CN117290681A - 一种基于遥感的湖区山水林田湖草沙环境监控系统 - Google Patents

一种基于遥感的湖区山水林田湖草沙环境监控系统 Download PDF

Info

Publication number
CN117290681A
CN117290681A CN202311241018.6A CN202311241018A CN117290681A CN 117290681 A CN117290681 A CN 117290681A CN 202311241018 A CN202311241018 A CN 202311241018A CN 117290681 A CN117290681 A CN 117290681A
Authority
CN
China
Prior art keywords
ecological
data
processor
sub
module
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
Application number
CN202311241018.6A
Other languages
English (en)
Inventor
贺秋华
余姝辰
夏乐
彭世良
王飘奕
郑婵玉
罗建强
周可
余德清
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.)
Hunan Natural Resources Affairs Center
Original Assignee
Hunan Natural Resources Affairs Center
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 Hunan Natural Resources Affairs Center filed Critical Hunan Natural Resources Affairs Center
Priority to CN202311241018.6A priority Critical patent/CN117290681A/zh
Publication of CN117290681A publication Critical patent/CN117290681A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/17—Terrestrial scenes taken from planes or by drones

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Remote Sensing (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Astronomy & Astrophysics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种基于遥感的湖区山水林田湖草沙环境监控系统，包括数据采集模块、数据处理模块、数据存储模块、生态分析模块和用户界面模块，所述数据采集模块用于通过遥感技术获取湖区地区的多源数据，所述数据处理模块用于对采集到的多源数据进行预处理、图像解析和数据融合，所述数据存储模块用于存储采集的原始数据和处理后的监测结果，所述生态分析模块通过对监测数据进行生态分析，所述用户界面模块用于为用户提供交互界面；本系统能够通过对遥感数据进行分析处理，得到整个湖区生态系统的变化趋势，为更好地保护湖区生态提供可靠的数据支持。

Description

一种基于遥感的湖区山水林田湖草沙环境监控系统
技术领域
本发明涉及生态环境监测领域，具体涉及一种基于遥感的湖区山水林田湖草沙环境监控系统。
背景技术
湖区环境涉及到水、草、林等多个生态环境，具有生物复杂性，如何监控湖区环境，更好地掌握湖区环境的生态发展情况，为保护湖区环境提供数据支持是湖区环境监控的一个难点.
背景技术的前述论述仅意图便于理解本发明。此论述并不认可或承认提及的材料中的任一种公共常识的一部分。
现在已经开发出了很多环境监控系统，经过我们大量的检索与参考，发现现有的监控系统有如公开号为CN116405874A所公开的系统，这些系统方法一般包括：获取目标区域的传感器可部署位置，构建每个传感器可部署位置的传感器感知内容分布；基于目标函数对水库生态传感器分组环境监控模型进行离散优化求解，得到传感器分组结果以及传感器部署位置；构建自适应路由发现模型，得到当前运行传感器的数据包传输路由并对数据包进行路由传输。但该系统只适用于小生态的监控，不适合对湖区大生态换将进行监控分析。
发明内容
本发明的目的在于，针对所存在的不足，提出了一种基于遥感的湖区山水林田湖草沙环境监控系统。
本发明采用如下技术方案：
一种基于遥感的湖区山水林田湖草沙环境监控系统，包括数据采集模块、数据处理模块、数据存储模块、生态分析模块和用户界面模块；
所述数据采集模块用于通过遥感技术获取湖区地区的多源数据，所述数据处理模块用于对采集到的多源数据进行预处理、图像解析和数据融合，所述数据存储模块用于存储采集的原始数据和处理后的监测结果，所述生态分析模块通过对监测数据进行生态分析，所述用户界面模块用于为用户提供交互界面；
所述数据处理模块包括遥感数据解析单元和数据融合单元，所述遥感数据解析单元用于对卫星遥感影像和无人机图像进行解析，所述数据融合单元用于将来自多个数据源的信息融合得到基础区域的数据信息，每个基础区域中包含的信息包括：位置、环境属性、时间、生物信息和生态属性；
所述生态分析模块包括子生态分析单元和综合变化分析单元，所述子生态分析单元用于对每个子生态区域进行独立的分析处理得到每个子生态区域的特征数据，所述综合变化分析单元对不同年份同一时段内的所有子生态区域的变化情况进行分析，得到整个湖区的生态监控数据；
进一步的，所述遥感数据解析单元包括图像识别处理器、地域统计处理器和生物统计处理器，所述图像识别处理器用于对拍摄图像中的林木、草地、水域、生物进行识别检测，所述地域统计处理器用于将林木、草地和水域的识别结果与拍摄的位置信息进行处理，统计得到林木、草地和水域的位置信息，所述生物统计处理器用于将生物的识别结果进行统计，得到生物数量信息；
进一步的，所述数据融合单元包括匹配处理器和生态划分处理器，所述匹配处理器用于将地域位置信息与生物数量信息进行匹配，所述生态划分处理器对匹配后的信息进行生态划分分析，得到一个以上的子生态区域；
进一步的，所述子生态分析单元包括生态数据检索处理器、单生态分析处理器和单生态结果寄存器，所述生态数据检索处理器用于从所述数据存储模块中获取具有相同生态属性的基础区域的信息，所述单生态分析处理器用于对获取的基础区域信息进行计算处理得到子生态区域的特征数据，所述单生态结果寄存器用于保存每个子生态区域的特征数据；
所述单生态分析处理器根据基础区域的数量计算出子生态区域的面积S：
S＝s0·n(ST)；
其中，s0表示每个基础区域对应的实际面积，ST表示生态属性，n(ST)表示具有对应生态属性的基础区域数量；
所述单生态分析处理器根据下式计算出子生态区域的生物规模指数P：
其中，k(type)表示对应生物类别的规模权重，Ntype表示在该子生态区域中出现的生物类别数量，type表示生物类别，n(type)表示对应类别的具体数量；
所述单生态分析处理器根据下式计算出子生态区域的特征值T：
进一步的，所述综合变化分析单元包括时间管理处理器、生态分类处理器和变化计算处理器，所述时间管理处理器用于选择最能表现湖区生态活跃性的时间段并获取相邻年份对应时间段内的所有子生态区域的特征值，所述生态分类处理器根据特征值对子生态区域进行分类，所述变化计算处理器根据分类结果计算出变化指数。
本发明所取得的有益效果是：
本系统通过获取遥感数据，将湖区划分为多个基础区域，并通过对遥感数据进行分析赋予每个基础区域监测信息，再通过对基础区域的监测信息进行分析处理，得到子生态区域的变化情况，最终获取每一年度的生态变化指数，直观地表现出湖区的生态发展情况，为湖区保护提供量化的数据支持。
为使能更进一步了解本发明的特征及技术内容，请参阅以下有关本发明的详细说明与附图，然而所提供的附图仅用于提供参考与说明，并非用来对本发明加以限制。
附图说明
图1为本发明整体结构框架示意图；
图2为本发明数据处理模块构成示意图；
图3为本发明生态分析模块构成示意图；
图4为本发明遥感数据解析单元构成示意图；
图5为本发明子生态分析单元构成示意图。
具体实施方式
以下是通过特定的具体实施例来说明本发明的实施方式，本领域技术人员可由本说明书所公开的内容了解本发明的优点与效果。本发明可通过其他不同的具体实施例加以施行或应用，本说明书中的各项细节也可基于不同观点与应用，在不悖离本发明的精神下进行各种修饰与变更。另外，本发明的附图仅为简单示意说明，并非依实际尺寸的描绘，事先声明。以下的实施方式将进一步详细说明本发明的相关技术内容，但所公开的内容并非用以限制本发明的保护范围。
实施例一。
本实施例提供了一种基于遥感的湖区山水林田湖草沙环境监控系统，结合图1，包括数据采集模块、数据处理模块、数据存储模块、生态分析模块和用户界面模块；
所述数据采集模块用于通过遥感技术获取湖区地区的多源数据，所述数据处理模块用于对采集到的多源数据进行预处理、图像解析和数据融合，所述数据存储模块用于存储采集的原始数据和处理后的监测结果，所述生态分析模块通过对监测数据进行生态分析，所述用户界面模块用于为用户提供交互界面；
所述数据处理模块包括遥感数据解析单元和数据融合单元，所述遥感数据解析单元用于对卫星遥感影像和无人机图像进行解析，所述数据融合单元用于将来自多个数据源的信息融合得到基础区域的数据信息，每个基础区域中包含的信息包括：位置、环境属性、时间、生物信息和生态属性；
所述生态分析模块包括子生态分析单元和综合变化分析单元，所述子生态分析单元用于对每个子生态区域进行独立的分析处理得到每个子生态区域的特征数据，所述综合变化分析单元对不同年份同一时段内的所有子生态区域的变化情况进行分析，得到整个湖区的生态监控数据；
所述遥感数据解析单元包括图像识别处理器、地域统计处理器和生物统计处理器，所述图像识别处理器用于对拍摄图像中的林木、草地、水域、生物进行识别检测，所述地域统计处理器用于将林木、草地和水域的识别结果与拍摄的位置信息进行处理，统计得到林木、草地和水域的位置信息，所述生物统计处理器用于将生物的识别结果进行统计，得到生物数量信息；
所述数据融合单元包括匹配处理器和生态划分处理器，所述匹配处理器用于将地域位置信息与生物数量信息进行匹配，所述生态划分处理器对匹配后的信息进行生态划分分析，得到一个以上的子生态区域；
所述子生态分析单元包括生态数据检索处理器、单生态分析处理器和单生态结果寄存器，所述生态数据检索处理器用于从所述数据存储模块中获取具有相同生态属性的基础区域的信息，所述单生态分析处理器用于对获取的基础区域信息进行计算处理得到子生态区域的特征数据，所述单生态结果寄存器用于保存每个子生态区域的特征数据；
所述单生态分析处理器根据基础区域的数量计算出子生态区域的面积S：
S＝s0·n(ST)；
其中，s0表示每个基础区域对应的实际面积，ST表示生态属性，n(ST)表示具有对应生态属性的基础区域数量；
所述单生态分析处理器根据下式计算出子生态区域的生物规模指数P：
其中，k(type)表示对应生物类别的规模权重，Ntype表示在该子生态区域中出现的生物类别数量，type表示生物类别，n(type)表示对应类别的具体数量；
所述单生态分析处理器根据下式计算出子生态区域的特征值T：
所述综合变化分析单元包括时间管理处理器、生态分类处理器和变化计算处理器，所述时间管理处理器用于选择最能表现湖区生态活跃性的时间段并获取相邻年份对应时间段内的所有子生态区域的特征值，所述生态分类处理器根据特征值对子生态区域进行分类，所述变化计算处理器根据分类结果计算出变化指数。
实施例二。
本实施例包含了实施例一中的全部内容，提供了一种基于遥感的湖区山水林田湖草沙环境监控系统，包括数据采集模块、数据处理模块、数据存储模块、生态分析模块和用户界面模块；
所述数据采集模块用于通过遥感技术获取湖区地区的多源数据，所述数据处理模块用于对采集到的多源数据进行预处理、图像解析和数据融合，所述数据存储模块用于存储采集的原始数据和处理后的监测结果，所述生态分析模块通过对监测数据进行生态分析，提供生态变化数据，所述用户界面模块用于为用户提供交互界面，使其访问监测数据和分析结果，并进行相关操作和查询；
所述数据采集模块包括卫星遥感影像单元和无人机图像单元，所述卫星遥感影像单元用于负责获取高分辨率的卫星遥感影像，用于全面监测湖区地区的山水林田湖草沙，所述无人机图像单元通过使用无人机设备获取更为细致的湖区图像；
结合图2，所述数据处理模块包括遥感数据解析单元和数据融合单元，所述遥感数据解析单元用于对卫星遥感影像和无人机图像进行解析，提取关键信息，所述数据融合单元用于将来自多个数据源的信息融合，提高数据的全面性和准确性；
所述数据存储模块包括原始数据存储单元和监测结果存储单元，所述原始数据存储单元用于存储采集的原始数据，便于后续处理和分析，所述监测结果存储单元用于保存处理后的监测结果，方便用户查询和查阅历史数据；
结合图3，所述生态分析模块包括子生态分析单元和综合变化分析单元，所述子生态分析单元用于对每个子生态区域进行独立的分析处理得到每个子生态区域的特征数据，所述综合变化分析单元对不同年份同一时段内的所有子生态区域的变化情况进行分析，得到整个湖区的生态监控数据；
所述用户界面模块包括数据展示单元和查询操作单元，所述数据展示单元用于将监测数据和分析结果以图表形式呈现给用户，所述查询操作单元用于查询历史数据、设置监测参数以及与其他模块进行交互操作；
所述系统对湖区环境进行监控管理的过程包括如下步骤：
S1、所述数据采集模块采集遥感数据并保存在所述数据存储模块中；
S2、所述数据处理模块将所述数据存储模块中的原始数据处理成监测结果数据；
S3、所述生态分析模块将所述数据存储模块中的监测结果数据进行生态系统分析处理，得到生态分析结果；
结合图4，所述遥感数据解析单元包括图像识别处理器、地域统计处理器和生物统计处理器，所述图像识别处理器用于对拍摄图像中的林木、草地、水域、生物进行识别检测，所述地域统计处理器用于将林木、草地和水域的识别结果与拍摄的位置信息进行处理，统计得到林木、草地和水域的位置信息，所述生物统计处理器用于将生物的识别结果进行统计，得到生物数量信息；
所述数据融合单元包括匹配处理器和生态划分处理器，所述匹配处理器用于将地域位置信息与生物数量信息进行匹配，所述生态划分处理器对匹配后的信息进行生态划分分析，得到多个子生态区域；
所述图像识别处理器将整个湖区分为多个基础区域，每个基础区域为一个方形区域，所有基础区域的大小相同且依次相邻，所述图像识别处理器根据卫星遥感影像中对每个基础区域进行判定，判定结果为水域、混合域和非水域，所述图像识别处理器根据无人机图像对混合域和非水域的基础区域进行深层判定，判定为水域、林木和草地，所述图像识别处理器将水面面积大于半个基础区域的混合域判定为水域，将水面面积不大于半个基础区域的混合域判定为非水域，所述图像识别处理器根据画面中植物的高度将非水域判定为林木或草地；
所述图像识别处理器对无人机图像中的生物进行类型识别，所述生物统计处理器对每类生物在对应图像中的数量进行统计；
所述地域统计处理器为每个基础区域设置林木、草地和水域其中的一个属性，然后对每个属性的基础区域个数进行统计；
所述匹配处理器每个无人机图像匹配到对应的基础区域，然后将无人机图像中的生物数据添加到基础区域中，每个基础区域中包含的信息包括：位置、属性、时间和生物信息，位置用(x，y)表示，x表示该基础区域在整个湖区基础区域中的行数，y表示该基础区域在整个湖区基础区域中的列数，每个(x，y)能够映射到具体的经纬坐标区域，所述时间用年月表示，所述生物信息用{n(type)}表示，其中，type表示生物类别，n(type)表示对应类别的具体数量；
所述生态划分处理器将同一个属性、拥有一定数量生物且相邻的基础区域划为一个子生态区域，所述生态划分处理器根据子生态区域的数量对每个子生态区域进行编号，将编号作为生态属性添加到每个基础区域的信息中，为区别属性，林木、草地和水域称为环境属性，编号称为生态属性，未划入子生态区域的基础区域的生态属性为0编号，例如，若共有80个子生态区域，表示生态属性的编号为ST00至ST80，其中，ST00表示未划入子生态区域；
结合图5，所述子生态分析单元包括生态数据检索处理器、单生态分析处理器和单生态结果寄存器，所述生态数据检索处理器用于从所述数据存储模块中获取具有相同生态属性的基础区域的信息，所述单生态分析处理器用于对获取的基础区域信息进行计算处理得到子生态区域的特征数据，所述单生态结果寄存器用于保存每个子生态区域的特征数据；
所述单生态分析处理器根据基础区域的数量计算出子生态区域的面积S：
S＝s0·n(ST)；
其中，s0表示每个基础区域对应的实际面积，ST表示生态属性，n(ST)表示具有对应生态属性的基础区域数量；
所述单生态分析处理器根据下式计算出子生态区域的生物规模指数P：
其中，k(type)表示对应生物类别的规模权重，Ntype表示在该子生态区域中出现的生物类别数量；
所述单生态分析处理器根据下式计算出子生态区域的特征值T：
其中，a，b为特征值的两个元素；
所述综合变化分析单元包括时间管理处理器、生态分类处理器和变化计算处理器，所述时间管理处理器用于选择最能表现湖区生态活跃性的时间段并获取相邻年份对应时间段内的所有子生态区域的特征值，所述生态分类处理器根据特征值对子生态区域进行分类，所述变化计算处理器根据分类结果计算出变化指数；
所述生态分类处理器设有两个阈值a0和b0，当特征值中a大于a0且b大于b0时，该子生态区域为大生态，当特征值中a小于a0且b小于b0时，该子生态区域为小生态，其余情况下该子生态区域为中生态；
所述变化计算处理器根据下式计算出变化指数Q：
Q＝3·(nL2-nL1)+2·(nM2-nM1)+(nS2-nS1)；
其中，nL2表示在后年份的大生态区域的数量，nL1表示在先年份的大生态区域的数量，nM2表示在后年份的中生态区域的数量，nM1表示在先年份的中生态区域的数量，nS2表示在后年份的小生态区域的数量，nS1表示在先年份的小生态区域的数量；
所述变化指数越大，表示在对应的一年中湖区生态发展的越好。
以上所公开的内容仅为本发明的优选可行实施例，并非因此局限本发明的保护范围，所以凡是运用本发明说明书及附图内容所做的等效技术变化，均包含于本发明的保护范围内，此外，随着技术发展其中的元素可以更新的。

Claims (5)

1.一种基于遥感的湖区山水林田湖草沙环境监控系统，其特征在于，包括数据采集模块、数据处理模块、数据存储模块、生态分析模块和用户界面模块；
所述数据采集模块用于通过遥感技术获取湖区地区的多源数据，所述数据处理模块用于对采集到的多源数据进行预处理、图像解析和数据融合，所述数据存储模块用于存储采集的原始数据和处理后的监测结果，所述生态分析模块通过对监测数据进行生态分析，所述用户界面模块用于为用户提供交互界面；
所述数据处理模块包括遥感数据解析单元和数据融合单元，所述遥感数据解析单元用于对卫星遥感影像和无人机图像进行解析，所述数据融合单元用于将来自多个数据源的信息融合得到基础区域的数据信息，每个基础区域中包含的信息包括：位置、环境属性、时间、生物信息和生态属性；
所述生态分析模块包括子生态分析单元和综合变化分析单元，所述子生态分析单元用于对每个子生态区域进行独立的分析处理得到每个子生态区域的特征数据，所述综合变化分析单元对不同年份同一时段内的所有子生态区域的变化情况进行分析，得到整个湖区的生态监控数据。
2.如权利要求1所述的一种基于遥感的湖区山水林田湖草沙环境监控系统，其特征在于，所述遥感数据解析单元包括图像识别处理器、地域统计处理器和生物统计处理器，所述图像识别处理器用于对拍摄图像中的林木、草地、水域、生物进行识别检测，所述地域统计处理器用于将林木、草地和水域的识别结果与拍摄的位置信息进行处理，统计得到林木、草地和水域的位置信息，所述生物统计处理器用于将生物的识别结果进行统计，得到生物数量信息。
3.如权利要求2所述的一种基于遥感的湖区山水林田湖草沙环境监控系统，其特征在于，所述数据融合单元包括匹配处理器和生态划分处理器，所述匹配处理器用于将地域位置信息与生物数量信息进行匹配，所述生态划分处理器对匹配后的信息进行生态划分分析，得到一个以上的子生态区域。
4.如权利要求3所述的一种基于遥感的湖区山水林田湖草沙环境监控系统，其特征在于，所述子生态分析单元包括生态数据检索处理器、单生态分析处理器和单生态结果寄存器，所述生态数据检索处理器用于从所述数据存储模块中获取具有相同生态属性的基础区域的信息，所述单生态分析处理器用于对获取的基础区域信息进行计算处理得到子生态区域的特征数据，所述单生态结果寄存器用于保存每个子生态区域的特征数据；
所述单生态分析处理器根据基础区域的数量计算出子生态区域的面积S：
S＝s0·n(ST)；
其中，s0表示每个基础区域对应的实际面积，ST表示生态属性，n(ST)表示具有对应生态属性的基础区域数量；
所述单生态分析处理器根据下式计算出子生态区域的生物规模指数P：
其中，k(type)表示对应生物类别的规模权重，Ntype表示在该子生态区域中出现的生物类别数量，type表示生物类别，n(type)表示对应类别的具体数量；
所述单生态分析处理器根据下式计算出子生态区域的特征值T：
5.如权利要求4所述的一种基于遥感的湖区山水林田湖草沙环境监控系统，其特征在于，所述综合变化分析单元包括时间管理处理器、生态分类处理器和变化计算处理器，所述时间管理处理器用于选择最能表现湖区生态活跃性的时间段并获取相邻年份对应时间段内的所有子生态区域的特征值，所述生态分类处理器根据特征值对子生态区域进行分类，所述变化计算处理器根据分类结果计算出变化指数。
CN202311241018.6A 2023-09-25 2023-09-25 一种基于遥感的湖区山水林田湖草沙环境监控系统 Pending CN117290681A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311241018.6A CN117290681A (zh) 2023-09-25 2023-09-25 一种基于遥感的湖区山水林田湖草沙环境监控系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311241018.6A CN117290681A (zh) 2023-09-25 2023-09-25 一种基于遥感的湖区山水林田湖草沙环境监控系统

Publications (1)

Publication Number Publication Date
CN117290681A true CN117290681A (zh) 2023-12-26

Family

ID=89251253

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311241018.6A Pending CN117290681A (zh) 2023-09-25 2023-09-25 一种基于遥感的湖区山水林田湖草沙环境监控系统

Country Status (1)

Country Link
CN (1) CN117290681A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117853938A (zh) * 2024-03-08 2024-04-09 鲸服科技有限公司 基于图像识别的生态监测系统及方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117853938A (zh) * 2024-03-08 2024-04-09 鲸服科技有限公司 基于图像识别的生态监测系统及方法
CN117853938B (zh) * 2024-03-08 2024-05-10 鲸服科技有限公司 基于图像识别的生态监测系统及方法

Similar Documents

Publication Publication Date Title
Maus et al. dtwsat: Time-weighted dynamic time warping for satellite image time series analysis in r
Rocchini et al. From local spectral species to global spectral communities: A benchmark for ecosystem diversity estimate by remote sensing
CN111639243B (zh) 时空数据渐进式多维模式提取与异常检测可视分析方法
CN106844739B (zh) 一种基于神经网络协同训练的遥感图像变化信息检索方法
CN117290681A (zh) 一种基于遥感的湖区山水林田湖草沙环境监控系统
CN102521624A (zh) 一种土地利用类型分类的方法和系统
Sathya et al. Analysis of supervised image classification method for satellite images
Yu et al. Multi-temporal remote sensing of land cover change and urban sprawl in the coastal city of Yantai, China
CN115563493A (zh) 一种基于聚类算法划分乡村景观生态单元的方法
Feng et al. The design and development of a ship trajectory data management and analysis system based on AIS
Miao et al. Crop weed identification system based on convolutional neural network
Qu et al. Mapping large area tea plantations using progressive random forest and Google Earth Engine
Drobnjak et al. Testing a new ensemble vegetation classification method based on deep learning and machine learning methods using aerial photogrammetric images
Nadkarni et al. A framework to categorize forest structure concepts
Yang et al. Anomaly behaviour detection based on the meta-Morisita index for large scale spatio-temporal data set
Wallace et al. Analysis of remotely sensed data
Ji et al. DeepExtremeCubes: Integrating Earth system spatio-temporal data for impact assessment of climate extremes
Liu et al. Extraction of Wheat Spike Phenotypes From Field-Collected Lidar Data and Exploration of Their Relationships With Wheat Yield
Chang et al. A variance-based Bayesian framework for improving Land-Cover classification through wide-area learning from large geographic regions
Dondofema et al. Comparison of Satellite Platform for Mapping the Distribution of Mauritius Thorn (Caesalpinia decapetala) and River Red Gum (Eucalyptus camaldulensis) in the Vhembe Biosphere Reserve
Zingaro et al. Exploring Map App Usage Behaviour Through Touchscreen Interactions (Short Paper)
Rachmawan et al. A new approach to semantic computing with interval matrix decomposition for interpreting deforestation phenomenon
Congalton 21 How to Assess the Accuracy of Maps Generated from Remotely Sensed Data
Shrestha et al. MONITORING LAND COVER/LAND USE CHANGE USING REMOTE SENSING AND GIS TECHNIQUE AT DHULIKHEL AND BANEPA MUNICIPALITY, NEPAL
CN111522867B (zh) 炸药配方快速筛选与推荐方法及其系统

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