CN112528833B - 一种植物样方调查方法、装置及系统 - Google Patents
一种植物样方调查方法、装置及系统 Download PDFInfo
- Publication number
- CN112528833B CN112528833B CN202011422420.0A CN202011422420A CN112528833B CN 112528833 B CN112528833 B CN 112528833B CN 202011422420 A CN202011422420 A CN 202011422420A CN 112528833 B CN112528833 B CN 112528833B
- Authority
- CN
- China
- Prior art keywords
- grass
- sample
- grassland
- angle
- dimensional
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Graphics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Library & Information Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种植物样方调查方法、装置及系统,其中方法包括对植被进行多角度照片拍摄,还包括以下步骤:基于所述多角度照片重建草地的三维结构;基于所述三维结构上的差异,根据草种的不同将草地样方划分为多个区域;基于三维特征,判断划分后的每个区域中的草与预构建的草种结构数据库中的草种三维机构和参数上的相似度,并确认该区域中的草种;统计所述草地样方中各种草的类型及其所占比例;再一次根据与构建的草地群系组成数据库,判断该样方的草种比例所对应的草地群系类型。本发明提出的植物样方调查方法,加入了多角度照片实现了三维重建,并通过两个预构建的数据库,基于两次自动识别,实现了草地群系的自动识别。
Description
技术领域
本发明涉及植被自动识别的技术领域,特别是一种植物样方调查方法、装置及系统。
背景技术
植被样方调查是获取植物群落地理分布特征的重要手段,也是制作植物分布地图的必要数据。为了体现植物群落的空间分布特征,需要在一定的空间范围内,以一定的密度布设一定数量的样点,分别开展植物样方调查并记录各个样点的信息。植物样方调查要求较高的时效性和一致性。一方面,植物会随着季节发生变化,因此要求所有样点的调查能在一定时间内完成,即要求调查快速高效,具备时效性。另一方面,所有样点的植物调查数据需要综合使用,因此要求植物调查方式、信息记录格式遵循统一的规范和格式,具备一致性。
通过智能手机获取植物类型,具有快速高效的优点,已成为极具潜力的植物类型识别方法。现有方法通过拍摄植物花朵,基于大数据识别的方式,已经一定程度上实现了花朵的快速识别。花朵作为植物的生殖器官,是区分植被最为明显的特征;并且由于其与叶片、土壤背景显著的颜色差异,能够较好的从背景中提取出来。
但同样的方法再应用到草地的识别中,就存在明显的问题。一是不同草地群系的图像特征都较为相似,都是绿色叶片,颜色、形状均较为相似。二是一个草地群系中,往往不是单一的物种,而是由多种草种组成,其草种的类型和比例决定了草地群系类型。导致草地群系无法通过传统的图像特征识别出来。
原创力文档网站在2017年12月31日公开了题目为《植物种群的样方调查法》的PPT,详细记录了植物种群的样方调查法,该方法的缺点是速度慢,且对于调查人员的专业知识要求较高,调查大片区域需要投入大量的人力物力,并且不同人员识别的结果受其专业知识限制,具有一定的主观性。
发明内容
为了解决上述的技术问题,本发明提出的植物样方调查方法,加入了多角度照片实现了三维重建,并在此基础上,通过两个预构建的数据库,基于两次自动识别,实现了草地群系的自动识别。
本发明的第一目的是提供一种植物样方调查方法,包括对植被进行多角度照片拍摄,还包括以下步骤:
步骤1:基于所述多角度照片重建草地的三维结构;
步骤2:基于所述三维结构上的差异,根据草种的不同将草地样方划分为多个区域;
步骤3:基于三维特征,判断划分后的每个区域中的草与预构建的草种结构数据库中的草种三维机构和参数上的相似度,并确认该区域中的草种;
步骤4:统计所述草地样方中各种草的类型及其所占比例;
步骤5:再一次根据与构建的草地群系组成数据库,判断该样方的草种比例所对应的草地群系类型。
优选的是,所述对植被进行多角度照片拍摄方法包括设置一个样方框,围绕所述样方框拍摄多角度照片,所述样方框用于确定样方边界和三维重建的定位。
在上述任一方案中优选的是,所述对植被进行多角度照片拍摄方法还包括解算拍摄单元拍摄时的角度和各个角度照片拍摄的精准拍摄单元位置。
在上述任一方案中优选的是,所述步骤1包括结合所述多角度照片的图像特征、同名点、姿态信息和所述精准拍摄单元位置,开展样方三维重建,提取出样方内部植被的三维结构。
在上述任一方案中优选的是,所述步骤2包括以下子步骤:
步骤21:对所述草地样方内不同区域的三维结构展开聚类分析;
步骤22:对基于三维结构的相似性的区域进行划分和组合;
步骤23:将所述草地样方划分成多个区域,每个区域内结构类似,区域间结构存在差异。
在上述任一方案中优选的是,划分后的每个小区域都只包含一种草。
在上述任一方案中优选的是,所述预构建的草种结构数据库基于已知类型的草种获取,对于已知类型的草种,同样利用拍摄单元拍摄多角度照片并获取三维结构,并获取三维参数,综合大量样本形成数据库。
在上述任一方案中优选的是,所述步骤4包括以下子步骤:
步骤41:遍历样方中的所有小区域,识别出各个小区域的草种类型;
步骤42:统计其投影面积占整个样方的比例,并进行统计合并,最终得到样方中每种草所占的比例。并确定优势种。
在上述任一方案中优选的是,所述步骤5包括基于所获取的该样方草种比例分布,与预构建的草地群系组成数据库进行比对。
在上述任一方案中优选的是,所述预构建的草地群系组成数据库包括不同群系中,各类草所占的比例范围。
本发明的第二目的是提供一种植物样方调查装置,包括拍摄单元、存储单元和通讯单元,还包括处理单元,
所述拍摄单元用于对植被进行多角度照片拍摄;
所述存储单元用于存储所述多角度照片及其图像特征、同名点、姿态信息、精准拍摄单元位置、已知类型的草种类型信息和已知类型的草地群系信息;
所述处理单元用于解算所述拍摄模块拍摄时的角度和各个角度照片拍摄的精准拍摄单元位置;
所述装置采用如第一目的所述的方法进行植物样方调查。
在上述任一方案中优选的是,所述处理单元还用于结合所诉多角度照片的图像特征、同名点、姿态信息和所述精准拍摄单元位置,开展样方三维重建,提取出样方内部植被的三维结构。
在上述任一方案中优选的是,所述处理单元还用于基于所述三维结构上的差异,根据草种的不同将草地样方划分为多个区域,包括:对所述草地样方内不同区域的三维结构展开聚类分析;对基于三维结构的相似性的区域进行划分和组合;将所述草地样方划分成多个区域,每个区域内结构类似,区域间结构存在差异。
在上述任一方案中优选的是,所述处理单元还用于基于三维特征,判断划分后的每个区域中的草与预构建的草种结构数据库中的草种三维机构和参数上的相似度,并确认该区域中的草种。
在上述任一方案中优选的是,所述预构建的草种结构数据库基于已知类型的草种获取,对于已知类型的草种,同样利用拍摄单元拍摄多角度照片并获取三维结构,并获取三维参数,综合大量样本形成数据库。
在上述任一方案中优选的是,所述处理单元还用于统计所述草地样方中各种草的类型及其所占比例,包括遍历样方中的所有小区域,识别出各个小区域的草种类型;统计其投影面积占整个样方的比例,并进行统计合并,最终得到样方中每种草所占的比例。并确定优势种。
在上述任一方案中优选的是,所述处理单元还用于再一次根据与构建的草地群系组成数据库,判断该样方的草种比例所对应的草地群系类型,基于所获取的该样方草种比例分布,与预构建的草地群系组成数据库进行比对。
在上述任一方案中优选的是,所述预构建的草地群系组成数据库包括不同群系中,各类草所占的比例范围。
在上述任一方案中优选的是,所述通讯单元用于所述处理单元与所述草种结构数据库和所述草地群系组成数据库进行数据通讯。
本发明的第三目的是提供一种植物样方调查系统,包括云数据库,还包括如第二目的所述的植物样方调查装置,
所述云数据库包括草种结构数据库和草地群系组成数据库。
在上述任一方案中优选的是,所述草种结构数据库基于已知类型的草种获取,对于已知类型的草种,同样利用拍摄单元拍摄多角度照片并获取三维结构,并获取三维参数,综合大量样本形成数据库。
在上述任一方案中优选的是,所述草地群系组成数据库包括不同群系中,各类草所占的比例范围。
本发明提出了一种植物样方调查方法、装置及系统,相对于传统的人工识别方法,大大提高了识别效率,并减小了主观性的影响。
附图说明
图1为按照本发明的植物样方调查方法的一优选实施例的流程图。
图2为按照本发明的植物样方调查方法的草地样方划分方法的一实施例的流程图。
图3为按照本发明的植物样方调查方法的统计类型及其所占比例方法的一实施例的流程图。
图4为按照本发明的植物样方调查装置的一优选实施例的模块图。
图5为按照本发明的植物样方调查系统的一优选优选实施例的模块图。
具体实施方式
下面结合附图和具体的实施例对本发明做进一步的阐述。
实施例一
如图1所示,执行步骤100,对植被进行多角度照片拍摄,设置一个样方框,围绕所述样方框拍摄多角度照片,所述样方框用于确定样方边界和三维重建的定位,解算拍摄单元拍摄时的角度和各个角度照片拍摄的精准相机位置。
执行步骤110,基于所述多角度照片重建草地的三维结构,结合所述多角度照片的图像特征、同名点、姿态信息和所述精准相机位置,开展样方三维重建,提取出样方内部植被的三维结构。
执行步骤120,基于所述三维结构上的差异,根据草种的不同将草地样方划分为多个区域。如图2所示,执行步骤121,对所述草地样方内不同区域的三维结构展开聚类分析。执行步骤122,对基于三维结构的相似性的区域进行划分和组合。执行步骤123,将所述草地样方划分成多个区域,每个区域内结构类似,区域间结构存在差异
执行步骤130,基于三维特征,判断划分后的每个区域中的草与预构建的草种结构数据库中的草种三维机构和参数上的相似度,并确认该区域中的草种,划分后的每个小区域都只包含一种草。预构建的草种结构数据库基于已知类型的草种获取,对于已知类型的草种,同样利用拍摄单元拍摄多角度照片并获取三维结构,并获取三维参数,综合大量样本形成数据库。
执行步骤140,统计所述草地样方中各种草的类型及其所占比例。如图3所示,执行步骤141,历样方中的所有小区域,识别出各个小区域的草种类型。执行步骤142,统计其投影面积占整个样方的比例,并进行统计合并,最终得到样方中每种草所占的比例。并确定优势种。
执行步骤150,再一次根据与构建的草地群系组成数据库,判断该样方的草种比例所对应的草地群系类型,基于所获取的该样方草种比例分布,与预构建的草地群系组成数据库进行比对。预构建的草地群系组成数据库包括不同群系中,各类草所占的比例范围。
实施例二
一种植物样方调查装置,包括拍摄单元200、存储单元210、通讯单元220和处理单元230。所述装置为可移动的智能终端。
拍摄单元200用于对植被进行多角度照片拍摄.
存储单元210用于存储所述多角度照片及其图像特征、同名点、姿态信息、精准相机位置、已知类型的草种类型信息和已知类型的草地群系信息。
通讯单元220用于所述处理单元与所述草种结构数据库和所述草地群系组成数据库进行数据通讯。
处理单元230具有以下功能:
1)解算所述拍摄模块拍摄时的角度和各个角度照片拍摄的精准相机位置。
2)结合所诉多角度照片的图像特征、同名点、姿态信息和所述精准相机位置,开展样方三维重建,提取出样方内部植被的三维结构。
3)基于所述三维结构上的差异,根据草种的不同将草地样方划分为多个区域,包括:对所述草地样方内不同区域的三维结构展开聚类分析;对基于三维结构的相似性的区域进行划分和组合;将所述草地样方划分成多个区域,每个区域内结构类似,区域间结构存在差异。
4)基于三维特征,判断划分后的每个区域中的草与预构建的草种结构数据库中的草种三维机构和参数上的相似度,并确认该区域中的草种。预构建的草种结构数据库基于已知类型的草种获取,对于已知类型的草种,同样利用拍摄单元拍摄多角度照片并获取三维结构,并获取三维参数,综合大量样本形成数据库。
5)统计所述草地样方中各种草的类型及其所占比例,包括遍历样方中的所有小区域,识别出各个小区域的草种类型;统计其投影面积占整个样方的比例,并进行统计合并,最终得到样方中每种草所占的比例。并确定优势种。
6)再一次根据与构建的草地群系组成数据库,判断该样方的草种比例所对应的草地群系类型,基于所获取的该样方草种比例分布,与预构建的草地群系组成数据库进行比对。预构建的草地群系组成数据库包括不同群系中,各类草所占的比例范围。
实施例三
一种植物样方调查系统包括植物样方调查装置300和云数据库310。
植物样方调查装置300用于拍摄草地植被的多角度图片,并与云数据库310的数据进行比对,最终判别的草地群系类型。
云数据库310包括草种结构数据库311和草地群系组成数据库312。草种结构数据库310基于已知类型的草种获取,对于已知类型的草种,同样利用拍摄单元拍摄多角度照片并获取三维结构,并获取三维参数,综合大量样本形成数据库。草地群系组成数据库320包括不同群系中,各类草所占的比例范围。
实施例四
本发明提出了一种植物样方调查方法,具有以下特点:
1、基于手机平台拍摄多角度照片并进行三维结构重建;
2、通过三维结构分区进行草种识别,并获得其分种比例
3、通过预构建的植被三维结构数据库识别草种。
本发明的技术方案包括以下内容:
(1)智能手机对植被进行多角度照片拍摄,基于同一样方的多角度照片重建草地的三维结构;
具体地,首先设置一个样方框,一方面是确定样方边界,一方面也用于三维重建地定位。围绕样方框,拍摄多角度地照片。拍摄照片时,同时记录手机地陀螺仪以及加速器等定姿传感器,解算出手机拍摄时的角度。结合图像特征、同名点以及姿态信息,解算各个角度照片拍摄的精确相机位置,开展样方三维重建,最终提取出样方内部植被的三维结构。
(2)基于三维结构上的差异,将草地样方根据草种的不同划分为多个区域;
基于面向对象的思路,对样方内不同区域的三维结构开展聚类分析,基于三维结构的相似性的区域进行划分和组合,将样方划分为多个区域,每个区域内结构类似,区域之间结构存在差异。
(3)划分后的每个小区域只包含一种草,基于三维特征,判断其与预构建的数据库中的草种三维结构和参数上的相似性,确定该区域中的草种;
针对每一个小区域,均将其的结构参数以及三维结构与预构建的数据库中的草种信息进行比对。预构建的草种结构数据库基于已知类型的草种获取,对于已知类型的草种,同样利用手机拍摄多角度照片并获取三维结构,并获取三维参数,综合大量样本形成数据库。该数据库在识别前构建好,不需要现场构建,后期也可不断更新。
(4)统计样方中各种草的类型及其所占比例;
遍历样方中的所有小区域,运用上一步的判别方法,识别出各个小区域的草种类型,同时统计其投影面积占整个样方的比例,并进行统计合并,最终得到样方中每种草所占的比例。并确定优势种。
(5)再一次根据预构建的草地群系组成数据库,判断该样方的草种比例所对应的草地群系类型,实现草地群系的快速识别。
基于所获取的该样方草种比例分布,与预构建的草地群系组成数据库进行比对。该草地群系组成数据库包括不同群系中,各类草所占的比例范围,该数据库同样在识别前基于草地群系定义构建好,识别中不再需要进行构建。在这一步识别后,既提供出最终判别的草地群系类型。
为了更好地理解本发明,以上结合本发明的具体实施例做了详细描述,但并非是对本发明的限制。凡是依据本发明的技术实质对以上实施例所做的任何简单修改,均仍属于本发明技术方案的范围。本说明书中每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言,由于其与方法实施例基本对应,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
Claims (8)
1.一种植物样方调查方法,包括对植被进行多角度照片拍摄,其特征在于,还包括以下步骤:
步骤1:基于所述多角度照片重建草地的三维结构;
步骤2:基于所述三维结构上的差异,根据草种的不同将草地样方划分为多个区域,包括以下子步骤:
步骤21:对所述草地样方内不同区域的三维结构展开聚类分析;
步骤22:对基于三维结构的相似性的区域进行划分和组合;
步骤23:将所述草地样方划分成多个区域,每个区域内结构类似,区域间结构存在差异;
步骤3:基于三维特征,判断划分后的每个区域中的草与预构建的草种结构数据库中的草种三维机构和参数上的相似度,并确认该区域中的草种;
步骤4:统计所述草地样方中各种草的类型及其所占比例,包括以下子步骤:
步骤41:遍历样方中的所有小区域,识别出各个小区域的草种类型;
步骤42:统计其投影面积占整个样方的比例,并进行统计合并,最终得到样方中每种草所占的比例,并确定优势种;
步骤5:再一次根据预构建的草地群系组成数据库,判断该样方的草种比例所对应的草地群系类型。
2.如权利要求1所述的植物样方调查方法,其特征在于,所述对植被进行多角度照片拍摄方法包括设置一个样方框,围绕所述样方框拍摄多角度照片,所述样方框用于确定样方边界和三维重建的定位。
3.如权利要求2所述的植物样方调查方法,其特征在于,所述对植被进行多角度照片拍摄方法还包括解算拍摄单元拍摄时的角度和各个角度照片拍摄的精准拍摄单元位置。
4.如权利要求3所述的植物样方调查方法,其特征在于,所述步骤1包括结合所述多角度照片的图像特征、同名点、姿态信息和所述精准拍摄单元位置,开展样方三维重建,提取出样方内部植被的三维结构。
5.如权利要求4所述的植物样方调查方法,其特征在于,划分后的每个小区域都只包含一种草。
6.如权利要求5所述的植物样方调查方法,其特征在于,所述步骤5包括基于所获取的该样方草种比例分布,与预构建的草地群系组成数据库进行比对。
7.一种植物样方调查装置,包括拍摄单元、存储单元和通讯单元,其特征在于,还包括处理单元,
所述拍摄单元用于对植被进行多角度照片拍摄;
所述存储单元用于存储所述多角度照片及其图像特征、同名点、姿态信息、精准拍摄单元位置、已知类型的草种类型信息和已知类型的草地群系信息;
所述处理单元用于解算所述拍摄单元拍摄时的角度和各个角度照片拍摄的精准拍摄单元位置;
所述装置采用如权利要求1所述的方法进行植物样方调查。
8.一种植物样方调查系统,包括云数据库,其特征在于,还包括如权利要求7所述的植物样方调查装置,
所述云数据库包括草种结构数据库和草地群系组成数据库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011422420.0A CN112528833B (zh) | 2020-12-08 | 2020-12-08 | 一种植物样方调查方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011422420.0A CN112528833B (zh) | 2020-12-08 | 2020-12-08 | 一种植物样方调查方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112528833A CN112528833A (zh) | 2021-03-19 |
CN112528833B true CN112528833B (zh) | 2022-09-13 |
Family
ID=74998141
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011422420.0A Active CN112528833B (zh) | 2020-12-08 | 2020-12-08 | 一种植物样方调查方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112528833B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114184123A (zh) * | 2021-12-15 | 2022-03-15 | 西南林业大学 | 一种测算草地样方三维绿量的装置及方法 |
CN115574786A (zh) * | 2022-10-09 | 2023-01-06 | 内蒙古师范大学 | 基于手机相机提取农作物植被盖度和密度的方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107991431A (zh) * | 2017-09-30 | 2018-05-04 | 北京林业大学 | 一种湿地植物群落多样性调查和采样方法 |
CN110084120A (zh) * | 2019-03-26 | 2019-08-02 | 南方电网调峰调频发电有限公司 | 海岛环境下的植被调查方法、装置、系统、设备和介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102009023896B4 (de) * | 2009-06-04 | 2015-06-18 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Vorrichtung und Verfahren zum Erfassen einer Pflanze |
-
2020
- 2020-12-08 CN CN202011422420.0A patent/CN112528833B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107991431A (zh) * | 2017-09-30 | 2018-05-04 | 北京林业大学 | 一种湿地植物群落多样性调查和采样方法 |
CN110084120A (zh) * | 2019-03-26 | 2019-08-02 | 南方电网调峰调频发电有限公司 | 海岛环境下的植被调查方法、装置、系统、设备和介质 |
Non-Patent Citations (8)
Title |
---|
不同利用强度下草地植物物种多样性变化――以正镶白旗典型温性草原区为例;艳燕 等;《资源科学》;20120615(第06期);全文 * |
基于RGB模式的一种草地盖度定量快速测定方法研究;章超斌 等;《草业学报》;20130820(第04期);全文 * |
基于地形因子的草地遥感分类方法的研究;赵连春 等;《草业科学》;20061228(第12期);全文 * |
基于数码相机的草地植被盖度测量方法对比研究;陈祖刚 等;《草业学报》;20141220(第06期);全文 * |
大姆山草场草地资源群落特征分析;刘依川 等;《林业勘察设计》;20180615(第02期);全文 * |
用数码相机测定草地盖度的研究;宋雪峰 等;《内蒙古草业》;20041230(第04期);全文 * |
草原植物群落分类方法的比较研究――以呼伦贝尔草原为例;杨筑筑 等;《生态学杂志》;20170714(第08期);全文 * |
麦积山草地植物群落物种多样性及结构相似性特征;陈利云 等;《干旱区资源与环境》;20140115(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112528833A (zh) | 2021-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112528833B (zh) | 一种植物样方调查方法、装置及系统 | |
Cunliffe et al. | Ultra-fine grain landscape-scale quantification of dryland vegetation structure with drone-acquired structure-from-motion photogrammetry | |
CN111461052A (zh) | 基于迁移学习的多个生育期小麦倒伏区域识别方法 | |
CN110991335A (zh) | 一种基于多特征优选的可见光无人机遥感影像森林树种分类方法 | |
CN110598532B (zh) | 一种树木病虫害监控系统及方法 | |
CN112101256A (zh) | 基于云平台的耦合主被动遥感影像的大蒜作物识别方法 | |
CN106991449B (zh) | 一种生活场景重构辅助识别蓝莓品种的方法 | |
CN111242224A (zh) | 一种基于无人机提取分类样本点的多源遥感数据分类方法 | |
CN107145879A (zh) | 一种植物种类自动识别方法及系统 | |
CN113610040B (zh) | 一种基于改进BiSeNetV2分割网络的水稻田杂草密度实时统计方法 | |
CN112053371A (zh) | 一种遥感图像中的水体提取方法和装置 | |
Baily et al. | Comparative assessment of analytical and digital photogrammetric methods in the construction of DEMs of geomorphological forms | |
CN115527130A (zh) | 草原害鼠鼠密度调查方法及智能评估系统 | |
Liu et al. | Selection of Landsat8 image classification bands based on MLC–RFE | |
CN114299379A (zh) | 一种基于高动态影像的阴影区植被覆盖度提取方法 | |
CN117392535A (zh) | 一种面向复杂环境的果树花芽目标检测与白点率估算方法 | |
CN115797764B (zh) | 一种应用于耕地非农化监测的遥感大数据解译方法及系统 | |
CN117078821A (zh) | 基于深度学习的植物快速三维渲染与表征提取工具 | |
CN111191543A (zh) | 油菜产量估测方法 | |
CN115082812A (zh) | 一种农业景观非农生境绿地斑块提取方法及其相关设备 | |
CN113705454A (zh) | 一种包含红外光谱遥感影像的有林地提取方法 | |
CN116823918B (zh) | 作物苗株数测量方法、装置、电子设备及存储介质 | |
CN116486140B (zh) | 土壤质地分类方法、装置和电子设备 | |
CN117853936B (zh) | 小麦冠层图像的冻害识别方法、系统、终端及存储介质 | |
CN115346009B (zh) | 基于高光谱数据和倾斜三维数据的地理实体语义建模方法 |
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 |