CN117408418B - 基于遥感大数据的区域综合生态环境质量评价方法和系统 - Google Patents

基于遥感大数据的区域综合生态环境质量评价方法和系统 Download PDF

Info

Publication number
CN117408418B
CN117408418B CN202311338210.7A CN202311338210A CN117408418B CN 117408418 B CN117408418 B CN 117408418B CN 202311338210 A CN202311338210 A CN 202311338210A CN 117408418 B CN117408418 B CN 117408418B
Authority
CN
China
Prior art keywords
index
remote sensing
ecological environment
dimensionless
environment quality
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
CN202311338210.7A
Other languages
English (en)
Other versions
CN117408418A (zh
Inventor
李宁
王家耀
郭建忠
秦奋
韩志刚
张喜旺
李阳
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.)
Henan Defan Hi Tech Software Technology Co ltd
Original Assignee
Henan University
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 Henan University filed Critical Henan University
Priority to CN202311338210.7A priority Critical patent/CN117408418B/zh
Publication of CN117408418A publication Critical patent/CN117408418A/zh
Application granted granted Critical
Publication of CN117408418B publication Critical patent/CN117408418B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
    • 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)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Multimedia (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于遥感大数据的区域综合生态环境质量评价方法和系统。该方法包括：步骤1：基于已有的生态环境影响指标体系中的指标，反演遥感指标体系中的指标；步骤2：采用全序列动态无量纲化方法去除所述遥感指标体系中的指标的量纲，得到无量纲遥感指标；步骤3：引入第一主成分PC1中的特征向量的方向控制变量，根据所述方向控制变量对所有无量纲遥感指标进行耦合，得到综合生态环境质量指数；步骤4：针对目标遥感数据中的每个像元，采用多时相均值法计算该像元在研究期内的综合生态环境质量指数的平均值，使用该平均值来表征该像元对应区域的综合生态环境质量状态。

Description

基于遥感大数据的区域综合生态环境质量评价方法和系统
技术领域
本发明涉及生态环境与遥感技术领域，尤其涉及一种基于遥感大数据的区域综合生态环境质量评价方法和系统。
背景技术
利用遥感技术能够客观、动态地开展区域综合生态环境质量精细化评估。当前应用最广泛的遥感生态环境指数(Remote Sensing Ecological Index,RSEI)模型是将基于生态环境指数(Ecological Index,EI)的生态指标分别用遥感指标进行替代，并利用主成分分析(Principal Component Analysis,PCA)的方法聚合该遥感生态环境指标，克服了传统耦合模型中生态指标权重设定主观的问题。RSEI模型表达如下：
RSEI0＝PC1[f(NDVIs,NDBSIs,Wets,LSTs)]
其中，NDVI、NDBSI、WET、LST分别代表标准化后的绿度、干度、湿度和热度。
随着大数据技术的发展，利用遥感大数据开展区域长时间序列、高时间频率、多时间尺度的区域综合生态环境质量研究成为必然。然而，受限于RSEI模型的稳定性，目前遥感生态环境质量监测很难进行批量运算，这限制了大数据在遥感生态环境质量评价中的应用。
PCA通常用于指标降维，当用于指标聚合时，其结果的各主成分的特征向量均具有不唯一性。因此，RSEI模型在应用中分异为两个完全相反的模型，有些学者按照“1-PC1”的值作为生态环境指数进行计算，有些学者在计算时直接用标准化的PC1(第一主成分)的值作为区域生态环境指数，这不仅限制了模型的自动化和批运算能力，也限制了RSEI模型采用的遥感影像数据源的数量。
RSEI模型以每年10月份的一组晴天无云的遥感影像为数据源计算区域年度的遥感生态环境指数，结果具有偶然性。虽然遥感数据源具备了开展大区域和密集时间间隔研究的可能，但由于遥感影像的瞬时性，不同时相影像的测算结果不具有可比较性。因此，RSEI无法开展长时间序列、多时间尺度和高时间频率的生态环境研究。
发明内容
为了实现区域综合生态环境的客观、动态、精确、密集时间间隔的监测，本发明提供一种基于遥感大数据的区域综合生态环境质量评价方法和系统。
一方面，本发明提供一种基于遥感大数据的区域综合生态环境质量评价方法，包括：
步骤1：基于已有的生态环境影响指标体系中的指标，反演遥感指标体系中的指标；
步骤2：采用全序列动态无量纲化方法去除所述遥感指标体系中的指标的量纲，得到无量纲遥感指标；
步骤3：引入第一主成分PC1中的特征向量的方向控制变量，根据所述方向控制变量对所有无量纲遥感指标进行耦合，得到综合生态环境质量指数；
步骤4：针对目标遥感数据中的每个像元，采用多时相均值法计算该像元在研究期内的综合生态环境质量指数的平均值，使用该平均值来表征该像元对应区域的综合生态环境质量状态。
进一步地，所述全序列动态无量纲化方法的计算公式为：
其中，为指标I的像元i在k时刻的无量纲化结果；Ii(tk)为指标I的像元i在k时刻的原始数值；maxi,k{Ii(tk)}和mini,k{Ii(tk)}是指标I在所有时空条件下的最大值和最小值。
进一步地，步骤2中，引入第一主成分PC1中的特征向量的方向控制变量，具体包括：以第一主成分PC1中的特征向量NDVI的方向作为方向控制变量，定义特征向量NDVI的方向为正方向，与特征向量NDVI的方向相反的其他特征向量的方向为负方向；
对应地，步骤2中，根据所述方向控制变量对所有无量纲遥感指标进行耦合，具体包括：
其中，SCEI0表示初始的综合生态环境质量指数，由所有无量纲遥感指标构成；Indexi表示第i个无量纲遥感指标，i＝1,2,…,n，n为无量纲遥感指标的个数，PC1[]V表示PC1中所有特征向量的耦合结果，VNDVI表示PC1中特征向量NDVI的分量值。
进一步地，步骤4中，所述多时相均值法的计算公式为：
其中，SCEQIi表示像元i在研究期内的综合生态环境质量指数的平均值，SECQIin表示像元i在时刻n的综合生态环境质量指数，n为像元i参与计算的时相数量。
另一方面，本发明提供一种基于遥感大数据的区域综合生态环境质量评价系统，包括：
遥感指标反演模块，用于基于已有的生态环境影响指标体系中的指标，反演遥感指标体系中的指标；
指标去量纲模块，用于采用全序列动态无量纲化方法去除所述遥感指标体系中的指标的量纲，得到无量纲遥感指标；
自动化指标耦合模块，用于引入第一主成分PC1中的特征向量的方向控制变量，根据所述方向控制变量对所有无量纲遥感指标进行耦合，得到综合生态环境质量指数；
多时间尺度测算模块，用于针对目标遥感数据中的每个像元，采用多时相均值法计算该像元在研究期内的综合生态环境质量指数的平均值，使用该平均值来表征该像元对应区域的综合生态环境质量状态。
本发明的有益效果：
(1)将模型的数据源由单一遥感影像改进为遥感大数据，基于遥感时空大数据平台，将静态无量纲化方法改进为全序列动态无量纲化方法、引入PC1的特征向量的方向控制变量、引入多时相均值法，构建一个基于遥感大数据的综合生态环境质量评价模型，解决了RSEI模型的不稳定性，实现了遥感大数据应用于生态环境评价，从而实现了区域综合生态环境的长时间序列、多时间尺度、密集时间间隔的动态评价，适用于不同区域、不同指标体系的生态生态环境质量定量评价。
(2)通过引入生态因子NDVI作为耦合模型中PC1特征向量的控制方向，解决了RSEI耦合模型不稳定的问题，实现了模型的批处理和自动化。
(3)采用多时相生态环境质量均值表征区域综合生态环境质量解决了单一遥感影像测算区域生态环境质量的偶然性问题。
附图说明
图1为本发明实施例提供的基于遥感大数据的区域综合生态环境质量评价方法的流程示意图；
图2为本发明实施例提供的基于遥感大数据的区域综合生态环境质量评价系统的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。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前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
如图1所示，本发明实施例提供一种基于遥感大数据的区域综合生态环境质量评价方法，包括以下步骤：
S101：基于已有的生态环境影响指标体系中的指标，反演遥感指标体系中的指标；此外，为了方便后续步骤的处理，还可以进一步对反演结果进行去噪等预处理。
S102：采用全序列动态无量纲化方法去除所述遥感指标体系中的指标的量纲，得到无量纲遥感指标，从而建立起不同时空对象的生态指标去量纲化后的正确空间关联，为下一步指标耦合做准备。
具体地，全序列动态无量纲化方法采用全时空条件下指标的极大值和极小值作为该指标去量纲的统一基准参数，在去量纲后能够完整地保留原始指标间的相对关系和增量信息，建立不同时空指标的正确关联，是遥感大数据用于综合生态环境质量评价模型的基础条件。全序列动态无量纲化方法的计算公式为：
其中，为指标I的像元i在k时刻的无量纲化结果；Ii(tk)为指标I的像元i在k时刻的原始数值；maxi,k{Ii(tk)}和mini,k{Ii(tk)}是指标I在所有时空条件下的最大值和最小值。
采用全序列动态无量纲化方法去除海量遥感指标的量纲，解决了静态无量纲化方法在去除不同时空对象量纲的过程中，对象间相对关系改变和增量信息丢失的问题。
S103：引入第一主成分PC1中的特征向量的方向控制变量，根据所述方向控制变量对所有无量纲遥感指标进行耦合，得到综合生态环境质量指数；
具体地，发明人通过探索原有RSEI模型中PCA指标耦合方法的解算机制，获知RSEI模型的测算结果不唯一的原因在于：在指标耦合过程中，PCA的每个特征值都对应了两个大小相等方向相反的特征向量，这两个特征向量随机出现且决定了指标的耦合结果。进一步地，发明人还探索了生态环境指标在PC1特征向量中的方向规律，发现：生态环境正向指标的特征方向总是一致的，负向指标的特征方向也总是一致的，且正向指标特征方向和负向指标特征方向总是相反的。基于此，本发明实施例引入PC1中的特征向量的方向控制变量，基于该方向控制变量来对PC1中其余所有特征向量的特征方向进行修正，实现指标的自动化耦合，解决了原有RSEI模型存在的测算结果不唯一的问题，为遥感大数据在生态环境评价中的应用提供理论和方法支撑。
进一步地，在实际应用中，不同区域的生态指标不尽相同，并不限于RSEI中的NDVI、WET、LST、NDBSI。且生态环境指标对生态环境的影响方向并不是一成不变的，同样的指标在不同时期对生态环境的影响方向可能不同。而基于“植被能够净化大气、保持水土、保护生物多样性、维持生态平衡”这一生态理论可知，NDVI是生态环境重要的正向指标。因此，本发明实施例中，具体以第一主成分PC1中的特征向量NDVI的方向作为方向控制变量，定义特征向量NDVI的方向为正方向，与特征向量NDVI的方向相反的其他特征向量的方向为负方向。当PC1中特征向量NDVI的分量值为正时，直接进行耦合，当PC1中特征向量NDVI的分量值为负时，将PC1中特征向量×(-1)后进行指标耦合。自动化指标耦合模型可表达为：
其中，SCEI0表示初始的综合生态环境质量指数，由所有无量纲遥感指标构成；Indexi表示第i个无量纲遥感指标，i＝1,2,…,n，n为无量纲遥感指标的个数，PC1[]V表示PC1中所有特征向量的耦合结果，VNDVI表示PC1中特征向量NDVI的分量值。
作为一种可实施方式，若仅考虑NDVI、WET、LST、NDBSI这四种RSEI指标，根据RSEI指标对生态环境的作用方向，将PC1特征向量中NDVI、WET分量特征方向设为正，负向指标LST、NDBSI分量特征方向设为负，然后进行指标耦合，则可以得到改进的RSEI改进模型为：
其中VNDVI、VWET、VNDBSI、VLST表示PC1特征向量中NDVI、WET、NDBSI和LST指标分量值。
S104：针对目标遥感数据中的每个像元，采用多时相均值法计算该像元在研究期内的综合生态环境质量指数的平均值，使用该平均值来表征该像元对应区域的综合生态环境质量状态。
具体地，所述多时相均值法的计算公式为：
其中，SCEQIi表示像元i在研究期内的综合生态环境质量指数的平均值，SCEQIin表示像元i在时刻n的综合生态环境质量指数(可以理解的是，针对目标遥感数据中的每个像元，通过上述步骤S101至步骤S103可计算得到不同时刻下的综合生态环境质量指数。)，n为像元i参与计算的时相数量。
通过采用多时相均值法，可以开展不同时间尺度(天、月、季、年等)上的综合生态环境质量评价研究，解决了基于单一时相遥感数据的测算结果偶然性问题。
实施例2
对应上述的方法实施例，本发明实施例提供一种基于遥感大数据的区域综合生态环境质量评价系统，包括遥感指标反演模块、指标去量纲模块、自动化指标耦合模块和多时间尺度测算模块；
遥感指标反演模块用于基于已有的生态环境影响指标体系中的指标，反演遥感指标体系中的指标；指标去量纲模块用于采用全序列动态无量纲化方法去除所述遥感指标体系中的指标的量纲，得到无量纲遥感指标；自动化指标耦合模块用于引入第一主成分PC1中的特征向量的方向控制变量，根据所述方向控制变量对所有无量纲遥感指标进行耦合，得到综合生态环境质量指数；多时间尺度测算模块用于针对目标遥感数据中的每个像元，采用多时相均值法计算该像元在研究期内的综合生态环境质量指数的平均值，使用该平均值(如月均值、季节均值和年均值等)来表征该像元对应区域的综合生态环境质量状态。
需要说明的是，本发明实施例是为实现上述方法实施例的，其功能具体可参考上述方法实施例，此处不再赘述。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (3)

1.基于遥感大数据的区域综合生态环境质量评价方法，其特征在于，包括：
步骤1：基于已有的生态环境影响指标体系中的指标，反演遥感指标体系中的指标；
步骤2：采用全序列动态无量纲化方法去除所述遥感指标体系中的指标的量纲，得到无量纲遥感指标；所述全序列动态无量纲化方法的计算公式为：
其中，为指标I的像元i在k时刻的无量纲化结果；Ii(tk)为指标I的像元i在k时刻的原始数值；maxi,k{Ii(tk)}和mini,k{Ii(tk)}是指标I在所有时空条件下的最大值和最小值；
步骤3：引入第一主成分PC1中的特征向量的方向控制变量，具体包括：以第一主成分PC1中的特征向量NDVI的方向作为方向控制变量，定义特征向量NDVI的方向为正方向，与特征向量NDVI的方向相反的其他特征向量的方向为负方向；
根据所述方向控制变量对所有无量纲遥感指标进行耦合，得到综合生态环境质量指数；具体包括：
其中，SCEI0表示初始的综合生态环境质量指数，由所有无量纲遥感指标构成；Indexi表示第i个无量纲遥感指标，i＝1,2,…,n，n为无量纲遥感指标的个数，PC1[]V表示PC1中所有特征向量的耦合结果，VNDVI表示PC1中特征向量NDVI的分量值；当PC1中特征向量NDVI的分量值为正时，直接进行耦合，当PC1中特征向量NDVI的分量值为负时，将PC1中特征向量×(-1)后进行指标耦合；
步骤4：针对目标遥感数据中的每个像元，采用多时相均值法计算该像元在研究期内的综合生态环境质量指数的平均值，使用该平均值来表征该像元对应区域的综合生态环境质量状态。
2.根据权利要求1所述的基于遥感大数据的区域综合生态环境质量评价方法，其特征在于，步骤4中，所述多时相均值法的计算公式为：
其中，SCEQIi表示像元i在研究期内的综合生态环境质量指数的平均值，SCEQIin表示像元i在时刻n的综合生态环境质量指数，n为像元i参与计算的时相数量。
3.基于遥感大数据的区域综合生态环境质量评价系统，其特征在于，包括：
遥感指标反演模块，用于基于已有的生态环境影响指标体系中的指标，反演遥感指标体系中的指标；
指标去量纲模块，用于采用全序列动态无量纲化方法去除所述遥感指标体系中的指标的量纲，得到无量纲遥感指标；所述全序列动态无量纲化方法的计算公式为：
其中，为指标I的像元i在k时刻的无量纲化结果；Ii(tk)为指标I的像元i在k时刻的原始数值；maxi,k{Ii(tk)}和mini,k{Ii(tk)}是指标I在所有时空条件下的最大值和最小值；
自动化指标耦合模块，用于引入第一主成分PC1中的特征向量的方向控制变量；具体包括：以第一主成分PC1中的特征向量NDVI的方向作为方向控制变量，定义特征向量NDVI的方向为正方向，与特征向量NDVI的方向相反的其他特征向量的方向为负方向；
以及，用于根据所述方向控制变量对所有无量纲遥感指标进行耦合，得到综合生态环境质量指数；具体包括：
其中，SCEI0表示初始的综合生态环境质量指数，由所有无量纲遥感指标构成；Indexi表示第i个无量纲遥感指标，i＝1,2,…,n，n为无量纲遥感指标的个数，PC1[]V表示PC1中所有特征向量的耦合结果，VNDVI表示PC1中特征向量NDVI的分量值；当PC1中特征向量NDVI的分量值为正时，直接进行耦合，当PC1中特征向量NDVI的分量值为负时，将PC1中特征向量×(-1)后进行指标耦合；
多时间尺度测算模块，用于针对目标遥感数据中的每个像元，采用多时相均值法计算该像元在研究期内的综合生态环境质量指数的平均值，使用该平均值来表征该像元对应区域的综合生态环境质量状态。
CN202311338210.7A 2023-10-16 2023-10-16 基于遥感大数据的区域综合生态环境质量评价方法和系统 Active CN117408418B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311338210.7A CN117408418B (zh) 2023-10-16 2023-10-16 基于遥感大数据的区域综合生态环境质量评价方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311338210.7A CN117408418B (zh) 2023-10-16 2023-10-16 基于遥感大数据的区域综合生态环境质量评价方法和系统

Publications (2)

Publication Number Publication Date
CN117408418A CN117408418A (zh) 2024-01-16
CN117408418B true CN117408418B (zh) 2024-05-10

Family

ID=89491912

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311338210.7A Active CN117408418B (zh) 2023-10-16 2023-10-16 基于遥感大数据的区域综合生态环境质量评价方法和系统

Country Status (1)

Country Link
CN (1) CN117408418B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110427997A (zh) * 2019-07-25 2019-11-08 南京信息工程大学 面向复杂遥感影像背景的改进cva变化检测方法
AU2020101462A4 (en) * 2020-07-23 2020-08-27 Shenyang Institute of Atmospheric Environment, China Meteorological Administration Method and device for predicting and evaluating regional eco-quality annual harvest
CN111932591A (zh) * 2020-08-18 2020-11-13 中国科学院空天信息创新研究院 典型地质灾害遥感智能提取的方法与系统
CN113869689A (zh) * 2021-09-18 2021-12-31 陇东学院 一种基于遥感和地理信息系统的生态环境动态监测方法
CN114386732A (zh) * 2020-10-17 2022-04-22 龙岩学院 基于遥感技术和层次分析法的生态环境综合评价方法
CN115169969A (zh) * 2022-07-29 2022-10-11 江苏中煤地质工程研究院有限公司 生态环境状况综合评价方法、装置、电子设备及存储介质
CN115526098A (zh) * 2022-09-14 2022-12-27 国家能源投资集团有限责任公司 一种矿区地表植被叶面积指数遥感计算方法及电子设备
CN115856259A (zh) * 2022-12-12 2023-03-28 河南大学 基于区域差异特征的水源涵养功能遥感评估方法和系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110427997A (zh) * 2019-07-25 2019-11-08 南京信息工程大学 面向复杂遥感影像背景的改进cva变化检测方法
AU2020101462A4 (en) * 2020-07-23 2020-08-27 Shenyang Institute of Atmospheric Environment, China Meteorological Administration Method and device for predicting and evaluating regional eco-quality annual harvest
CN111932591A (zh) * 2020-08-18 2020-11-13 中国科学院空天信息创新研究院 典型地质灾害遥感智能提取的方法与系统
CN114386732A (zh) * 2020-10-17 2022-04-22 龙岩学院 基于遥感技术和层次分析法的生态环境综合评价方法
CN113869689A (zh) * 2021-09-18 2021-12-31 陇东学院 一种基于遥感和地理信息系统的生态环境动态监测方法
CN115169969A (zh) * 2022-07-29 2022-10-11 江苏中煤地质工程研究院有限公司 生态环境状况综合评价方法、装置、电子设备及存储介质
CN115526098A (zh) * 2022-09-14 2022-12-27 国家能源投资集团有限责任公司 一种矿区地表植被叶面积指数遥感计算方法及电子设备
CN115856259A (zh) * 2022-12-12 2023-03-28 河南大学 基于区域差异特征的水源涵养功能遥感评估方法和系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"基于特征选择和GA-BP神经网络的多源遥感农田土壤水分反演";李 宁;《农业工程学报 》;20210731;第37卷(第11期);112-118 *
"遥感影像水体提取研究综述";秦奋;《测绘科学》;20180531;第43卷(第5期);23-32 *

Also Published As

Publication number Publication date
CN117408418A (zh) 2024-01-16

Similar Documents

Publication Publication Date Title
CN113267258B (zh) 红外测温方法、装置、设备、智能巡检机器人及存储介质
CN111126662B (zh) 基于大数据的灌溉决策制定方法、装置、服务器和介质
CN105574897A (zh) 一种基于视觉检测的农作物生长情况监测物联网系统
CN114818888B (zh) 基于多通道卡尔曼滤波的土壤成分数据融合方法和系统
CN116300774B (zh) 基于主元分析与核密度估计的间歇过程可视化监控方法
CN116485615A (zh) 环境污染物生态毒性效应阈值浓度测算方法
WO2024174461A1 (zh) 一种多源高程数据融合方法、装置、计算机设备及介质
CN117408418B (zh) 基于遥感大数据的区域综合生态环境质量评价方法和系统
CN117907242B (zh) 基于动态遥感技术的国土测绘方法、系统及存储介质
CN117710833B (zh) 基于云计算的测绘地理信息数据采集方法及相关装置
CN113723541B (zh) 一种基于混合智能算法的边坡位移预测方法
CN115688955A (zh) 植被长势预测方法、装置及存储介质
CN115861827B (zh) 作物水肥胁迫的决策方法、装置及手机终端
CN116102100B (zh) 一种基于物联网设备的水质修复反馈控制方法及系统
CN115859211B (zh) 一种基于三温不确定度估算模型的地表温度产品融合方法
CN116629918A (zh) 一种基于跨境电商的用户消费预测方法及系统
Senevirathna et al. Development of a Raspberry Pi based soil nutrient analyzing system for crop cultivation
Zhang et al. Rotating Stomata Measurement Based on Anchor-Free Object Detection and Stomata Conductance Calculation
CN111507432A (zh) 农险理赔智能称重方法、系统、电子设备和存储介质
CN118245784B (zh) 一种海洋温盐深传感器数据标定方法、介质及系统
CN112082628A (zh) 一种家畜养殖物联网数据采集系统
CN118072871B (zh) 一种有机污染物环境检测方法及相关设备
CN110991333A (zh) 一种地上生物量预警方法
CN118396391B (zh) 生物炭基肥的施用风险评估方法及系统
CN115022348B (zh) 一种高端电池智能工厂云级架构数据存储方法

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240904

Address after: Room 2901, 29th Floor, Unit 4, Building 2, No. 39 Huayuan Road, Jinshui District, Zhengzhou City, Henan Province, 450000

Patentee after: Henan Defan Hi-Tech Software Technology Co.,Ltd.

Country or region after: China

Address before: 450046 No. 379, north section of Mingli Road, Zhengdong New Area, Zhengzhou City, Henan Province

Patentee before: Henan University

Country or region before: China