CN111126354A - 一种基于多时相的自然资源监测发现方法 - Google Patents
一种基于多时相的自然资源监测发现方法 Download PDFInfo
- Publication number
- CN111126354A CN111126354A CN202010081054.0A CN202010081054A CN111126354A CN 111126354 A CN111126354 A CN 111126354A CN 202010081054 A CN202010081054 A CN 202010081054A CN 111126354 A CN111126354 A CN 111126354A
- Authority
- CN
- China
- Prior art keywords
- information
- monitoring
- resource monitoring
- resource
- matrix
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 232
- 238000000034 method Methods 0.000 title claims abstract description 40
- 239000011159 matrix material Substances 0.000 claims abstract description 95
- 230000012010 growth Effects 0.000 claims abstract description 29
- 230000008859 change Effects 0.000 claims abstract description 16
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 35
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 31
- 239000011707 mineral Substances 0.000 claims description 31
- 244000005700 microbiome Species 0.000 claims description 28
- 238000005065 mining Methods 0.000 claims description 12
- 239000002689 soil Substances 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 241000894007 species Species 0.000 claims description 6
- 230000000644 propagated effect Effects 0.000 claims description 4
- 230000008635 plant growth Effects 0.000 claims description 2
- 230000002123 temporal effect Effects 0.000 claims description 2
- 241001465754 Metazoa Species 0.000 description 8
- 230000008901 benefit Effects 0.000 description 5
- 239000003086 colorant Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Agronomy & Crop Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于多时相的自然资源监测发现方法,步骤S1,类别监测模块根据不同的自然资源建立多时相种类矩阵Ai;步骤S2,区域监测模块根据不同的区域信息建立区域监测矩阵Gi;步骤S3,生长周期监测模块根据不同自然资源的生长时间建立生长周期监测矩阵Ti;步骤S4,多时相拍摄模块获取对应的自然资源的拍摄图像矩阵P,并设定对应的某一区域、生长周期及特定种类的拍摄时间间隔矩阵Pi;步骤S5,根据不同的自然资源种类,拍摄间隔时间t不同,以获取预设时间间隔及预设数量的拍摄图像信息矩阵Qi;步骤S6,根据自然资源监测矩阵以及自然资源监测标准矩阵,确定当前自然资源状态,通过前后两次图像比对信息,确定自然资源变化信息。
Description
技术领域
本发明涉及自然资源监测技术领域,尤其涉及一种基于多时相的自然资源监测发现方法。
背景技术
自然资源是指,自然界赋予或前人留下的,可直接或间接用于满足人类需要的所有有形之物与无形之物。自然资源资本化是指,为了促进自然资源保值增值,根据相关法规政策,创新体制机制和技术方法,将自然资源设计为产品进入市场转化为收益的过程。自然资源资本化,可实现自然资源的监测,因地制宜选择好适于地区发展的生态产业,提供生态产品、发挥生态效益,提供物质产品,发挥经济效益,从而,将生态优势转化为经济优势。但是,目前针对自然资源的监测没有完善的评估技术,因此,针对自然资源资本化过程中,资源流转类自然资源的监测评估问题需要解决。
对于自然资源的监测,需获取准确的自然资源信息,现有技术中,由于无人机检测技术具有高时效、高分辨率、高机动性、低成本、低消耗、低风险等优势和特点,能快速获取多空间的尺度、多相向的地面观测数据,能够全方位进行监测,因此,现有技术中亟需基于多时相的自然资源监测手段,以便能够全方位监测自然资源。
发明内容
本发明的目的就是为了解决上述问题,提供一种基于多时相的自然资源监测发现方法。
为了实现上述目的,本发明采用如下技术方案:本发明提供一种基于多时相的自然资源监测发现方法,包括:
步骤S1,类别监测模块根据不同的自然资源建立多时相种类矩阵Ai;
步骤S2,区域监测模块根据不同的区域信息建立区域监测矩阵Gi;
步骤S3,生长周期监测模块根据不同自然资源的生长时间建立生长周期监测矩阵Ti;
步骤S4,多时相拍摄模块获取对应的自然资源的拍摄图像矩阵P,并设定对应的某一区域、生长周期及特定种类的拍摄时间间隔矩阵Pi;
步骤S5,根据不同的自然资源种类,拍摄间隔时间t不同,以获取预设时间间隔及预设数量的拍摄图像信息矩阵Qi;
步骤S6,根据自然资源监测矩阵W(Ai,Gi,Ti,Pi,Qi)以及自然资源监测标准矩阵W0(Ai0,Gi0,Ti0,Pi0,Qi0),确定当前自然资源状态,通过前后两次图像比对信息,确定自然资源变化信息;
其中,设定生物种类时间间隔矩阵Pi(Ai,ti),根据不同的自然资源种类确定不同的拍摄时间间隔,设定生物资源监测时间间隔t11,农业资源监测时间间隔t12,森林资源监测时间间隔t13,国土资源监测时间间隔t14,矿产资源监测时间间隔t15,海洋生物资源监测时间间隔t16,水资源监测时间间隔t17;
所述多时相拍摄模块的预设监测时间间隔过程中,设定森林资源监测时间间隔t13<农业资源监测时间间隔t12<水资源监测时间间隔t17<海洋生物资源监测时间间隔t16<生物资源监测时间间隔t11<矿产资源监测时间间隔t15<国土资源监测时间间隔t14。
进一步地,所述多时相种类矩阵Ai,其中,A1表示生物资源监测信息,表示各种生物资源类别对应的种类;A2表示农业资源监测信息,表示各种农作物资源类别对应的种类;A3表示森林资源监测信息,表示各种森林资源类别对应的种类;A4表示国土资源监测信息,表示对应的各种土壤类型的种类;A5表示矿产资源监测信息,表示对应的各种矿产类型的种类;A6表示海洋生物资源监测信息,表示对应的相应的海洋包含类型的种类;A7表示水资源监测信息,表示对应环境下的水含量。
进一步地,所述自然资源监测标准矩阵W0(Ai0,Gi0,Ti0,Pi0,Qi0),其中,Ai0表示标准类别基准监测矩阵,Gi0表示区域基准监测矩阵,Ti0表示生长周期基准监测矩阵,Pi0表示基准拍摄图像矩阵,Qi0表示基准图像存储矩阵。
进一步地,所述标准类别基准监测矩阵中,A10表示生物资源基准监测信息;A20表示基准农业资源监测信息;A30表示基准森林资源监测信息;A40表示基准国土资源监测信息;A50表示基准矿产资源监测信息,表示对应的各种矿产类型的预设的种类;A60表示基准海洋生物资源监测信息;A70表示水资源基准监测信息。
进一步地,基准拍摄图像矩阵Pi0,其内设定预设的自然资源种类对应的时间间隔;基准图像存储矩阵Qi0,其内设置对应区域内的对应种类的自然资源在之前的预设时间M的图像信息,根据生物种类时间间隔矩阵Pi(Ai,ti),确定各个时间段内的图像信息,基准图像存储矩阵Qi0为上次时间段内获取的图像信息;对于生物资源监测,设定上一次获取的图像信息,时间间隔ti之前的图像信息,作为基准图像信息。
进一步地,所述自然资源监测矩阵W(Ai,Gi,Ti,Pi,Qi)以及自然资源监测标准矩阵W0(Ai0,Gi0,Ti0,Pi0,Qi0),确定当前自然资源状态;对于生物资源基准监测信息A10,农业资源监测信息A20,海洋生物资源监测信息A60,水资源基准监测信息A70,获取当前的图像信息Q12,并通过自然资源监测标准矩阵中获取相应的基准图像信息Q11,将两个基准图像信息进行比对,获取该种自然资源的变化程度信息,以获取实时的自然资源程度。
进一步地,对于海洋生物资源监测信息,其中的海洋植物信息,根据前后两次图像信息比对,确定当前海洋植物生长状态;对于其中的微生物信息,通过若干图像比对,确定其在单位区域内的繁殖程度变化,若再后的微生物信息超过在前的微生物信息2倍,则微生物繁殖过多,若再后的微生物信息小于在前的微生物信息的一半,则微生物存在数量锐减的情况,均采取相应措施。
进一步地,对于水资源基准监测信息,根据前后两侧图像信息比对,根据水质颜色的比对,确定污染程度,在两者颜色色度值之差为低色度值的2倍及以上时,则水质环境发生重大变化,均采取相应措施。
进一步地,国土资源监测信息,矿产资源监测信息,根据两次图像获取信息,确定土层、山峰、矿质层的轮廓信息,确定变化情况,获取前后两次图像在同一区域同一角度的若干图像内的土层、山峰、矿质层的在前平均高度信息h1,在后平均高度信息h2,将两次平均高度信息进行比对,若h2>h1,则资源处于开采过程中,若(h1-h2)>0.4x h2,则存在开采超标情况;继续获取第三图像的平均高度信息h3,若(h2-h3)>0.4x h3,则开采过度,采取相应措施。
进一步地,基准森林资源监测信息,获取在前的图像信息,在后的图像信息,其中,根据前后图像内森林所占图像的比例,确定在前的森林占比率K1,在后的森林占比率K2,设定(K1-K2)>0.4x K2,则森林面积减少,续获取第三图像的森林占比率K3,若(K2-K3)>0.4xh2,则森林面积减少严重,存在活在或过度砍伐。
与现有技术相比,本发明具有如下有益效果:本发明通过对多时相的自然资源监测方法,能够对多种自然资源的持续状态进行监控,通过预设时间内的图像信息比对,获取当前自然资源的信息状态。尤其,本发明针对全方位的自然资源,对各种类型均能够进行监控。
尤其,根据不同的自然资源种类确定不同的拍摄时间间隔,设定生物资源监测时间间隔t11,农业资源监测时间间隔t12,森林资源监测时间间隔t13,国土资源监测时间间隔t14,矿产资源监测时间间隔t15,海洋生物资源监测时间间隔t16,水资源监测时间间隔t17。对于突发情况较多的自然资源,其监控时间间隔较短,对于状态稳定的自然资源,其监控时间间隔较长,以便更好的监控自然资源的状态,实时确定自然资源的价值,防控自然资源危险。
尤其,根据生物种类时间间隔矩阵Pi(Ai,ti),确定各个时间段内的图像信息,基准图像存储矩阵Qi0为上次时间段内获取的图像信息。对于生物资源监测,设定上一次获取的图像信息,时间间隔ti之前的图像信息,作为基准图像信息
尤其,对于海洋生物资源监测信息,其中的海洋植物信息,根据前后两次图像信息比对,确定当前海洋植物生长状态;对于其中的微生物信息,通过若干图像比对,确定其在单位区域内的繁殖程度变化,若再后的微生物信息超过在前的微生物信息2倍,则微生物繁殖过多,若再后的微生物信息小于在前的微生物信息的一半,则微生物存在数量锐减的情况,均采取相应措施。
其中,对于水资源基准监测信息,根据前后两侧图像信息比对,根据水质颜色的比对,确定污染程度,在两者颜色色度值之差为低色度值的2倍及以上时,则水质环境发生重大变化,均采取相应措施。其中,国土资源监测信息,矿产资源监测信息,根据两次图像获取信息,确定土层、山峰、矿质层的轮廓信息,确定变化情况。具体而言,获取前后两次图像在同一区域同一角度的若干图像内的土层、山峰、矿质层的在前平均高度信息h1,在后平均高度信息h2,将两次平均高度信息进行比对,若h2>h1,则资源处于开采过程中,若(h1-h2)>0.4x h2,则存在开采超标情况;继续获取第三图像的平均高度信息h3,若(h2-h3)>0.4xh3,则开采过度,采取相应措施。其中,基准森林资源监测信息,获取在前的图像信息,在后的图像信息,其中,根据前后图像内森林所占图像的比例,确定在前的森林占比率K1,在后的森林占比率K2,设定(K1-K2)>0.4x K2,则森林面积减少,续获取第三图像的森林占比率K3,若(K2-K3)>0.4x h2,则森林面积减少严重,存在活在或过度砍伐。
附图说明
图1为本发明实施例中的基于多时相的自然资源监测模型的功能框图;
图2为本发明实施例中的基于多时相的自然资源监测发现方法的流程示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
参阅图1所示,本实施例的基于多时相的自然资源监测模型包括,自然资源监测矩阵W(Ai,Gi,Ti,Pi,Qi),其中,类别监测模块根据不同的自然资源建立多时相种类矩阵Ai;还包括区域监测模块,其根据不同的区域信息建立区域监测矩阵Gi;还包括生长周期监测模块,其根据不同自然资源的生长时间建立生长周期监测矩阵Ti;还包括多时相拍摄模块,其获取对应的自然资源的拍摄图像矩阵Pi,其中,根据不同的自然资源种类,拍摄间隔时间t不同,以获取预设时间间隔及预设数量的拍摄图像信息矩阵Qi;还包括图像存储模块,其内设置对应区域内的对应种类的自然资源在对应时刻的图像信息。
具体而言,本发明实施例的多时相种类矩阵Ai,类别信息在监测评估定义过程中,其中,A1表示生物资源监测信息,表示各种生物资源类别对应的种类,如A11表示海螺该种资源,A12表示贝壳该种资源,依次类推;A2表示农业资源监测信息,表示各种农作物资源类别对应的种类;A3表示森林资源监测信息,表示各种森林资源类别对应的种类;A4表示国土资源监测信息,表示对应的各种土壤类型的种类;A5表示矿产资源监测信息,表示对应的各种矿产类型的种类;A6表示海洋生物资源监测信息,表示对应的相应的海洋包含类型的种类;海洋生物资源监测信息还包括A61表示海洋水资源监测信息,表示对应的海洋水资源的水质类别;A62表示海洋植物资源监测信息,表示对应的海洋水资源的海洋植物的类别;A63表示油气资源监测信息,表示对应的海洋水资源的海洋植物的类别;A64表示海洋矿产资源监测信息,表示对应的海洋水资源的海洋植物的类别;A7表示水资源监测信息,表示对应环境下的水含量;如湿地水含量、湖波水含量。
具体而言,本发明实施例的区域监测矩阵Gi,其包括经度监测矩阵G1,纬度监测矩阵G2,海拔高度矩阵G3,对于自然资源当地的经度、纬度以及海拔高度信息实时测定,获取该区域监测矩阵。
具体而言,本发明实施例的生长周期监测矩阵Ti,其设定不同的生长时间阶段,其中,设定时间间隔为0.5年,设定T1表示0.5年,设定T2表示1年,设定T3表示1.5年,设定T4表示2年,设定Tn表示n/2年。
具体而言,多时相拍摄模块,其获取对应的自然资源的拍摄图像矩阵P,并设定对应的某一区域、生长周期及特定种类的拍摄时间间隔矩阵,其中,设定生物种类时间间隔矩阵Pi(Ai,ti),根据不同的自然资源种类确定不同的拍摄时间间隔,设定生物资源监测时间间隔t11,农业资源监测时间间隔t12,森林资源监测时间间隔t13,国土资源监测时间间隔t14,矿产资源监测时间间隔t15,海洋生物资源监测时间间隔t16,水资源监测时间间隔t17。
具体而言,本发明实施例在上述多时相拍摄模块的预设监测时间间隔过程中,设定森林资源监测时间间隔t13<农业资源监测时间间隔t12<水资源监测时间间隔t17<海洋生物资源监测时间间隔t16<生物资源监测时间间隔t11<矿产资源监测时间间隔t15<国土资源监测时间间隔t14。本发明实施例中,对于突发情况较多的自然资源,其监控时间间隔较短,对于状态稳定的自然资源,其监控时间间隔较长,以便更好的监控自然资源的状态,实时确定自然资源的价值,防控自然资源危险。
具体而言,本发明实施例中,自然资源监测标准矩阵W0(Ai0,Gi0,Ti0,Pi0,Qi0),其中,Ai0表示标准类别基准监测矩阵,Gi0表示区域基准监测矩阵,Ti0表示生长周期基准监测矩阵,Pi0表示基准拍摄图像矩阵,Qi0表示基准图像存储矩阵。
具体而言,A10表示生物资源基准监测信息;A20表示基准农业资源监测信息;A30表示基准森林资源监测信息;A40表示基准国土资源监测信息;A50表示基准矿产资源监测信息,表示对应的各种矿产类型的预设的种类;A60表示基准海洋生物资源监测信息;A70表示水资源基准监测信息。
具体而言,本发明实施例的区域基准监测矩阵Gi0,其包括经度基准监测矩阵G10,纬度基准监测矩阵G20,海拔基准高度矩阵G30,对于自然资源当地的经度、纬度以及海拔高度信息设置预设值,获取该区域基准监测矩阵。
具体而言,本发明实施例的生长周期基准监测矩阵Ti0,其设定在确定的某个生长周期,并与对应的自然资源的基准拍摄图像矩阵Pi0、自然资源在对应时刻的图像信息矩阵Qi0。
具体而言,本发明实施例基准拍摄图像矩阵Pi0,其中,其内设定预设的自然资源种类对应的时间间隔;基准图像存储矩阵Qi0,其内设置对应区域内的对应种类的自然资源在之前的预设时间M的图像信息,在本发明实施例中,根据生物种类时间间隔矩阵Pi(Ai,ti),确定各个时间段内的图像信息,基准图像存储矩阵Qi0为上次时间段内获取的图像信息。对于生物资源监测,设定上一次获取的图像信息,时间间隔ti之前的图像信息,作为基准图像信息。如,对于生物资源当前图像信息设定时间间隔t1之前的信息为基准图像信息,对于农业资源当前图像信息设定时间间隔t12之前的信息为基准图像信息,依次类推。
具体而言,本发明实施例自然资源监测矩阵W(Ai,Gi,Ti,Pi,Qi)以及自然资源监测标准矩阵W0(Ai0,Gi0,Ti0,Pi0,Qi0),确定当前自然资源状态。其中,对于生物资源基准监测信息A10,农业资源监测信息A20,海洋生物资源监测信息A60,水资源基准监测信息A70,获取当前的图像信息Q12,并通过自然资源监测标准矩阵中获取相应的基准图像信息Q11,将两个基准图像信息进行比对,获取该种自然资源的变化程度信息,以获取实时的自然资源程度。
其中,对于农业资源的图像信息,根据两次图像信息比对,确定当前农业信息的生长状态,以实时监控。
其中,对于海洋生物资源监测信息,其中的海洋植物信息,根据前后两次图像信息比对,确定当前海洋植物生长状态;对于其中的微生物信息,通过若干图像比对,确定其在单位区域内的繁殖程度变化,若再后的微生物信息超过在前的微生物信息2倍,则微生物繁殖过多,若再后的微生物信息小于在前的微生物信息的一半,则微生物存在数量锐减的情况,均采取相应措施。
其中,对于水资源基准监测信息,根据前后两侧图像信息比对,根据水质颜色的比对,确定污染程度,在两者颜色色度值之差为低色度值的2倍及以上时,则水质环境发生重大变化,均采取相应措施。
其中,国土资源监测信息,矿产资源监测信息,根据两次图像获取信息,确定土层、山峰、矿质层的轮廓信息,确定变化情况。具体而言,获取前后两次图像在同一区域同一角度的若干图像内的土层、山峰、矿质层的在前平均高度信息h1,在后平均高度信息h2,将两次平均高度信息进行比对,若h2>h1,则资源处于开采过程中,若(h1-h2)>0.4xh2,则存在开采超标情况;继续获取第三图像的平均高度信息h3,若(h2-h3)>0.4x h3,则开采过度,采取相应措施。
其中,基准森林资源监测信息,获取在前的图像信息,在后的图像信息,其中,根据前后图像内森林所占图像的比例,确定在前的森林占比率K1,在后的森林占比率K2,设定(K1-K2)>0.4x K2,则森林面积减少,续获取第三图像的森林占比率K3,若(K2-K3)>0.4xh2,则森林面积减少严重,存在活在或过度砍伐。
对于其中的动物信息,通过若干图像比对,确定其在单位区域内的繁殖程度变化,若再后的动物信息超过在前的动物信息2倍,则动物繁殖过多,若再后的动物信息小于在前的动物信息的一半,则动物存在数量锐减的情况,均采取相应措施。
参阅图2所示,其为本发明实施例中的基于多时相的自然资源监测发现方法的流程示意图,基于上述基于多时相的自然资源监测模型构建系统的构建方法包括:
步骤S1,类别监测模块根据不同的自然资源建立多时相种类矩阵Ai;
步骤S2,区域监测模块根据不同的区域信息建立区域监测矩阵Gi;
步骤S3,生长周期监测模块根据不同自然资源的生长时间建立生长周期监测矩阵Ti;
步骤S4,根据自然资源监测矩阵W(Ai,Gi,Ti,Pi,Qi)以及自然资源监测标准矩阵W0(Ai0,Gi0,Ti0,Pi0,Qi0),确定当前自然资源状态,通过前后两次图像比对信息,确定自然资源变化信息。
以上所述仅为本发明的优选实施方式,本发明的保护范围并不仅限于上述实施方式,凡是属于本发明原理的技术方案均属于本发明的保护范围。对于本领域的技术人员而言,在不脱离本发明的原理的前提下进行的若干改进,这些改进也应视为本发明的保护范围。
Claims (10)
1.一种基于多时相的自然资源监测发现方法,其特征在于,包括:
步骤S1,类别监测模块根据不同的自然资源建立多时相种类矩阵Ai;
步骤S2,区域监测模块根据不同的区域信息建立区域监测矩阵Gi;
步骤S3,生长周期监测模块根据不同自然资源的生长时间建立生长周期监测矩阵Ti;
步骤S4,多时相拍摄模块获取对应的自然资源的拍摄图像矩阵P,并设定对应的某一区域、生长周期及特定种类的拍摄时间间隔矩阵Pi;
步骤S5,根据不同的自然资源种类,拍摄间隔时间t不同,以获取预设时间间隔及预设数量的拍摄图像信息矩阵Qi;
步骤S6,根据自然资源监测矩阵W(Ai,Gi,Ti,Pi,Qi)以及自然资源监测标准矩阵W0(Ai0,Gi0,Ti0,Pi0,Qi0),确定当前自然资源状态,通过前后两次图像比对信息,确定自然资源变化信息;
其中,设定生物种类时间间隔矩阵Pi(Ai,ti),根据不同的自然资源种类确定不同的拍摄时间间隔,设定生物资源监测时间间隔t11,农业资源监测时间间隔t12,森林资源监测时间间隔t13,国土资源监测时间间隔t14,矿产资源监测时间间隔t15,海洋生物资源监测时间间隔t16,水资源监测时间间隔t17;
所述多时相拍摄模块的预设监测时间间隔过程中,设定森林资源监测时间间隔t13<农业资源监测时间间隔t12<水资源监测时间间隔t17<海洋生物资源监测时间间隔t16<生物资源监测时间间隔t11<矿产资源监测时间间隔t15<国土资源监测时间间隔t14。
2.根据权利要求1所述的基于多时相的自然资源监测发现方法,其特征在于,所述多时相种类矩阵Ai,其中,A1表示生物资源监测信息,表示各种生物资源类别对应的种类;A2表示农业资源监测信息,表示各种农作物资源类别对应的种类;A3表示森林资源监测信息,表示各种森林资源类别对应的种类;A4表示国土资源监测信息,表示对应的各种土壤类型的种类;A5表示矿产资源监测信息,表示对应的各种矿产类型的种类;A6表示海洋生物资源监测信息,表示对应的相应的海洋包含类型的种类;A7表示水资源监测信息,表示对应环境下的水含量。
3.根据权利要求2所述的基于多时相的自然资源监测发现方法,其特征在于,所述自然资源监测标准矩阵W0(Ai0,Gi0,Ti0,Pi0,Qi0),其中,Ai0表示标准类别基准监测矩阵,Gi0表示区域基准监测矩阵,Ti0表示生长周期基准监测矩阵,Pi0表示基准拍摄图像矩阵,Qi0表示基准图像存储矩阵。
4.根据权利要求3所述的基于多时相的自然资源监测发现方法,其特征在于,所述标准类别基准监测矩阵中,A10表示生物资源基准监测信息;A20表示基准农业资源监测信息;A30表示基准森林资源监测信息;A40表示基准国土资源监测信息;A50表示基准矿产资源监测信息,表示对应的各种矿产类型的预设的种类;A60表示基准海洋生物资源监测信息;A70表示水资源基准监测信息。
5.根据权利要求3所述的基于多时相的自然资源监测发现方法,其特征在于,基准拍摄图像矩阵Pi0,其内设定预设的自然资源种类对应的时间间隔;基准图像存储矩阵Qi0,其内设置对应区域内的对应种类的自然资源在之前的预设时间M的图像信息,根据生物种类时间间隔矩阵Pi(Ai,ti),确定各个时间段内的图像信息,基准图像存储矩阵Qi0为上次时间段内获取的图像信息;对于生物资源监测,设定上一次获取的图像信息,时间间隔ti之前的图像信息,作为基准图像信息。
6.根据权利要求5所述的基于多时相的自然资源监测发现方法,其特征在于,所述自然资源监测矩阵W(Ai,Gi,Ti,Pi,Qi)以及自然资源监测标准矩阵W0(Ai0,Gi0,Ti0,Pi0,Qi0),确定当前自然资源状态;对于生物资源基准监测信息A10,农业资源监测信息A20,海洋生物资源监测信息A60,水资源基准监测信息A70,获取当前的图像信息Q12,并通过自然资源监测标准矩阵中获取相应的基准图像信息Q11,将两个基准图像信息进行比对,获取该种自然资源的变化程度信息,以获取实时的自然资源程度。
7.根据权利要求6所述的基于多时相的自然资源监测发现方法,其特征在于,对于海洋生物资源监测信息,其中的海洋植物信息,根据前后两次图像信息比对,确定当前海洋植物生长状态;对于其中的微生物信息,通过若干图像比对,确定其在单位区域内的繁殖程度变化,若再后的微生物信息超过在前的微生物信息2倍,则微生物繁殖过多,若再后的微生物信息小于在前的微生物信息的一半,则微生物存在数量锐减的情况,均采取相应措施。
8.根据权利要求7所述的基于多时相的自然资源监测发现方法,其特征在于,对于水资源基准监测信息,根据前后两侧图像信息比对,根据水质颜色的比对,确定污染程度,在两者颜色色度值之差为低色度值的2倍及以上时,则水质环境发生重大变化,均采取相应措施。
9.根据权利要求7所述的基于多时相的自然资源监测发现方法,其特征在于,国土资源监测信息,矿产资源监测信息,根据两次图像获取信息,确定土层、山峰、矿质层的轮廓信息,确定变化情况,获取前后两次图像在同一区域同一角度的若干图像内的土层、山峰、矿质层的在前平均高度信息h1,在后平均高度信息h2,将两次平均高度信息进行比对,若h2>h1,则资源处于开采过程中,若(h1-h2)>0.4x h2,则存在开采超标情况;继续获取第三图像的平均高度信息h3,若(h2-h3)>0.4x h3,则开采过度,采取相应措施。
10.根据权利要求7所述的基于多时相的自然资源监测发现方法,其特征在于,基准森林资源监测信息,获取在前的图像信息,在后的图像信息,其中,根据前后图像内森林所占图像的比例,确定在前的森林占比率K1,在后的森林占比率K2,设定(K1-K2)>0.4x K2,则森林面积减少,续获取第三图像的森林占比率K3,若(K2-K3)>0.4x h2,则森林面积减少严重,存在活在或过度砍伐。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010081054.0A CN111126354A (zh) | 2020-02-05 | 2020-02-05 | 一种基于多时相的自然资源监测发现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010081054.0A CN111126354A (zh) | 2020-02-05 | 2020-02-05 | 一种基于多时相的自然资源监测发现方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111126354A true CN111126354A (zh) | 2020-05-08 |
Family
ID=70491948
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010081054.0A Pending CN111126354A (zh) | 2020-02-05 | 2020-02-05 | 一种基于多时相的自然资源监测发现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111126354A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111854700A (zh) * | 2020-07-10 | 2020-10-30 | 安徽农业大学 | 基于物联网和云计算的无人机监测管理系统 |
CN113723224A (zh) * | 2021-08-12 | 2021-11-30 | 新疆爱华盈通信息技术有限公司 | 一种远程树木砍伐智能监测的方法、装置及介质 |
CN115620031A (zh) * | 2022-12-12 | 2023-01-17 | 广东新禾道信息科技有限公司 | 一种自然资源确权登记信息处理方法、系统及设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1959714A (zh) * | 2006-11-24 | 2007-05-09 | 中国科学院上海技术物理研究所 | 基于遥感影像的城市基础生态环境时空分析评价方法 |
CN103983304A (zh) * | 2014-05-06 | 2014-08-13 | 北京农业信息技术研究中心 | 一种河道水质监测系统及方法 |
CN106428564A (zh) * | 2016-09-18 | 2017-02-22 | 成都天麒科技有限公司 | 一种基于农作物生长周期的无人机喷洒方法及系统 |
CN206075465U (zh) * | 2016-08-24 | 2017-04-05 | 深圳市捷佳技术开发科技有限公司 | 一种用于实时监测森林火灾的新型航拍无人机 |
CN108982792A (zh) * | 2018-06-05 | 2018-12-11 | 北京蓝尊科技有限公司 | 一种生态环境监测监管系统 |
CN109064445A (zh) * | 2018-06-28 | 2018-12-21 | 中国农业科学院特产研究所 | 一种动物的数量统计方法和系统、存储介质 |
CN110033391A (zh) * | 2019-04-19 | 2019-07-19 | 吉林工程技术师范学院 | 一种矿产资源采集监测系统 |
-
2020
- 2020-02-05 CN CN202010081054.0A patent/CN111126354A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1959714A (zh) * | 2006-11-24 | 2007-05-09 | 中国科学院上海技术物理研究所 | 基于遥感影像的城市基础生态环境时空分析评价方法 |
CN103983304A (zh) * | 2014-05-06 | 2014-08-13 | 北京农业信息技术研究中心 | 一种河道水质监测系统及方法 |
CN206075465U (zh) * | 2016-08-24 | 2017-04-05 | 深圳市捷佳技术开发科技有限公司 | 一种用于实时监测森林火灾的新型航拍无人机 |
CN106428564A (zh) * | 2016-09-18 | 2017-02-22 | 成都天麒科技有限公司 | 一种基于农作物生长周期的无人机喷洒方法及系统 |
CN108982792A (zh) * | 2018-06-05 | 2018-12-11 | 北京蓝尊科技有限公司 | 一种生态环境监测监管系统 |
CN109064445A (zh) * | 2018-06-28 | 2018-12-21 | 中国农业科学院特产研究所 | 一种动物的数量统计方法和系统、存储介质 |
CN110033391A (zh) * | 2019-04-19 | 2019-07-19 | 吉林工程技术师范学院 | 一种矿产资源采集监测系统 |
Non-Patent Citations (2)
Title |
---|
张志刚等: "基于3S技术的自然资源一体化监测调查体系探索", 《北京测绘》 * |
李晓琴等: "格尔木土地荒漠化遥感动态监测研究", 《国土资源遥感》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111854700A (zh) * | 2020-07-10 | 2020-10-30 | 安徽农业大学 | 基于物联网和云计算的无人机监测管理系统 |
CN111854700B (zh) * | 2020-07-10 | 2021-07-27 | 安徽农业大学 | 基于物联网和云计算的无人机监测管理系统 |
CN113723224A (zh) * | 2021-08-12 | 2021-11-30 | 新疆爱华盈通信息技术有限公司 | 一种远程树木砍伐智能监测的方法、装置及介质 |
CN115620031A (zh) * | 2022-12-12 | 2023-01-17 | 广东新禾道信息科技有限公司 | 一种自然资源确权登记信息处理方法、系统及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111126354A (zh) | 一种基于多时相的自然资源监测发现方法 | |
CN109522788B (zh) | 基于随机森林分类算法的城市范围提取方法、装置及电子设备 | |
CN115661650A (zh) | 一种基于物联网数据监测的农场管理系统 | |
CN110287902B (zh) | 畜禽存活检测方法、装置、设备及计算机程序产品 | |
Valle | Rapid drone semi‐automated counts of wintering Greater Flamingos (Phoenicopterus roseus) as a tool for amateur researchers | |
CN112150498A (zh) | 体态信息的确定方法、装置、存储介质及电子装置 | |
CN114359830A (zh) | 图像检测方法、设备及计算机存储介质 | |
CN117451012A (zh) | 一种无人机航摄测量方法及系统 | |
KR100785350B1 (ko) | 양식장 모니터링 방법 및 그 시스템 | |
Zhang et al. | Automatic counting of lettuce using an improved YOLOv5s with multiple lightweight strategies | |
CN115620119A (zh) | 一种天气类型图像检测及雾天图像处理方法及装置 | |
CN111815202B (zh) | 一种蜂蜜生产的预测方法及系统 | |
CN115527111A (zh) | 水稻种植信息及复种指数遥感提取方法、装置及设备 | |
CN115240168A (zh) | 感知结果获取方法、装置、计算机设备、存储介质 | |
CN112380486B (zh) | 用于海水观赏鱼养殖状态的动态监测评估方法及系统 | |
Dimitrov et al. | Infrared thermal monitoring of intelligent grassland via drone | |
CN213601229U (zh) | 对象密度监控系统 | |
CN113192294A (zh) | 一种水位监测预警摄像头数据处理方法 | |
CN113514402A (zh) | 一种冬小麦叶绿素含量的预测系统及方法 | |
CN116304595B (zh) | 基于共享云平台的智能运动分析系统及方法 | |
CN115272314B (zh) | 农业低空遥感测绘方法、装置 | |
CN112036022B (zh) | 一种秧苗需水定量方法、装置及灌溉系统 | |
CN111726582B (zh) | 应用数值分析的防水式室外监控系统及方法 | |
CN115187860B (zh) | 一种植物病虫害评估方法及系统 | |
JP7330867B2 (ja) | 撮像装置、情報処理装置、情報処理システム、データの生成方法、およびプログラム |
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 |
Application publication date: 20200508 |
|
RJ01 | Rejection of invention patent application after publication |