CN114414491B - 一种草原生态动态监测与分析系统 - Google Patents

一种草原生态动态监测与分析系统 Download PDF

Info

Publication number
CN114414491B
CN114414491B CN202111658704.4A CN202111658704A CN114414491B CN 114414491 B CN114414491 B CN 114414491B CN 202111658704 A CN202111658704 A CN 202111658704A CN 114414491 B CN114414491 B CN 114414491B
Authority
CN
China
Prior art keywords
data
biomass
monitoring
unit
remote sensing
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
Application number
CN202111658704.4A
Other languages
English (en)
Other versions
CN114414491A (zh
Inventor
康海军
王九峦
辛玉春
刘晓建
徐公芳
于海
施宝顺
李宏达
王晓博
三智才旦
陆阿飞
马文文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qinghai Provincial Grassland Station
Original Assignee
Qinghai Provincial Grassland Station
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Qinghai Provincial Grassland Station filed Critical Qinghai Provincial Grassland Station
Priority to CN202111658704.4A priority Critical patent/CN114414491B/zh
Publication of CN114414491A publication Critical patent/CN114414491A/zh
Application granted granted Critical
Publication of CN114414491B publication Critical patent/CN114414491B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1793—Remote sensing
    • G01N2021/1797—Remote sensing in landscape, e.g. crops

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Environmental & Geological Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Immunology (AREA)
  • Computing Systems (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Medical Informatics (AREA)
  • Analytical Chemistry (AREA)
  • Atmospheric Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种草原生态动态监测与分析系统，涉及数据分析技术领域，自动化获取草原生态自动监测站的监测数据及卫星遥感数据，模拟得出草原的植被覆盖度和地上生物量，并基于图像识别与动态阈值判断植被处于返青期、枯黄期或生长期，结合气象数据，对植物覆盖度和生物量进行变化值分析和驱动成因分析得出草原生态环境的变化动态。本发明提供的一种草原生态动态监测与分析系统，基于草原自动监测站的监测数据和卫星遥感数据，利用机器学习和定量反演技术，动态监测并分析草原覆盖度、地上生物量、理论载畜量、气象状况以及返青期、枯黄期与生长期等物候状况，提供草原生态动态监测分析报告。

Description

一种草原生态动态监测与分析系统
技术领域
本发明涉及数据分析技术领域，特别涉及一种草原生态动态监测与分析系统。
背景技术
丰富的森林、草原资源是林业、草原畜牧业经济发展的基础。森林、草原的保护、建设和利用对生态安全起着极其重要的作用。然而，森林资源面临总量不足、覆盖率低、质量不高、可采资源少、生态环境脆弱等问题；90％的天然草原出现不同程度退化，沙尘暴、土地荒漠化、水土流失等危害日益增多，人畜数量膨胀，草畜矛盾加剧，草原畜牧业生产方式落后，“靠天养畜”的格局没有得到根本改变。
气象条件在很大程度上决定着森林、草原的地理分布、种群结构和生产力水平，是影响森林、草原生态环境重要而又最为活跃的因素。准确地监测和评估森林、草原生态系统的现状及发展趋势，科学合理地制订草畜平衡政策，开展气象为林牧业生产以及生态环境保护建设服务工作，对各级政府进行科学决策，发展林牧业，提高森林、草原生态环境质量具有十分重要的意义。
因此，本申请提供了一种草原生态动态监测与分析系统，基于草原自动监测站的监测数据和卫星遥感数据，利用机器学习和定量反演技术，动态监测并分析草原覆盖度、地上生物量、理论载畜量、气象状况以及返青期、枯黄期与生长期等物候状况，提供草原生态动态监测分析报告。
发明内容
本发明的目的在于提供一种草原生态动态监测与分析系统，基于草原自动监测站的监测数据和卫星遥感数据，利用机器学习和定量反演技术，动态监测并分析草原覆盖度、地上生物量、理论载畜量、气象状况以及返青期、枯黄期与生长期等物候状况，提供草原生态动态监测分析报告。
本发明提供了一种草原生态动态监测与分析系统，包括：
草原覆盖度监测单元：获取监测数据和卫星遥感数据进行统计分析，基于统计分析结果，利用机器学习算法建立覆盖度计算模型，所述覆盖度计算模型计算出植被覆盖度；
地上生物量监测单元：获取监测数据，基于机器学习和定量遥感原理，建立生物量反演模型，输入监测数据，所述生物量反演模型估算得到地上生物量；
载畜量反演单元：获取卫星遥感数据的历史值，将卫星遥感数据的历史值输入载畜量模型进行生物量反演，得到生物量反演理论值；
报告生成单元：接收覆盖度计算模型和生物量反演模型的输出结果，匹配与各模型对应的监测数据或卫星遥感数据，生成分析报告。
进一步地，还包括：
数据获取单元：建立与草原自动监测站之间建立通讯连接关系，获取草原自动监测站的监测数据；
数据采集单元：获取卫星遥感数据，所述卫星遥感数据包括：MODIS数据、Landsat数据和/或哨兵1号数据。
进一步地，所述草原覆盖度监测单元，包括：
统计分析单元：选择统计分析算法中的k-Means聚类方法，对监测数据和卫星遥感数据的原始数据进行统计分析，得到统计分析的结果数据；
模型建立单元：接收统计分析的结果数据，利用机器学习算法建立覆盖度计算模型，将统计分析的结果数据输入覆盖度计算模型，获取预测时刻的植被覆盖度先验概率和植被覆盖度似然概率，利用动态贝叶斯网络获取所述预测时刻的高空间分辨率植被覆盖度估算结果，输出植被覆盖度。
进一步地，所述模型建立单元接收统计分析的结果数据，包括：全年植被综合生态质量指数、全年植被净初级生产力、全年植被净初级生产力的历史最高值、全年植被净初级生产力的权重系数和关注地域的全年平均植被覆盖度的权重系数。
进一步地，所述地上生物量监测单元，包括：
定量遥感单元：对监测数据历史值的性质、特点及发展变化规律进行定性分析，输出定性分析后的数据；
生物量反演模型建立单元：接收定性分析后的数据，以定性分析后的数据作为自变量，地上生物量作为因变量，构建生物量反演模型；
生物量估算单元：向生物量反演模型输入监测数据，估算得到地上生物量。
进一步地，所述载畜量反演单元，包括：
载畜量模型构建单元：接收卫星遥感数据的历史值，基于机器学习，以卫星遥感数据的历史值为自变量，历史载畜量为因变量，构建载畜量模型；
载畜量反演单元：将卫星遥感数据输入载畜量模型，输出生物量反演理论值。
进一步地，还包括：
气象监测单元，获取与监测数据或卫星遥感数据对应的气象数据。
进一步地，所述报告生成单元，包括：
数据接收单元：接收覆盖度计算模型和生物量反演模型的输出结果；
数据分析单元：根据各模型输入的监测数据或卫星遥感数据，进行输出结果的匹配，分析得到对应监测数据或卫星遥感数据的植被覆盖度和生物量，进行植物覆盖度和生物量的变化值分析和成因分析，判断植被处于返青期、枯黄期或生长期。
进一步地，所述报告生成单元，还包括：
数据比较单元：比较生物量反演模型输出的地上生物量和载畜量模型输出的生物量反演理论值，若地上生物量不小于生物量反演理论值，则表示生物量正常；若地上生物量小于生物量反演理论值，则表示该处的生物量减少，将减少信号输出至告警单元；
告警单元：接收生物量减少信号，进行警示。
与现有技术相比，本发明具有如下显著优点：
本发明提供了一种草原生态动态监测与分析系统，获取草原生态自动监测站的监测数据及卫星遥感数据，模拟得出草原的植被覆盖度和地上生物量，结合气象数据，对植物覆盖度和生物量进行变化值分析和成因分析，判断植被处于返青期、枯黄期或生长期；同时将地上生物量与模拟得出的生物量反演理论值进行比较，得出草原生物环境的变化动态。本发明提供的一种草原生态动态监测与分析系统，基于草原自动监测站的监测数据和卫星遥感数据，利用机器学习和定量反演技术，动态监测并分析草原覆盖度、地上生物量、理论载畜量、气象状况以及返青期、枯黄期与生长期等物候状况，提供草原生态动态监测分析报告。
附图说明
图1为本发明实施例提供的一种草原生态动态监测与分析系统的系统结构图；
图2为本发明实施例提供的草原生态监测平台组成图；
图3为本发明实施例提供的B/S系统架构图。
具体实施方式
下面结合本发明中的附图，对本发明实施例的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
实施例1
参照图1至图3，青海省位于地球“第三极”的青藏高原，大部分地区海拔在3000m以上。长江、黄河、澜沧江三大河流发源于省境南部。独特的生态环境造就了世界上高海拔地区独一无二的生态系统，孕育了高寒区特有的生物区系和动植物种类；是世界上高寒生物多样性最丰富和集中的地区，也是国际生物多样性保护的重点区域，其生态区位在我国生态环境保护和建设中占有极其重要的战略地位。因此，青海省草原生态监测工作尤为重要。
参照图2，为进一步促进草原监测管理的信息化、智能化水平，本发明基于草原自动监测站的监测数据，结合地面人工监测数据和卫星遥感数据，融合图像智能识别、遥感定量反演等数据分析技术，通过3S技术、物联网+的手段，配套建设草原生态监测平台管理软件，进一步提升草原监测业务的智能化水平，支撑全面建立草原智慧平台体系。
本发明基于WebGIS、物联网、移动互联网、遥感定量反演等技术，开展草原自动监测站软件平台建设，实现草原自动监测站监测数据管理查询、处理应用和可视化展示，同时实现草原生态动态监测与分析，满足开展不同的业务应用，最终实现软硬件资源的共用、多元数据的共享以及不同业务联动，加强全区草原生态环境监测监管能力建设，以提高草原管理部门快速反应和准确处理的能力。
参照图1，本发明提供了一种草原生态动态监测与分析系统，包括：
数据获取单元：建立与草原自动监测站之间建立通讯连接关系，获取草原自动监测站的监测数据；
数据采集单元：获取卫星遥感数据，所述卫星遥感数据包括：MODIS数据、Landsat数据和/或哨兵1号数据。
草原覆盖度监测单元：获取监测数据和卫星遥感数据进行统计分析，基于统计分析结果，利用机器学习算法建立覆盖度计算模型，所述覆盖度计算模型计算出植被覆盖度；
地上生物量监测单元：获取监测数据，基于机器学习和定量遥感原理，建立生物量反演模型，输入监测数据，所述生物量反演模型估算得到地上生物量；
载畜量反演单元：获取卫星遥感数据的历史值，将卫星遥感数据的历史值输入载畜量模型进行生物量反演，得到生物量反演理论值；
报告生成单元：接收覆盖度计算模型和生物量反演模型的输出结果，匹配与各模型对应的监测数据或卫星遥感数据，生成分析报告。
本实施例提供的草原覆盖度监测单元，包括：
统计分析单元：选择统计分析算法中的k-Means聚类方法，对监测数据和卫星遥感数据的原始数据进行统计分析，得到统计分析的结果数据；
模型建立单元：接收统计分析的结果数据，利用机器学习算法建立覆盖度计算模型，将统计分析的结果数据输入覆盖度计算模型，获取预测时刻的植被覆盖度先验概率和植被覆盖度似然概率，利用动态贝叶斯网络获取所述预测时刻的高空间分辨率植被覆盖度估算结果，输出植被覆盖度。其中，所述模型建立单元接收统计分析的结果数据，包括：全年植被综合生态质量指数、全年植被净初级生产力、全年植被净初级生产力的历史最高值、全年植被净初级生产力的权重系数和关注地域的全年平均植被覆盖度的权重系数。
本实施例提供的地上生物量监测单元，包括：
定量遥感单元：对监测数据历史值的性质、特点及发展变化规律进行定性分析，输出定性分析后的数据；
生物量反演模型建立单元：接收定性分析后的数据，以定性分析后的数据作为自变量，地上生物量作为因变量，构建生物量反演模型；
生物量估算单元：向生物量反演模型输入监测数据，估算得到地上生物量。
本实施例提供的载畜量反演单元，包括：
载畜量模型构建单元：接收卫星遥感数据的历史值，基于机器学习，以卫星遥感数据的历史值为自变量，历史载畜量为因变量，构建载畜量模型；
载畜量反演单元：将卫星遥感数据输入载畜量模型，输出生物量反演理论值。
本实施例提供的一种草原生态动态监测与分析系统，还包括：
气象监测单元，获取与监测数据或卫星遥感数据对应的气象数据。
所述报告生成单元，包括：
数据接收单元：接收覆盖度计算模型和生物量反演模型的输出结果；
数据分析单元：根据各模型输入的监测数据或卫星遥感数据，进行输出结果的匹配，分析得到对应监测数据或卫星遥感数据的植被覆盖度和生物量，进行植物覆盖度和生物量的变化值分析和成因分析，判断植被处于返青期、枯黄期或生长期。
数据比较单元：比较生物量反演模型输出的地上生物量和载畜量模型输出的生物量反演理论值，若地上生物量不小于生物量反演理论值，则表示生物量正常；若地上生物量小于生物量反演理论值，则表示该处的生物量减少，将减少信号输出至告警单元；
告警单元：接收生物量减少信号，进行警示。
本实施例基于自动监测站获取的气象要素计算样方区域≥0℃活动积温、≥5℃活动积温、≥10℃活动积温、日平均气温、日最高气温、日最低气温、日照时数、月降水指标。分析当年气象监测结果与变化特征，形成草原气象动态监测年度报告。
以上公开的仅为本发明的几个具体实施例，但是，本发明实施例并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

Claims (3)

1.一种草原生态动态监测与分析系统，其特征在于，包括：
草原覆盖度监测单元：获取监测数据和卫星遥感数据进行统计分析，基于统计分析结果，利用机器学习算法建立覆盖度计算模型，所述覆盖度计算模型计算出植被覆盖度；
地上生物量监测单元：获取监测数据，基于机器学习和定量遥感原理，建立生物量反演模型，输入监测数据，所述生物量反演模型估算得到地上生物量；
载畜量反演单元：获取卫星遥感数据的历史值，将卫星遥感数据的历史值输入载畜量模型进行生物量反演，得到生物量反演理论值；
报告生成单元：接收覆盖度计算模型和生物量反演模型的输出结果，匹配与各模型对应的监测数据或卫星遥感数据，生成分析报告；
所述草原覆盖度监测单元，包括：
统计分析单元：选择统计分析算法中的k-Means聚类方法，对监测数据和卫星遥感数据的原始数据进行统计分析，得到统计分析的结果数据；
模型建立单元：接收统计分析的结果数据，利用机器学习算法建立覆盖度计算模型，将统计分析的结果数据输入覆盖度计算模型，获取预测时刻的植被覆盖度先验概率和植被覆盖度似然概率，利用动态贝叶斯网络获取所述预测时刻的高空间分辨率植被覆盖度估算结果，输出植被覆盖度；
所述模型建立单元接收统计分析的结果数据，包括：全年植被综合生态质量指数、全年植被净初级生产力、全年植被净初级生产力的历史最高值、全年植被净初级生产力的权重系数和关注地域的全年平均植被覆盖度的权重系数；
所述载畜量反演单元，包括：
载畜量模型构建单元：接收卫星遥感数据的历史值，基于机器学习，以卫星遥感数据的历史值为自变量，历史载畜量为因变量，构建载畜量模型；
载畜量反演单元：将卫星遥感数据输入载畜量模型，输出生物量反演理论值；
所述地上生物量监测单元，包括：
定量遥感单元：对监测数据历史值的性质、特点及发展变化规律进行定性分析，输出定性分析后的数据；
生物量反演模型建立单元：接收定性分析后的数据，以定性分析后的数据作为自变量，地上生物量作为因变量，构建生物量反演模型；
生物量估算单元：向生物量反演模型输入监测数据，估算得到地上生物量；
所述报告生成单元，包括：
数据接收单元：接收覆盖度计算模型和生物量反演模型的输出结果；
数据分析单元：根据各模型输入的监测数据或卫星遥感数据，进行输出结果的匹配，分析得到对应监测数据或卫星遥感数据的植被覆盖度和生物量，进行植物覆盖度和生物量的变化值分析和成因分析，判断植被处于返青期、枯黄期或生长期；
所述报告生成单元，还包括：
数据比较单元：比较生物量反演模型输出的地上生物量和载畜量模型输出的生物量反演理论值，若地上生物量不小于生物量反演理论值，则表示生物量正常；若地上生物量小于生物量反演理论值，则表示生物量减少，将减少信号输出至告警单元；
告警单元：接收生物量减少信号，进行警示。
2.如权利要求1所述的一种草原生态动态监测与分析系统，其特征在于，还包括：
数据获取单元：建立与草原自动监测站之间建立通讯连接关系，获取草原自动监测站的监测数据；
数据采集单元：获取卫星遥感数据，所述卫星遥感数据包括：MODIS数据、Landsat数据和/或哨兵1号数据。
3.如权利要求1所述的一种草原生态动态监测与分析系统，其特征在于，还包括：
气象监测单元，获取与监测数据或卫星遥感数据对应的气象数据。
CN202111658704.4A 2021-12-30 2021-12-30 一种草原生态动态监测与分析系统 Active CN114414491B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111658704.4A CN114414491B (zh) 2021-12-30 2021-12-30 一种草原生态动态监测与分析系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111658704.4A CN114414491B (zh) 2021-12-30 2021-12-30 一种草原生态动态监测与分析系统

Publications (2)

Publication Number Publication Date
CN114414491A CN114414491A (zh) 2022-04-29
CN114414491B true CN114414491B (zh) 2023-10-27

Family

ID=81270270

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111658704.4A Active CN114414491B (zh) 2021-12-30 2021-12-30 一种草原生态动态监测与分析系统

Country Status (1)

Country Link
CN (1) CN114414491B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116128695B (zh) * 2023-01-10 2023-09-12 浙江九龙山国家级自然保护区管理中心 一种保护区内植物的调查分析系统及方法
CN116682011B (zh) * 2023-06-06 2024-07-30 中国科学院青藏高原研究所 一种高寒草原和草甸植被边界的确定方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102033230A (zh) * 2009-09-25 2011-04-27 中国农业科学院农业资源与农业区划研究所 一种草原卫星遥感监测系统及方法
CN102184162A (zh) * 2011-02-01 2011-09-14 环境保护部卫星环境应用中心 草原植被覆盖时空动态变化的遥感定量监测方法
CN109033543A (zh) * 2018-06-29 2018-12-18 北京师范大学 一种地表异质区植被覆盖度估算方法、装置及设备
CN111504425A (zh) * 2020-04-24 2020-08-07 中国水利水电科学研究院 一种估算干旱平原地区生态地下水位的方法及装置
WO2021226976A1 (zh) * 2020-05-15 2021-11-18 安徽中科智能感知产业技术研究院有限责任公司 一种基于深度神经网络的土壤速效养分反演方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109884664B (zh) * 2019-01-14 2022-12-02 武汉大学 一种城市地上生物量光学微波协同反演方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102033230A (zh) * 2009-09-25 2011-04-27 中国农业科学院农业资源与农业区划研究所 一种草原卫星遥感监测系统及方法
CN102184162A (zh) * 2011-02-01 2011-09-14 环境保护部卫星环境应用中心 草原植被覆盖时空动态变化的遥感定量监测方法
CN109033543A (zh) * 2018-06-29 2018-12-18 北京师范大学 一种地表异质区植被覆盖度估算方法、装置及设备
CN111504425A (zh) * 2020-04-24 2020-08-07 中国水利水电科学研究院 一种估算干旱平原地区生态地下水位的方法及装置
WO2021226976A1 (zh) * 2020-05-15 2021-11-18 安徽中科智能感知产业技术研究院有限责任公司 一种基于深度神经网络的土壤速效养分反演方法

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
1982-2003年内蒙古植被带和植被覆盖度的时空变化;陈效逑;《地理学报》(第01期);全文 *
Using Remote Sensing and GIS Technologies to Estimate Grass Yield and Livestock Carrying Capacity of Alpine Grasslands in Golog Prefecture, China;YU Long et al.;《Pedosphere》;第20卷(第3期);第342-351页 *
典型草地地上生物量遥感反演模型的建立;张小琪 等;《农业网络信息》(第04期);全文 *
北方草地生态气象综合监测预测技术及其应用;钱拴 等;《气象》(第11期);全文 *
基于多源遥感数据的高寒草地生物量反演模型精度—以夏河县桑科草原试验区为例;孟宝平;《草业科学》;第32卷(第11期);第1730-1739页 *
基于高分卫星遥感的天然草地牧草营养含量季节动态反演的研究;于璐;《草地学报》(第02期);全文 *
遥感技术在荒漠化监测中的应用;王志刚;《林业勘查设计.(第01期);全文 *
长株潭城市绿心区公益林生物量遥感反演;王瑞 等;《湖南林业科技》(第04期);全文 *

Also Published As

Publication number Publication date
CN114414491A (zh) 2022-04-29

Similar Documents

Publication Publication Date Title
Araujo et al. Impacts of drought on grape yields in Western Cape, South Africa
CN114414491B (zh) 一种草原生态动态监测与分析系统
Quiring et al. Importance of soil and elevation characteristics for modeling hurricane-induced power outages
Xu et al. Risk assessment for wildfire occurrence in high-voltage power line corridors by using remote-sensing techniques: a case study in Hubei Province, China
Bashari et al. A predictive diagnostic model for wild sheep (Ovis orientalis) habitat suitability in Iran
CN111897030A (zh) 一种雷暴预警系统及方法
KR20170005553A (ko) 지능형 정보제공을 위한 홍수, 가뭄정보의 평가 및 예측 기법 개발
Bashari et al. Risk of fire occurrence in arid and semi-arid ecosystems of Iran: an investigation using Bayesian belief networks
CN111310898A (zh) 一种基于rnn的滑坡灾害易发性预测方法
JP6820625B1 (ja) サーバ、森林データ利用システム、森林データ利用方法およびプログラム
KR101646587B1 (ko) 북서태평양 태풍 활동성에 대한 하이브리드 계절 예측 방법
Kung et al. Drought forecast model and framework using wireless sensor networks
Luu et al. Analysing flood fatalities in Vietnam using national disaster database and tree-based methods
CN117827465B (zh) 一种生态环境预警的方法及相关设备
CN114898138A (zh) 一种基于地形地貌及遥感数据进行森林火灾预测的方法
CN113989086A (zh) 一种基于植物绿化的荒漠生态修复方法及管理分析系统
CN118153802A (zh) 遥感与多环境因素耦合的小麦关键物候期预测方法及装置
CN113821895A (zh) 输电线路覆冰厚度预测模型的构建方法、装置及存储介质
CN114386654A (zh) 一种多尺度数值天气预报模式融合的天气预报方法及装置
CN113240196A (zh) 农业气象数据确定方法、装置、农业管理平台及存储介质
CN113469518A (zh) 一种基于rbf神经网络的农村住房台风灾害预估方法
Berestov et al. Assessment of Weather Risks for Agriculture using Big Data and Industrial Internet of Things Technologies
Maderia Importance of tree species and precipitation for modeling hurricane-induced power outages
Xia et al. Estimating changes in carbon stocks of forest vegetation in Hunan province using the cellular automata-Markov model
Turukmane et al. Proper Weather Forecasting Internet of Things Sensor Framework with Machine Learning

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