CN116883221B - 一种流域生态监测方法 - Google Patents
一种流域生态监测方法 Download PDFInfo
- Publication number
- CN116883221B CN116883221B CN202311151424.3A CN202311151424A CN116883221B CN 116883221 B CN116883221 B CN 116883221B CN 202311151424 A CN202311151424 A CN 202311151424A CN 116883221 B CN116883221 B CN 116883221B
- Authority
- CN
- China
- Prior art keywords
- basin
- soil
- ecological
- flow monitoring
- map
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012549 training Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 239000002689 soil Substances 0.000 claims description 45
- 238000004162 soil erosion Methods 0.000 claims description 24
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 8
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000003628 erosive effect Effects 0.000 description 2
- 230000008020 evaporation Effects 0.000 description 2
- 238000001704 evaporation Methods 0.000 description 2
- 230000000813 microbial effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Development Economics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种流域生态监测方法,属于数据处理技术领域,包括以下步骤:S1、获取流域地图,并生成流域地图对应的栅格地图;S2、获取栅格地图对应的实时生态数据,并对实时生态数据进行预处理,生成标准生态数据;S3、构建并训练流量监测模型;S4、将标准生态数据输入至训练后的流量监测模型中,得到标准生态数据的流量监测值;S5、在标准生态数据的流量监测值大于流量监测阈值时进行报警,完成流域生态监测。该流域生态监测方法为流域提出一套系统科学的监测体系,方可为流域的生态治理提供有效的监测保障,为生态环境的评估提供依据。
Description
技术领域
本发明属于数据处理技术领域,具体涉及一种流域生态监测方法。
背景技术
流域是指某一封闭的地形单元,该单元内有溪流或河川排泄某一断面以上全部面积的径流。通常把流域作为一个生态经济系统,进行管理。流域生态监测作为流域管理中的重要一环,为河流生态健康状况的评估、调控和环境管理提供重要科学依据的活动过程。
关于流域的生态监测,需要基于现状情况下流域特点和生态环境参数完成。目前尚缺少具体的系统的监测规划方案,监测内容不够完整,监测参数不够丰富。
发明内容
本发明为了解决以上问题,提出了一种流域生态监测方法。
本发明的技术方案是:一种流域生态监测方法包括以下步骤:
S1、获取流域地图,并生成流域地图对应的栅格地图;
S2、获取栅格地图对应的实时生态数据,并对实时生态数据进行预处理,生成标准生态数据;
S3、构建并训练流量监测模型;
S4、将标准生态数据输入至训练后的流量监测模型中,得到标准生态数据的流量监测值;
S5、在标准生态数据的流量监测值大于流量监测阈值时进行报警,完成流域生态监测。
进一步地,S1包括以下步骤:
S11、获取流域地图,并将流域地图均分为若干个流域子地图;
S12、获取各个流域子地图的原始位置坐标;
S13、对各个流域子地图的原始位置坐标进行栅格转换,得到对应的栅格位置坐标;
S14、将包含栅格位置坐标的流域子地图拼接,生成栅格地图。
上述进一步方案的有益效果是:在本发明中,对流域地图进行拆分,对每个子地图进行位置坐标的栅格转换,再拼接,就可以得到栅格地图,该栅格地图容易构建和保存,且栅格位置坐标唯一,不依赖于生态流域复杂的地理环境。
进一步地,S13中,栅格位置坐标的计算公式为:
,/>;
式中,x表示栅格位置坐标的横坐标,y表示栅格位置坐标的纵坐标,x0表示原始位置坐标的横坐标,y0表示原始位置坐标的纵坐标,α0表示原始位置坐标和原点连线与横坐标正向之间的角度,β0表示原始位置坐标与原点连线与纵坐标正向之间的角度,L表示原始位置坐标与原点之间的直线距离,[·]表示取整函数。
进一步地,S2中,实时生态数据包括土壤湿度、降雨量、植被覆盖率和土壤侵蚀度。
上述进一步方案的有益效果是:在本发明中,土壤湿度是表征流域土壤实际含水量的重要指标,可以影响流域气候,也是流域生态环境中微生物活动和农作物生长发育的重要条件之一。降雨量的大小可以影响流域内土壤湿度。植被覆盖度是刻画土壤地表植被覆盖的重要参数,对土壤持水能力影响较大,植被覆盖率的降低会导致土壤水分的蒸发,进而降低土壤的保水能力。土壤侵蚀度可以反映土壤原生剖面被侵蚀的程度,土壤侵蚀度越高,土壤发生水土流失等可能性越大。基于以上描述,本发明采用上述参数作为流量监测模型的影响参数,使得构建的模型更能反映流域生态环境。
进一步地,S2中,对实时生态数据进行预处理的具体方法为:对实时生态数据依次进行归一化处理、去噪处理和剔除空值处理,生成标准生态数据。
进一步地,S3包括以下子步骤:
S31、根据土壤湿度和土壤侵蚀度,确定土壤调节权重;
S32、构建流量监测模型;
S33、将土壤调节权重作为训练流量监测模型的学习率,将实时生态数据的个数作为训练流量监测模型的正则化参数,完成流量监测模型训练。
进一步地,S31中,土壤调节权重θ的计算公式为:
;
式中,Sn表示第n个单位面积的土壤湿度,S0表示所有单位面积的土壤湿度均值,Qn表示第n个单位面积的土壤侵蚀度,Q0表示所有单位面积的土壤侵蚀度均值,N 表示流域的单位面积总数。
进一步地,S32中,流量监测模型F的表达式为:
;
式中,W0表示流域的平均宽度,L表示流域总长,λ表示0-1的决策变量,N 表示流域的单位面积总数,Sn表示第n个单位面积的土壤湿度,S0表示所有单位面积的土壤湿度均值,Qn表示第n个单位面积的土壤侵蚀度,Q0表示所有单位面积的土壤侵蚀度均值,Zn表示第n个单位面积的植被覆盖率,Z0表示所有单位面积的植被覆盖率均值,Jn表示第n个单位面积的降雨量,J0表示所有单位面积的降雨量均值,ε表示极小值,δ表示流域不对称系数,h表示流域平均高程。
上述进一步方案的有益效果是:在本发明中,λ=0表示非闭合区域,λ=1表示闭合区域。流域的平均宽度与流域总长之间的比值小,则流域呈长条形,流域汇流历时较长,此时流域生态发生不良变化的可能性越大,故计算得到的流量监测模型值越大。
本发明的有益效果是:
(1)该流域生态监测方法通过将流域的电子地图转换为栅格地图,使得地图对应的生态数据包含更多信息值,且栅格地图易保存,便于后期查看;
(2)该流域生态监测方法采集多种类型的参数作为流量监测模型的输入,监测内容全面,并对数据进行预处理,保证数据的准确度;
(3)该流域生态监测方法根据流域的不同地形构建流量监测模型,并将标准生态数据对应的权重作为训练流量监测模型的参数,使得训练后的流量监测模型更加贴合该流域的实际情况,同时使得输出的流量监测值更加准确,可以及时报警;
(4)该流域生态监测方法为流域提出一套系统科学的监测体系,方可为流域的生态治理提供有效的监测保障,为生态环境的评估提供依据。
附图说明
图1为流域生态监测方法的流程图。
具体实施方式
下面结合附图对本发明的实施例作进一步的说明。
如图1所示,本发明提供一种流域生态监测方法,包括以下步骤:
S1、获取流域地图,并生成流域地图对应的栅格地图;
S2、获取栅格地图对应的实时生态数据,并对实时生态数据进行预处理,生成标准生态数据;
S3、构建并训练流量监测模型;
S4、将标准生态数据输入至训练后的流量监测模型中,得到标准生态数据的流量监测值;
S5、在标准生态数据的流量监测值大于流量监测阈值时进行报警,完成流域生态监测。
在本发明实施例中,S1包括以下步骤:
S11、获取流域地图,并将流域地图均分为若干个流域子地图;
S12、获取各个流域子地图的原始位置坐标;
S13、对各个流域子地图的原始位置坐标进行栅格转换,得到对应的栅格位置坐标;
S14、将包含栅格位置坐标的流域子地图拼接,生成栅格地图。
在本发明中,对流域地图进行拆分,对每个子地图进行位置坐标的栅格转换,再拼接,就可以得到栅格地图,该栅格地图容易构建和保存,且栅格位置坐标唯一,不依赖于生态流域复杂的地理环境。
在本发明实施例中,S13中,栅格位置坐标的计算公式为:
,/>,
式中,x表示栅格位置坐标的横坐标,y表示栅格位置坐标的纵坐标,x0表示原始位置坐标的横坐标,y0表示原始位置坐标的纵坐标,α0表示原始位置坐标和原点连线与横坐标正向之间的角度,β0表示原始位置坐标与原点连线与纵坐标正向之间的角度,L表示原始位置坐标与原点之间的直线距离,[·]表示取整函数。
在本发明实施例中,S2中,实时生态数据包括土壤湿度、降雨量、植被覆盖率和土壤侵蚀度。
在本发明中,土壤湿度是表征流域土壤实际含水量的重要指标,可以影响流域气候,也是流域生态环境中微生物活动和农作物生长发育的重要条件之一。降雨量的大小可以影响流域内土壤湿度。植被覆盖度是刻画土壤地表植被覆盖的重要参数,对土壤持水能力影响较大,植被覆盖率的降低会导致土壤水分的蒸发,进而降低土壤的保水能力。土壤侵蚀度可以反映土壤原生剖面被侵蚀的程度,土壤侵蚀度越高,土壤发生水土流失等可能性越大。基于以上描述,本发明采用上述参数作为流量监测模型的影响参数,使得构建的模型更能反映流域生态环境。
在本发明实施例中,S2中,对实时生态数据进行预处理的具体方法为:对实时生态数据依次进行归一化处理、去噪处理和剔除空值处理,生成标准生态数据。
在本发明实施例中,S3包括以下子步骤:
S31、根据土壤湿度和土壤侵蚀度,确定土壤调节权重;
S32、构建流量监测模型;
S33、将土壤调节权重作为训练流量监测模型的学习率,将实时生态数据的个数作为训练流量监测模型的正则化参数,完成流量监测模型训练。
在本发明实施例中,S31中,土壤调节权重θ的计算公式为:
;
式中,Sn表示第n个单位面积的土壤湿度,S0表示所有单位面积的土壤湿度均值,Qn表示第n个单位面积的土壤侵蚀度,Q0表示所有单位面积的土壤侵蚀度均值,N 表示流域的单位面积总数。
在本发明实施例中,S32中,流量监测模型F的表达式为:
;
式中,W0表示流域的平均宽度,L表示流域总长,λ表示0-1的决策变量,N 表示流域的单位面积总数,Sn表示第n个单位面积的土壤湿度,S0表示所有单位面积的土壤湿度均值,Qn表示第n个单位面积的土壤侵蚀度,Q0表示所有单位面积的土壤侵蚀度均值,Zn表示第n个单位面积的植被覆盖率,Z0表示所有单位面积的植被覆盖率均值,Jn表示第n个单位面积的降雨量,J0表示所有单位面积的降雨量均值,ε表示极小值,δ表示流域不对称系数,h表示流域平均高程。
在本发明中,λ=0表示非闭合区域,λ=1表示闭合区域。流域的平均宽度与流域总长之间的比值小,则流域呈长条形,流域汇流历时较长,此时流域生态发生不良变化的可能性越大,故计算得到的流量监测模型值越大。流量监测模型值越大,表示流域生态环境发生恶化的可能性越大,故需报警提示。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (5)
1.一种流域生态监测方法,其特征在于,包括以下步骤:
S1、获取流域地图,并生成流域地图对应的栅格地图;
S2、获取栅格地图对应的实时生态数据,并对实时生态数据进行预处理,生成标准生态数据;
S3、构建并训练流量监测模型;
S4、将标准生态数据输入至训练后的流量监测模型中,得到标准生态数据的流量监测值;
S5、在标准生态数据的流量监测值大于流量监测阈值时进行报警,完成流域生态监测;
所述S3包括以下子步骤:
S31、根据土壤湿度和土壤侵蚀度,确定土壤调节权重;
S32、构建流量监测模型;
S33、将土壤调节权重作为训练流量监测模型的学习率,将实时生态数据的个数作为训练流量监测模型的正则化参数,完成流量监测模型训练;
所述S31中,土壤调节权重θ的计算公式为:
;式中,Sn表示第n个单位面积的土壤湿度,S0表示所有单位面积的土壤湿度均值,Qn表示第n个单位面积的土壤侵蚀度,Q0表示所有单位面积的土壤侵蚀度均值,N 表示流域的单位面积总数;
所述S32中,流量监测模型F的表达式为:
;式中,W0表示流域的平均宽度,L表示流域总长,λ表示0-1的决策变量,N 表示流域的单位面积总数,Sn表示第n个单位面积的土壤湿度,S0表示所有单位面积的土壤湿度均值,Qn表示第n个单位面积的土壤侵蚀度,Q0表示所有单位面积的土壤侵蚀度均值,Zn表示第n个单位面积的植被覆盖率,Z0表示所有单位面积的植被覆盖率均值,Jn表示第n个单位面积的降雨量,J0表示所有单位面积的降雨量均值,ε表示极小值,δ表示流域不对称系数,h表示流域平均高程。
2.根据权利要求1所述的流域生态监测方法,其特征在于,所述S1包括以下步骤:
S11、获取流域地图,并将流域地图均分为若干个流域子地图;
S12、获取各个流域子地图的原始位置坐标;
S13、对各个流域子地图的原始位置坐标进行栅格转换,得到对应的栅格位置坐标;
S14、将包含栅格位置坐标的流域子地图拼接,生成栅格地图。
3.根据权利要求2所述的流域生态监测方法,其特征在于,所述S13中,栅格位置坐标的计算公式为:
,/>,式中,x表示栅格位置坐标的横坐标,y表示栅格位置坐标的纵坐标,x0表示原始位置坐标的横坐标,y0表示原始位置坐标的纵坐标,α0表示原始位置坐标和原点连线与横坐标正向之间的角度,β0表示原始位置坐标与原点连线与纵坐标正向之间的角度,L表示原始位置坐标与原点之间的直线距离,[·]表示取整函数。
4.根据权利要求1所述的流域生态监测方法,其特征在于,所述S2中,实时生态数据包括土壤湿度、降雨量、植被覆盖率和土壤侵蚀度。
5.根据权利要求1所述的流域生态监测方法,其特征在于,所述S2中,对实时生态数据进行预处理的具体方法为:对实时生态数据依次进行归一化处理、去噪处理和剔除空值处理,生成标准生态数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311151424.3A CN116883221B (zh) | 2023-09-07 | 2023-09-07 | 一种流域生态监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311151424.3A CN116883221B (zh) | 2023-09-07 | 2023-09-07 | 一种流域生态监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116883221A CN116883221A (zh) | 2023-10-13 |
CN116883221B true CN116883221B (zh) | 2023-12-19 |
Family
ID=88268456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311151424.3A Active CN116883221B (zh) | 2023-09-07 | 2023-09-07 | 一种流域生态监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116883221B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120127324A (ko) * | 2011-05-12 | 2012-11-21 | 한국지질자원연구원 | 강수에 따른 오염 부하량 측정방법 |
CN113011992A (zh) * | 2021-03-19 | 2021-06-22 | 中国水利水电科学研究院 | 一种基于标准数据的流域农业面源污染入河系数测算方法 |
CN113704336A (zh) * | 2021-08-17 | 2021-11-26 | 内蒙古申科国土技术有限责任公司 | 基于地理信息大数据的生态环境监测分析方法及系统 |
CN114324202A (zh) * | 2021-11-12 | 2022-04-12 | 江苏久智环境科技服务有限公司 | 基于光谱分析的小流域水质监测方法 |
CN115146922A (zh) * | 2022-06-02 | 2022-10-04 | 浙江大学 | 一种基于rusle和sdr模型的流域土壤保持功能评价方法 |
-
2023
- 2023-09-07 CN CN202311151424.3A patent/CN116883221B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120127324A (ko) * | 2011-05-12 | 2012-11-21 | 한국지질자원연구원 | 강수에 따른 오염 부하량 측정방법 |
CN113011992A (zh) * | 2021-03-19 | 2021-06-22 | 中国水利水电科学研究院 | 一种基于标准数据的流域农业面源污染入河系数测算方法 |
CN113704336A (zh) * | 2021-08-17 | 2021-11-26 | 内蒙古申科国土技术有限责任公司 | 基于地理信息大数据的生态环境监测分析方法及系统 |
CN114324202A (zh) * | 2021-11-12 | 2022-04-12 | 江苏久智环境科技服务有限公司 | 基于光谱分析的小流域水质监测方法 |
CN115146922A (zh) * | 2022-06-02 | 2022-10-04 | 浙江大学 | 一种基于rusle和sdr模型的流域土壤保持功能评价方法 |
Non-Patent Citations (6)
Title |
---|
基于GIS的小流域土壤侵蚀评价研究;徐天蜀, 彭世揆, 岳彩荣;南京林业大学学报(自然科学版)(04);第43-46页 * |
基于LSTM神经网络的流域污染物通量预测;刘迎军;王康;李立;;水力发电学报(10);第72-81页 * |
基于单元格网的STREAM分布式水文模型及其应用――以太湖上游西苕溪流域为例;李恒鹏;王旭强;杨桂山;金洋;;长江流域资源与环境(06);第715-720页 * |
漓江含沙量特征及其对降雨响应的预测;覃星铭等;《水电能源科学》;第33卷(第9期);第8-11页 * |
西藏茶巴朗流域的土壤侵蚀及防治对策;迷玛次仁;宫渊波;姜广争;;中国水土保持(12);第55-58+72页 * |
黄土高原南部水土流失降低土壤生产力的评价;贾锐鱼, 赵晓光, 杜翠萍;西北林学院学报(03);第77-81页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116883221A (zh) | 2023-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111222698B (zh) | 面向物联网的基于长短时记忆网络的积水水位预测方法 | |
CN109558973B (zh) | 一种水质与水生态一体化预警系统、控制设备和存储介质 | |
CN112288164B (zh) | 一种计及空间相关性和修正数值天气预报的风功率组合预测方法 | |
WO2019118460A1 (en) | Irrigation system control with predictive water balance capabilities | |
Dong et al. | Enhancing short-term forecasting of daily precipitation using numerical weather prediction bias correcting with XGBoost in different regions of China | |
CN112287294B (zh) | 一种基于深度学习的时空双向土壤含水量插值方法 | |
CN111783987A (zh) | 基于改进bp神经网络的农田参考作物蒸散量预测方法 | |
CN113762618B (zh) | 一种基于多因子相似分析的湖泊水位预报方法 | |
CN115661547B (zh) | 一种基于知识图谱的植物灌溉养护方法及系统 | |
CN113159439A (zh) | 一种作物产量的预测方法、系统、存储介质和电子设备 | |
CN114357716A (zh) | 一种基于数字孪生技术的流域水文模型参数动态估计方法 | |
CN110276477A (zh) | 一种基于分层贝叶斯网络和增量学习的洪水预报方法 | |
CN116415730A (zh) | 一种预测水位的融合自注意力机制时空深度学习模型 | |
CN114357737B (zh) | 针对大尺度水文模型时变参数的代理优化率定方法 | |
CN116595333B (zh) | 土壤-气候智慧型的水稻目标产量与氮肥用量确定方法 | |
CN116883221B (zh) | 一种流域生态监测方法 | |
CN114417740B (zh) | 一种深海养殖态势感知方法 | |
CN115496128A (zh) | 一种基于雨强-雨型特征参数联合分布的城市内涝风险预报方法 | |
CN115587713A (zh) | 一种基于强化学习的海洋牧场灾害决策方法 | |
Aswathy et al. | Multiparameter Optimization Technique Based on Enhanced Neuro Genetic Model (ENGM) for Precision Agriculture | |
CN117849908B (zh) | 一种基于模式环流场的梅雨季入梅出梅日期预测方法及装置 | |
CN117575174B (zh) | 智能农业监测与管理系统 | |
CN117436710B (zh) | 一种基于作物模型的干旱评估方法 | |
CN116076339A (zh) | 一种田间智能灌溉系统 | |
CN112734047B (zh) | 一种基于机器学习判别降雨事件的卫星降雨数据校正方法 |
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 |