CN108846360A - 草原盐渍化的遥感识别方法、装置及计算机可读储存介质 - Google Patents
草原盐渍化的遥感识别方法、装置及计算机可读储存介质 Download PDFInfo
- Publication number
- CN108846360A CN108846360A CN201810616539.8A CN201810616539A CN108846360A CN 108846360 A CN108846360 A CN 108846360A CN 201810616539 A CN201810616539 A CN 201810616539A CN 108846360 A CN108846360 A CN 108846360A
- Authority
- CN
- China
- Prior art keywords
- saliferous
- data
- remote sensing
- salination
- grassland
- 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
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
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/194—Terrestrial scenes using hyperspectral data, i.e. more or other wavelengths than RGB
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了草原盐渍化的遥感识别方法、装置及计算机可读储存介质，属于遥感技术及环境调查领域。本发明提供的草原盐渍化的遥感识别方法，通过已有盐渍化的数据，进行预处理，得到光谱特征，作为特征输入量，然后进行计算机学习，建立识别模型；将待测区域数据通过模型进行识别，得到盐渍化区域；盐渍化的识别装置能快速准确的识别出盐渍化区域；该计算机可读储存介质能方便进行识别方法的执行，得到相关数据，然后得到盐渍化区域数据。
Description
技术领域
本发明涉及遥感技术及环境调查领域，具体而言，涉及草原盐渍化的遥感识别方法、装置及计算机可读储存介质。
背景技术
盐渍化区域的识别，通常采用两种方式。一是通过田野采样获取土壤参数的方法，由电子感应电导率测试仪测量土壤表观电导率，最后评估盐渍化情况；另一种方法是通过遥感影像解译方式。田野采样的技术成熟且精度高，但数据源的获取成本高，难以对大范围面积实现监测识别。遥感影像存在数据易获取，利于大面积识别，具有多波段、多时间跨度的特点。
刘广明等通过结合表观电导率、土壤养分含量的田野数据，遥感影像，实现一种基于多源数据耦合的土壤盐渍化解译方法，在一定程度上有效提高盐渍化评估精度。
实际运用当中对实时的反馈调整要求很高，需要在较短实际内判断结果准确性，同时快速补充或者修改参数信息。因此，如何通过考虑样点数据，又充分融入遥感影像数据作为数据源输入，同时兼顾业务实现的需求，实现用于土壤盐渍化的自动识别是落地实现的挑战。
现有技术常基于光谱响应特征、样点的土壤养分数据，数据特征相对较少。中间过程需要对样点数据进行三维分析，建立多元回归模型作为解译基础模型，较多考虑到不同土壤层厚度的盐分情况。参数类别繁杂，须调整项较多。因此，在完成初步识别之后，下一步的反复调整难以自动快速完成。且对参与的识别人员，需具备一定的专业基础。
同时，现有技术方法适用范围具有特定地区，如面向干旱半干旱地区，如面向的是三维土体的分析评估。它们对土壤养分检测的数据类别需多样，而受地域条件和检测技术限制，实际难以方便快捷获取。
发明内容
本发明的第一目的在于提供草原盐渍化的遥感识别方法，利用该方法，能够提高识别盐渍化的准确性，为土壤评估等提供准确可靠的数据保证。
本发明的第二目的在于提供草原盐渍化的遥感识别装置，可过该装置能识别盐渍化区域并输出相应结果。
本发明的第三目的在于提供计算机可读储存介质，通过该计算机可读储存介质，能方便的进行盐渍化的识别。
为了实现本发明的上述目的，采用以下技术方案：
草原盐渍化的遥感识别方法，包括以下步骤：
获取盐渍化预设数据并进行预处理，得到预处理数据；
利用预处理数据的光谱特征计算，获得特征输入量，根据特征输入量、采用阈值算法进行初步识别，得到初步样本集，然后利用初步样本集训练盐渍化识别分类器；
通过训练所述盐渍化识别分类器生成识别模型，通过识别模型计算待测遥感数据，生成盐渍化目标识别区；
根据样点测试，进行结果修正，得到盐渍化区域。
草原盐渍化的遥感识别装置，包括；
数据获取模块，用于获取待识别区域的光谱特征；
数据提取模块，用于提取预处理数据的光谱特征，作为特征输入量；
数据鉴定模块，用于根据特征输入量、采用阈值算法进行初步识别，得到初步样本集，然后利用初步样本集训练盐渍化识别分类器；通过训练盐渍化识别分类器生成识别模型，通过识别模型计算待测遥感数据，生成盐渍化目标识别区。
计算机可读储存介质，计算机可读储存介质储存有处理器可执行的程序代码与计算机内，计算机可读储存介质包括多条指令，多条指令被配置成使处理器执行上述的草原盐渍化的遥感识别方法。
本发明的有益效果为：本发明提供的草原盐渍化的遥感识别方法，通过已有盐渍化的数据，进行预处理，得到光谱特征，作为特征输入量，然后进行计算机学习，建立识别模型；将待测区域数据通过模型进行识别，得到盐渍化区域；盐渍化的遥感识别装置能快速准确的识别出盐渍化区域；该计算机可读储存介质能方便进行识别方法的执行，得到相关数据，然后得到盐渍化区域数据。
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为本发明实验例提供电子设备的结构示意图；
图2为本发明实验例1提供的草原盐渍化的遥感识别方法流程图；
图3为本发明实验例1提供的草原盐渍化的遥感识别装置的模块示意图。
图标：100-电子设备；110-遥感识别装置；111-预处理模块；112-数据获取模块；113-数据提取模块；114-数据鉴定模块；120-存储器；130-存储控制器；140-处理器。
具体实施方式
下面将结合实施例对本发明的实施方案进行详细描述，但是本领域技术人员将会理解，下列实施例仅用于说明本发明，而不应视为限制本发明的范围。实施例中未注明具体条件者，按照常规条件或制造商建议的条件进行。
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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
如图1所示，图1示出了本发明实施例提供的一种电子设备100的结构框图。所述电子设备100包括：盐渍化的遥感识别装置110、存储器120、存储控制器130和处理器140。
存储器120、存储控制器130、处理器140各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述臭脚盐产地鉴别装置110包括至少一个可以软件或固件(firmware)的形式存储于所述存储器120中或固化在所述电子设备100的操作系统(operating system，OS)中的软件功能模块。所述处理器140用于执行存储器120中存储的可执行模块，例如所述臭脚盐产地鉴别装置110包括的软件功能模块或计算机程序。
其中，存储器120可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。其中，存储器120用于存储程序，所述处理器140在接收到执行指令后，执行所述程序，后述本发明实施例任一实施例揭示的流程定义的电子设备100所执行的方法可以应用于处理器140中，或者由处理器140实现。
处理器140可能是一种集成电路芯片，具有信号的处理能力。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
下面对本发明实施例的草原盐渍化的遥感识别方法、装置及计算机可读储存介质进行具体说明。
草原盐渍化的遥感识别方法，包括以下步骤：
获取盐渍化预设数据并进行预处理，得到预处理数据；
利用预处理数据的光谱特征计算，获得特征输入量，根据特征输入量、采用阈值算法进行初步识别，得到初步样本集，然后利用初步样本集训练盐渍化识别分类器；
通过训练盐渍化识别分类器生成识别模型，通过识别模型计算待测遥感数据，生成盐渍化目标识别区；
根据样点测试，进行结果修正，得到盐渍化区域。
进一步地，在本发明较佳的实施例中，获取盐渍化预设数据并进行预处理，还包括：
数据筛选，根据草的生长特点，结合空间分辨率需求、云量需要选取合适的影像数据和气象数据，进行不同地表类型的明显区分。
进一步地，在本发明较佳的实施例中，光谱特征训练包括：归一化植被指数训练、盖度指数训练和盐分指数训练。
进一步地，在本发明较佳的实施例中，训练盐渍化识别分类器采用adaboost方法进行。
进一步地，在本发明较佳的实施例中，还包括对光谱特征进行预处理，以消除光谱噪声。
草原盐渍化的遥感识别装置，包括；
数据获取模块，用于获取待识别区域的光谱特征；
数据提取模块，用于提取预处理数据的光谱特征，作为特征输入量；
数据鉴定模块，用于根据特征输入量、采用阈值算法进行初步识别，得到初步样本集，然后利用初步样本集训练盐渍化识别分类器；通过训练盐渍化识别分类器生成识别模型，通过识别模型计算待测遥感数据，生成盐渍化目标识别区。
进一步地，在本发明较佳的实施例中，草原盐渍化的识别装置，还包括：
预处理模块，用于对光谱特征进行预处理，以消除光谱噪声。
进一步地，在本发明较佳的实施例中，提取模块还用于利用预处理数据的光谱特征计算，获得特征输入量。
进一步地，在本发明较佳的实施例中，数据鉴定模块还用于根据样点数据进行结果修正。
进一步地，在本发明较佳的实施例中，包括以下步骤：
计算机可读储存介质，计算机可读储存介质储存有处理器可执行的程序代码与计算机内，计算机可读储存介质包括多条指令，多条指令被配置成使处理器执行上述的草原盐渍化的遥感识别方法。
以下结合实施例对本发明的特征和性能作进一步的详细描述。
实施例1
参考图2，本实施例提供一种应用于上述电子设备100的进行草原盐渍化的遥感识别方法，下面将结合图2对其所包含的步骤进行说明。
步骤S101：数据筛选
根据草的生长特点，结合空间分辨率需求、云量需要选取合适的影像数据，满足不同地表类型的明显区分；以及近三十年地区气象数据。
步骤S102：获取盐渍化预设数据并进行预处理
影像数据与处理，缺省、多云区域的修补。气象数据预处理，缺省、离群等异常数据的修补。人文、水文、地貌等当地的基本调查信息。得到预处理数据。
步骤S103：计算预处理数据的光谱特征
利用预处理数据的光谱特征计算，光谱特征计算包括：归一化植被指数训练、盖度指数训练和盐分指数训练。光谱特征进行预处理，以消除光谱噪声。
通过归一化植被计算得到归一化植被指数(NDVI)；计算方法如下：
NDVI＝(BandNir-BandRed)/(BandNir+BandRed)
通过盖度计算，得到盖度(VFC)数值，计算方法如下：
VFC＝(NDVI-NDVImin)/(NDVImax-NDVImin)
通过盐分指数计算，得到盐分指数(SI)，计算方法如下：
获得特征输入量，根据特征输入量、采用阈值算法进行初步识别，得到初步样本集，然后利用初步样本集训练盐渍化识别分类器；训练所述盐渍化识别分类器采用adaboost方法进行。通过训练盐渍化识别分类器生成识别模型。
步骤S104：盐渍化识别
通过识别模型计算待测遥感数据，生成盐渍化目标识别区；根据样点测试，进行结果修正，得到盐渍化区域。
参考图3，本发明还提供一种草原盐渍化的遥感识别装置110，包括：
预处理模块111，用于对光谱特征进行预处理，以消除光谱噪声；
数据获取模块112，用于获取待识别区域的光谱特征；用于利用所述预处理数据的光谱特征计算，获得特征输入量；
数据提取模块113，用于提取预处理数据的光谱特征，作为特征输入量；
数据鉴定模块114，用于根据特征输入量、采用阈值算法进行初步识别，得到初步样本集，然后利用所述初步样本集训练盐渍化识别分类器；通过训练所述盐渍化识别分类器生成识别模型，通过所述识别模型计算待测遥感数据，生成盐渍化目标识别区。用于根据样点数据进行结果修正。
计算机可读储存介质，计算机可读储存介质储存有处理器可执行的程序代码与计算机内，计算机可读储存介质包括多条指令，多条指令被配置成使处理器执行上述的草原盐渍化的遥感识别方法。
应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
综上所述，本发明实施例提供的草原盐渍化的遥感识别方法，通过建立识别模型，然后通过机器学习，修正模型，以识别模型处理待测数据，然后通过样点修正，得到草原盐渍化区域，建立的盐渍化识别装置，能快速准确识别相应盐渍化区域，而计算机存储介质能封闭那执行相应指令，完成识别，具有较高的实用性和较高的推广应用价值。
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.草原盐渍化的遥感识别方法，其特征在于，包括以下步骤：
获取盐渍化预设数据并进行预处理，得到预处理数据；
利用所述预处理数据的光谱特征计算，获得特征输入量，根据所述特征输入量、采用阈值算法进行初步识别，得到初步样本集，然后利用所述初步样本集训练盐渍化识别分类器；
通过训练所述盐渍化识别分类器生成识别模型，通过所述识别模型计算待测遥感数据，生成盐渍化目标识别区；
根据样点测试，进行结果修正，得到盐渍化区域。
2.根据权利要求1所述的草原盐渍化的遥感识别方法，其特征在于，获取所述盐渍化预设数据并进行预处理之前，还包括：
数据筛选，根据草的生长特点，结合空间分辨率需求、云量需要选取合适的影像数据和气象数据，进行不同地表类型的明显区分。
3.根据权利要求2所述的草原盐渍化的遥感识别方法，其特征在于，所述光谱特征计算包括：归一化植被指数训练、盖度指数训练和盐分指数训练。
4.根据权利要求3所述的草原盐渍化的遥感识别方法，其特征在于，训练所述盐渍化识别分类器采用adaboost方法进行。
5.根据权利要求1所述的草原盐渍化的遥感识别方法，其特征在于，还包括对所述光谱特征进行预处理，以消除光谱噪声。
6.草原盐渍化的遥感识别装置，其特征在于，包括；
数据获取模块，用于获取待识别区域的光谱特征；
数据提取模块，用于提取预处理数据的光谱特征，作为特征输入量；
数据鉴定模块，用于根据特征输入量、采用阈值算法进行初步识别，得到初步样本集，然后利用所述初步样本集训练盐渍化识别分类器；通过训练所述盐渍化识别分类器生成识别模型，通过所述识别模型计算待测遥感数据，生成盐渍化目标识别区。
7.根据权利要求6所述的草原盐渍化的遥感识别装置，其特征在于，所述草原盐渍化的识别装置，还包括：
预处理模块，用于对光谱特征进行预处理，以消除光谱噪声。
8.根据权利要求6所述的草原盐渍化的遥感识别装置，其特征在于，所述数据获取模块还用于利用所述预处理数据的光谱特征计算，获得特征输入量。
9.根据权利要求6所述的草原盐渍化的遥感识别装置，其特征在于，所述数据鉴定模块还用于根据样点数据进行结果修正。
10.计算机可读储存介质，其特征在于，所述计算机可读储存介质储存有处理器可执行的程序代码与计算机内，所述计算机可读储存介质包括多条指令，所述多条指令被配置成使所述处理器执行权利要求1-5任一项所述的草原盐渍化的遥感识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810616539.8A CN108846360A (zh) | 2018-06-14 | 2018-06-14 | 草原盐渍化的遥感识别方法、装置及计算机可读储存介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810616539.8A CN108846360A (zh) | 2018-06-14 | 2018-06-14 | 草原盐渍化的遥感识别方法、装置及计算机可读储存介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108846360A true CN108846360A (zh) | 2018-11-20 |
Family
ID=64202597
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810616539.8A Pending CN108846360A (zh) | 2018-06-14 | 2018-06-14 | 草原盐渍化的遥感识别方法、装置及计算机可读储存介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108846360A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108932482A (zh) * | 2018-06-14 | 2018-12-04 | 内蒙古蒙草生态环境（集团）股份有限公司 | 一种用于调查草原沙化的遥感自动识别方法 |
| CN109596616A (zh) * | 2018-12-04 | 2019-04-09 | 山东农业大学 | 一种土壤盐分监测方法、系统及设备 |
| CN110110771A (zh) * | 2019-04-24 | 2019-08-09 | 中国科学院东北地理与农业生态研究所 | 基于地表图像的盐渍土含盐量估算方法 |
| CN111879915A (zh) * | 2020-08-04 | 2020-11-03 | 北京师范大学 | 一种滨海湿地高分辨率的逐月土壤盐度监测方法及系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107996266A (zh) * | 2017-12-26 | 2018-05-08 | 中国科学院新疆生态与地理研究所 | 一种快速提升极端干旱荒漠区植被覆盖度的物种装配方法 |
-
2018
- 2018-06-14 CN CN201810616539.8A patent/CN108846360A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107996266A (zh) * | 2017-12-26 | 2018-05-08 | 中国科学院新疆生态与地理研究所 | 一种快速提升极端干旱荒漠区植被覆盖度的物种装配方法 |
Non-Patent Citations (4)
| Title |
|---|
| NETO, OCD 等: "Hyperspectral Remote Sensing for Detecting Soil Salinization Using ProSpecTIR-VS Aerial Imagery and Sensor Simulation", 《REMOTE SENSING》 * |
| 王飞 等: "基于 NDVI-SI 特征空间的土壤盐渍化遥感模型", 《农业工程学报》 * |
| 缪琛 等: "基于 GF －2 数据的田间尺度盐渍化提取", 《桂林理工大学学报》 * |
| 花锦溪等: "基于MODIS时间序列的松嫩平原盐渍地提取", 《地理与地理信息科学》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108932482A (zh) * | 2018-06-14 | 2018-12-04 | 内蒙古蒙草生态环境（集团）股份有限公司 | 一种用于调查草原沙化的遥感自动识别方法 |
| CN109596616A (zh) * | 2018-12-04 | 2019-04-09 | 山东农业大学 | 一种土壤盐分监测方法、系统及设备 |
| CN110110771A (zh) * | 2019-04-24 | 2019-08-09 | 中国科学院东北地理与农业生态研究所 | 基于地表图像的盐渍土含盐量估算方法 |
| CN111879915A (zh) * | 2020-08-04 | 2020-11-03 | 北京师范大学 | 一种滨海湿地高分辨率的逐月土壤盐度监测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Goodbody et al. | Assessing the status of forest regeneration using digital aerial photogrammetry and unmanned aerial systems | |
| Chen et al. | Impacts of spatial heterogeneity on crop area mapping in Canada using MODIS data | |
| Hu et al. | A phenology-based spectral and temporal feature selection method for crop mapping from satellite time series | |
| CN108846360A (zh) | 草原盐渍化的遥感识别方法、装置及计算机可读储存介质 | |
| CN110634080B (zh) | 异常用电检测方法、装置、设备及计算机可读存储介质 | |
| Rastogi et al. | Leaf disease detection and grading using computer vision technology & fuzzy logic | |
| Halme et al. | Utility of hyperspectral compared to multispectral remote sensing data in estimating forest biomass and structure variables in Finnish boreal forest | |
| Yan et al. | Phenology-based classification of vegetation cover types in Northeast China using MODIS NDVI and EVI time series | |
| US9064151B2 (en) | Device and method for detecting plantation rows | |
| Cao et al. | Combining UAV-based hyperspectral and LiDAR data for mangrove species classification using the rotation forest algorithm | |
| US8615133B2 (en) | Process for enhancing images based on user input | |
| CN105260729B (zh) | 一种基于随机森林的卫星遥感影像云量计算方法 | |
| CN109858477A (zh) | 用深度森林在复杂环境中识别目标物的拉曼光谱分析方法 | |
| Ozdarici-Ok | Automatic detection and delineation of citrus trees from VHR satellite imagery | |
| CN114219847B (zh) | 基于物候特征的作物种植面积确定方法、系统及存储介质 | |
| Peters et al. | Synergy of very high resolution optical and radar data for object-based olive grove mapping | |
| Yue et al. | Texture extraction for object-oriented classification of high spatial resolution remotely sensed images using a semivariogram | |
| Su et al. | Analysis of wavelet packet and statistical textures for object-oriented classification of forest-agriculture ecotones using SPOT 5 imagery | |
| CN109753916A (zh) | 一种归一化差分植被指数尺度转换模型构建方法及装置 | |
| CN107918135B (zh) | 水分胁迫状态监测方法、装置及电子设备 | |
| CN109241962A (zh) | 一种字符识别方法及装置 | |
| CN103824083B (zh) | 基于叶片完备局部二值特征的Web在线物种识别方法 | |
| CN106023166B (zh) | 微波图像中人体隐藏危险物体的检测方法和装置 | |
| CN109960972A (zh) | 一种基于中高分辨率时序遥感数据的农林作物识别方法 | |
| Nex et al. | Land cover classification and monitoring: the STEM open source solution |
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: 20190528 Address after: 010000 Sheng Le economic Park, Hohhot, the Inner Mongolia Autonomous Region, south of five street, Sheng le. Applicant after: The ecological environment of Inner Mongolia Mongolian grass (Group) Limited by Share Ltd Applicant after: Inner Mongolia Mongolia grassland ecological big data Research Institute Co., Ltd. Applicant after: Beijing Standard World Co. Ltd. Address before: 010000 Sheng Le economic Park, Hohhot, the Inner Mongolia Autonomous Region, south of five street, Sheng le. Applicant before: The ecological environment of Inner Mongolia Mongolian grass (Group) Limited by Share Ltd Applicant before: Inner Mongolia Mongolia grassland ecological big data Research Institute Co., Ltd. |
|
| CB02 | Change of applicant information | ||
| 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. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181120 |