一,其中大型野生动物对生态系统的结构、质量等变化非常敏感,可以作为自然保护区和国家公园生态系统质量的指示物种。然而,由于大型野生动物的天然密度较低、难以接近,传统基于地面的调查方式对动物有一定干扰,且存在视线遮挡、成本高等问题,野生动物种群数量调查工作难以长期开展,且精度低、难以重复。
近年来,无人机以成本低、操作灵活等优势在精准农业、环境监测等领域得到广泛应用,但还鲜有学者研究如何将无人机航拍技术应用于大型野生动物调查工作,以及研究将其应用于野生动物调查的效率和精度。
发明内容
本发明的发明目的是提供了一种基于无人机航拍影像对大型野生动物种群数量进行调查,将无人机应用于野生动物调查工作的方法和流程,可以避免了对野生动物的干扰,大幅减少了野外调查工作量,提高调查精度和效率,并使调查工作变得易于重复和具有了更高的对比性。
本发明的具体技术方案是一种基于无人机航拍的大型野生动物种群数量调查方法,其特征在于,包括以下步骤:
1)依据国家林业局出版的《全国陆生野生动物资源调查与监测技术规程》,确定调查区域的抽样调查强度,通过该抽样调查强度确定无人机航拍覆盖范围,规划无人机飞行路线进行航拍;
2)对无人机航拍影像进行拼接处理,形成抽样调查航带的拼接影像,抽样调查航带的拼接影像所代表的调查范围占全部调查区域的比例不小于调查区域的抽样调查强度;
3)构建调查区域的大型野生动物判读专家知识库,形成以动物的形状、纹理、颜色、群体大小构建的动物识别规则集,对抽样调查航带的拼接影像进行解译,完成抽样调查航带的拼接影像所代表的调查范围内的大型野生动物种群数量的统计工作,形成该抽样调查航带内的调查结果;
4)按各种大型野生动物的生境类型面积,将抽样调查航带的拼接影像所代表的调查范围内的调查结果按比例折算到整个调查区域。
更进一步地,所述的步骤1)中无人机航拍的最低分辨率应不低于最小调查对象头体长的十分之一。
更进一步地,所述的步骤1)中所述的无人机航拍覆盖范围应按动物生境类型及分布状况进行分层系统抽样;抽样调查强度大小应根据景观类型来确定,一般草原地区动物调查的抽样强度应不少于2.0%。
更进一步地,所述的步骤2)中对无人机航拍影像进行拼接处理,形成抽样调查航带的拼接影像的具体方法是:
(1)设定筛选阈值,删除无人机航拍影像中航高没达到巡航高度或超过巡航高度、姿态角偏离较大的影像,姿态角包括俯仰、航偏角和翻滚角,然后将具有一定重叠度的航拍影像按航带或区块分开,便于计算机处理,增加自动拼接成功率;
(2)把按航带或区块分开的影像分别进行拼接、匀色处理,影像拼接软件可采用LiMapper、Pix4Dmapper、MapMatrix等。
更进一步地,所述的步骤4)中的按各种大型野生动物的生境类型面积,将抽样调查航带的拼接影像所代表的调查范围内的调查结果按比例折算到整个调查区域的方法是,设某种大型野生动物的生境类型有N种,整个调查区域中第i种生境类型的面积为Ai,第i种生境类型的动物平均密度为则按下式(I)计算该种大型野生动物种群的数量S,
其中,按下式(II)计算,
其中,ni为抽样调查结果中落在第i种生境类型中的动物数量,si为第i种生境类型的抽样调查面积。
更进一步地,在所述的步骤4)后还有,采用对调查区域进行地面调查、文献查询等其他方法,得到的种群数量结果,对折算结果进行验证的步骤。
本发明由于采取以上技术方案,其具有以下优点:
1)本发明的方法基于无人机影像对野生动物进行解译,可重复对比性强。可重复对比主要表现在两个方面:(1)不同的时间,不同的团队可按照同样的飞行路线进行飞行;(2)影像获取后,由多批人员对其进行辨识,可显著提升动物识别的速度和准确率,动物识别统计等工作可重复、可对比,不受时间限制。而基于步行或汽车的方法,调查工作完成后他人难以重复获得相同的结果,可重复性、对比性差;
2)与目前常用的地面调查方式(样线/带法)相比,采用无人机调查方式对动物基本没有干扰(大型野生动物通常只警惕地面的人类和大型肉食兽类),且由于是采用从上往下的“上帝视角”方式对地观测,不存在视线遮挡问题,动物的发现概率不会随至样带中线距离的增加而减少,因而精度更高;
3)本发明的方法由于使用的无人机飞行速度很快(在20米/秒以上),探测距离宽(双相机单航带覆盖宽度在1.2公里以上),每小时可调查100km2以上,效率远高于传统基于步行(每小时调查3~4km2)或车辆(每小时调查10~20km2)等地面调查方式。
4)本发明基于无人机航拍的野生动物调查方法不受道路或地形等的限制,特别适合青海、内蒙、新疆等地广人稀、缺乏道路、环境恶劣等地区的野生动物调查,可显著提高野生动物调查效率,并能大幅降低调查成本。而现有的基于地面步行或汽车的调查方式在河流、沼泽、高山等出现的地方,调查工作往往不得不终止或绕开,不能客观的估算整个区域的动物种群数量。
附图说明
图1是本发明的基于无人机航拍的大型野生动物调查流程示意图;
图2是本发明在测试实例中用到的两款固定翼无人机:(a)电动固定翼无人机;(b)油动无人机;
图3是本发明为抽样调查设计的四种无人机航线样式:(a)框式;(b)条带相见式;(c)十字架式;(d)对角三角形式;
图4是本发明的四种无人机动物影像实例:(a)藏羊;(b)牦牛;(c)藏野驴;(d)岩羊。
具体实施方式
下面结合说明书附图对本发明的技术方案作进一步进描述。
如附图1所示,本发明的一种基于无人机航拍的大型野生动物种群数量调查方法,其特征在于,包括以下步骤:
1)依据国家林业局出版的《全国陆生野生动物资源调查与监测技术规程》,确定调查区域的抽样调查强度,通过该抽样调查强度确定无人机航拍覆盖范围,规划无人机飞行路线进行航拍。
当调查区域较小时,可设计航线覆盖整个区域;当调查区域较大时,可采用抽样调查方式设计航带。由于野生动物调查范围通常以县级以上单位为主,面积较大,因此尽管无人机数据采集效率较高,但考虑到成本,调查时仍以抽样调查方式设计航线为主。航线设计包含以下步骤:
(1)根据调查范围、调查对象及其尺寸,确定飞行器型号。以青海省玛多县藏野驴和藏原羚等调查为例,首先搜集玛多县边界图,并确定调查对象,如本次调查主要为藏野驴和藏原羚,其中藏野驴头体长约180cm,藏原羚长度约80cm。当调查范围和调查对象的尺寸均较大时,宜选用飞行速度快、覆盖范围广的固定翼无人机,如附图2所示,展示了两架长航时固定翼无人机;当调查对象的尺寸均较小时,宜选用飞行速度慢、可悬停的多旋翼无人机;
(2)根据地形起伏状况、调查对象尺寸和飞行安全要求,确定飞行高度和影像最低分辨率。飞行高度应不低于安全飞行高度。若区分每种调查对象,需保证调查对象的头体长在10个像素以上,否则难以准确区分野生动物,即最低影像分辨率应不低于最小调查对象头体长的十分之一。以调查头体长约80cm的藏原羚为例,最低分辨率不得低于8cm;
(3)根据飞行测控距离、续航时间、重叠度要求、景观类型等,设计飞行路线和抽样调查强度。一般情况,飞行高度较高,对动物没有干扰的情况下,航带间应有40%以上重叠,航带内应有80%以上重叠,以便每次飞行都能实现对一个调查区域的全覆盖。飞行高度较低,对动物有干扰的情况下,应采用抽样调查方式设计航线,每条航带间要有足够长的间距,以便减少动物日常活动造成重复计数,从而影响调查结果。依据国家林业部出版的《全国陆生野生动物资源调查与监测技术规程》,抽样调查强度大小应根据景观类型来确定。一般而言,草原地区动物调查的抽样强度应该不少于2.0%,航线设计时应按动物生境类型及分布状况进行分层,每层即为一个副总体。如附图3所示,展示了四种抽样调查航线样式。航线设计时应充分考虑无人机的有效测控距离,并最大限度减少不必要飞行距离,增加有效调查范围。
2)对无人机航拍影像进行拼接处理,形成抽样调查航带的拼接影像,抽样调查航带的拼接影像所代表的调查范围占全部调查区域的比例不小于调查区域的抽样调查强度。
形成抽样调查航带的拼接影像的具体方法是:
(1)整理航拍影像和POS数据,设定筛选阈值,删除无人机航拍影像中航高没达到巡航高度或超过巡航高度、姿态角偏离较大的影像,姿态角包括俯仰、航偏角和翻滚角,然后将具有一定重叠度的航拍影像按航带或区块分开,便于计算机处理,增加自动拼接成功率。
(2)把按航带或区块分开的影像分别进行拼接、匀色处理,有些调查区域或航拍季节的航拍影像地表色调单一、云雾霾较多、特征点稀少,拼接时应多方对比,不依赖单一拼接软件,选择更适应的拼接软件,采用精细拼接模式,减少因找不到特征匹配点而造成影像拼接失败问题。影像拼接软件可采用LiMapper、Pix4Dmapper、MapMatrix等;
3)构建调查区域的大型野生动物判读专家知识库,形成以动物的形状、纹理、颜色、群体大小构建动物识别规则集,对抽样调查航带的拼接影像进行辨识,完成抽样调查航带的拼接影像所代表的调查范围内的大型野生动物种群数量的统计工作,形成该抽样调查航带内的调查结果。
如附图4所示,例如玛多县的主要动物的解译原则如下:
家养藏羊:(1)颜色为白色;(2)体长通常小于1.5米;(3)成群出现,群体通常多于50只。
家养牦牛:(1)颜色为黑色;(2)体长大于2米;(3)成群出现,群体通常多于30只。
野生牦牛:(1)颜色为黑色;(2)体长大于2米;(3)成群出现,群体通常小于20只;(4)警惕性高,群体中有四处观望、放哨的个体。
藏野驴:(1)体色为棕色,躯干四肢为白色;(2)体长通常1.5-2米;(3)成群出现,群体通常多于50只。
藏原羚:(1)体色呈土褐色或灰褐色,臀部具一嵌黄棕色边缘的白斑;(2)体长通常0.8-1.0米;(3)集群现象冷季较暖季更为明显,冷季群体通常多于7只,夏季通常以2-3只为主;(4)多出现在较为平坦的地区。
岩羊:(1)通身均为青灰色;(2)体长1.2-1.4米;(3)集群现象冷季较暖季更为明显,有时达上百只;(4)几乎只出现在裸岩山区;
4)按各种大型野生动物的生境类型面积,将抽样调查航带的拼接影像所代表的调查范围内的调查结果按比例折算到整个调查区域。按各种大型野生动物的生境类型面积,将抽样调查航带的拼接影像所代表的调查范围内的调查结果按比例折算到整个调查区域的方法是,设某种大型野生动物的生境类型有N种,整个调查区域中第i种生境类型的面积为Ai,第i种生境类型的动物平均密度为则按下式(I)计算该种大型野生动物种群的数量S,
其中,按下式(II)计算,
其中,ni为抽样调查结果中落在第i种生境类型中的动物数量,si为第i种生境类型的抽样调查面积。
5)采用对调查区域进行地面调查、文献查询等其他方法,得到的种群数量结果,对步骤4)的折算结果进行验证。完成对调查区域大型野生动物的种群数量估算。
以下本发明的基于无人机航拍的大型野生动物种群数量调查方法在青海省玛多县的具体实施例,对操作流程和结果进行了分析,并与传统的地面调查方法的效率进行了对比。
玛多县地处青海省南部,是果洛藏族自治州下辖县,全县总面积25253平方公里,海拔大部分在4500~5000米之间,属高寒草原气候,年均降水量303.9毫米,年平均气温-4.1℃。玛多县动物资源极为丰富,主要有:藏羊、牦牛、野驴(俗称野马)、羚羊、黄羊、石羊、盘羊、白唇鹿、棕熊、狼、红狐、猞猁、雪豹、獾猪、野猫、旱獭等。
2016年7月11-30日,课题组在玛多县开展正式的无人机飞行拍摄,采用分层系统抽样方式,共计在玛多县四个乡镇飞行9个架次。获取影像2.5万张,航拍覆盖范围超过2000平方公里,分辨率为15厘米,数据量超过5TB。其中拼接后用于大型食草动物调查的范围为1100平方公里。调查采用了两款无人机,如图2所示。第一款无人机为电动固定翼无人机,共两架,翼展1.6米,有效载荷0.5千克,续航时间90分钟,飞行速度为72公里/小时。第二款无人机为油动固定翼无人机,共一架,翼展2.7米,有效载荷1.5千克,续航时间120分钟,飞行速度为108公里/小时。两款无人机均装备了自助导航驾驶系统,预先在Google Earth底图上设计好飞行路线后,无人机在飞行过程中可向地面站实时反馈飞行位置、高度、姿态等信息。实验中,油动无人机获取数据7架次,电动无人机获取数据2架次。无人机系统相关参数见表1。
表1.无人机飞行参数
随后,采用两台高性能工作站进行了无人机航拍影像的拼接,并同时使用4台电脑进行人机交互解译,完成了图像处理和大型食草动物的图像判读工作。本次调查总共发现了8449只大型食草动物,其中家养藏羊6060只,家养牦牛1821头,藏野驴568头。表2为抽样调查统计结果。
表2大型食草动物无人机抽样调查结果
注:拼接后用于动物调查的范围为1100km2。
表3本发明基于无人机航拍与传统基于步行和汽车方法的数据获取成本对比
*注明:为减少对动物干扰和尽可能看清所有动物,按规定采用汽车的调查方式车速应保持在20km/h;含吃饭、住宿、往返车费等人力成本按600元/天计,车辆费按800元/天计,每辆车安排4个人,无人机折旧费按每天按5000元/天计,每天工作时间均按4小时计。
最后,基于调查结果和每种动物的生境面积,我们也推算了玛多县全境的大型食草动物种群数量,估计藏羊有96884只,牦牛29113只,藏野驴有12073只。经查询相关文献发现,本次基于无人机航拍调查方式得到的藏羊、牦牛、藏野驴数量与传统地面调查方式获得数据基本吻合,验证了本发明基于无人机航拍的大型野生动物调查方式的有效性。我们也对比了本发明与传统基于地面车辆或步行的调查方法,见表3。
Claims (6)
1.一种基于无人机航拍的大型野生动物种群数量调查方法,其特征在于,包括以下步骤:
1)依据国家林业局出版的《全国陆生野生动物资源调查与监测技术规程》,确定调查区域的抽样调查强度,通过该抽样调查强度确定无人机航拍覆盖范围,规划无人机飞行路线进行航拍;
2)对无人机航拍影像进行拼接处理,形成抽样调查航带的拼接影像,抽样调查航带的拼接影像所代表的调查范围占全部调查区域的比例不小于调查区域的抽样调查强度;
3)构建调查区域的大型野生动物判读专家知识库,形成以动物的形状、纹理、颜色、群体大小构建的动物识别规则集,对抽样调查航带的拼接影像进行解译,完成抽样调查航带的拼接影像所代表的调查范围内的大型野生动物种群数量的统计工作,形成该抽样调查航带内的调查结果;
4)按各种大型野生动物的生境类型面积,将抽样调查航带的拼接影像所代表的调查范围内的调查结果按比例折算到整个调查区域。
2.根据权利要求1中所述的一种基于无人机航拍的大型野生动物种群数量调查方法,其特征在于,所述的步骤1)中无人机航拍的最低分辨率应不低于最小调查对象头体长的十分之一。
3.根据权利要求2中所述的一种基于无人机航拍的大型野生动物种群数量调查方法,其特征在于,所述的步骤1)中所述的无人机航拍覆盖范围应按动物生境类型及分布状况进行分层系统抽样;抽样调查强度大小应根据景观类型来确定,一般草原地区动物调查的抽样强度应不少于2.0%。
4.根据权利要求3中所述的一种基于无人机航拍的大型野生动物种群数量调查方法,其特征在于,所述的步骤2)中对无人机航拍影像进行拼接处理,形成抽样调查航带的拼接影像的具体方法是:
(1)设定筛选阈值,删除无人机航拍影像中航高没达到巡航高度或超过巡航高度、姿态角偏离较大的影像,姿态角包括俯仰、航偏角和翻滚角,然后将具有一定重叠度的航拍影像按航带或区块分开,便于计算机处理,增加自动拼接成功率;
(2)把按航带或区块分开的影像分别进行拼接、匀色处理,影像拼接软件可采用LiMapper、Pix4Dmapper、MapMatrix等。
5.根据权利要求4中所述的一种基于无人机航拍的大型野生动物种群数量调查方法,其特征在于,所述的步骤4)中的按各种大型野生动物的生境类型面积,将抽样调查航带的拼接影像所代表的调查范围内的调查结果按比例折算到整个调查区域的方法是,设某种大型野生动物的生境类型有N种,整个调查区域中第i种生境类型的面积为Ai,第i种生境类型的动物平均密度为则按下式(I)计算该种大型野生动物种群的数量S,
<mrow>
<mi>S</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mover>
<mi>D</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
</msub>
<msub>
<mi>A</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>...</mo>
<mi>N</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mi>I</mi>
<mo>)</mo>
</mrow>
</mrow>
其中,按下式(II)计算,
<mrow>
<msub>
<mover>
<mi>D</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>n</mi>
<mi>i</mi>
</msub>
<mo>/</mo>
<msub>
<mi>s</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>...</mo>
<mi>N</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mi>I</mi>
<mi>I</mi>
<mo>)</mo>
</mrow>
</mrow>
1
其中,ni为抽样调查结果中落在第i种生境类型中的动物数量,si为第i种生境类型的抽样调查面积。
6.根据权利要求4中所述的一种基于无人机航拍的大型野生动物种群数量调查方法,其特征在于,在所述的步骤4)后还有,采用对调查区域进行地面调查、文献查询等其他方法,得到的种群数量结果,对折算结果进行验证的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710443019.7A CN107194876A (zh) | 2017-06-13 | 2017-06-13 | 一种基于无人机航拍的大型野生动物种群数量调查方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710443019.7A CN107194876A (zh) | 2017-06-13 | 2017-06-13 | 一种基于无人机航拍的大型野生动物种群数量调查方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107194876A true CN107194876A (zh) | 2017-09-22 |
Family
ID=59877496
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710443019.7A Pending CN107194876A (zh) | 2017-06-13 | 2017-06-13 | 一种基于无人机航拍的大型野生动物种群数量调查方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107194876A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107809462A (zh) * | 2017-09-23 | 2018-03-16 | 南京律智诚专利技术开发有限公司 | 一种野生动物数量监控记录系统 |
CN107818561A (zh) * | 2017-09-28 | 2018-03-20 | 兰州大学 | 一种利用无人机测定牧场内放牧率的方法 |
CN109141371A (zh) * | 2018-08-21 | 2019-01-04 | 中国科学院地理科学与资源研究所 | 冬小麦受灾识别方法、装置及设备 |
CN109902596A (zh) * | 2019-01-31 | 2019-06-18 | 交通运输部天津水运工程科学研究所 | 一种开阔地区大群野生动物无人机调查方法 |
CN111696127A (zh) * | 2020-06-02 | 2020-09-22 | 中国联合网络通信集团有限公司 | 蝗灾分析预警系统及方法 |
CN111881879A (zh) * | 2020-08-07 | 2020-11-03 | 宁波市农业科学研究院 | 基于航拍提升机插田杂草取样精度的网格排序取样调查法 |
CN114399415A (zh) * | 2021-12-23 | 2022-04-26 | 广东贝源检测技术股份有限公司 | 一种生物多样性的调查评估系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102436656A (zh) * | 2011-09-05 | 2012-05-02 | 同济大学 | 基于计算机视觉的动物多样性监测方法 |
CN104121893A (zh) * | 2014-08-01 | 2014-10-29 | 江苏恒创软件有限公司 | 基于无人机的野生动物群落状态监测方法 |
CN106600637A (zh) * | 2016-12-08 | 2017-04-26 | 中国科学院海洋研究所 | 一种使用遥感影像观测野生动物种群数量的方法 |
-
2017
- 2017-06-13 CN CN201710443019.7A patent/CN107194876A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102436656A (zh) * | 2011-09-05 | 2012-05-02 | 同济大学 | 基于计算机视觉的动物多样性监测方法 |
CN104121893A (zh) * | 2014-08-01 | 2014-10-29 | 江苏恒创软件有限公司 | 基于无人机的野生动物群落状态监测方法 |
CN106600637A (zh) * | 2016-12-08 | 2017-04-26 | 中国科学院海洋研究所 | 一种使用遥感影像观测野生动物种群数量的方法 |
Non-Patent Citations (2)
Title |
---|
L.-P.CHRÉTIEN: "《WILDLIFEMULTISPECIESREMOTESENSINGUSINGVISIBLEANDTHERMALINFRAREDIMAGERYACQUIREDFROMANUNMANNEDAERIALVEHICLE(UAV)》", 《2015 INTERNATIONAL CONFERENCE ON UNMANNED AERIAL VEHICLES IN GEOMATICS》 * |
国家林业局: "《第2章 全国陆生野生动物资源调查方法》", 《中国重点陆生野生动物资源调查》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107809462A (zh) * | 2017-09-23 | 2018-03-16 | 南京律智诚专利技术开发有限公司 | 一种野生动物数量监控记录系统 |
CN107818561A (zh) * | 2017-09-28 | 2018-03-20 | 兰州大学 | 一种利用无人机测定牧场内放牧率的方法 |
CN109141371A (zh) * | 2018-08-21 | 2019-01-04 | 中国科学院地理科学与资源研究所 | 冬小麦受灾识别方法、装置及设备 |
CN109141371B (zh) * | 2018-08-21 | 2020-04-03 | 中国科学院地理科学与资源研究所 | 冬小麦受灾识别方法、装置及设备 |
CN109902596A (zh) * | 2019-01-31 | 2019-06-18 | 交通运输部天津水运工程科学研究所 | 一种开阔地区大群野生动物无人机调查方法 |
CN111696127A (zh) * | 2020-06-02 | 2020-09-22 | 中国联合网络通信集团有限公司 | 蝗灾分析预警系统及方法 |
CN111881879A (zh) * | 2020-08-07 | 2020-11-03 | 宁波市农业科学研究院 | 基于航拍提升机插田杂草取样精度的网格排序取样调查法 |
CN111881879B (zh) * | 2020-08-07 | 2022-06-17 | 宁波市农业科学研究院 | 基于航拍提升机插田杂草取样精度的网格排序取样调查法 |
CN114399415A (zh) * | 2021-12-23 | 2022-04-26 | 广东贝源检测技术股份有限公司 | 一种生物多样性的调查评估系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107194876A (zh) | 一种基于无人机航拍的大型野生动物种群数量调查方法 | |
CN100390565C (zh) | 无人机航空摄影遥感森林计测方法 | |
CN103824077A (zh) | 一种基于多源遥感数据的城市不透水层率息提取方法 | |
CN105930819A (zh) | 基于单目视觉和gps组合导航系统的实时城区交通灯识别系统 | |
CN110645961B (zh) | 基于遥感和ndvi的森林资源动态变化检测方法 | |
CN107944472B (zh) | 一种基于迁移学习的空域运行态势计算方法 | |
CN102270355A (zh) | 一种基于景物分类的红外场景图像生成方法 | |
McConnell | A guide to conducting aerial sketchmapping surveys | |
CN108256285A (zh) | 基于密度峰值快速搜索的航迹异常侦测方法及系统 | |
Fu et al. | Assessment of approaches for monitoring forest structure dynamics using bi-temporal digital aerial photogrammetry point clouds | |
CN110389114A (zh) | 一种基于无人机成像光谱的中小水体水质类型识别方法 | |
CN108305302A (zh) | 一种地域功能核心-边缘结构的拟合方法 | |
CN105894006A (zh) | 时空概率模型水稻遥感识别方法 | |
Sheeren et al. | Assessing land cover changes in the French Pyrenees since the 1940s: a semi-automatic GEOBIA approach using aerial photographs | |
CN106503662B (zh) | 一种潮间带鼠尾藻藻床资源量的评估方法 | |
Bettineschi et al. | Clearence cairnfields forever: combining AI and LiDAR data in the Marcesina upland (northern Italy) | |
Lopatin et al. | Assessing and mapping energy biomass distribution using a UAV in Finland | |
CN108304774A (zh) | 一种评价干路绿化带特性对驾驶人视觉影响的方法 | |
CN107967714A (zh) | 一种通过无人机数字高程模型自动提取森林郁闭度的方法 | |
You et al. | Evaluating ecological tourism under sustainable development in karst area | |
Li et al. | Extraction of impervious surface based on multi-source satellite data of Qinhuai River basin from 1979–2009 | |
Zhu et al. | Remote sensing classification using fractal dimensions over a subtropical hilly region | |
CN109815781A (zh) | 一种基于不精确增广拉格朗日乘子法得到层厚的方法 | |
Mellor et al. | Remote Sensing Victoria’s Public Land Forests—A Two Tiered Synoptic Approach | |
Barkhordari et al. | Using post-classification enhancement in improving the classification of land use/cover of arid region (A case study in Pishkouh Watershed, Center of Iran) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170922 |