CN117871792A - 用于对园区绿植碳汇的动态监测方法及系统 - Google Patents
用于对园区绿植碳汇的动态监测方法及系统 Download PDFInfo
- Publication number
- CN117871792A CN117871792A CN202410281687.4A CN202410281687A CN117871792A CN 117871792 A CN117871792 A CN 117871792A CN 202410281687 A CN202410281687 A CN 202410281687A CN 117871792 A CN117871792 A CN 117871792A
- Authority
- CN
- China
- Prior art keywords
- result
- green
- data acquisition
- network
- monitoring
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 122
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 53
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000009919 sequestration Effects 0.000 title abstract description 13
- 238000011156 evaluation Methods 0.000 claims abstract description 62
- 238000013507 mapping Methods 0.000 claims abstract description 10
- 241001464837 Viridiplantae Species 0.000 claims description 60
- 238000012545 processing Methods 0.000 claims description 37
- 238000012795 verification Methods 0.000 claims description 36
- 230000002159 abnormal effect Effects 0.000 claims description 20
- 230000012010 growth Effects 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000013480 data collection Methods 0.000 claims description 4
- 238000012854 evaluation process Methods 0.000 claims description 4
- 230000001360 synchronised effect Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 9
- 238000007726 management method Methods 0.000 description 7
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 6
- 230000005856 abnormality Effects 0.000 description 4
- 230000008635 plant growth Effects 0.000 description 4
- 235000008331 Pinus X rigitaeda Nutrition 0.000 description 3
- 235000011613 Pinus brutia Nutrition 0.000 description 3
- 241000018646 Pinus brutia Species 0.000 description 3
- 229910002092 carbon dioxide Inorganic materials 0.000 description 3
- 239000001569 carbon dioxide Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003698 anagen phase Effects 0.000 description 2
- 239000005431 greenhouse gas Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 241000218691 Cupressaceae Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了用于对园区绿植碳汇的动态监测方法及系统，涉及动态监测技术领域，该方法包括：读取目标园区的园区绿植种植信息；建立归类标签，通过归类标签和种植区域映射，生成区域采集策略；获取数据采集结果；将数据采集结果输入智能评价网络；建立连续均值区域，进行连续均值区域的定点周期监测，获得定点周期监测结果；基于定点周期监测结果和归类标签进行碳汇拟合，根据拟合结果完成动态监测，通过本公开可以解决现有技术中存在由于园区绿植碳汇的动态监测精确度较低，导致优化绿化规划效率较低，使绿植碳汇效率较低的技术问题，实现提高园区绿植碳汇的动态监测精确度的目标，达到提高园区绿植碳汇效率的技术效果。
Description
技术领域
本公开涉及动态监测技术领域，具体涉及用于对园区绿植碳汇的动态监测方法及系统。
背景技术
园区绿植碳汇是指通过园区内的绿色植物，主要是树木、草地等，吸收大气中的二氧化碳，并将其固定在植被和土壤中，从而减少温室气体在大气中的浓度的过程、活动或机制，对于减缓气候变化、改善空气质量、维护生态平衡等方面都具有重要意义，有助于环境保护，也促进人类健康和生态可持续发展。目前，现有技术中由于绿植生长受到多种因素的影响，如气候、土壤、水分等，进而很难精确地测量植物的碳吸收和排放量，可能导致对碳汇的估计不准确，从而影响决策的科学性和有效性。另一方面，现有的监测技术尚未完全实现智能化，许多数据处理和分析仍需人工操作，可能由于人为因素导致数据处理的误差和偏差。
综上所述，现有技术中存在由于园区绿植碳汇的动态监测精确度较低，导致优化绿化规划效率较低，使绿植碳汇效率较低的技术问题。
发明内容
本公开提供了用于对园区绿植碳汇的动态监测方法及系统，用以解决现有技术中存在由于园区绿植碳汇的动态监测精确度较低，导致优化绿化规划效率较低，使绿植碳汇效率较低的技术问题。
根据本公开的第一方面，提供了用于对园区绿植碳汇的动态监测方法，包括：建立与目标园区的管理通信，并读取目标园区的园区绿植种植信息；基于所述园区绿植种植信息进行初始归类划分，建立归类标签，并通过所述归类标签和种植区域映射，生成区域采集策略；以所述区域采集策略控制无人机执行绿植数据采集，获取数据采集结果，其中，所述数据采集结果带有采集区域位置标识；将所述数据采集结果输入智能评价网络，其中，所述智能评价网络为通过所述归类标签构建的网络；通过所述智能评价网络建立连续均值区域，并进行所述连续均值区域的定点周期监测，获得定点周期监测结果；基于所述定点周期监测结果和所述归类标签进行目标园区的碳汇拟合，根据拟合结果完成动态监测。
根据本公开的第二方面，提供了用于对园区绿植碳汇的动态监测系统，包括：园区绿植种植信息获得模块，所述园区绿植种植信息获得模块用于建立与目标园区的管理通信，并读取目标园区的园区绿植种植信息；区域采集策略获得模块，所述区域采集策略获得模块用于基于所述园区绿植种植信息进行初始归类划分，建立归类标签，并通过所述归类标签和种植区域映射，生成区域采集策略；数据采集结果获得模块，所述数据采集结果获得模块用于以所述区域采集策略控制无人机执行绿植数据采集，获取数据采集结果，其中，所述数据采集结果带有采集区域位置标识；数据采集结果输入模块，所述数据采集结果输入模块用于将所述数据采集结果输入智能评价网络，其中，所述智能评价网络为通过所述归类标签构建的网络；定点周期监测结果获得模块，所述定点周期监测结果获得模块用于通过所述智能评价网络建立连续均值区域，并进行所述连续均值区域的定点周期监测，获得定点周期监测结果；动态监测模块，所述动态监测模块用于基于所述定点周期监测结果和所述归类标签进行目标园区的碳汇拟合，根据拟合结果完成动态监测。
本公开中提供的一个或多个技术方案，至少具有如下技术效果或优点：根据本公开采用的通过建立与目标园区的管理通信，并读取目标园区的园区绿植种植信息；基于所述园区绿植种植信息进行初始归类划分，建立归类标签，并通过所述归类标签和种植区域映射，生成区域采集策略；以所述区域采集策略控制无人机执行绿植数据采集，获取数据采集结果，其中，所述数据采集结果带有采集区域位置标识；将所述数据采集结果输入智能评价网络，其中，所述智能评价网络为通过所述归类标签构建的网络；通过所述智能评价网络建立连续均值区域，并进行所述连续均值区域的定点周期监测，获得定点周期监测结果；基于所述定点周期监测结果和所述归类标签进行目标园区的碳汇拟合，根据拟合结果完成动态监测，解决了现有技术中存在由于园区绿植碳汇的动态监测精确度较低，导致优化绿化规划效率较低，使绿植碳汇效率较低的技术问题，实现提高园区绿植碳汇的动态监测精确度的目标，达到提高园区绿植碳汇效率的技术效果。
应当理解，本部分所描述的内容并非旨在标示本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其他特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本公开或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本公开实施例提供的用于对园区绿植碳汇的动态监测方法的流程示意图；
图2为本公开实施例提供的用于对园区绿植碳汇的动态监测系统的结构示意图。
附图标记说明：园区绿植种植信息获得模块11，区域采集策略获得模块12，数据采集结果获得模块13，数据采集结果输入模块14，定点周期监测结果获得模块15，动态监测模块16。
具体实施方式
以下结合附图对本公开的示范性实施例作出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
本公开实施例提供的用于对园区绿植碳汇的动态监测方法，兹参照图1作说明，所述方法包括：
建立与目标园区的管理通信，并读取目标园区的园区绿植种植信息；
具体地，目标园区为待进行碳汇监测的园区。通过建立与目标园区的管理通信，读取目标园区中的园区绿植种植信息。例如，园区绿植种植信息包括绿植类型、绿植高度等。
基于所述园区绿植种植信息进行初始归类划分，建立归类标签，并通过所述归类标签和种植区域映射，生成区域采集策略；
具体地，按照园区绿植种植信息进行初始归类划分，建立归类标签，如归类标签包括同种绿植进行归类或高度为0至0.5米和0.5至1米的高度的绿植进行归类的标签。通过归类标签在目标园区进行种植区域映射，生成区域采集策略。区域采集策略指准确认证待采集绿植的参数，例如，区域采集策略为绿植的高度采集参数等大小特征。
以所述区域采集策略控制无人机执行绿植数据采集，获取数据采集结果，其中，所述数据采集结果带有采集区域位置标识；
具体地，无人机用于采集绿植数据。按照区域采集策略控制无人机执行绿植数据采集，获取数据采集结果，其中，数据采集结果带有采集目标园区中区域位置标识。例如，数据采集结果包括绿植高度参数。
将所述数据采集结果输入智能评价网络，其中，所述智能评价网络为通过所述归类标签构建的网络；
具体地，构建智能评价网络，通过归类标签训练智能评价网络，将数据采集结果输入智能评价网络进行识别初始化。
通过所述智能评价网络建立连续均值区域，并进行所述连续均值区域的定点周期监测，获得定点周期监测结果；
具体地，通过数据采集结果输入智能评价网络与区域采集策略进行匹配，获得特征匹配结果，根据智能评价网络评价归类标签对应的特征匹配结果的分布密度和状态等，进而获得连续均值区域。对连续均值区域进行定点周期监测，获得定点周期监测结果，即建立验证点，获得验证结果，例如，定点周期为一天等的时间，定点周期监测结果可以包括绿植分布密度和状态等的监测结果。
基于所述定点周期监测结果和所述归类标签进行目标园区的碳汇拟合，根据拟合结果完成动态监测。
具体地，碳汇指通过植被吸收大气中的二氧化碳，从而减少温室气体在大气中浓度的过程或机制。在目标园区对定点周期监测结果和对应的归类标签的绿植进行的碳汇拟合，根据拟合结果完成动态监测。
其中，通过本实施例可以解决现有技术中存在由于园区绿植碳汇的动态监测精确度较低，导致优化绿化规划效率较低，使绿植碳汇效率较低的技术问题，实现提高园区绿植碳汇的动态监测精确度的目标，达到提高园区绿植碳汇效率的技术效果。
本公开实施例提供的方法中还包括：
通过所述归类标签调用大数据中的归类图像，基于所述归类图像训练与归类标签对应的识别处理子网络，所述识别处理子网络为智能评价网络的内部处理网络；
当数据采集结果输入智能评价网络前，通过所述区域采集策略进行识别处理子网络的识别初始化；
当所述数据采集结果输入所述智能评价网络后，根据对应归类标签调用识别处理子网络，执行数据采集结果的特征匹配；
根据特征匹配结果完成连续均值区域的建立。
具体地，归类标签指将信息或数据按照一定的规则或标准进行分类和标记的方式。按照归类标签调用大数据中的归类图像，提取归类标签对应的识别处理子网络，通过归类图像训练对应的识别处理子网络。其中，将归类图像划分为训练数据和验证数据，划分比例由本领域技术人员根据实际情况进行自定义设置获得，例如，训练数据和验证数据的划分比例可以为6：4。通过训练数据对识别处理子网络进行训练，当识别处理子网络的输出结果趋于稳定时，通过验证数据对识别处理子网络进行验证，获得识别处理子网络的输出结果准确率，当识别处理子网络的输出结果准确率大于或等于预定输出结果准确率阈值时，获得识别处理子网络。其中，识别处理子网络的输出结果准确率由本领域技术人员根据实际情况进行自定义设置获得，例如，识别处理子网络的输出结果准确率为90%。进一步地，识别处理子网络为智能评价网络的内部处理网络，即智能评价网络包括识别处理子网络。
进一步地，获取区域采集策略，区域采集策略指准确认证待采集绿植的参数，例如，区域采集策略为绿植的高度采集参数等大小特征。进一步地，通过区域采集策略进行识别处理子网络的识别初始化，即将绿植的大小等采集的特征参数作为识别处理子网络的初始参数，而后将数据采集结果输入智能评价网络。
进一步地，将数据采集结果输入智能评价网络，提取数据采集结果的对应归类标签，根据对应归类标签调用识别处理子网络，通过识别处理子网络执行数据采集结果的特征匹配，获得特征匹配结果。例如，特征匹配结果为采集特征与采集参数的匹配。
进一步地，按照特征匹配结果建立连续均值区域，例如，连续均值区域包括绿植高度为0.5至1米的绿植区域。其中，通过获得特征匹配结果可以提高进行园区绿植动态监测的精确程度。
本公开实施例提供的方法中还包括：
将所述特征匹配结果同步至分布评价子网络，生成带有归类标签的密度分布结果；
将所述特征匹配结果同步至状态评价子网络，生成带有归类标签的状态分布结果；
基于所述密度分布结果和所述状态分布结果进行同一归类标签的连续均值区域建立。
具体地，智能评价网络中具有分布评价子网络。进一步地，将特征匹配结果从识别处理子网络同步至分布评价子网络，通过分布评价子网络进行绿植特征的分布评价，获得带有归类标签的密度分布结果。例如，密度分布结果包括绿植高度为0.5至1米的分布密度结果，其中，密度分布结果可以根据分布范围大小和分布数量进行计算获得。
进一步地，智能评价网络中具有状态评价子网络。进一步地，将特征匹配结果从识别处理子网络同步至状态评价子网络，通过状态评价子网络进行绿植生长状态的评价，获得带有归类标签的状态分布结果。例如，状态分布结果包括绿植高度为0.5至1米的绿植中枯萎或正常生长的绿植，其中，状态分布结果可以根据归类标签对应的总的绿植数量和正常生长的数量进行计算获得。
进一步地，提取同一归类标签对应的密度分布结果和状态分布结果，进行组合建立同一归类标签的连续均值区域。其中，建立连续均值区域可以提高进行园区绿植动态监测的精确程度。
本公开实施例提供的方法中还包括：
建立连续验证区域，其中，所述连续验证区域通过所述密度分布结果和所述状态分布结果设置有与连续均值区域的比例偏差；
在进行定点周期监测的过程中，对所述连续验证区域进行同步周期监测，生成验证周期监测结果；
基于所述验证周期监测结果、所述定点周期监测结果和所述比例偏差进行监测验证；
根据监测验证结果对拟合结果进行线性补偿，根据线性补偿结果完成动态监测。
具体地，根据密度分布结果中标准密度分布结果和状态分布结果中标准状态分布结果进行组合设置连续验证区域。例如，标准密度分布结果包括绿植高度为0.5至1米的标准分布密度结果，其中，标准密度分布结果可以根据分布范围大小和可分布的最大数量进行计算获得。标准状态分布结果包括绿植高度为0.5至1米的绿植中全部正常生长的绿植。进一步地，计算连续验证区域与连续均值区域的比例偏差。
进一步地，在进行定点周期监测的过程中，按照连续均值区域的定点周期对连续验证区域进行同步周期的监测，生成连续验证区域的验证周期监测结果。例如，验证周期监测结果包括连续均值区域的对应归类标签的相同绿植分布密度下的理想状态等的结果。
进一步地，按照定点周期进行监测结果的映射获得验证周期监测结果和定点周期监测结果的定点周期比例偏差。根据总的定点周期的时间线上的比例偏差与验证周期监测结果和定点周期监测结果的定点周期比例偏差进行监测结果的偏差验证，获得定点周期的时间线上的多个偏差的监测验证结果。
进一步地，根据监测验证结果向对应的拟合结果进行定点周期的时间线上的线性补偿，即按照理想绿植分布对实际绿植分布进行误差校正，根据线性补偿结果完成动态监测。其中，根据线性补偿结果完成动态监测可以提高园区绿植碳汇的动态监测的精确度。
本公开实施例提供的方法中还包括：
通过所述归类标签和所述采集区域位置标识进行同区域的归类冲突认证；
根据冲突认证结果生成区域选中的惩罚因子；
通过所述惩罚因子进行连续均值区域的建立约束。
具体地，判断在同一采集区域位置标识中是否存在多个归类标签，例如，在同一采集区域位置标识中同时存在第一种类绿植和第二种类绿植，如第一种类绿植可以为松树，第二种类绿植可以为柏树。进而完成同区域的归类冲突认证，获得冲突认证结果。
进一步地，将冲突认证结果作为区域选中的惩罚因子，将惩罚因子作为不选入连续均值区域的约束。其中，连续均值区域的约束指不选取冲突认证结果作为连续均值区域。其中，建立连续均值区域的约束可以提高获得园区绿植碳汇的动态监测的准确率。
本公开实施例提供的方法中还包括：
依据所述园区绿植种植信息进行绿植的生长阶段评价，建立阶段影响；
获取实时季节数据，通过所述实时季节数据进行天气影响预测，建立天气影响；
通过所述阶段影响和所述天气影响进行更新周期建立，通过所述更新周期执行绿植数据采集更新。
具体地，获取绿植的多个生长阶段，例如，生长阶段为多个季节等的时间。获取园区绿植种植信息的多个生长阶段的生长信息，例如，获取松树在春季和秋季的生长高度信息。根据生长信息进行生长阶段评价，建立阶段影响，例如，可以对绿植进行在多个生长阶段的生长高度的比对，获得比对结果作为阶段影响，如阶段影响可以为松树在秋季相比于春季的高度差值。
进一步地，基于大数据获取当前的季节信息，并获取当前实时的天气状况信息，如天气状况信息为温度等，作为实时季节数据。基于大数据获得温度等天气信息与对应绿植生长信息的记录，训练获得预测通道，通过预测通道对实时季节数据进行绿植生长预测，作为天气影响。例如，天气影响可以包括温度越高，绿植生长越快。
进一步地，根据绿植随时间变化生长的阶段影响和随天气变化生长的天气影响进行组合，建立更新周期，其中，更新周期用于按照更新周期执行绿植数据采集的更新，即在每一更新周期进行绿植数据采集。其中，可以对阶段影响和天气影响直接进行组合，也可以加权进行组合，加权比例可以由本领域技术人员根据实际情况进行自定义设置获得，例如，阶段影响和天气影响的加权比例为4：6。其中，设置更新周期可以提高园区绿植碳汇的动态监测的效率和准确性。
本公开实施例提供的方法中还包括：
在所述智能评价网络进行所述数据采集结果智能评价过程中，判断是否存在异常识别结果；
若存在异常识别结果，基于所述异常识别结果的识别位置生成反馈控制数据；
通过所述反馈控制数据控制重新执行识别位置的重新数据采集；
通过重新数据采集结果完成异常报出。
具体地，在智能评价网络进行数据采集结果智能评价过程中，判断是否存在异常识别结果。例如，异常识别结果可以包括将电线错认为绿植等的异常。
进一步地，若智能评价过程中存在异常识别结果，则对异常识别结果进行位置识别获得异常识别结果的识别位置。对识别位置的异常识别结果进行反馈控制，生成反馈控制数据。例如，进行从数据采集结果去除处理。
进一步地，通过反馈控制数据控制重新执行识别位置的重新数据采集，获取重新数据采集结果。例如，获取真正绿植的采集结果等。
进一步地，在重新数据采集结果中判断是否存在异常识别结果，进行反馈控制直至不存在异常识别结果，完成异常报出。其中，对异常识别结果进行反馈控制可以提高园区绿植碳汇的动态监测的准确度。
基于与前述实施例中用于对园区绿植碳汇的动态监测方法同样的发明构思，如图2所示，本公开还提供了用于对园区绿植碳汇的动态监测系统，所述系统包括：
园区绿植种植信息获得模块11，所述园区绿植种植信息获得模块11用于建立与目标园区的管理通信，并读取目标园区的园区绿植种植信息；
区域采集策略获得模块12，所述区域采集策略获得模块12用于基于所述园区绿植种植信息进行初始归类划分，建立归类标签，并通过所述归类标签和种植区域映射，生成区域采集策略；
数据采集结果获得模块13，所述数据采集结果获得模块13用于以所述区域采集策略控制无人机执行绿植数据采集，获取数据采集结果，其中，所述数据采集结果带有采集区域位置标识；
数据采集结果输入模块14，所述数据采集结果输入模块14用于将所述数据采集结果输入智能评价网络，其中，所述智能评价网络为通过所述归类标签构建的网络；
定点周期监测结果获得模块15，所述定点周期监测结果获得模块15用于通过所述智能评价网络建立连续均值区域，并进行所述连续均值区域的定点周期监测，获得定点周期监测结果；
动态监测模块16，所述动态监测模块16用于基于所述定点周期监测结果和所述归类标签进行目标园区的碳汇拟合，根据拟合结果完成动态监测。
进一步地，所述系统还包括：
识别处理子网络获得模块，所述识别处理子网络获得模块用于通过所述归类标签调用大数据中的归类图像，基于所述归类图像训练与归类标签对应的识别处理子网络，所述识别处理子网络为智能评价网络的内部处理网络；
识别初始化模块，所述识别初始化模块用于当数据采集结果输入智能评价网络前，通过所述区域采集策略进行识别处理子网络的识别初始化；
特征匹配模块，所述特征匹配模块用于当所述数据采集结果输入所述智能评价网络后，根据对应归类标签调用识别处理子网络，执行数据采集结果的特征匹配；
连续均值区域建立模块，所述连续均值区域建立模块用于根据特征匹配结果完成连续均值区域的建立。
进一步地，所述系统还包括：
密度分布结果获得模块，所述密度分布结果获得模块用于将所述特征匹配结果同步至分布评价子网络，生成带有归类标签的密度分布结果；
状态分布结果获得模块，所述状态分布结果获得模块用于将所述特征匹配结果同步至状态评价子网络，生成带有归类标签的状态分布结果；
连续均值区域获得模块，所述连续均值区域获得模块用于基于所述密度分布结果和所述状态分布结果进行同一归类标签的连续均值区域建立。
进一步地，所述系统还包括：
连续验证区域建立模块，所述连续验证区域建立模块用于建立连续验证区域，其中，所述连续验证区域通过所述密度分布结果和所述状态分布结果设置有与连续均值区域的比例偏差；
验证周期监测结果获得模块，所述验证周期监测结果获得模块用于在进行定点周期监测的过程中，对所述连续验证区域进行同步周期监测，生成验证周期监测结果；
监测验证模块，所述监测验证模块用于基于所述验证周期监测结果、所述定点周期监测结果和所述比例偏差进行监测验证；
线性补偿结果获得模块，所述线性补偿结果获得模块用于根据监测验证结果对拟合结果进行线性补偿，根据线性补偿结果完成动态监测。
进一步地，所述系统还包括：
归类冲突认证模块，所述归类冲突认证模块用于通过所述归类标签和所述采集区域位置标识进行同区域的归类冲突认证；
惩罚因子获得模块，所述惩罚因子获得模块用于根据冲突认证结果生成区域选中的惩罚因子；
约束建立模块，所述约束建立模块用于通过所述惩罚因子进行连续均值区域的建立约束。
进一步地，所述系统还包括：
阶段影响获得模块，所述阶段影响获得模块用于依据所述园区绿植种植信息进行绿植的生长阶段评价，建立阶段影响；
天气影响获得模块，所述天气影响获得模块用于获取实时季节数据，通过所述实时季节数据进行天气影响预测，建立天气影响；
采集更新模块，所述采集更新模块用于通过所述阶段影响和所述天气影响进行更新周期建立，通过所述更新周期执行绿植数据采集更新。
进一步地，所述系统还包括：
异常识别结果判断模块，所述异常识别结果判断模块用于在所述智能评价网络进行所述数据采集结果智能评价过程中，判断是否存在异常识别结果；
异常识别结果获得模块，所述异常识别结果获得模块用于若存在异常识别结果，基于所述异常识别结果的识别位置生成反馈控制数据；
重新数据采集模块，所述重新数据采集模块用于通过所述反馈控制数据控制重新执行识别位置的重新数据采集；
异常报出模块，所述异常报出模块用于通过重新数据采集结果完成异常报出。
前述实施例中的用于对园区绿植碳汇的动态监测方法具体实例同样适用于本实施例的用于对园区绿植碳汇的动态监测系统，通过前述对用于对园区绿植碳汇的动态监测方法的详细描述，本领域技术人员可以清楚地知道本实施例中用于对园区绿植碳汇的动态监测系统，所以为了说明书的简洁，在此不再详述。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述得比较简单，相关之处参见方法部分说明即可。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合和替代。任何在本公开的精神和原则之内所做的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (8)
1.用于对园区绿植碳汇的动态监测方法，其特征在于，所述方法包括：
建立与目标园区的管理通信，并读取目标园区的园区绿植种植信息；
基于所述园区绿植种植信息进行初始归类划分，建立归类标签，并通过所述归类标签和种植区域映射，生成区域采集策略；
以所述区域采集策略控制无人机执行绿植数据采集，获取数据采集结果，其中，所述数据采集结果带有采集区域位置标识；
将所述数据采集结果输入智能评价网络，其中，所述智能评价网络为通过所述归类标签构建的网络；
通过所述智能评价网络建立连续均值区域，并进行所述连续均值区域的定点周期监测，获得定点周期监测结果；
基于所述定点周期监测结果和所述归类标签进行目标园区的碳汇拟合，根据拟合结果完成动态监测。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
通过所述归类标签调用大数据中的归类图像，基于所述归类图像训练与归类标签对应的识别处理子网络，所述识别处理子网络为智能评价网络的内部处理网络；
当数据采集结果输入智能评价网络前，通过所述区域采集策略进行识别处理子网络的识别初始化；
当所述数据采集结果输入所述智能评价网络后，根据对应归类标签调用识别处理子网络，执行数据采集结果的特征匹配；
根据特征匹配结果完成连续均值区域的建立。
3.如权利要求2所述的方法，其特征在于，所述方法还包括：
将所述特征匹配结果同步至分布评价子网络，生成带有归类标签的密度分布结果；
将所述特征匹配结果同步至状态评价子网络，生成带有归类标签的状态分布结果；
基于所述密度分布结果和所述状态分布结果进行同一归类标签的连续均值区域建立。
4.如权利要求3所述的方法，其特征在于，所述方法还包括：
建立连续验证区域，其中，所述连续验证区域通过所述密度分布结果和所述状态分布结果设置有与连续均值区域的比例偏差；
在进行定点周期监测的过程中，对所述连续验证区域进行同步周期监测，生成验证周期监测结果；
基于所述验证周期监测结果、所述定点周期监测结果和所述比例偏差进行监测验证；
根据监测验证结果对拟合结果进行线性补偿，根据线性补偿结果完成动态监测。
5.如权利要求1所述的方法，其特征在于，所述方法还包括：
通过所述归类标签和所述采集区域位置标识进行同区域的归类冲突认证；
根据冲突认证结果生成区域选中的惩罚因子；
通过所述惩罚因子进行连续均值区域的建立约束。
6.如权利要求1所述的方法，其特征在于，所述方法还包括：
依据所述园区绿植种植信息进行绿植的生长阶段评价，建立阶段影响；
获取实时季节数据，通过所述实时季节数据进行天气影响预测，建立天气影响；
通过所述阶段影响和所述天气影响进行更新周期建立，通过所述更新周期执行绿植数据采集更新。
7.如权利要求1所述的方法，其特征在于，所述方法还包括：
在所述智能评价网络进行所述数据采集结果智能评价过程中，判断是否存在异常识别结果；
若存在异常识别结果，基于所述异常识别结果的识别位置生成反馈控制数据；
通过所述反馈控制数据控制重新执行识别位置的重新数据采集；
通过重新数据采集结果完成异常报出。
8.用于对园区绿植碳汇的动态监测系统，其特征在于，用于实施权利要求1-7中任意一项所述的用于对园区绿植碳汇的动态监测方法，所述系统包括：
园区绿植种植信息获得模块，所述园区绿植种植信息获得模块用于建立与目标园区的管理通信，并读取目标园区的园区绿植种植信息；
区域采集策略获得模块，所述区域采集策略获得模块用于基于所述园区绿植种植信息进行初始归类划分，建立归类标签，并通过所述归类标签和种植区域映射，生成区域采集策略；
数据采集结果获得模块，所述数据采集结果获得模块用于以所述区域采集策略控制无人机执行绿植数据采集，获取数据采集结果，其中，所述数据采集结果带有采集区域位置标识；
数据采集结果输入模块，所述数据采集结果输入模块用于将所述数据采集结果输入智能评价网络，其中，所述智能评价网络为通过所述归类标签构建的网络；
定点周期监测结果获得模块，所述定点周期监测结果获得模块用于通过所述智能评价网络建立连续均值区域，并进行所述连续均值区域的定点周期监测，获得定点周期监测结果；
动态监测模块，所述动态监测模块用于基于所述定点周期监测结果和所述归类标签进行目标园区的碳汇拟合，根据拟合结果完成动态监测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410281687.4A CN117871792B (zh) | 2024-03-13 | 2024-03-13 | 用于对园区绿植碳汇的动态监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410281687.4A CN117871792B (zh) | 2024-03-13 | 2024-03-13 | 用于对园区绿植碳汇的动态监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117871792A true CN117871792A (zh) | 2024-04-12 |
| CN117871792B CN117871792B (zh) | 2024-05-14 |
Family
ID=90584980
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410281687.4A Active CN117871792B (zh) | 2024-03-13 | 2024-03-13 | 用于对园区绿植碳汇的动态监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117871792B (zh) |
Citations (46)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2371909C1 (ru) * | 2008-03-18 | 2009-11-10 | Государственное учреждение "Научный центр проблем аэрокосмического мониторинга" - ЦПАМ "АЭРОКОСМОС" | Способ определения бонитета насаждений |
| RU2011138109A (ru) * | 2011-09-16 | 2013-05-10 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Брянская государственная инженерно-технологическая академия" | Способ комплексной оценки состояния лесных экосистем в районах техногенного воздействия промышленных объектов |
| CN103175943A (zh) * | 2013-02-27 | 2013-06-26 | 北京师范大学 | 一种基于自动采样分析的园区绿地碳汇能力检测系统 |
| CN103217507A (zh) * | 2013-03-13 | 2013-07-24 | 浙江农林大学 | 一种无线智能碳汇监测系统 |
| RU2012156051A (ru) * | 2012-12-25 | 2014-06-27 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Поволжский государственный технологический университет" | Способ оценки удельной активности цезия- 137 в растительных ресурсах леса |
| CN104374882A (zh) * | 2014-11-20 | 2015-02-25 | 浙江农林大学 | 一种无线智能碳汇监测系统 |
| CN104820065A (zh) * | 2015-04-15 | 2015-08-05 | 上海植物园 | 一种城市单株乔木的碳汇测算方法 |
| RU2731388C1 (ru) * | 2019-03-04 | 2020-09-02 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Государственный университет по землеустройству" | Способ комплексной оценки природных и антропогенных экосистем алмазодобывающих предприятий |
| AU2020103423A4 (en) * | 2020-11-13 | 2021-01-28 | Nanjing Forestry University | Identification Method of Land Suitable for Afforestation in Karst Area Based on Neural Network System |
| US20210067417A1 (en) * | 2019-08-28 | 2021-03-04 | Honeywell International Inc. | Methods, systems and appratuses for optimizing the bin selection of a network scheduling and configuration tool (nst) by bin allocation, demand prediction and machine learning |
| CN113283799A (zh) * | 2021-06-15 | 2021-08-20 | 东南大学 | 一种适用于设计阶段量化和评测公共建筑碳排放的方法 |
| CN113627240A (zh) * | 2021-06-29 | 2021-11-09 | 南京邮电大学 | 一种基于改进ssd学习模型的无人机树木种类识别方法 |
| CN114548910A (zh) * | 2022-01-21 | 2022-05-27 | 浙江农林大学 | 一种基于区块链的林业碳汇计量监测与交易系统及方法 |
| CN114577986A (zh) * | 2022-02-22 | 2022-06-03 | 生态环境部南京环境科学研究所 | 一种用于对人工生态环境碳汇的动态监测系统 |
| CN114580835A (zh) * | 2022-01-17 | 2022-06-03 | 江苏绿奥环保科技有限公司 | 一种基于大数据算法的园林绿化低碳智慧管理系统及方法 |
| CN114616942A (zh) * | 2022-04-09 | 2022-06-14 | 中南林业科技大学 | 一种碳汇系统种植用土壤处理装置 |
| CN114778767A (zh) * | 2022-04-06 | 2022-07-22 | 中国电力科学研究院有限公司 | 碳排放园区直接碳排放连续测量方法、装置、设备及介质 |
| CN114894254A (zh) * | 2022-07-13 | 2022-08-12 | 四川省林业和草原调查规划院(四川省林业和草原生态环境监测中心) | 一种单株木碳汇动态计量方法 |
| CN114943899A (zh) * | 2022-06-09 | 2022-08-26 | 苏鹏途 | 应用于园区绿化的监管方法 |
| CN115048990A (zh) * | 2022-06-01 | 2022-09-13 | 新奥数能科技有限公司 | 基于智慧园区运营管理场景的碳排放计量方法及装置 |
| WO2022214039A1 (zh) * | 2021-04-07 | 2022-10-13 | 中国农业大学 | 一种农业种植结构的遥感识别方法 |
| US20230004903A1 (en) * | 2022-08-30 | 2023-01-05 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods of greening management in smart cities, system, and storage mediums thereof |
| WO2023024798A1 (zh) * | 2021-08-27 | 2023-03-02 | 邢长山 | 一种基于氧气浓度变化规律的林业碳汇量计量方法 |
| CN115829812A (zh) * | 2022-12-09 | 2023-03-21 | 浙江智慧划云科技有限公司 | 一种基于生态系统模拟的碳汇量测算方法及系统 |
| CN116070080A (zh) * | 2023-03-06 | 2023-05-05 | 四川省林业和草原调查规划院(四川省林业和草原生态环境监测中心) | 一种森林碳储量与碳汇价值监测系统及动态评估方法 |
| CN116402483A (zh) * | 2023-06-09 | 2023-07-07 | 国网山东省电力公司兰陵县供电公司 | 一种园区碳排放量在线监测方法及系统 |
| CN116429988A (zh) * | 2023-06-09 | 2023-07-14 | 海南中南标质量科学研究院有限公司 | 海洋植物碳汇动态遥感监测装置 |
| CN116451840A (zh) * | 2023-03-17 | 2023-07-18 | 湖南景辉农林生态科技有限公司 | 一种森林碳储量测算方法、系统、终端及存储介质 |
| WO2023143628A1 (zh) * | 2022-01-26 | 2023-08-03 | 南通大学 | 基于遗传模糊树的视网膜糖尿病变深度网络检测方法 |
| CN116562139A (zh) * | 2023-05-09 | 2023-08-08 | 广西壮族自治区气象科学研究所 | 一种糖料蔗种植区域碳汇量计算方法 |
| CN116562556A (zh) * | 2023-04-27 | 2023-08-08 | 浙江中用市政园林设计股份有限公司 | 一种低碳城市的园林区域规划方法、装置及存储介质 |
| CN116663275A (zh) * | 2023-05-11 | 2023-08-29 | 新疆大学 | 城市绿地碳减排途径的评价方法、系统、设备及介质 |
| CN116797050A (zh) * | 2023-08-23 | 2023-09-22 | 成都岷山绿氢能源有限公司 | 工业园区的碳排放统计监测体系构建方法、装置及设备 |
| CN116881604A (zh) * | 2023-03-06 | 2023-10-13 | 四川省林业勘察设计研究院有限公司 | 一种碳汇造林项目碳汇动态计量方法 |
| US20230329159A1 (en) * | 2022-04-14 | 2023-10-19 | Shandong Academy Of Agricultural Machinery Sciences | Internet-of-things management and control system for intelligent orchard |
| CN116976565A (zh) * | 2023-08-25 | 2023-10-31 | 朱光兴 | 山地生态碳汇长期监测与趋势预测方法 |
| CN117033927A (zh) * | 2023-07-14 | 2023-11-10 | 中国建筑科学研究院有限公司 | 地铁站碳排放实时监测预测分析方法及预测分析方法 |
| CN117114434A (zh) * | 2023-07-21 | 2023-11-24 | 北京同信碳和科技有限责任公司 | 高速公路服务区污水处理系统碳排放量计算方法 |
| CN117151921A (zh) * | 2023-10-30 | 2023-12-01 | 四川生工创新科学研究有限公司成都分公司 | 种植农业碳汇计量系统及方法 |
| CN117237780A (zh) * | 2023-11-15 | 2023-12-15 | 人工智能与数字经济广东省实验室(深圳) | 多维数据特征图构建方法、系统、智能终端和介质 |
| CN117350748A (zh) * | 2023-09-20 | 2024-01-05 | 黑龙江省森林保护研究所 | 一种森林碳储量与碳汇价值监测系统及动态评估方法 |
| CN117455127A (zh) * | 2023-12-26 | 2024-01-26 | 临沂市园林环卫保障服务中心 | 一种基于智慧园林的植物碳汇动态数据监测系统 |
| WO2024027476A1 (zh) * | 2022-08-03 | 2024-02-08 | 杭州睿胜软件有限公司 | 用于植物图像的识别处理方法、系统和存储介质 |
| CN117652267A (zh) * | 2023-12-14 | 2024-03-08 | 广东桥信建设安装工程有限公司 | 一种用于园林绿化维护的监测管理方法及系统 |
| CN117655091A (zh) * | 2023-03-01 | 2024-03-08 | 日照城投环境科技集团有限公司 | 一种有机固废处理及其介导土地修复的碳汇方法 |
| CN117668093A (zh) * | 2023-12-04 | 2024-03-08 | 呼伦贝尔市生态环境局 | 一种基于大数据分析的区域内碳汇监测计量方法 |
-
2024
- 2024-03-13 CN CN202410281687.4A patent/CN117871792B/zh active Active
Patent Citations (47)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2371909C1 (ru) * | 2008-03-18 | 2009-11-10 | Государственное учреждение "Научный центр проблем аэрокосмического мониторинга" - ЦПАМ "АЭРОКОСМОС" | Способ определения бонитета насаждений |
| RU2011138109A (ru) * | 2011-09-16 | 2013-05-10 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Брянская государственная инженерно-технологическая академия" | Способ комплексной оценки состояния лесных экосистем в районах техногенного воздействия промышленных объектов |
| RU2012156051A (ru) * | 2012-12-25 | 2014-06-27 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Поволжский государственный технологический университет" | Способ оценки удельной активности цезия- 137 в растительных ресурсах леса |
| CN103175943A (zh) * | 2013-02-27 | 2013-06-26 | 北京师范大学 | 一种基于自动采样分析的园区绿地碳汇能力检测系统 |
| CN103217507A (zh) * | 2013-03-13 | 2013-07-24 | 浙江农林大学 | 一种无线智能碳汇监测系统 |
| CN104374882A (zh) * | 2014-11-20 | 2015-02-25 | 浙江农林大学 | 一种无线智能碳汇监测系统 |
| CN104820065A (zh) * | 2015-04-15 | 2015-08-05 | 上海植物园 | 一种城市单株乔木的碳汇测算方法 |
| RU2731388C1 (ru) * | 2019-03-04 | 2020-09-02 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Государственный университет по землеустройству" | Способ комплексной оценки природных и антропогенных экосистем алмазодобывающих предприятий |
| US20210067417A1 (en) * | 2019-08-28 | 2021-03-04 | Honeywell International Inc. | Methods, systems and appratuses for optimizing the bin selection of a network scheduling and configuration tool (nst) by bin allocation, demand prediction and machine learning |
| AU2020103423A4 (en) * | 2020-11-13 | 2021-01-28 | Nanjing Forestry University | Identification Method of Land Suitable for Afforestation in Karst Area Based on Neural Network System |
| WO2022214039A1 (zh) * | 2021-04-07 | 2022-10-13 | 中国农业大学 | 一种农业种植结构的遥感识别方法 |
| CN113283799A (zh) * | 2021-06-15 | 2021-08-20 | 东南大学 | 一种适用于设计阶段量化和评测公共建筑碳排放的方法 |
| CN113627240A (zh) * | 2021-06-29 | 2021-11-09 | 南京邮电大学 | 一种基于改进ssd学习模型的无人机树木种类识别方法 |
| WO2023024798A1 (zh) * | 2021-08-27 | 2023-03-02 | 邢长山 | 一种基于氧气浓度变化规律的林业碳汇量计量方法 |
| CN114580835A (zh) * | 2022-01-17 | 2022-06-03 | 江苏绿奥环保科技有限公司 | 一种基于大数据算法的园林绿化低碳智慧管理系统及方法 |
| CN114548910A (zh) * | 2022-01-21 | 2022-05-27 | 浙江农林大学 | 一种基于区块链的林业碳汇计量监测与交易系统及方法 |
| WO2023143628A1 (zh) * | 2022-01-26 | 2023-08-03 | 南通大学 | 基于遗传模糊树的视网膜糖尿病变深度网络检测方法 |
| CN114577986A (zh) * | 2022-02-22 | 2022-06-03 | 生态环境部南京环境科学研究所 | 一种用于对人工生态环境碳汇的动态监测系统 |
| CN114778767A (zh) * | 2022-04-06 | 2022-07-22 | 中国电力科学研究院有限公司 | 碳排放园区直接碳排放连续测量方法、装置、设备及介质 |
| CN114616942A (zh) * | 2022-04-09 | 2022-06-14 | 中南林业科技大学 | 一种碳汇系统种植用土壤处理装置 |
| US20230329159A1 (en) * | 2022-04-14 | 2023-10-19 | Shandong Academy Of Agricultural Machinery Sciences | Internet-of-things management and control system for intelligent orchard |
| CN115048990A (zh) * | 2022-06-01 | 2022-09-13 | 新奥数能科技有限公司 | 基于智慧园区运营管理场景的碳排放计量方法及装置 |
| CN114943899A (zh) * | 2022-06-09 | 2022-08-26 | 苏鹏途 | 应用于园区绿化的监管方法 |
| US20240019412A1 (en) * | 2022-07-13 | 2024-01-18 | Sichuan Provincial Institute of Forestry and Grassland Inventory and Planning | Method for dynamic measurement of individual tree carbon sink |
| CN114894254A (zh) * | 2022-07-13 | 2022-08-12 | 四川省林业和草原调查规划院(四川省林业和草原生态环境监测中心) | 一种单株木碳汇动态计量方法 |
| WO2024027476A1 (zh) * | 2022-08-03 | 2024-02-08 | 杭州睿胜软件有限公司 | 用于植物图像的识别处理方法、系统和存储介质 |
| US20230004903A1 (en) * | 2022-08-30 | 2023-01-05 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods of greening management in smart cities, system, and storage mediums thereof |
| CN115829812A (zh) * | 2022-12-09 | 2023-03-21 | 浙江智慧划云科技有限公司 | 一种基于生态系统模拟的碳汇量测算方法及系统 |
| CN117655091A (zh) * | 2023-03-01 | 2024-03-08 | 日照城投环境科技集团有限公司 | 一种有机固废处理及其介导土地修复的碳汇方法 |
| CN116070080A (zh) * | 2023-03-06 | 2023-05-05 | 四川省林业和草原调查规划院(四川省林业和草原生态环境监测中心) | 一种森林碳储量与碳汇价值监测系统及动态评估方法 |
| CN116881604A (zh) * | 2023-03-06 | 2023-10-13 | 四川省林业勘察设计研究院有限公司 | 一种碳汇造林项目碳汇动态计量方法 |
| CN116451840A (zh) * | 2023-03-17 | 2023-07-18 | 湖南景辉农林生态科技有限公司 | 一种森林碳储量测算方法、系统、终端及存储介质 |
| CN116562556A (zh) * | 2023-04-27 | 2023-08-08 | 浙江中用市政园林设计股份有限公司 | 一种低碳城市的园林区域规划方法、装置及存储介质 |
| CN116562139A (zh) * | 2023-05-09 | 2023-08-08 | 广西壮族自治区气象科学研究所 | 一种糖料蔗种植区域碳汇量计算方法 |
| CN116663275A (zh) * | 2023-05-11 | 2023-08-29 | 新疆大学 | 城市绿地碳减排途径的评价方法、系统、设备及介质 |
| CN116429988A (zh) * | 2023-06-09 | 2023-07-14 | 海南中南标质量科学研究院有限公司 | 海洋植物碳汇动态遥感监测装置 |
| CN116402483A (zh) * | 2023-06-09 | 2023-07-07 | 国网山东省电力公司兰陵县供电公司 | 一种园区碳排放量在线监测方法及系统 |
| CN117033927A (zh) * | 2023-07-14 | 2023-11-10 | 中国建筑科学研究院有限公司 | 地铁站碳排放实时监测预测分析方法及预测分析方法 |
| CN117114434A (zh) * | 2023-07-21 | 2023-11-24 | 北京同信碳和科技有限责任公司 | 高速公路服务区污水处理系统碳排放量计算方法 |
| CN116797050A (zh) * | 2023-08-23 | 2023-09-22 | 成都岷山绿氢能源有限公司 | 工业园区的碳排放统计监测体系构建方法、装置及设备 |
| CN116976565A (zh) * | 2023-08-25 | 2023-10-31 | 朱光兴 | 山地生态碳汇长期监测与趋势预测方法 |
| CN117350748A (zh) * | 2023-09-20 | 2024-01-05 | 黑龙江省森林保护研究所 | 一种森林碳储量与碳汇价值监测系统及动态评估方法 |
| CN117151921A (zh) * | 2023-10-30 | 2023-12-01 | 四川生工创新科学研究有限公司成都分公司 | 种植农业碳汇计量系统及方法 |
| CN117237780A (zh) * | 2023-11-15 | 2023-12-15 | 人工智能与数字经济广东省实验室(深圳) | 多维数据特征图构建方法、系统、智能终端和介质 |
| CN117668093A (zh) * | 2023-12-04 | 2024-03-08 | 呼伦贝尔市生态环境局 | 一种基于大数据分析的区域内碳汇监测计量方法 |
| CN117652267A (zh) * | 2023-12-14 | 2024-03-08 | 广东桥信建设安装工程有限公司 | 一种用于园林绿化维护的监测管理方法及系统 |
| CN117455127A (zh) * | 2023-12-26 | 2024-01-26 | 临沂市园林环卫保障服务中心 | 一种基于智慧园林的植物碳汇动态数据监测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117871792B (zh) | 2024-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111080173B (zh) | 一种森林系统碳通量的估计方法 | |
| CN108733966A (zh) | 一种基于决策树群的多维电能表现场状态检验方法 | |
| CN102495919A (zh) | 一种生态系统碳交换影响因素提取方法及系统 | |
| CN110414738A (zh) | 一种农作物产量预测方法及系统 | |
| CN110503462A (zh) | 基于灰色关联度分析的电网投资测算方法、系统及介质 | |
| CN117251700B (zh) | 基于人工智能的环境监测传感器数据分析方法及系统 | |
| CN108011367A (zh) | 一种基于深度决策树算法的电力负荷特性挖掘方法 | |
| CN106650228A (zh) | 改进k‑means算法的噪声数据去除方法及实施系统 | |
| CN114298084A (zh) | 一种基于XGBoost的光伏组串通信异常识别方法及系统 | |
| CN114494909B (zh) | 一种大豆生长季空间分布图的生成方法和系统 | |
| CN117871792B (zh) | 用于对园区绿植碳汇的动态监测方法及系统 | |
| CN111325392A (zh) | 登陆热带气旋过程降水预报系统 | |
| CN109543911B (zh) | 一种日照辐射预测方法及系统 | |
| CN107025505A (zh) | 一种基于主成分分析和神经网络的水稻需水量预测方法 | |
| CN113127464B (zh) | 农业大数据环境特征处理方法、装置及电子设备 | |
| Macabiog et al. | Rainfall predictive approach for La Trinidad, Benguet using machine learning classification | |
| Martinez et al. | Predictive modelling in grape berry weight during maturation process: comparison of data mining, statistical and artificial intelligence techniques | |
| CN111817935A (zh) | 一种互联网智能家居数据处理方法及系统 | |
| CN110458438A (zh) | 植被水分利用效率wue的影响因子的计算方法及装置 | |
| CN110765420A (zh) | 一种基于pso-fi的地面自动气象站气温观测资料质量控制方法 | |
| CN107396292A (zh) | 一种用于精准农业的土壤湿度信息获取系统 | |
| CN115964216A (zh) | 一种基于孤立森林的物联网设备数据异常检测方法 | |
| CN112001543A (zh) | 基于地温的农作物生长期预测方法及相关设备 | |
| CN111768101A (zh) | 一种顾及物候特征的遥感耕地变化检测方法及系统 | |
| KR102471742B1 (ko) | 스마트팜의 생산량과 환경에 대한 최적선형모델 구축 방법 |
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 |