CN110455262B - 入湖干草量智能监测装置及干草氮磷污染入湖测算方法 - Google Patents
入湖干草量智能监测装置及干草氮磷污染入湖测算方法 Download PDFInfo
- Publication number
- CN110455262B CN110455262B CN201910776472.9A CN201910776472A CN110455262B CN 110455262 B CN110455262 B CN 110455262B CN 201910776472 A CN201910776472 A CN 201910776472A CN 110455262 B CN110455262 B CN 110455262B
- Authority
- CN
- China
- Prior art keywords
- tumbleweed
- camera
- lake
- nitrogen
- hay
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G17/00—Apparatus for or methods of weighing material of special form or property
- G01G17/02—Apparatus for or methods of weighing material of special form or property for weighing material of filamentary or sheet form
-
- 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
-
- 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
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Botany (AREA)
- Wood Science & Technology (AREA)
- Hematology (AREA)
- Molecular Biology (AREA)
- Urology & Nephrology (AREA)
- Multimedia (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了入湖干草量智能监测装置及干草氮磷污染入湖测算方法,包括沿湖岸设置的若干个监测点,监测点间隔分布,每个检测点包括宽度已知的检测区,检测区内沿检测区宽度方向每隔一段距离固定一标记杆,标记杆的下方设置有用于被摄像头检测的标记点,摄像头安装在检测区外,能同时获得所有标记杆的标记点影像,每个标记杆距摄像头的距离为预定值。摄像头为高清摄像头。每个监测点设置两个检测区,每个检测区包含各自的标记杆和摄像头,这两个检测区的标记杆和摄像头对称设置。本发明具有能较为精确的监测出进湖风滚草量以及测算出进湖干草氮磷污染量的优点。
Description
技术领域
本发明属于环境监测的技术领域,具体涉及入湖干草量智能监测装置及干草氮磷污染入湖测算方法。
背景技术
监测草原地区湖泊生态环境时,需要考虑季风会将草原上的草成团的吹入湖中,这种成团的随风迁徙的草主要为风滚草,以呼伦湖为例,秋冬季节,会有大量的风滚草从西北方向进入呼伦湖,这是呼伦湖氮磷污染的重要来源,风滚草来源目前初步估计大部分来自呼伦贝尔草原,也有从境外外蒙地区吹过来的部分草团。由于呼伦湖湖岸线长,且风滚草在整个秋冬季都会持续入湖,定量检测难度很大,而较为精确的检测出入湖的风滚草,对厘清呼伦湖污染来源、科学开展水环境治理具有重要意义。
发明内容
本发明所要解决的技术问题是针对上述现有技术的不足,提供一种入湖干草量智能监测装置及干草氮磷污染入湖测算方法。
为实现上述技术目的,本发明采取的技术方案为:
入湖干草量智能监测装置,其中:包括沿湖岸设置的若干个监测点,监测点间隔分布,每个检测点包括宽度已知的检测区,检测区内沿检测区宽度方向每隔一段距离固定一标记杆,标记杆的下方设置有用于被摄像头检测的标记点,摄像头安装在检测区外,能同时获得所有标记杆的标记点影像,每个标记杆距摄像头的距离为预定值。
为优化上述技术方案,采取的具体措施还包括:
上述的摄像头为高清摄像头。
上述的每个监测点设置两个检测区,每个检测区包含各自的标记杆和摄像头,这两个检测区的标记杆和摄像头对称设置。
入湖干草量智能监测装置及干草氮磷污染入湖测算方法,包括以下步骤:
步骤a、沿湖岸每隔一段距离设定一检测点,要求湖的四个方向上至少具备一个监测点;
步骤b、在检测点处划出具有一定宽度的检测区,在检测区内按宽度方向每隔一段距离固定一标记杆,共固定N个标记杆,相邻标记杆之间的间隙依次记为S1、S2……SN-1,在检测区外安装摄像头,测量标记杆距摄像头的距离,使S1、S2……SN-1距摄像头的距离为已知值;建立物体在S1、S2……SN-1处时,物体大小与摄像头捕捉的像素量的对应关系;
步骤c、获取进湖风滚草团的体积与重量关系:在湖边收集一定量的风滚草团,测定其宽、高和质量,进行多元线性回归分析,建立风滚草质量与大小的关系模型;
步骤d、通过室内模拟干草腐烂分解过程,在水体中分别添加不同重量干草,测定不同生物量的干草腐解过程中水体中各种形态无机和有机氮的总量、总磷的变化;建立水体氮磷浓度随干草生物量及分解时间的关系模型;
步骤e、摄像头在规定时间内持续捕捉经过检测区的风滚草团,确定该风滚草团占据的像素量,该风滚草团穿过某两个标记杆之间的间隙时,摄像头捕捉到该风滚草团遮住了部分标记杆,同时又被其他标记杆遮住,从而确定风滚草团位于最近的被风滚草团遮住的标记杆和最远的遮住风滚草团的标记杆之间的间隙,根据将该间隙对应的物体大小与摄像头捕捉的像素量的对应关系,得出该风滚草团大小,然后根据步骤c得到的风滚草质量与大小的关系模型,换算出该该风滚草团的质量,根据步骤d得到的水体氮磷浓度随干草生物量及分解时间的关系模型,换算出该风滚草团对应的水体氮磷浓度,进而算出该风滚草团对应的氮磷分解量,将所有经过检测区的风滚草团对应的氮磷分解量相加,即获得与检测区宽度相同的湖岸规定时间内进湖草量对应的氮磷分解量;以该氮磷分解量乘以湖岸长度,获得规定时间内风滚草导致的进湖氮磷污染量。
上述的检测区附近设置一校对区,校对区沿湖岸设置,宽度与检测区宽度相同,校对区的两端设置有固定杆,固定杆之间拉收集网,收集网呈碗状,碗底朝湖,收集网底部压固在地面上,风滚草从检测区经过时,能被收集网收集,当收集一定时间后,将收集网从固定杆上取下,将收集网内的风滚草称重,与相同时间内摄像头捕捉的风滚草重量对比,如摄像头捕捉的风滚草重量与收集网内的风滚草重量比处于预定范围内,则认为摄像头捕捉的风滚草重量合理,如摄像头捕捉的风滚草重量与收集网内的风滚草重量比处于预定范围外,则认为摄像头捕捉的风滚草重量不合理,舍弃摄像头捕捉的风滚草信息,对监测点进行现场检查以及对摄像头重新校对。
本发明具有以下优点:
1、通过摄像头持续收集检测区的进湖草量,实现自动化采样,并根据摄像头采集的数据换算出进湖氮磷污染量,准确度高,人工消耗少,可以长时间采集数据。
2、设置校对区,对摄像头采集的数据进行校对,由于同一湖岸同一时间入湖风滚草量相差不大,可以通过校对区和摄像头同时采集风滚草重量,将二者进行对比,确认摄像头采集的信息准确。
3、在检测区设置标记杆,可以根据标记杆确定风滚草距摄像头的距离,从而使摄像头可以准确的判断出风滚草的大小,保证采集的风滚草数据准确。
4、本发明设计了一整套确定入湖风滚草氮磷污染量的方法,步骤简单实用,可以精确的获得风滚草对湖的氮磷污染量,为邻草原湖泊的氮磷污染治理提供理论基础。
附图说明
图1是本发明的检测区的结构示意图;
图2是沿湖岸设置监测点的示意图,A-Q均为监测点。
附图标记为:检测区1、标记杆2、摄像头3、校对区4、固定杆41、收集网42。
具体实施方式
以下结合附图对本发明的实施例作进一步详细描述。
本实施例的入湖干草量智能监测装置,其中:包括沿湖岸设置的若干个监测点,监测点间隔分布,每个检测点包括宽度已知的检测区1,检测区1内沿检测区1宽度方向每隔一段距离固定一标记杆2,标记杆2的下方设置有用于被摄像头3检测的标记点,摄像头3安装在检测区1外,能同时获得所有标记杆2的标记点影像,每个标记杆2距摄像头3的距离为预定值。
实施例中,摄像头3为高清摄像头。
实施例中,每个监测点设置两个检测区1,每个检测区1包含各自的标记杆2和摄像头3,这两个检测区1的标记杆2和摄像头3对称设置。
入湖干草量智能监测装置测算干草氮磷污染入湖的方法,包括以下步骤:
步骤a、沿湖岸每隔一段距离设定一检测点,要求湖的四个方向上至少具备一个监测点;
步骤b、在检测点处划出具有一定宽度的检测区1,在检测区1内按宽度方向每隔一段距离固定一标记杆2,共固定N个标记杆2,相邻标记杆2之间的间隙依次记为S1、S2……SN-1,在检测区1外安装摄像头3,测量标记杆2距摄像头3的距离,使S1、S2……SN-1距摄像头3的距离为已知值;建立物体在S1、S2……SN-1处时,物体大小与摄像头3捕捉的像素量的对应关系;
步骤c、获取进湖风滚草团的体积与重量关系:在湖边收集一定量的风滚草团,测定其宽、高和质量,进行多元线性回归分析,建立风滚草质量与大小的关系模型;具体如下:采集风滚草,测定其宽(W)、高(H)和质量(m),进行多元线性回归分析,建立风滚草质量与大小的关系模型。其关系如下:
表1干草大小与质量的回归模型
m(重量,单位为g),W(宽度,单位为cm),H(长度,单位为cm);R代表拟合优度;F代表回归方程的显著性检验;t1和t2是回归参数的显著性检验值。
表2风滚草大小及质量
W/cm | H/cm | m/g |
20 | 21 | 4 |
16 | 25 | 5.9 |
25 | 30 | 12.9 |
55 | 30 | 46.1 |
38 | 35 | 16.5 |
48 | 33 | 19.3 |
80 | 76 | 73.2 |
60 | 50 | 58.7 |
步骤d、通过室内模拟干草腐烂分解过程,在水体中分别添加不同重量干草,测定不同生物量的干草腐解过程中水体中各种形态无机和有机氮的总量、总磷的变化;建立水体氮磷浓度随干草生物量及分解时间的关系模型;
通过室内模拟干草腐烂分解过程,在20L水体中分别添加4、6和20g干草,测定不同生物量的干草腐解过程中水体TN、TP浓度的变化;建立水体氮磷浓度随干草生物量(B)及分解时间(T)的关系模型。
表3干草分解时间及生物量与营养盐的回归模型
TN为各种形态无机和有机氮的总量(单位为mg/L)、TP为总磷(单位为mg/L),T为时间(单位为d),B为重量(单位为g);R代表拟合优度;F代表回归方程的显著性检验;t1和t2是回归参数的显著性检验值。
表4不同生物量的干草腐解过程中水体TN含量的变化
表5不同生物量的干草腐解过程中水体TP含量的变化
(2)单位质量干草腐解释放的氮磷含量
通过回归模型预测出水体氮磷含量,根据水的体积和干草质量,算出单位质量的干草腐解过程中释放的氮磷含量。
CTN=c×V/m
CTN表示单位质量的干草释放的TN含量,单位为mg/g;c表示水体TN含量,单位为mg/L;V表示水体体积,单位为L;m表示干草质量,单位为g。
步骤e、摄像头3在规定时间内持续捕捉经过检测区1的风滚草团,确定该风滚草团占据的像素量,该风滚草团穿过某两个标记杆2之间的间隙时,摄像头3捕捉到该风滚草团遮住了部分标记杆2,同时又被其他标记杆2遮住,从而确定风滚草团位于最近的被风滚草团遮住的标记杆2和最远的遮住风滚草团的标记杆2之间的间隙,根据将该间隙对应的物体大小与摄像头3捕捉的像素量的对应关系,得出该风滚草团大小,然后根据步骤c得到的风滚草质量与大小的关系模型,换算出该该风滚草团的质量,根据步骤d得到的水体氮磷浓度随干草生物量及分解时间的关系模型,换算出该风滚草团对应的水体氮磷浓度,进而算出该风滚草团对应的氮磷分解量,将所有经过检测区1的风滚草团对应的氮磷分解量相加,即获得与检测区1宽度相同的湖岸规定时间内进湖草量对应的氮磷分解量;以该氮磷分解量乘以湖岸长度,获得规定时间内风滚草导致的进湖氮磷污染量。
实施例中,检测区1附近设置一校对区4,校对区4沿湖岸设置,宽度与检测区1宽度相同,校对区4的两端设置有固定杆41,固定杆41之间拉收集网42,收集网42呈碗状,碗底朝湖,收集网42底部压固在地面上,风滚草从检测区1经过时,能被收集网42收集,当收集一定时间后,将收集网42从固定杆41上取下,将收集网42内的风滚草称重,与相同时间内摄像头3捕捉的风滚草重量对比,如摄像头3捕捉的风滚草重量与收集网42内的风滚草重量比处于预定范围内,则认为摄像头3捕捉的风滚草重量合理,如摄像头3捕捉的风滚草重量与收集网42内的风滚草重量比处于预定范围外,则认为摄像头3捕捉的风滚草重量不合理,舍弃摄像头3捕捉的风滚草信息,对监测点进行现场检查以及对摄像头3重新校对。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (4)
1.干草氮磷污染入湖测算方法,应用入湖干草量智能监测装置,其特征是:入湖干草量智能监测装置包括沿湖岸设置的若干个监测点,所述的监测点间隔分布,每个检测点包括宽度已知的检测区(1),所述的检测区(1)内沿检测区(1)宽度方向每隔一段距离固定一标记杆(2),所述的标记杆(2)的下方设置有用于被摄像头(3)检测的标记点,所述的摄像头(3)安装在检测区(1)外,能同时获得所有标记杆(2)的标记点影像,每个标记杆(2)距摄像头(3)的距离为预定值;测算干草氮磷污染入湖的具体方法包括以下步骤:
步骤a、沿湖岸每隔一段距离设定一检测点,要求湖的四个方向上至少具备一个监测点;
步骤b、在检测点处划出具有一定宽度的检测区(1),在检测区(1)内按宽度方向每隔一段距离固定一标记杆(2),共固定N个标记杆(2),相邻标记杆(2)之间的间隙依次记为S1、S2……SN-1,在检测区(1)外安装摄像头(3),测量标记杆(2)距摄像头(3)的距离,使S1、S2……SN-1距摄像头(3)的距离为已知值;建立物体在S1、S2……SN-1处时,物体大小与摄像头(3)捕捉的像素量的对应关系;
步骤c、获取进湖风滚草团的体积与重量关系:在湖边收集一定量大小不一的风滚草团,测定其宽、高和质量,进行多元线性回归分析,建立风滚草质量与大小的关系模型;
步骤d、通过室内模拟干草腐烂分解过程,在水体中分别添加不同重量干草,测定不同生物量的干草腐解过程中水体中各种形态无机和有机氮的总量、总磷的变化;建立水体氮磷浓度随干草生物量及分解时间的关系模型;
步骤e、摄像头(3)在规定时间内持续捕捉经过检测区(1)的风滚草团,确定该风滚草团占据的像素量,该风滚草团穿过某两个标记杆(2)之间的间隙时,摄像头(3)捕捉到该风滚草团遮住了部分标记杆(2),同时又被其他标记杆(2)遮住,从而确定风滚草团位于最近的被风滚草团遮住的标记杆(2)和最远的遮住风滚草团的标记杆(2)之间的间隙,根据将该间隙对应的物体大小与摄像头(3)捕捉的像素量的对应关系,得出该风滚草团大小,然后根据步骤c得到的风滚草质量与大小的关系模型,换算出该风滚草团的质量,根据步骤d得到的水体氮磷浓度随干草生物量及分解时间的关系模型,换算出该风滚草团对应的水体氮磷浓度,进而算出该风滚草团对应的氮磷分解量,将所有经过检测区(1)的风滚草团对应的氮磷分解量相加,即获得与检测区(1)宽度相同的湖岸规定时间内进湖草量对应的氮磷分解量;以该氮磷分解量乘以湖岸长度,获得规定时间内风滚草导致的进湖氮磷污染量。
2.根据权利要求1所述的干草氮磷污染入湖测算方法,其特征是:所述的摄像头(3)为高清摄像头。
3.根据权利要求2所述的干草氮磷污染入湖测算方法,其特征是:每个监测点设置两个检测区(1),每个检测区(1)包含各自的标记杆(2)和摄像头(3),这两个检测区(1)的标记杆(2)和摄像头(3)对称设置。
4.根据权利要求3所述的干草氮磷污染入湖测算方法,其特征是:所述的检测区(1)附近设置一校对区(4),所述的校对区(4)沿湖岸设置,宽度与检测区(1)宽度相同,校对区(4)的两端设置有固定杆(41),固定杆(41)之间拉收集网(42),所述的收集网(42)呈碗状,碗底朝湖,收集网(42)底部压固在地面上,风滚草从检测区(1)经过时,能被收集网(42)收集,当收集一定时间后,将收集网(42)从固定杆(41)上取下,将收集网(42)内的风滚草称重,与相同时间内摄像头(3)捕捉的风滚草重量对比,如摄像头(3)捕捉的风滚草重量与收集网(42)内的风滚草重量比处于预定范围内,则认为摄像头(3)捕捉的风滚草重量合理,如摄像头(3)捕捉的风滚草重量与收集网(42)内的风滚草重量比处于预定范围外,则认为摄像头(3)捕捉的风滚草重量不合理,舍弃摄像头(3)捕捉的风滚草信息,对监测点进行现场检查以及对摄像头(3)重新校对。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910776472.9A CN110455262B (zh) | 2019-08-22 | 2019-08-22 | 入湖干草量智能监测装置及干草氮磷污染入湖测算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910776472.9A CN110455262B (zh) | 2019-08-22 | 2019-08-22 | 入湖干草量智能监测装置及干草氮磷污染入湖测算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110455262A CN110455262A (zh) | 2019-11-15 |
CN110455262B true CN110455262B (zh) | 2021-07-30 |
Family
ID=68488370
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910776472.9A Active CN110455262B (zh) | 2019-08-22 | 2019-08-22 | 入湖干草量智能监测装置及干草氮磷污染入湖测算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110455262B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007048425A1 (en) * | 2005-10-26 | 2007-05-03 | Trimble Jena Gmbh | Surveying method and surveying instrument |
CN101145240A (zh) * | 2007-11-09 | 2008-03-19 | 王海燕 | 摄像机图像对道路场景多点高精度标定方法 |
CN101975571A (zh) * | 2010-09-14 | 2011-02-16 | 中国矿业大学 | 一种巷道变形的自动实时监测方法 |
CN102494733A (zh) * | 2011-12-12 | 2012-06-13 | 西安电子科技大学 | 基于图像处理的水位监测系统及方法 |
CN103175835A (zh) * | 2013-02-26 | 2013-06-26 | 上海烟草集团有限责任公司 | 基于智能图像处理和模型估计的烟叶叶面积质量测定方法 |
CN103260008A (zh) * | 2012-11-21 | 2013-08-21 | 上海申瑞电网控制系统有限公司 | 一种影像位置到实际位置的射影转换方法 |
CN105585129A (zh) * | 2016-01-12 | 2016-05-18 | 南京大学 | 一种模拟原位河道生态系统氮素归趋的装置及方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105136691B (zh) * | 2015-07-28 | 2018-05-04 | 环境保护部环境规划院 | 一种底泥中氮磷污染物释放量的测定方法 |
CN105973207B (zh) * | 2016-05-05 | 2018-07-03 | 云南省环境科学研究院 | 大型浅水湖泊水华集聚水域的补水控藻方法 |
CN109489721A (zh) * | 2018-11-09 | 2019-03-19 | 朱光兴 | 一种水环境敏感区遥感识别系统 |
-
2019
- 2019-08-22 CN CN201910776472.9A patent/CN110455262B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007048425A1 (en) * | 2005-10-26 | 2007-05-03 | Trimble Jena Gmbh | Surveying method and surveying instrument |
CN101145240A (zh) * | 2007-11-09 | 2008-03-19 | 王海燕 | 摄像机图像对道路场景多点高精度标定方法 |
CN101975571A (zh) * | 2010-09-14 | 2011-02-16 | 中国矿业大学 | 一种巷道变形的自动实时监测方法 |
CN102494733A (zh) * | 2011-12-12 | 2012-06-13 | 西安电子科技大学 | 基于图像处理的水位监测系统及方法 |
CN103260008A (zh) * | 2012-11-21 | 2013-08-21 | 上海申瑞电网控制系统有限公司 | 一种影像位置到实际位置的射影转换方法 |
CN103175835A (zh) * | 2013-02-26 | 2013-06-26 | 上海烟草集团有限责任公司 | 基于智能图像处理和模型估计的烟叶叶面积质量测定方法 |
CN105585129A (zh) * | 2016-01-12 | 2016-05-18 | 南京大学 | 一种模拟原位河道生态系统氮素归趋的装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110455262A (zh) | 2019-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Internet of Things to network smart devices for ecosystem monitoring | |
WO2018153143A1 (zh) | 一种利用遥感含水量测量滩涂高程的方法 | |
Ogink et al. | Methods for measuring gas emissions from naturally ventilated livestock buildings: Developments over the last decade and perspectives for improvement | |
CN102749071B (zh) | 一种基于无人机航空摄影监测土壤侵蚀的方法 | |
AU2020101095A4 (en) | A Satellite Remote Sensing Monitoring Method for the Content of Chlorophyll A in the Canopy of Jujube Trees | |
CN111104860B (zh) | 一种基于机器视觉的无人机水质色度监测方法 | |
CN102288954A (zh) | 一种草地植被覆盖度遥感估测方法 | |
CN110455262B (zh) | 入湖干草量智能监测装置及干草氮磷污染入湖测算方法 | |
CN108205718B (zh) | 一种粮食作物抽样测产方法及系统 | |
CN202548896U (zh) | 一种钢材包装参数的测量系统 | |
CN104165892B (zh) | 土壤裂纹参数在线测量系统及采用该系统实现土壤裂纹参数提取方法 | |
CN116420487A (zh) | 基于人工智能的土壤配肥方法、系统、设备及存储介质 | |
CN112285212B (zh) | 一种基于超声回弹法检测混凝土强度的系统和方法 | |
CN104316111B (zh) | 一种基于小气候监测系统监测天然牧草的方法 | |
WO2024041560A1 (zh) | 基于高空间分辨率卫星的地面水质监测方法 | |
CN106156756A (zh) | 建设用地效率空间分布的快速估算方法 | |
CN113655003A (zh) | 一种利用无人机照片估算冬小麦返青期土壤墒情的方法 | |
CN114812418B (zh) | 一种便携式植株密度和株距测量系统 | |
Johnson et al. | An introduction to the research in the Balquhidder experimental catchments | |
CN106501454A (zh) | 一种枣树冠层叶绿素b含量的卫星遥感监测方法 | |
CN109115771A (zh) | 甘蔗工艺成熟期自动观测方法 | |
CN114140695B (zh) | 一种基于无人机多光谱遥感的茶树氮素诊断及品质指标测定的预测方法和系统 | |
CN105137022A (zh) | 一种水质在线监测用斑马鱼脱毒及敏感性评价方法 | |
CN114358615A (zh) | 一种动态草畜平衡监测方法 | |
CN108982788A (zh) | 一种基于大数据的中药材质量评估系统 |
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 |