CN111369178A - 一种基于生态大数据的矿区生态修复指导系统 - Google Patents
一种基于生态大数据的矿区生态修复指导系统 Download PDFInfo
- Publication number
- CN111369178A CN111369178A CN202010264765.1A CN202010264765A CN111369178A CN 111369178 A CN111369178 A CN 111369178A CN 202010264765 A CN202010264765 A CN 202010264765A CN 111369178 A CN111369178 A CN 111369178A
- Authority
- CN
- China
- Prior art keywords
- mining area
- data
- ecological restoration
- ecological
- mining
- 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
- 238000005065 mining Methods 0.000 title claims abstract description 115
- 238000004364 calculation method Methods 0.000 claims abstract description 33
- 238000005516 engineering process Methods 0.000 claims abstract description 15
- 238000011156 evaluation Methods 0.000 claims abstract description 9
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 239000002689 soil Substances 0.000 claims description 7
- 238000000034 method Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000002146 bilateral effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000005067 remediation Methods 0.000 claims 1
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 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
- 230000000694 effects Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
Images
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于生态大数据的矿区生态修复指导系统，包括：矿区基本信息录入模块、遥感数据采集模块、矿区规模计算模块、植被覆盖率计算模块、矿区生态修复指导模块和生态修复技术指导模块。矿区生态修复指导模块根据获取的矿区规模数据、植被覆盖率数据以及录入的矿区基本信息数据，基于Xception模型输出对应的生态修复指导意见；生态修复技术指导模块根据所述生态修复指导意见基于InceptionV3模型输出对应的生态修复技术指导。本发明实现了矿区生态情况的评估，并提供了指导性的生态修复意见，在可以缩减工作人员工作量的同时，提高了生态修复的效率。
Description
技术领域
本发明涉及矿区生态修复领域，具体涉及一种基于生态大数据的矿区生态修复指导系统。
背景技术
我国矿产资源开发活动由来已久，长期高强度、大规模的矿产开采遗留下来的矿山地质环境问题几乎遍及全国，严重影响了区域生态系统。
土地复垦和生态修复是解决矿山环境保护和综合治理的有效途径。近年来，我国矿山生态修复研究发展迅速，矿区土地的生态复垦工作也逐步开展起来。为避免和减少对环境的破坏，应依据矿山不同开采时期的技术特点和自然环境等因素，制定和调整相应的复垦和生态修复方案，做到采矿与生态修复的一体化、同步化，最终实现矿山生态功能的修复至关重要。
目前，矿山生态修复计划的制定均依赖人为测定规划，工作量大的同时，修复效率较低。
发明内容
为解决上述问题，本发明提供了一种基于生态大数据的矿区生态修复指导系统，实现了矿区生态情况的评估，并提供了指导性的生态修复意见，在可以缩减工作人员工作量的同时，提高了生态修复的效率。
为实现上述目的，本发明采取的技术方案为：
一种基于生态大数据的矿区生态修复指导系统，包括：
矿区基本信息录入模块，用于录入矿区所在的地理位置、矿种、开采方式、气候条件、矿区土壤性质、地质背景、地形、地貌等信息；
遥感数据采集模块，用于定点采集矿区遥感图像数据；
矿区规模计算模块，用于读取遥感图像数据的POS数据，根据POS数据实现遥感图像的拼接，然后基于拼接后所得的矿区整体图实现矿区规模的计算；
植被覆盖率计算模块，用于读取遥感图像数据的POS数据，基于SSD_ InceptionV3_coco 模型实现植被覆盖区域的识别，然后实现植被覆盖面积的计算，最后基于植被覆盖面积及矿区规模信息实现植被覆盖率的计算；
矿区生态修复指导模块，用于根据获取的矿区规模数据、植被覆盖率数据以及录入的矿区基本信息数据，基于Xception模型输出对应的生态修复指导意见；
生态修复技术指导模块，用于根据所述生态修复指导意见基于InceptionV3模型输出对应的生态修复技术指导。
进一步地，所有遥感图像数据的高程数据相同，从而便于后期尺寸比例的换算。
进一步地，所述矿区规模计算模块首先读取遥感图像数据的POS数据，根据POS数据实现遥感图像的拼接获取矿区整体图；然后采用双边滤波和分段线性变换算法分别进行图像去噪和图像增强预处理；采用迭代自适应阈值分割法进行图像二值化处理，基于连通分量的形态学区域特征去除小面积杂点噪声，完成矿区所在位置的识别；并基于连通分量外接矩形的长宽比进行矿区尺寸的测量，最后基于测量所得的尺寸以及所述POS数据对应的换算比例数据实现矿区规模数据的获取。
进一步地，所述植被覆盖率计算模块首先读取遥感图像数据的POS数据，基于SSD_InceptionV3_coco 模型实现植被覆盖区域的识别，然后基于连通分量外接矩形的长宽比进行植被覆盖区域尺寸的测量，最后基于测量所得的尺寸以及所述POS数据对应的换算比例数据实现植被覆盖面积的计算，最后基于总的植被覆盖面积及矿区规模信息实现植被覆盖率的计算。
进一步地，所述矿区生态修复指导模块首先根据地理位置、矿种、开采方式、气候条件、地质背景、地形、地貌等信息基于最邻近分类器调用对应的Xception模型，然后将矿区土壤性质、矿区规模数据、植被覆盖率数据录入所述Xception模型，实现矿区生态情况的评估以及对应生态修复指导意见的获取，确定生态修复方向。
进一步地，所述生态修复技术指导模块，用于根据所述地理位置、矿种、开采方式、气候条件、地质背景、地形、地貌等信息基于最邻近分类器调用对应的InceptionV3模型，将所述生态修复指导意见输入所述InceptionV3模型，实现对应的生态修复技术指导数据的获取。
进一步地，所述Xception模型、InceptionV3模型均基于历史矿区生态修复成功案例训练所得。
进一步地，协同遥感数据采集模块以及植被覆盖率计算模块可以实现矿区生态修复情况的评估。
本发明具有以下有益效果：
基于矿区土壤性质、矿区规模数据、植被覆盖率数据实现了矿区生态情况的评估，并自动输出针对性的生态修复意见，可以缩减工作人员工作量的同时，提高了生态修复的效率
矿区规模数据、植被覆盖率数据均基于自动计算的方式获取，同时自带生态修复情况评估功能，大大缩减了工作人员的工作量。
附图说明
图1为本发明实施例一种基于生态大数据的矿区生态修复指导系统的系统框图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。
如图1所示，本发明实施例提供了一种基于生态大数据的矿区生态修复指导系统，包括：
矿区基本信息录入模块，用于录入矿区所在的地理位置、矿种、开采方式、气候条件、矿区土壤性质、地质背景、地形、地貌等信息；
遥感数据采集模块，用于通过无人机定点（纬度、经度、高程）采集矿区遥感图像数据；
矿区规模计算模块，用于读取遥感图像数据的POS数据，根据POS数据实现遥感图像的拼接，然后基于拼接后所得的矿区整体图实现矿区规模的计算；
植被覆盖率计算模块，用于读取遥感图像数据的POS数据，基于SSD_ InceptionV3_coco 模型实现植被覆盖区域的识别，然后实现植被覆盖面积的计算，最后基于植被覆盖面积及矿区规模信息实现植被覆盖率的计算；
矿区生态修复指导模块，用于根据获取的矿区规模数据、植被覆盖率数据以及录入的矿区基本信息数据，基于Xception模型输出对应的生态修复指导意见；
生态修复技术指导模块，用于根据所述生态修复指导意见基于InceptionV3模型输出对应的生态修复技术指导。
本实施例中，所述POS数据包括纬度、经度、高程、航向角（Phi）、俯仰角（Omega）及翻滚角（Kappa），所有遥感图像数据的高程数据相同，从而便于后期尺寸比例的换算。
本实施例中，所述矿区规模计算模块首先读取遥感图像数据的POS数据，以其中一个遥感图像数据为基准根据航向角（Phi）、俯仰角（Omega）及翻滚角（Kappa）数据实现遥感图像偏转角度的调整，完成所有遥感图像数据角度调整后，基于纬度、经度数据实现这些遥感图像的拼接，获取矿区整体图；然后采用双边滤波和分段线性变换算法分别进行图像去噪和图像增强预处理；采用迭代自适应阈值分割法进行图像二值化处理，基于连通分量的形态学区域特征去除小面积杂点噪声，完成矿区所在位置的识别；并基于连通分量外接矩形的长宽比进行矿区尺寸的测量，最后基于测量所得的尺寸以及所述POS数据对应的换算比例数据实现矿区规模数据的获取。
本实施例中，所述植被覆盖率计算模块首先读取遥感图像数据的POS数据（从而可以实现植被覆盖区所在地理位置信息的获取），基于SSD_InceptionV3_coco 模型依次实现所有遥感图像中植被覆盖区域的识别，然后基于连通分量外接矩形的长宽比进行植被覆盖区域尺寸的测量，最后基于测量所得的尺寸以及所述POS数据对应的换算比例数据实现植被覆盖面积的计算，然后完成植被覆盖面积的求和操作，最后基于总的植被覆盖面积及矿区规模信息实现植被覆盖率的计算。
本实施例中，所述矿区生态修复指导模块首先根据地理位置、矿种、开采方式、气候条件、地质背景、地形、地貌等信息基于最邻近分类器调用对应的Xception模型，然后将矿区土壤性质、矿区规模数据、植被覆盖率数据录入所述Xception模型，实现矿区生态情况的评估以及对应生态修复指导意见的获取，确定生态修复方向。
本实施例中，所述生态修复技术指导模块，用于根据所述地理位置、矿种、开采方式、气候条件、地质背景、地形、地貌等信息基于最邻近分类器调用对应的InceptionV3模型，将所述生态修复指导意见输入所述InceptionV3模型，实现对应的生态修复技术指导数据的获取。
本实施例中，所述Xception模型、InceptionV3模型均基于历史矿区生态修复成功案例训练所得。所述SSD_ InceptionV3_coco 模型采用ssd目标检测算法，用coco数据集预训练InceptionV3_深度神经网络，然后用先前准备好的数据集训练该模型，微调深度神经网络中的各项参数，最后得到合适的用于检测植被的目标检测模型。
本实施例中，协同遥感数据采集模块以及植被覆盖率计算模块可以实现矿区生态修复情况的评估，具体的，通过调用遥感数据采集模块定时定点进行遥感图像数据的获取，然后基于植被覆盖率计算模块实现新的遥感图像数据中植被覆盖面积的计算，再将该植被覆盖面积与原来对应位置所采取的遥感图像的植被覆盖面积进行对比，即可实现矿区生态修复情况的评估。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。
Claims (8)
1.一种基于生态大数据的矿区生态修复指导系统，其特征在于：包括：
矿区基本信息录入模块，用于录入矿区所在的地理位置、矿种、开采方式、气候条件、矿区土壤性质、地质背景、地形、地貌信息；
遥感数据采集模块，用于定点采集矿区遥感图像数据；
矿区规模计算模块，用于读取遥感图像数据的POS数据，根据POS数据实现遥感图像的拼接，然后基于拼接后所得的矿区整体图实现矿区规模的计算；
植被覆盖率计算模块，用于读取遥感图像数据的POS数据，基于SSD_ InceptionV3_coco 模型实现植被覆盖区域的识别，然后实现植被覆盖面积的计算，最后基于植被覆盖面积及矿区规模信息实现植被覆盖率的计算；
矿区生态修复指导模块，用于根据获取的矿区规模数据、植被覆盖率数据以及录入的矿区基本信息数据，基于Xception模型输出对应的生态修复指导意见；
生态修复技术指导模块，用于根据所述生态修复指导意见基于InceptionV3模型输出对应的生态修复技术指导。
2.如权利要求1所述的一种基于生态大数据的矿区生态修复指导系统，其特征在于：所有遥感图像数据的高程数据相同，从而便于后期尺寸比例的换算。
3.如权利要求1所述的一种基于生态大数据的矿区生态修复指导系统，其特征在于：所述矿区规模计算模块首先读取遥感图像数据的POS数据，根据POS数据实现遥感图像的拼接获取矿区整体图；然后采用双边滤波和分段线性变换算法分别进行图像去噪和图像增强预处理；采用迭代自适应阈值分割法进行图像二值化处理，基于连通分量的形态学区域特征去除小面积杂点噪声，完成矿区所在位置的识别；并基于连通分量外接矩形的长宽比进行矿区尺寸的测量，最后基于测量所得的尺寸以及所述POS数据对应的换算比例数据实现矿区规模数据的获取。
4.如权利要求1所述的一种基于生态大数据的矿区生态修复指导系统，其特征在于：所述植被覆盖率计算模块首先读取遥感图像数据的POS数据，基于SSD_InceptionV3_coco 模型实现植被覆盖区域的识别，然后基于连通分量外接矩形的长宽比进行植被覆盖区域尺寸的测量，最后基于测量所得的尺寸以及所述POS数据对应的换算比例数据实现植被覆盖面积的计算，最后基于总的植被覆盖面积及矿区规模信息实现植被覆盖率的计算。
5.如权利要求1所述的一种基于生态大数据的矿区生态修复指导系统，其特征在于：所述矿区生态修复指导模块首先根据地理位置、矿种、开采方式、气候条件、地质背景、地形、地貌信息基于最邻近分类器调用对应的Xception模型，然后将矿区土壤性质、矿区规模数据、植被覆盖率数据录入所述Xception模型，实现矿区生态情况的评估以及对应生态修复指导意见的获取，确定生态修复方向。
6.如权利要求1所述的一种基于生态大数据的矿区生态修复指导系统，其特征在于：所述生态修复技术指导模块，用于根据所述地理位置、矿种、开采方式、气候条件、地质背景、地形、地貌信息基于最邻近分类器调用对应的InceptionV3模型，将所述生态修复指导意见输入所述InceptionV3模型，实现对应的生态修复技术指导数据的获取。
7.如权利要求1所述的一种基于生态大数据的矿区生态修复指导系统，其特征在于：所述Xception模型、InceptionV3模型均基于历史矿区生态修复成功案例训练所得。
8.如权利要求1所述的一种基于生态大数据的矿区生态修复指导系统，其特征在于：协同遥感数据采集模块以及植被覆盖率计算模块可以实现矿区生态修复情况的评估。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010264765.1A CN111369178A (zh) | 2020-04-07 | 2020-04-07 | 一种基于生态大数据的矿区生态修复指导系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010264765.1A CN111369178A (zh) | 2020-04-07 | 2020-04-07 | 一种基于生态大数据的矿区生态修复指导系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111369178A true CN111369178A (zh) | 2020-07-03 |
Family
ID=71209293
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010264765.1A Pending CN111369178A (zh) | 2020-04-07 | 2020-04-07 | 一种基于生态大数据的矿区生态修复指导系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111369178A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112213265A (zh) * | 2020-09-29 | 2021-01-12 | 水利部牧区水利科学研究所 | 基于无人机遥感技术的植被覆盖监测系统 |
| CN113221780A (zh) * | 2021-05-19 | 2021-08-06 | 神华准格尔能源有限责任公司 | 露天矿复垦效果分析方法、存储介质和电子设备 |
| CN113516083A (zh) * | 2021-07-19 | 2021-10-19 | 中国农业科学院草原研究所 | 一种草原区弃耕地植被的生态修复建模方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102607529A (zh) * | 2012-03-30 | 2012-07-25 | 中国神华能源股份有限公司 | 矿区环境的测量方法、装置以及数据处理设备 |
| JP2013168135A (ja) * | 2012-01-16 | 2013-08-29 | Maeda Corp | 生態系保全及び回復の評価システム |
| CN106228610A (zh) * | 2016-07-25 | 2016-12-14 | 环境保护部南京环境科学研究所 | 结合主导生态功能与生态退化程度的生态修复分区方法 |
| CN106934233A (zh) * | 2017-03-09 | 2017-07-07 | 江西理工大学 | 一种基于psr模型的稀土矿区环境压力量化评估方法及系统 |
| CN107169467A (zh) * | 2017-05-25 | 2017-09-15 | 江西理工大学 | 一种多源时序影像的稀土矿区土地毁损与恢复分析方法 |
| CN107862484A (zh) * | 2017-12-08 | 2018-03-30 | 安徽金联地矿科技有限公司 | 基于矿山生态检测的矿山生态修复方案指导系统 |
| CN108229821A (zh) * | 2018-01-02 | 2018-06-29 | 中国神华能源股份有限公司 | 矿区生态环境的评估方法、装置、存储介质和系统 |
| CN108960622A (zh) * | 2018-06-28 | 2018-12-07 | 河南理工大学 | 一种基于遥感影像的矿区复垦土地质量的自动化评价方法 |
| CN109190224A (zh) * | 2018-08-24 | 2019-01-11 | 中国科学院沈阳应用生态研究所 | 一种基于生态分区的矿山生态修复方法 |
| CN109287187A (zh) * | 2018-11-28 | 2019-02-01 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种基于卫星遥感图像的植被恢复系统及其监测方法 |
| CN109738460A (zh) * | 2019-01-28 | 2019-05-10 | 西京学院 | 一种用于土木工程结构表观缺陷的评定检测系统 |
| CN109923968A (zh) * | 2019-04-27 | 2019-06-25 | 吴镇宇 | 一种矿山生态修复系统 |
-
2020
- 2020-04-07 CN CN202010264765.1A patent/CN111369178A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013168135A (ja) * | 2012-01-16 | 2013-08-29 | Maeda Corp | 生態系保全及び回復の評価システム |
| CN102607529A (zh) * | 2012-03-30 | 2012-07-25 | 中国神华能源股份有限公司 | 矿区环境的测量方法、装置以及数据处理设备 |
| CN106228610A (zh) * | 2016-07-25 | 2016-12-14 | 环境保护部南京环境科学研究所 | 结合主导生态功能与生态退化程度的生态修复分区方法 |
| CN106934233A (zh) * | 2017-03-09 | 2017-07-07 | 江西理工大学 | 一种基于psr模型的稀土矿区环境压力量化评估方法及系统 |
| CN107169467A (zh) * | 2017-05-25 | 2017-09-15 | 江西理工大学 | 一种多源时序影像的稀土矿区土地毁损与恢复分析方法 |
| CN107862484A (zh) * | 2017-12-08 | 2018-03-30 | 安徽金联地矿科技有限公司 | 基于矿山生态检测的矿山生态修复方案指导系统 |
| CN108229821A (zh) * | 2018-01-02 | 2018-06-29 | 中国神华能源股份有限公司 | 矿区生态环境的评估方法、装置、存储介质和系统 |
| CN108960622A (zh) * | 2018-06-28 | 2018-12-07 | 河南理工大学 | 一种基于遥感影像的矿区复垦土地质量的自动化评价方法 |
| CN109190224A (zh) * | 2018-08-24 | 2019-01-11 | 中国科学院沈阳应用生态研究所 | 一种基于生态分区的矿山生态修复方法 |
| CN109287187A (zh) * | 2018-11-28 | 2019-02-01 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种基于卫星遥感图像的植被恢复系统及其监测方法 |
| CN109738460A (zh) * | 2019-01-28 | 2019-05-10 | 西京学院 | 一种用于土木工程结构表观缺陷的评定检测系统 |
| CN109923968A (zh) * | 2019-04-27 | 2019-06-25 | 吴镇宇 | 一种矿山生态修复系统 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112213265A (zh) * | 2020-09-29 | 2021-01-12 | 水利部牧区水利科学研究所 | 基于无人机遥感技术的植被覆盖监测系统 |
| CN112213265B (zh) * | 2020-09-29 | 2023-10-10 | 水利部牧区水利科学研究所 | 基于无人机遥感技术的植被覆盖监测系统 |
| CN113221780A (zh) * | 2021-05-19 | 2021-08-06 | 神华准格尔能源有限责任公司 | 露天矿复垦效果分析方法、存储介质和电子设备 |
| CN113516083A (zh) * | 2021-07-19 | 2021-10-19 | 中国农业科学院草原研究所 | 一种草原区弃耕地植被的生态修复建模方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111369178A (zh) | 一种基于生态大数据的矿区生态修复指导系统 | |
| Lizarazo et al. | Automatic mapping of land surface elevation changes from UAV-based imagery | |
| CN111951392A (zh) | 一种基于时间序列遥感影像和水位监测数据的洲滩枯水位以上地形重建方法 | |
| CN111028255A (zh) | 基于先验信息与深度学习的农田区域预筛选方法及装置 | |
| CN110569733B (zh) | 基于遥感大数据平台的湖泊长时序连续水域变化重建方法 | |
| CN112070056A (zh) | 一种基于面向对象和深度学习的敏感用地识别方法 | |
| CN115452759B (zh) | 一种基于卫星遥感数据的河湖健康指标评价方法及系统 | |
| CN115471980B (zh) | 泥石流灾害预警方法 | |
| CN113762083B (zh) | 识别微地形类型的方法、装置、终端设备以及存储介质 | |
| CN113963314A (zh) | 降雨量监测方法、装置、计算机设备及存储介质 | |
| CN117893017A (zh) | 基于卫星遥感图像的尾矿库事故风险预测方法及系统 | |
| Bescoby | Detecting Roman land boundaries in aerial photographs using Radon transforms | |
| DeLancey et al. | The synergistic use of RADARSAT-2 ascending and descending images to improve surface water detection accuracy in Alberta, Canada | |
| Sui et al. | Processing of multitemporal data and change detection | |
| CN113496182A (zh) | 基于遥感影像的道路提取方法及装置、存储介质及设备 | |
| Taherzadeh et al. | A comparison of hyperspectral data and WorldView-2 images to detect impervious surface | |
| Samodra et al. | Benchmarking landslide inventory data handling strategies for landslide susceptibility modeling based on different random forest machine learning workflows | |
| CN112711793B (zh) | 一种削山建设识别方法及装置 | |
| CN116778332B (zh) | 基于dem的河流沿岸易淹没范围识别方法及系统 | |
| Fischer et al. | An open-source GIS approach to understanding dunefield morphologic variability at Kati Thanda (Lake Eyre), Central Australia | |
| Li et al. | Automatic detection of beacon towers in historical aerial images using improved FCOS | |
| Wang | Mapping the Urban Landscape: A Remote Sensing and Deep Learning Approach to Identifying Forests and Land Cover Features in a Desert City | |
| Nilsen | Lidar-based building and change detection in urban areas | |
| Gustin et al. | Mapping the Suitability of Land Use to the Regional Spatial Plans in Batam City | |
| Junaid | The Classification of Land Use and Land Cover was conducted using the Manual Method in ArcGIS and using AI/ML in the Google Earth Engine for Salem District, Tamilnadu, India. |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200703 |