CN109409601B - 用于绒山羊养殖的草场演化监测与预测方法 - Google Patents
用于绒山羊养殖的草场演化监测与预测方法 Download PDFInfo
- Publication number
- CN109409601B CN109409601B CN201811250208.3A CN201811250208A CN109409601B CN 109409601 B CN109409601 B CN 109409601B CN 201811250208 A CN201811250208 A CN 201811250208A CN 109409601 B CN109409601 B CN 109409601B
- Authority
- CN
- China
- Prior art keywords
- grassland
- vegetation
- sampling
- data
- correlation coordinate
- 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.)
- Active
Links
- 241000283707 Capra Species 0.000 title claims abstract description 54
- 238000012544 monitoring process Methods 0.000 title claims abstract description 32
- 210000000085 cashmere Anatomy 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000009395 breeding Methods 0.000 title abstract description 8
- 230000001488 breeding effect Effects 0.000 title abstract description 8
- 238000005070 sampling Methods 0.000 claims abstract description 41
- 230000003595 spectral effect Effects 0.000 claims abstract description 29
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 24
- 244000144972 livestock Species 0.000 claims description 10
- 238000001556 precipitation Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 241001494479 Pecora Species 0.000 claims description 2
- 241001465754 Metazoa Species 0.000 abstract description 3
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000035772 mutation Effects 0.000 description 3
- 230000001932 seasonal effect Effects 0.000 description 3
- 244000025254 Cannabis sativa Species 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 244000144977 poultry Species 0.000 description 2
- 244000144992 flock Species 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Animal Husbandry (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Development Economics (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Image Processing (AREA)
Abstract
本发明涉及畜牧业草场监测方法技术领域,特别涉及用于绒山羊养殖的草场演化监测与预测方法,包括:针对草场特征的采样过程,对采样点进行植被特征进行人工统计,并与拍照获取的光谱特征对比,区分不同地区和季节进行经验修正后,获得光谱特征与草场实际统计结果的相关性坐标图;针对绒山羊特征的采样过程,对采样区域的绒山羊特征进行人工统计,并与航拍获得的红外光谱特征对比,获得红外光谱特征与绒山羊统计数据的相关性坐标图;本发明通过光谱特征采样实现对草场特征的监测,同时通过昼间红外光谱特征的采样实现对绒山羊特征的宏观监测,综合两种监测数据以获取较高精度的草场演化预测结果,有效减少了统计绒山羊特征的人工成本和时间延误。
Description
技术领域:
本发明涉及畜牧业草场监测方法技术领域,特别涉及用于绒山羊养殖的草场演化监测与预测方法。
背景技术:
在草场畜牧业生产过程中,需要对草场使用情况进行准确监测,使用不足会浪费草场资源,降低畜牧产值,而对草场使用过度会造成草场退化甚至沙化,后续植草治理成本较高,直接推高畜牧成本。
在草场蓄养绒山羊时,由于绒山羊食草根的特点,草场演化控制难度增加,对上述监测的精确性提出更高要求。
目前对草场的监测已经广泛使用航拍、卫星照片等方式,通过光谱特征的搜集和对比判定草场实际状况,有监测范围大、速度快、人工耗费少的优点。但在监测用于绒山羊养殖的草场时,由于绒山羊的活动对草场的影响较大,该仅涉及草场特征的监测结果无法对该草场区域的后续演化预测提供足够的数据支持,往往需要另行统计草场绒山羊数量、分布等特征,导致由卫星图像、航拍等手段所获得的监测范围大、速度快、人工耗费少的优势完全丧失。
发明内容:
鉴于此,有必要提供一种新的通过卫星图像或航拍图像监测绒山羊养殖草场的方法,解决目前采用的方法需要人工统计羊群状况才能获得较准确草场演化预测的问题。
用于绒山羊养殖的草场演化监测与预测方法,包括以下步骤:
步骤一:在草场上随机划定不小于一平方米的植被采样区域,分植被种类统计采样区域内的种类数量与种类平均高度。
步骤二:对植被采样区域进行光谱采集摄影,结合步骤一获得的统计数据,分植被种类建立光谱特征与植被采样区域内植被数量、平均高度的相关性坐标点。
步骤三:重复步骤一与步骤二,获得多个相关性坐标点。
步骤四:结合同一植被种类的各相关性坐标点,获得分植被种类的光谱特征与植被采样区域内植被数量、平均高度相关性坐标图。
步骤五:结合不同植被种类的光谱特征与采样区域植被数量、平均高度相关性坐标图,获得草场光谱特征与植被长势的相关性坐标图。
步骤一至五为针对草场特征的采样过程,对采样点进行植被特征进行人工统计,并与拍照获取的光谱特征对比,区分不同地区和季节进行经验修正后,获得光谱特征与草场实际统计结果的相关性坐标图,用于后续监测步骤。
鉴于植被的生长特征与季节相关性较大,因此上述针对草场特征的采样步骤一至五需要区分季节连续进行,并区分季节获得不同的光谱特征与草场实际统计结果的相关性坐标图,以提高监测精度。
优选的,步骤一中分植被种类统计的种类数量与种类平均高度,可根据地区经验公式进行综合量化,以简化后续相关性坐标图的建立。
步骤六:在草场上划定不小于五平方公里的牲畜采样区域,统计该牲畜采样区域内绒山羊的数量、成羊比例、健康状况。
步骤七:使用航拍设备对牲畜采样区域进行昼间红外光谱特征采集,结合步骤六获得的统计数据,建立红外光谱特征与绒山羊数量、成羊比例、健康状况的相关性坐标点。
步骤八:重复步骤六与步骤七,获得多个相关性坐标点。
步骤九:结合步骤八获得的多个相关性坐标点,获得红外光谱特征与绒山羊数量、成羊比例、健康状况的相关性坐标图。
步骤六至九为针对绒山羊特征的采样过程,对采样区域的绒山羊特征进行人工统计,并与航拍获得的红外光谱特征对比,获得红外光谱特征与绒山羊统计数据的相关性坐标图,用于后续监测、预测步骤。
鉴于绒山羊的活动规律与季节相关性较大,因此上述针对绒山羊特征的采样步骤六至九需要区分季节连续进行,并区分季节获得不同的红外光谱特征与绒山羊统计数据的相关性坐标图,以提高监测、预测精度。
步骤十:获取目标草场区域的卫星或航拍光谱图像,根据步骤五获得的草场光谱特征与植被长势的相关性坐标图,反演获得目标草场区域的植被长势数据,该数据即为对目标草场的监测数据;
步骤十一:获取目标草场区域的昼间卫星或航拍红外光谱图像,根据步骤九获得的红外光谱特征与绒山羊数量、成羊比例、健康状况的相关性坐标图,反演获得目标草场区域的绒山羊数量、成羊比例、健康状况数据;
步骤十二:以步骤十获得的目标草场监测数据为初始数据,结合步骤十一获得的目标草场区域绒山羊数量、成羊比例、健康状况数据建立草场演化模型,并带入该时段气象数据进行修正,推演获得目标草场演化预测数据。
优选的,由于绒山羊剪毛前后红外光谱特征有明显变化,因此步骤七对牲畜采样区域进行红外光谱特征采集后,步骤十一获取目标草场区域的昼间卫星或航拍红外光谱图像后,需剔除突变的异常数据,以提高监测、预测精度。
优选的,所述步骤十二中,气象数据包括降水量、日照时间、气温与所处季节。
本发明通过光谱特征采样实现对草场特征的监测,同时通过昼间红外光谱特征的采样实现对绒山羊特征的宏观监测,综合两种监测数据以获取较高精度的草场演化预测结果,有效减少了人工统计绒山羊特征的人工成本和时间延误。
具体实施方式:
用于绒山羊养殖的草场演化监测与预测方法,包括以下步骤:
步骤一:在草场上随机划定不小于一平方米的植被采样区域,分植被种类统计采样区域内的种类数量与种类平均高度,根据地区经验公式综合量化为分植被种类的植被长势数据。
步骤二:对植被采样区域进行光谱采集摄影,结合步骤一获得的植被长势数据,分植被种类建立光谱特征与植被长势数据的相关性坐标点。
步骤三:重复步骤一与步骤二,获得多个相关性坐标点。
步骤四:结合同一植被种类的各相关性坐标点,获得分植被种类的光谱特征与植被长势数据的相关性坐标图。
步骤五:区分不同季节,重复步骤一至四,获得区分季节的光谱特征与植被长势数据的相关性坐标图。
步骤六:结合同一季节下不同植被种类的光谱特征与植被长势相关性坐标图,获得该季节草场光谱特征与植被长势数据的相关性坐标图。
步骤七:在草场上划定不小于五平方公里的牲畜采样区域,统计该牲畜采样区域内绒山羊的数量、成羊比例、健康状况。
步骤八:使用航拍设备对牲畜采样区域进行昼间红外光谱特征采集,剔除突变的异常数据,结合步骤七获得的统计数据,建立红外光谱特征与绒山羊数量、成羊比例、健康状况的相关性坐标点。
步骤九:重复步骤七与步骤八,获得多个相关性坐标点。
步骤十:结合步骤九获得的多个相关性坐标点,获得红外光谱特征与绒山羊数量、成羊比例、健康状况的相关性坐标图。
步骤十一:区分不同季节,重复步骤七至十,获得区分季节的红外光谱特征与绒山羊数量、成羊比例、健康状况的相关性坐标图。
步骤十二:获取目标草场区域的卫星或航拍光谱图像,根据步骤六获得的当季草场光谱特征与植被长势的相关性坐标图,反演获得目标草场区域当季的植被长势数据,该数据即为对目标草场的监测数据;
步骤十三:获取目标草场区域的昼间卫星或航拍红外光谱图像,剔除突变的异常数据,根据步骤十一获得的当季红外光谱特征与绒山羊数量、成羊比例、健康状况的相关性坐标图,反演获得目标草场区域当季的绒山羊数量、成羊比例、健康状况数据;
步骤十四:以步骤十二获得的目标草场监测数据为初始数据,结合步骤十三获得的当季目标草场区域绒山羊数量、成羊比例、健康状况数据建立草场演化模型,并带入该时段降水量、日照时间、气温与所处季节进行修正,推演获得目标草场演化预测数据。
Claims (2)
1.用于绒山羊养殖的草场演化监测与预测方法,其特征在于,包括以下步骤:
草场特征采样:
步骤一:在草场上随机划定不小于一平方米的植被采样区域,分植被种类统计采样区域内的种类数量与种类平均高度;
步骤二:对植被采样区域进行光谱采集摄影,结合步骤一获得的统计数据,分植被种类建立光谱特征与植被采样区域内植被数量、平均高度的相关性坐标点;
步骤三:重复步骤一与步骤二,获得多个相关性坐标点;
步骤四:结合同一植被种类的各相关性坐标点,获得分植被种类的光谱特征与植被采样区域内植被数量、平均高度相关性坐标图;
步骤五:结合不同植被种类的光谱特征与采样区域植被数量、平均高度相关性坐标图,获得草场光谱特征与植被长势的相关性坐标图;
绒山羊特征采样:
步骤六:在草场上划定不小于五平方公里的牲畜采样区域,统计该牲畜采样区域内绒山羊的数量、成羊比例、健康状况;
步骤七:使用航拍设备对牲畜采样区域进行昼间红外光谱特征采集,结合步骤六获得的统计数据,建立红外光谱特征与绒山羊数量、成羊比例、健康状况的相关性坐标点;
步骤八:重复步骤六与步骤七,获得多个相关性坐标点;
步骤九:结合步骤八获得的多个相关性坐标点,获得红外光谱特征与绒山羊数量、成羊比例、健康状况的相关性坐标图;
监测与预测:
步骤十:获取目标草场区域的卫星或航拍光谱图像,根据步骤五获得的草场光谱特征与植被长势的相关性坐标图,反演获得目标草场区域的植被长势数据,该数据即为对目标草场的监测数据;
步骤十一:获取目标草场区域的昼间卫星或航拍红外光谱图像,根据步骤九获得的红外光谱特征与绒山羊数量、成羊比例、健康状况的相关性坐标图,反演获得目标草场区域的绒山羊数量、成羊比例、健康状况数据;
步骤十二:以步骤十获得的目标草场监测数据为初始数据,结合步骤十一获得的目标草场区域绒山羊数量、成羊比例、健康状况数据建立草场演化模型,并带入气象数据进行修正,推演获得目标草场演化预测数据。
2.如权利要求1所述的用于绒山羊养殖的草场演化监测与预测方法,其特征在于,所述步骤十二中,气象数据包括降水量、日照时间、气温与所处季节。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811250208.3A CN109409601B (zh) | 2018-10-25 | 2018-10-25 | 用于绒山羊养殖的草场演化监测与预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811250208.3A CN109409601B (zh) | 2018-10-25 | 2018-10-25 | 用于绒山羊养殖的草场演化监测与预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109409601A CN109409601A (zh) | 2019-03-01 |
CN109409601B true CN109409601B (zh) | 2021-06-22 |
Family
ID=65469215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811250208.3A Active CN109409601B (zh) | 2018-10-25 | 2018-10-25 | 用于绒山羊养殖的草场演化监测与预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109409601B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101546428A (zh) * | 2009-05-07 | 2009-09-30 | 西北工业大学 | 基于区域分割的序列红外与可见光图像融合 |
CN102592134A (zh) * | 2011-11-28 | 2012-07-18 | 北京航空航天大学 | 一种高光谱与红外数据多级决策融合分类方法 |
CN104089647A (zh) * | 2014-07-01 | 2014-10-08 | 北京农业信息技术研究中心 | 一种作物病害发生范围监测方法及系统 |
CN108229403A (zh) * | 2018-01-08 | 2018-06-29 | 中国科学院遥感与数字地球研究所 | 一种用于估算植被叶面积指数的混合模型构建方法 |
-
2018
- 2018-10-25 CN CN201811250208.3A patent/CN109409601B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101546428A (zh) * | 2009-05-07 | 2009-09-30 | 西北工业大学 | 基于区域分割的序列红外与可见光图像融合 |
CN102592134A (zh) * | 2011-11-28 | 2012-07-18 | 北京航空航天大学 | 一种高光谱与红外数据多级决策融合分类方法 |
CN104089647A (zh) * | 2014-07-01 | 2014-10-08 | 北京农业信息技术研究中心 | 一种作物病害发生范围监测方法及系统 |
CN108229403A (zh) * | 2018-01-08 | 2018-06-29 | 中国科学院遥感与数字地球研究所 | 一种用于估算植被叶面积指数的混合模型构建方法 |
Non-Patent Citations (4)
Title |
---|
Szilvia KOLLÁR 等.Aerial Image Classification for the Mapping of Riparian Vegetation Habitats.《DE GRUYTER》.2013,第9卷 * |
草坪近地面光谱特征研究进展;陈兴涛 等;《草原与草坪》;20110531;第31卷(第5期);全文 * |
融入可见光-近红外高光谱吸收特征的新型植被指数估算天然草地FAPAR;李喆 等;《光谱学与光谱分析》;20170331;第37卷(第3期);全文 * |
高光谱植被覆盖度遥感估算研究;包刚 等;《自然资源学报》;20130731;第28卷(第7期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109409601A (zh) | 2019-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11116182B2 (en) | System for monitoring pasture intake | |
CN111713317A (zh) | 一种基于大数据的农作物监测系统及监测方法 | |
CN108849819B (zh) | 关于生物制剂喷洒的自动控制方法、喷药装置及控制系统 | |
CN111008733A (zh) | 一种作物生长管控方法和系统 | |
CN115362811A (zh) | 一种基于数字孪生的山地农作物智慧栽培系统 | |
CN111713385A (zh) | 一种自动灌溉方法及系统 | |
CN116108318B (zh) | 基于无人机多光谱影像的油菜氮肥推荐追施量计算的方法 | |
CN112304902B (zh) | 一种农作物物候的实时监测方法和装置 | |
CN112906734A (zh) | 牲畜智能选种方法、装置、计算机设备和存储介质 | |
CN114004458A (zh) | 一种多态势感知融合的植物生长管理系统 | |
CN109409601B (zh) | 用于绒山羊养殖的草场演化监测与预测方法 | |
CN117530031B (zh) | 智能水肥管理方法、装置、设备及存储介质 | |
CN108537164B (zh) | 基于无人机遥感的点穴播种出芽率监测方法与装置 | |
CN111352370A (zh) | 一种基于农业数据与生产的管理系统及农业数据监控终端 | |
CN116990490B (zh) | 一种基于物联网的土壤水分动态监测系统及方法 | |
CN117178769A (zh) | 一种基于自动化的园林植物养护方法及系统 | |
CN115226612B (zh) | 一种水资源配置管理用智能分配系统 | |
JP2021096726A5 (ja) | システム、プログラム及びシステムの制御方法 | |
EP4245133A1 (en) | Characterization of pasture for improved and sustainable grazing and feeding management of livestock | |
Woodward et al. | Preliminary investigation into the feasibility of combining satellite and GPS data to identify pasture growth and grazing | |
CN115759789A (zh) | 一种基于ai算法的智慧养殖智能管理系统 | |
CN115390504A (zh) | 一种基于5g物联网的智慧农业种植系统 | |
CN114511777A (zh) | 一种基于图像识别方法的桃树花期监测评估方法 | |
CN113505987A (zh) | 一种基于大数据的苗木播种施肥一体化监管反馈系统 | |
Harris et al. | Improving the power of activity-based heat detection using additional automatically captured data |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |