CN108764212A - 一种用于调查打草场地的遥感自动识别方法 - Google Patents

一种用于调查打草场地的遥感自动识别方法 Download PDF

Info

Publication number
CN108764212A
CN108764212A CN201810616538.3A CN201810616538A CN108764212A CN 108764212 A CN108764212 A CN 108764212A CN 201810616538 A CN201810616538 A CN 201810616538A CN 108764212 A CN108764212 A CN 108764212A
Authority
CN
China
Prior art keywords
grass
beating
image
ndvi
data
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
Application number
CN201810616538.3A
Other languages
English (en)
Other versions
CN108764212B (zh
Inventor
王保林
张弓
苏德高娃
白耀华
陈翔
刘亚玲
邢旗
张贵花
赵冠华
张艳忠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jiage Tiandi Technology Co ltd
Inner Mongolia Xiaocao Digital Ecological Industry Co ltd
Mengcao Ecological Environment Group Co Ltd
Original Assignee
Inner Mongolia Mongolia Grassland Ecological Big Data Research Institute Co Ltd
Ecological Environment Of Inner Mongolia Mongolian Grass (group) Ltd By Share Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Inner Mongolia Mongolia Grassland Ecological Big Data Research Institute Co Ltd, Ecological Environment Of Inner Mongolia Mongolian Grass (group) Ltd By Share Ltd filed Critical Inner Mongolia Mongolia Grassland Ecological Big Data Research Institute Co Ltd
Priority to CN201810616538.3A priority Critical patent/CN108764212B/zh
Publication of CN108764212A publication Critical patent/CN108764212A/zh
Application granted granted Critical
Publication of CN108764212B publication Critical patent/CN108764212B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

一种用于调查打草场地的遥感自动识别方法，属于计算机技术领域。该方法包括获取打草前和打草后的NDVI影像数据。对打草前所对应的NDVI影像数据和打草后所对应的NDVI影像数据采用变化识别策略进行对比处理，得到变化情况影像。根据草的生长变化规律所对应的NDVI的变化曲线计算相应的NDVI影像数据。进行影像变化检测。时间消耗主要在数据准备、识别参数的调整部分，识别的过程快速交互式得到结果，并可通过网络平台快速增加经验判断的标记作为补充修正信息。专家经验转化为价值数据，作为验证结果标识数据，反馈识别参数设定，避免因人员经验不足参入错误信息。减少人工长时间投入，专注在结果判读当中。

Description

一种用于调查打草场地的遥感自动识别方法
技术领域
本发明涉及计算机技术领域，具体而言，涉及一种用于调查打草场地的遥感自动识别方法。
背景技术
打草场的分布、状况、面积、产量和退化等信息尚匮乏，其中对其分布的识别显得十分必要。遥感数据为大面积识别提供了便捷的途径，同时对技术方法也有更高的要求，需要考虑到遥感和地面特征等各方面信息。
根据文献调查，对草原打草场识别的方案当中，有一类方法使用较为普遍，简称基于LandsatTM目视解译法。它可以识别打草场分布，划分固定打草场和疑似打草场，具体所采用的方案如下：
根据草原草地生长特点，选取往年合适时间的Landsat TM5影像数据(1年合成1份数据)，对影像数据采用遥感处理方式，最终获得假彩色影像数据，从而得到反映地面植物特征的遥感影像。结合野外调查获取地面采样数据作为地面验证点，采用目视解译(目视解译是遥感图像解译的一种，又称目视判读，或目视判译，是遥感成像的逆过程。它指专业人员通过直接观察或借助辅助判读仪器在遥感图像上获取特定目标地物信息的过程。)的方式，同时结合Google earth影像，经过综合判读最后确定打草场。
基于LandsatTM目视解译法所采用的目视解译方法需要大量的人工绘制和判别，识别过程会比较长。在没有丰富地面样点数据，丰富经验人员的指导与辅助判别，难以准确识别，和快速判定，这难以达到业务当中的高效识别要求。
发明内容
本发明的目的在于提供一种用于调查打草场地的遥感自动识别方法，既能保证识别结果准确性，又能够避免大量人工绘制和经验判别的方式，达到高效识别。克服了现有方法中因经验不足带来的识别误差以及人工干预的缺陷。
本发明的实施例是这样实现的：
一种用于调查打草场地的遥感自动识别方法，其包括：
获取打草前和打草后的NDVI影像数据；
对打草前所对应的NDVI影像数据和打草后所对应的NDVI影像数据采用变化识别策略进行对比处理，得到变化情况影像；
根据草的生长变化规律所对应的NDVI的变化曲线计算相应的NDVI影像数据；
进行影像变化检测。
本发明实施例的有益效果是：
本发明提供的用于调查打草场地的遥感自动识别方法，时间消耗主要在数据准备、识别参数的调整部分，识别的过程快速交互式得到结果，并可通过网络平台快速增加经验判断的标记作为补充修正信息。
专家经验转化为价值数据，作为验证结果标识数据，反馈识别参数设定，避免因人员经验不足参入错误信息。
减少人工长时间投入，专注在结果判读当中。数据结果的修正后达到业务需求，剔除了噪点，根据提供的矢量或者人工添加矢量规范化识别范围，从而达到业务展示或者进一步分析的要求。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的主流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将对本发明实施例中的技术方案进行清楚、完整地描述。
实施例
图1示出了本发明实施例提供的用于调查打草场地的遥感自动识别方法的主流程图，该方法包括：
步骤S110，数据准备。
通过筛选标准，经过遥感数据前处理，分别获得打草前所对应的真彩色影像和NDVI影像数据，以及打草前后所对应的真彩色影像和NDVI影像数据。
打草前所对应的NDVI影像数据和打草后所对应的NDVI影像数据由下式所得：
NDVI＝(Nir–Red)/(Nir+Red)。
准备草的365天NDVI变化曲线。
步骤S120，不同时间的变化检测。
对打草前所对应的NDVI影像数据和打草后所对应的NDVI影像数据采用变化识别策略进行对比处理，得到变化情况影像，由不同变化范围的数据识别相应打草场为固定打草场、疑似打草场。
根据草的生长变化规律，由准备好的草的365天NDVI变化曲线计算相应日期影像的NDVI数据。
利用图像差值法、图像比值法、图像回归分析法或机器学习技术方法中的至少一者进行影像变化检测，生成分类结果。
其中，图像比值法包括，将两个时相影像的比值取对数，其计算式如下：
图像回归分析法首先假定两期影像线性相关，也就是说两期影像中多数像元变化不大。通过最小二乘法进行回归分析，再用回归方程计算出的预测值减去影像真实值，从而获得两期影像的回归差值影像，利用该回归差值影像可以反映土地覆盖变化信息。
机器学习技术方法采用提升法进行计算，其是一种框架算法，用来提高弱分类器准确度的方法，通过构造一个预测函数序列，然后以一定的方式将他们，组合成为一个准确度较高的预测函数。
具体地，该机器学习技术方法包括：
初始给定模型为常数F0(x→)，对于m＝1m＝1到M。
计算伪残差，由下式进行：
使用数据，由下式进行：
{(x→i,γim)}n i＝1计算拟合残差的基函数fm(x)。
计算步长，由下式进行：
更新模型，由下式进行：
步骤S130，检查与反复调整。
利用地面样点数据、地表类型数据，还可以适当加入其它样点数据，对具体位置是否属于打草场进行判别，根据误差率判定识别结果准确性。
利用打草前和打草后所对应的真彩色影像，选定部分区域进行对比，对该具体位置是否属于打草场进行判别，根据误差率判定识别结果准确性。
若误差范围在可接受的范围内，则判断为yes，最后在后处理当中进行数据合成。若误差范围超过可接受的范围，则判断为no，将数据反馈给步骤S120，或者单独记录该区域存储成矢量然后标识为打草场或非打草场，此时多次调整参数直至误差范围在可接受的范围内被判断为yes。
在接收到准备好的数据之后，对数据进行地理空间一致性判断，按照初设定的参数可快速识别结果并可视化查看，同时根据样点验证数据计算给出结果判别指标，即准确率。
用户可以交互式调整参数，即时查看结果和判别指标。
步骤S140，打草场分布数据后处理。
根据步骤S130中得到的变化参数，经过算识别，获得打草场分布数据。对该数据进行栅格处理、矢量化修正，形成完备的数据。栅格处理如噪点、错误区等。
如果在步骤S130当中添加记录有具体为打草场或者非打草场的区域，完备数据将该部分识别数据合成，即添加了具体人工修正数据，最终形成符合业务要求的打草场识别结果。
在相同的平台环境当中，用户采用栅格噪点处理策略，剔除部分噪点，同时人工可通过矢量数据辅助限定具体范围，从而实现对区域范围的打草场识别。
综上所述，本发明实施例的提供的用于调查打草场地的遥感自动识别方法，时间消耗主要在数据准备、识别参数的调整部分，识别的过程快速交互式得到结果，并可通过网络平台快速增加经验判断的标记作为补充修正信息。
专家经验转化为价值数据，作为验证结果标识数据，反馈识别参数设定，避免因人员经验不足参入错误信息。
减少人工长时间投入，专注在结果判读当中。数据结果的修正后达到业务需求，剔除了噪点，根据提供的矢量或者人工添加矢量规范化识别范围，从而达到业务展示或者进一步分析的要求。
以上所描述的实施例是本发明一部分实施例，而不是全部的实施例。本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。

Claims (10)

1.一种用于调查打草场地的遥感自动识别方法，其特征在于，包括：
获取打草前和打草后的NDVI影像数据；
对打草前所对应的NDVI影像数据和打草后所对应的NDVI影像数据采用变化识别策略进行对比处理，得到变化情况影像；
根据草的生长变化规律所对应的NDVI的变化曲线计算相应的NDVI影像数据；
进行影像变化检测。
2.根据权利要求1所述的方法，其特征在于，利用图像差值法、图像比值法、图像回归分析法或机器学习技术方法中的至少一者进行所述影像变化检测。
3.根据权利要求2所述的方法，其特征在于，打草前所对应的NDVI影像数据和打草后所对应的NDVI影像数据由下式所得：
NDVI＝(Nir–Red)/(Nir+Red)。
4.根据权利要求2所述的方法，其特征在于，所述图像比值法包括：
将两个时相影像的比值取对数。
5.根据权利要求2所述的方法，其特征在于，所述图像回归分析法包括：
假定两期影像线性相关，通过最小二乘法进行回归分析，再用回归方程计算出的预测值减去影像真实值，获得两期影像的回归差值影像。
6.根据权利要求2所述的方法，其特征在于，所述机器学习技术方法采用提升法进行计算。
7.根据权利要求6所述的方法，其特征在于，所述机器学习技术方法包括：
初始给定模型为常数F0(x→)，对于m＝1m＝1到M；
计算伪残差
使用数据{(x→i,γim)}n i＝1计算拟合残差的基函数fm(x)；
计算步长
更新模型
8.根据权利要求1-7任一项所述的方法，其特征在于，还包括利用地面样点数据、地表类型数据对具体位置是否属于打草场进行判别，根据误差率判定识别结果准确性。
9.根据权利要求8所述的方法，其特征在于，还包括利用打草前和打草后所对应的真彩色影像对具体位置是否属于打草场进行判别，根据误差率判定识别结果准确性。
10.根据权利要求9所述的方法，其特征在于，还包括数据后处理，对该数据进行栅格处理、矢量化修正。
CN201810616538.3A 2018-06-14 2018-06-14 一种用于调查打草场地的遥感自动识别方法 Active CN108764212B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810616538.3A CN108764212B (zh) 2018-06-14 2018-06-14 一种用于调查打草场地的遥感自动识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810616538.3A CN108764212B (zh) 2018-06-14 2018-06-14 一种用于调查打草场地的遥感自动识别方法

Publications (2)

Publication Number Publication Date
CN108764212A true CN108764212A (zh) 2018-11-06
CN108764212B CN108764212B (zh) 2021-04-20

Family

ID=64021214

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810616538.3A Active CN108764212B (zh) 2018-06-14 2018-06-14 一种用于调查打草场地的遥感自动识别方法

Country Status (1)

Country Link
CN (1) CN108764212B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112613347A (zh) * 2020-12-03 2021-04-06 应急管理部国家自然灾害防治研究院 一种森林火灾过火范围和烧毁程度的自动识别方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102592181A (zh) * 2011-12-30 2012-07-18 中国农业科学院农业资源与农业区划研究所 一种作物种植面积统计数据空间分布的优化方法
CN103366373A (zh) * 2013-07-10 2013-10-23 昆明理工大学 基于模糊相容图的多时相遥感影像变化检测方法
CN103700092A (zh) * 2013-12-04 2014-04-02 中国科学院遥感与数字地球研究所 一种基于时序遥感影像的森林火烧迹地自动提取方法
US20160180473A1 (en) * 2011-05-13 2016-06-23 Hydrobio, Inc. Systems to prescribe and deliver fertilizer over agricultural fields and related methods
CN106203523A (zh) * 2016-07-17 2016-12-07 西安电子科技大学 基于梯度提升决策树半监督算法融合的高光谱图像分类
CN106548146A (zh) * 2016-11-01 2017-03-29 北京航天泰坦科技股份有限公司 基于时空分析的地表覆盖变化算法和系统
CN106960183A (zh) * 2017-03-04 2017-07-18 浙江大学 一种基于梯度提升决策树的图像行人检测算法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160180473A1 (en) * 2011-05-13 2016-06-23 Hydrobio, Inc. Systems to prescribe and deliver fertilizer over agricultural fields and related methods
CN102592181A (zh) * 2011-12-30 2012-07-18 中国农业科学院农业资源与农业区划研究所 一种作物种植面积统计数据空间分布的优化方法
CN103366373A (zh) * 2013-07-10 2013-10-23 昆明理工大学 基于模糊相容图的多时相遥感影像变化检测方法
CN103700092A (zh) * 2013-12-04 2014-04-02 中国科学院遥感与数字地球研究所 一种基于时序遥感影像的森林火烧迹地自动提取方法
CN106203523A (zh) * 2016-07-17 2016-12-07 西安电子科技大学 基于梯度提升决策树半监督算法融合的高光谱图像分类
CN106548146A (zh) * 2016-11-01 2017-03-29 北京航天泰坦科技股份有限公司 基于时空分析的地表覆盖变化算法和系统
CN106960183A (zh) * 2017-03-04 2017-07-18 浙江大学 一种基于梯度提升决策树的图像行人检测算法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
张鑫: "基于半监督集成学习的高光谱图像分类", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
曾杰: "基于主动学习的遥感图像地物分类", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
王坤: "融合深度学习特征的人体摔倒检测研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
申远: "基于进化多目标算法的三类SAR图像变化检测", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
闫瑞瑞: "呼伦贝尔天然打草场分布及生物量遥感估算", 《农业工程学报》 *
马宁 等: "基于视觉感知与梯度域的遥感图像对比度增强变分模型", 《东南大学学报（自然科学版）》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112613347A (zh) * 2020-12-03 2021-04-06 应急管理部国家自然灾害防治研究院 一种森林火灾过火范围和烧毁程度的自动识别方法
CN112613347B (zh) * 2020-12-03 2021-07-27 应急管理部国家自然灾害防治研究院 一种森林火灾过火范围和烧毁程度的自动识别方法

Also Published As

Publication number Publication date
CN108764212B (zh) 2021-04-20

Similar Documents

Publication Publication Date Title
Mayaux et al. Validation of the global land cover 2000 map
Seress et al. Quantifying the urban gradient: a practical method for broad measurements
Mao et al. An improved approach to estimate above-ground volume and biomass of desert shrub communities based on UAV RGB images
Sahraoui et al. Spatial modelling of landscape aesthetic potential in urban-rural fringes
Bendig et al. UAV-based imaging for multi-temporal, very high resolution crop surface models to monitor crop growth variability
CN110186820A (zh) 多源数据融合与环境污染源及污染物分布分析方法
CN109214470A (zh) 一种基于编码网络微调的图像能见度检测方法
CN109886870A (zh) 基于双通道神经网络的遥感图像融合方法
US20170316548A1 (en) Super-Resolution Method and System, Server, User Device and Method Therefor
Zhou et al. Individual tree parameters estimation for plantation forests based on UAV oblique photography
CN108875794A (zh) 一种基于迁移学习的图像能见度检测方法
CN108416353A (zh) 基于深度全卷积神经网络的大田稻穗快速分割方法
CN106340000A (zh) 骨龄评估方法
Perkins et al. Reconstructing paleoclimate fields using online data assimilation with a linear inverse model
Jiang et al. HISTIF: A new spatiotemporal image fusion method for high-resolution monitoring of crops at the subfield level
Wang et al. Fractional vegetation cover estimation method through dynamic Bayesian network combining radiative transfer model and crop growth model
CN114881620B (zh) 一种基于卫星遥感的国土空间监测方法与系统
CN110363704A (zh) 融合形态及色彩的图像超分辨率重建模型构建及重建方法
CN109241867A (zh) 采用人工智能算法识别数字岩心图像的方法及装置
CN104933699B (zh) 基于高斯函数拟合方差自动提取地表植被物候信息的方法
CN108764212A (zh) 一种用于调查打草场地的遥感自动识别方法
de Ayala et al. Transferring landscape values using discrete choice experiments: Is meta-analysis an option?
CN116091936A (zh) 一种融合点-地块-区域尺度数据的农情参数反演方法
Sayad et al. Crop management using Big Data
CN108932482B (zh) 一种用于调查草原沙化的遥感自动识别方法

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20190516

Address after: 010000 Sheng Le economic Park, Hohhot, the Inner Mongolia Autonomous Region, south of five street, Sheng le.

Applicant after: INNER MONGOLIA MONGOLIAN GRASS ECOLOGICAL ENVIRONMENT (GROUP) Ltd.

Applicant after: INNER MONGOLIA MENGCAO GRASSLAND ECOLOGICAL BIG DATA RESEARCH INSTITUTE Co.,Ltd.

Applicant after: BEIJING JIAGE TIANDI TECHNOLOGY CO.,LTD.

Address before: 010000 Sheng Le economic Park, Hohhot, the Inner Mongolia Autonomous Region, south of five street, Sheng le.

Applicant before: INNER MONGOLIA MONGOLIAN GRASS ECOLOGICAL ENVIRONMENT (GROUP) Ltd.

Applicant before: INNER MONGOLIA MENGCAO GRASSLAND ECOLOGICAL BIG DATA RESEARCH INSTITUTE Co.,Ltd.

CB02 Change of applicant information

Address after: 010000 the Inner Mongolia Autonomous Region Hohhot city Shengle Economic Zone Shengle five Street South

Applicant after: INNER MONGOLIA MONGOLIAN GRASS ECOLOGICAL ENVIRONMENT (GROUP) Ltd.

Applicant after: Inner Mongolia mengcao life community big data Co.,Ltd.

Applicant after: BEIJING JIAGE TIANDI TECHNOLOGY CO.,LTD.

Address before: 010000 the Inner Mongolia Autonomous Region Hohhot city Shengle Economic Zone Shengle five Street South

Applicant before: INNER MONGOLIA MONGOLIAN GRASS ECOLOGICAL ENVIRONMENT (GROUP) Ltd.

Applicant before: INNER MONGOLIA MENGCAO GRASSLAND ECOLOGICAL BIG DATA RESEARCH INSTITUTE Co.,Ltd.

Applicant before: BEIJING JIAGE TIANDI TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 010000 Sheng Le economic Park, Hohhot, the Inner Mongolia Autonomous Region, south of five street, Sheng le.

Applicant after: INNER MONGOLIA MONGOLIAN GRASS ECOLOGICAL ENVIRONMENT (Group) Ltd.

Applicant after: Inner Mongolia Xiaocao digital Ecological Industry Co.,Ltd.

Applicant after: BEIJING JIAGE TIANDI TECHNOLOGY Co.,Ltd.

Address before: 010000 Sheng Le economic Park, Hohhot, the Inner Mongolia Autonomous Region, south of five street, Sheng le.

Applicant before: INNER MONGOLIA MONGOLIAN GRASS ECOLOGICAL ENVIRONMENT (Group) Ltd.

Applicant before: Inner Mongolia mengcao life community big data Co.,Ltd.

Applicant before: BEIJING JIAGE TIANDI TECHNOLOGY Co.,Ltd.

Address after: 010000 room 2230, enterprise headquarters building, Shengle modern service industry cluster, Shengle economic Park, Helingeer County, Hohhot City, Inner Mongolia Autonomous Region

Applicant after: Inner Mongolia Xiaocao digital Ecological Industry Co.,Ltd.

Applicant after: INNER MONGOLIA MONGOLIAN GRASS ECOLOGICAL ENVIRONMENT (Group) Ltd.

Applicant after: BEIJING JIAGE TIANDI TECHNOLOGY Co.,Ltd.

Address before: 010000 Sheng Le economic Park, Hohhot, the Inner Mongolia Autonomous Region, south of five street, Sheng le.

Applicant before: INNER MONGOLIA MONGOLIAN GRASS ECOLOGICAL ENVIRONMENT (Group) Ltd.

Applicant before: Inner Mongolia Xiaocao digital Ecological Industry Co.,Ltd.

Applicant before: BEIJING JIAGE TIANDI TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 010000 room 2230, enterprise headquarters building, Shengle modern service industry cluster, Shengle economic Park, Helingeer County, Hohhot City, Inner Mongolia Autonomous Region

Patentee after: Inner Mongolia Xiaocao Digital Ecological Industry Co.,Ltd.

Patentee after: Mengcao ecological environment (Group) Co.,Ltd.

Patentee after: BEIJING JIAGE TIANDI TECHNOLOGY CO.,LTD.

Address before: 010000 room 2230, enterprise headquarters building, Shengle modern service industry cluster, Shengle economic Park, Helingeer County, Hohhot City, Inner Mongolia Autonomous Region

Patentee before: Inner Mongolia Xiaocao digital Ecological Industry Co.,Ltd.

Patentee before: INNER MONGOLIA MONGOLIAN GRASS ECOLOGICAL ENVIRONMENT (GROUP) Ltd.

Patentee before: BEIJING JIAGE TIANDI TECHNOLOGY CO.,LTD.