DE202023100666U1 - Ein IoT-basiertes Frühwarn- und Erkennungssystem für Tsunami und Erdbeben in Küstengebieten - Google Patents
Ein IoT-basiertes Frühwarn- und Erkennungssystem für Tsunami und Erdbeben in Küstengebieten Download PDFInfo
- Publication number
- DE202023100666U1 DE202023100666U1 DE202023100666.3U DE202023100666U DE202023100666U1 DE 202023100666 U1 DE202023100666 U1 DE 202023100666U1 DE 202023100666 U DE202023100666 U DE 202023100666U DE 202023100666 U1 DE202023100666 U1 DE 202023100666U1
- Authority
- DE
- Germany
- Prior art keywords
- sensors
- data
- module
- central server
- iot
- 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
- 238000001514 detection method Methods 0.000 title abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 12
- 238000004891 communication Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 7
- 230000005540 biological transmission Effects 0.000 claims abstract description 5
- 238000007405 data analysis Methods 0.000 claims abstract description 5
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000012546 transfer Methods 0.000 description 3
- 230000006378 damage Effects 0.000 description 2
- 101100521334 Mus musculus Prom1 gene Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B27/00—Alarm systems in which the alarm condition is signalled from a central station to a plurality of substations
- G08B27/005—Alarm systems in which the alarm condition is signalled from a central station to a plurality of substations with transmission via computer network
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Alarm Systems (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
IoT-basiertes System zur Erkennung von Frühwarnung und Naturkatastrophen, dadurch gekennzeichnet, dass das System umfasst:
eine Vielzahl von Sensoren,
einen zentralen Server in Kommunikation mit der Vielzahl von Sensoren, wobei der zentrale Server einen Speicher und einen Mikrocontroller umfasst, der mit einer Vielzahl von Modulen konfiguriert ist, umfassend:
ein Eingabeempfangsmodul, das Eingaben von der Vielzahl von Sensoren empfängt;
ein Datenübertragungsmodul, das die empfangenen Daten von den Sensoren an den zentralen Server überträgt;
ein Datenverarbeitungsmodul, das von den Sensoren gesammelte Daten verarbeitet;
ein Speichermodul, das eine Sammlung historischer Daten definiert, die darauf trainiert sind, die Wahrscheinlichkeit eines Tsunami- oder Erdbebenereignisses basierend auf aktuellen Bedingungen zu bestimmen;
ein Datenanalysemodul, das die historischen und verarbeiteten gesammelten Daten analysiert;
ein Benachrichtigungsmodul, das Aktualisierungen in Echtzeit benachrichtigt und Warnungen an registrierte Parteien sendet; und
eine Kommunikationseinheit, um ein Medium bereitzustellen, durch das die Sensoren und der zentrale Server miteinander kommunizieren, und das Benachrichtigungsmodul mit registrierten Parteien kommuniziert.
eine Vielzahl von Sensoren,
einen zentralen Server in Kommunikation mit der Vielzahl von Sensoren, wobei der zentrale Server einen Speicher und einen Mikrocontroller umfasst, der mit einer Vielzahl von Modulen konfiguriert ist, umfassend:
ein Eingabeempfangsmodul, das Eingaben von der Vielzahl von Sensoren empfängt;
ein Datenübertragungsmodul, das die empfangenen Daten von den Sensoren an den zentralen Server überträgt;
ein Datenverarbeitungsmodul, das von den Sensoren gesammelte Daten verarbeitet;
ein Speichermodul, das eine Sammlung historischer Daten definiert, die darauf trainiert sind, die Wahrscheinlichkeit eines Tsunami- oder Erdbebenereignisses basierend auf aktuellen Bedingungen zu bestimmen;
ein Datenanalysemodul, das die historischen und verarbeiteten gesammelten Daten analysiert;
ein Benachrichtigungsmodul, das Aktualisierungen in Echtzeit benachrichtigt und Warnungen an registrierte Parteien sendet; und
eine Kommunikationseinheit, um ein Medium bereitzustellen, durch das die Sensoren und der zentrale Server miteinander kommunizieren, und das Benachrichtigungsmodul mit registrierten Parteien kommuniziert.
Description
- Tsunami und Erdbeben sind Naturkatastrophen, die Ereignisse verursachen, die zur Zerstörung von Gebäuden, gewerblichem Eigentum und zum Tod von Lebewesen führen. Diese Ereignisse stören den gesamten Aufbau des Gebiets, in dem solche Ereignisse auftreten. Es gibt viele Gebiete wie Küstengebiete, die anfällig für Tsunami- und Erdbebenereignisse sind und durch solche Ereignisse regelmäßig Schäden und schwere Verluste erleiden. Es gibt viele Systeme, die Tsunamis und Erdbeben in solchen Küstengebieten vorhersagen. Sie sind jedoch nicht zuverlässig und sehr teuer.
- Die Aufgabe wird durch die im Anspruch 1 aufgeführten Merkmale gelöst.
- Eine Aufgabe der vorliegenden Offenbarung besteht darin, einen oder mehrere Nachteile zu überwinden, die mit herkömmlichen Mechanismen verbunden sind.
- Eine Aufgabe der vorliegenden Offenbarung ist es, ein IoT-System bereitzustellen, um eine Frühwarnung und Erkennung für Naturkatastrophen zu erkennen.
- Eine Aufgabe der vorliegenden Offenbarung ist es, das leicht einsetzbare IoT-System bereitzustellen, um Frühwarnungen und Erkennung von Naturkatastrophen zu erkennen.
- Eine Aufgabe der vorliegenden Offenbarung ist es, ein Verfahren zur Erkennung von Frühwarnungen und zur Erkennung von Naturkatastrophen bereitzustellen.
- Die vorliegende Offenbarung betrifft IoT-basierte Systeme. Genauer gesagt bezieht sich die vorliegende Offenbarung auf ein IoT-basiertes System zur Erkennung von Frühwarnungen und Naturkatastrophen. Die vorliegende Offenbarung offenbart ein Verfahren zur Erkennung von Frühwarnung und Naturkatastrophen.
- In diesem Aspekt wird ein IoT-basiertes System zur Erkennung von Frühwarnungen und Naturkatastrophen offenbart. Das System umfasst eine Vielzahl von Sensoren. Ein zentraler Server kommuniziert mit der Vielzahl von Sensoren. Der zentrale Server umfasst einen Speicher und einen Mikrocontroller, der mit mehreren Modulen konfiguriert ist. Das System umfasst ein Eingabeempfangsmodul, das Eingaben von der Vielzahl von Sensoren empfängt; ein Datenübertragungsmodul, das die empfangenen Daten von den Sensoren an den zentralen Server überträgt; ein Datenverarbeitungsmodul, das von den Sensoren gesammelte Daten verarbeitet; ein Speichermodul, das einen Speicher historischer Daten definiert, die darauf trainiert sind, die Wahrscheinlichkeit eines Tsunami- oder Erdbebenereignisses basierend auf aktuellen Bedingungen zu bestimmen; ein Datenanalysemodul, das die historischen und verarbeiteten gesammelten Daten analysiert; ein Benachrichtigungsmodul, das Aktualisierungen in Echtzeit benachrichtigt und Warnungen an registrierte Parteien sendet; und eine Kommunikationseinheit, um ein Medium bereitzustellen, durch das die Sensoren und der zentrale Server miteinander kommunizieren, und das Benachrichtigungsmodul mit registrierten Parteien kommuniziert.
- Der Zweck der vorliegenden Erfindung wird durch die Offenlegung eines IoT-basierten Systems zur Frühwarnung und Erkennung von Naturkatastrophen erreicht. Zu den Naturkatastrophen gehören unter anderem Erdbeben und Tsunamis in Küstengebieten. In einigen Aspekten wird das IoT-basierte System in jedem Gebiet implementiert, das für solche Naturkatastrophen anfällig ist.
- Die folgende Diskussion stellt viele beispielhafte Ausführungsformen des erfindungsgemäßen Gegenstands bereit. Obwohl jede Ausführungsform eine einzelne Kombination von erfinderischen Elementen darstellt, wird davon ausgegangen, dass der erfinderische Gegenstand alle möglichen Kombinationen der offenbarten Elemente umfasst. Wenn also eine Ausführungsform die Elemente A, B und C umfasst und eine zweite Ausführungsform die Elemente B und D umfasst, dann wird davon ausgegangen, dass der erfinderische Gegenstand auch andere verbleibende Kombinationen von A, B, C oder D umfasst, selbst wenn dies nicht der Fall ist ausdrücklich offengelegt. Die Ausführungsformen hierin und die verschiedenen Merkmale und vorteilhaften Details davon werden vollständiger unter Bezugnahme auf die nicht einschränkenden Ausführungsformen erläutert, die in der folgenden Beschreibung detailliert sind. Beschreibungen wohlbekannter Komponenten und Verarbeitungstechniken werden weggelassen, um die Ausführungsformen hierin nicht unnötig zu verschleiern. Die hierin verwendeten Beispiele sollen lediglich ein Verständnis der Wege erleichtern, auf denen die Ausführungsformen hierin praktiziert werden können, und es dem Fachmann weiter ermöglichen, die Ausführungsformen hierin zu praktizieren.
- Dementsprechend sollten die Beispiele nicht als Einschränkung des Umfangs der Ausführungsformen hierin ausgelegt werden.
- Viele Modifikationen werden Fachleuten offensichtlich sein, ohne vom Umfang der vorliegenden Erfindung abzuweichen, wie sie hierin zuvor beschrieben wurde.
- In dieser Beschreibung und den folgenden Ansprüchen sind das Wort „umfassen“ und Variationen wie „umfassen“ und „umfassend“ so zu verstehen, dass sie die Aufnahme einer angegebenen ganzen Zahl oder Stufe oder Gruppe von ganzen Zahlen implizieren, es sei denn, der Kontext erfordert etwas anderes oder Schritte, aber nicht der Ausschluss irgendeiner anderen ganzen Zahl oder eines anderen Schritts oder einer Gruppe von ganzen Zahlen oder Schritten.
- Wie hier verwendet, umfassen die Singularformen „ein“, „eine“, „der/die/das“ Bezüge im Plural, es sei denn, der Kontext schreibt eindeutig etwas anderes vor. Ferner sollen die Begriffe „wie“, „als solche“, „zum Beispiel“, „einschließlich“ Beispiele einführen, die einen allgemeineren Gegenstand weiter verdeutlichen, und sollten für den Fachmann in Betracht gezogen werden, um den Gegenstand zu verstehen.
- Gruppierungen von alternativen Elementen oder Ausführungsformen der hierin offenbarten Erfindung sind nicht als Beschränkungen aufzufassen. Auf jedes Gruppenmitglied kann einzeln oder in beliebiger Kombination mit anderen Mitgliedern der Gruppe oder anderen hierin gefundenen Elementen Bezug genommen und beansprucht werden. Ein oder mehrere Mitglieder einer Gruppe können aus Zweckmäßigkeitsgründen und/oder aus Gründen der Patentierbarkeit in eine Gruppe aufgenommen oder daraus entfernt werden. Wenn eine solche Aufnahme oder Löschung auftritt, wird davon ausgegangen, dass die Beschreibung die Gruppe in der modifizierten Form enthält, wodurch die schriftliche Beschreibung aller Markush-Gruppen erfüllt wird, die in den beigefügten Ansprüchen verwendet werden.
- Das IoT-basierte System zur Frühwarnung und Erkennung von Naturkatastrophen. Das System umfasst mehrere Sensoren, die entlang der Küsten und in den Ozeanen eingesetzt werden. Mehrere Sensoren umfassen unter anderem Meeresspiegelsensoren, Temperatursensoren und seismische Sensoren. Die Sensoren sind in der Technik gut bekannt.
- Das System enthält auch einen zentralen Server, der mit den Sensoren kommuniziert. Der zentrale Server umfasst einen Speicher und einen Mikrocontroller, der mit mehreren Modulen konfiguriert ist.
- Der Mikrocontroller enthält einen nichtflüchtigen Speicher, der mit einem oder mehreren Prozessoren gekoppelt ist. Zum Beispiel Arduino Uno basierend auf dem ATmega328. Es verfügt über 14 digitale Ein-/Ausgangspins (von denen 6 als PWM-Ausgänge verwendet werden können), 6 analoge Eingänge, einen 16-MHz-Quarzoszillator, einen USB-Anschluss, eine Strombuchse, einen ICSP-Header und eine Reset-Taste. Der ATmega328 bietet eine serielle UART-TTL-Kommunikation (5 V), die an den digitalen Pins 0 (RX) und 1 (TX) verfügbar ist. Ein ATmega16U2 auf dem Board kanalisiert diese serielle Kommunikation über USB und erscheint als virtueller COM-Port für die Software auf dem Computer. Die '16U2-Firmware verwendet die Standard-USB-COM-Treiber, und es wird kein externer Treiber benötigt. Unter Windows ist jedoch eine INF-Datei erforderlich. Die Arduino-Software enthält einen seriellen Monitor, mit dem einfache Textdaten an und von der Arduino-Platine gesendet werden können. Die RX- und TX-LEDs auf der Platine blinken, wenn Daten über den USB-to-Serial-Chip und die USB-Verbindung zum Computer übertragen werden (jedoch nicht für die serielle Kommunikation an den Pins 0 und 1).
- Der nichtflüchtige Speicher (z. B. Halbleiterspeicher wie ROMs, PROMs, Direktzugriffsspeicher (RAMs) usw.) zum Speichern verschiedener Software oder Firmware oder ausführbarer Anweisungen und/oder Daten, ein oder mehrere Prozessoren, eine Batterie (d. h. ein wiederaufladbare Li-Ionen-Batterie, eine Festkörperbatterie usw.), um eine oder mehrere Komponenten des Systems mit elektrischer Energie zu versorgen, ein Ladesystem zum Laden der Batterie, andere elektronische Komponenten, Daten-Sendeempfänger/Datenübertragungsmittel, die angeordnet werden können zum Empfangen und Übertragen von Daten an eine oder mehrere andere Komponenten des Systems. Alle vorgenannten Elemente/Komponenten des Systems können operativ miteinander gekoppelt werden.
- Der Mikrocontroller, der, wenn er mit dem Speicher gekoppelt ist, dazu konfiguriert ist, ein oder mehrere Module zu betreiben. Die Module können beispielsweise ein Eingangsempfangsmodul, ein Datenübertragungsmodul, ein Datenverarbeitungsmodul, ein Speichermodul, ein Datenanalysemodul und ein Benachrichtigungsmodul umfassen, sind aber nicht darauf beschränkt.
- Das Eingabeempfangsmodul empfängt Eingaben von den Sensoren. Jeder der Sensoren misst Daten von verschiedenen Ressourcen, zum Beispiel ist der Meeresspiegelsensor ein Wasserpegelsensor, der dazu konfiguriert ist, Änderungen des Meeresspiegels wie etwa Flutwellen im Wasser zu messen und zu überwachen. Der Temperatursensor ist konfiguriert, um die Temperatur des Wassers zu messen. Der seismische Sensor überwacht im Wasser erzeugte seismische Wellen. Das System umfasst die kontinuierliche Sammlung von Daten von den Sensoren und die Übertragung der Daten an einen zentralen Server.
- Das Datenübertragungsmodul ist konfiguriert, um die empfangenen Daten von den Sensoren an den zentralen Server zu übertragen. Das Datenverarbeitungsmodul ist konfiguriert, um von den Sensoren gesammelte Daten zu verarbeiten.
- Das Speichermodul definiert eine Ablage historischer Daten. Die historischen Daten umfassen frühere Daten von seismischen Aufzeichnungen des Wassers. Das Speichermodul ist dazu konfiguriert, darauf trainiert zu werden, die Wahrscheinlichkeit eines Tsunami- oder Erdbebenereignisses basierend auf aktuellen Bedingungen zu bestimmen.
- Das Datenanalysemodul ist konfiguriert, um die historischen und verarbeiteten gesammelten Daten zu analysieren.
- Das Benachrichtigungsmodul ist konfiguriert, um Aktualisierungen in Echtzeit zu benachrichtigen und Warnungen an registrierte Parteien zu senden. Die Benachrichtigung erfolgt in Form einer SMS, E-Mail oder App.
- Die Kommunikationseinheit ist so konfiguriert, dass sie ein Medium bereitstellt, über das die Sensoren und der zentrale Server miteinander kommunizieren. Die Kommunikationseinheit ist konfiguriert, um das Benachrichtigungsmodul bereitzustellen, um mit registrierten Parteien zu kommunizieren.
- Das System ist skalierbar und einfach in mehreren Küstengebieten einsetzbar.
- Die vorliegende Offenbarung offenbart auch ein Verfahren zur Frühwarnung und Erkennung von Naturkatastrophen in Küstengebieten. Das Verfahren umfasst das Empfangen von Eingaben von der Vielzahl von Sensoren, gefolgt vom Übertragen der empfangenen Daten von den Sensoren an den zentralen Server. Das Verfahren umfasst ferner das Verarbeiten von Daten, die von den Sensoren gesammelt wurden, gefolgt von einem Trainieren der historischen Daten, um die Wahrscheinlichkeit eines Tsunami- oder Erdbebenereignisses basierend auf aktuellen Bedingungen und historischen Daten zu bestimmen. Die Methode beinhaltet die Analyse der historischen und verarbeiteten gesammelten Daten. Das Benachrichtigungsmodul ist konfiguriert, um Aktualisierungen in Echtzeit zu benachrichtigen und Warnungen an registrierte Parteien zu senden.
- Das in diesem Patent beschriebene System und Verfahren stellt eine umfassende Lösung zur Frühwarnung und Erkennung von Tsunamis und Erdbeben in Küstengebieten bereit. Durch die Nutzung der Leistungsfähigkeit des maschinellen Lernens und des IoT kann das System relevante Behörden und betroffene Gemeinden in Echtzeit mit Updates und Warnungen versorgen, sodass rechtzeitig Evakuierungs- und Vorsorgemaßnahmen ergriffen werden können. Das System ist skalierbar, kostengünstig und kann problemlos in mehreren Küstengebieten eingesetzt werden und bietet umfassenden Schutz vor Tsunamis und Erdbeben.
- Das System ist skalierbar und kann problemlos in mehreren Küstengebieten eingesetzt werden, um eine umfassende Abdeckung und Schutz vor Tsunamis und Erdbeben zu bieten. Das System ist zudem kosteneffizient ausgelegt und kann mit minimalen Ressourcen gewartet werden.
Claims (9)
- IoT-basiertes System zur Erkennung von Frühwarnung und Naturkatastrophen, dadurch gekennzeichnet, dass das System umfasst: eine Vielzahl von Sensoren, einen zentralen Server in Kommunikation mit der Vielzahl von Sensoren, wobei der zentrale Server einen Speicher und einen Mikrocontroller umfasst, der mit einer Vielzahl von Modulen konfiguriert ist, umfassend: ein Eingabeempfangsmodul, das Eingaben von der Vielzahl von Sensoren empfängt; ein Datenübertragungsmodul, das die empfangenen Daten von den Sensoren an den zentralen Server überträgt; ein Datenverarbeitungsmodul, das von den Sensoren gesammelte Daten verarbeitet; ein Speichermodul, das eine Sammlung historischer Daten definiert, die darauf trainiert sind, die Wahrscheinlichkeit eines Tsunami- oder Erdbebenereignisses basierend auf aktuellen Bedingungen zu bestimmen; ein Datenanalysemodul, das die historischen und verarbeiteten gesammelten Daten analysiert; ein Benachrichtigungsmodul, das Aktualisierungen in Echtzeit benachrichtigt und Warnungen an registrierte Parteien sendet; und eine Kommunikationseinheit, um ein Medium bereitzustellen, durch das die Sensoren und der zentrale Server miteinander kommunizieren, und das Benachrichtigungsmodul mit registrierten Parteien kommuniziert.
- System nach
Anspruch 1 , dadurch gekennzeichnet, dass die mehreren Sensoren Meeresspiegelsensoren, Temperatursensoren und seismische Sensoren umfassen. - System nach
Anspruch 1 , dadurch gekennzeichnet, dass die mehreren Sensoren entlang der Küsten und in den Ozeanen eingesetzt werden. - System nach
Anspruch 1 , dadurch gekennzeichnet, dass die mehreren Sensoren kontinuierlich Daten sammeln. - System nach
Anspruch 1 , dadurch gekennzeichnet, dass das System das Trainieren des Datensatzes durch maschinelles Lernen umfasst. - System nach
Anspruch 1 , dadurch gekennzeichnet, dass das System das Trainieren des Datensatzes durch maschinelles Lernen umfasst. - System nach
Anspruch 1 , dadurch gekennzeichnet, dass die Kommunikationseinheit Cloud-Berechnung umfasst. - System nach
Anspruch 1 , dadurch gekennzeichnet, dass die registrierten Parteien öffentliche und Wetterbehörden umfassen. - System nach
Anspruch 1 , dadurch gekennzeichnet, dass die Naturkatastrophen Erdbeben und Tsunami in Küstengebieten umfassen.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE202023100666.3U DE202023100666U1 (de) | 2023-02-12 | 2023-02-12 | Ein IoT-basiertes Frühwarn- und Erkennungssystem für Tsunami und Erdbeben in Küstengebieten |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE202023100666.3U DE202023100666U1 (de) | 2023-02-12 | 2023-02-12 | Ein IoT-basiertes Frühwarn- und Erkennungssystem für Tsunami und Erdbeben in Küstengebieten |
Publications (1)
Publication Number | Publication Date |
---|---|
DE202023100666U1 true DE202023100666U1 (de) | 2023-02-23 |
Family
ID=85571118
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE202023100666.3U Active DE202023100666U1 (de) | 2023-02-12 | 2023-02-12 | Ein IoT-basiertes Frühwarn- und Erkennungssystem für Tsunami und Erdbeben in Küstengebieten |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE202023100666U1 (de) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116597618A (zh) * | 2023-07-18 | 2023-08-15 | 深圳市天工测控技术有限公司 | 基于北斗高精度定位的山体滑坡监测及预警系统 |
-
2023
- 2023-02-12 DE DE202023100666.3U patent/DE202023100666U1/de active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116597618A (zh) * | 2023-07-18 | 2023-08-15 | 深圳市天工测控技术有限公司 | 基于北斗高精度定位的山体滑坡监测及预警系统 |
CN116597618B (zh) * | 2023-07-18 | 2023-10-10 | 深圳市天工测控技术有限公司 | 基于北斗高精度定位的山体滑坡监测及预警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jaramillo‐Legorreta et al. | Passive acoustic monitoring of the decline of Mexico's critically endangered vaquita | |
Arnett et al. | Impacts of wind energy development on bats: a global perspective | |
Francl et al. | Capture and reproductive trends in summer bat communities in West Virginia: assessing the impact of white-nose syndrome | |
Sibert et al. | New Age of Fishes initiated by the Cretaceous− Paleogene mass extinction | |
EP3097506B1 (de) | Verfahren und system zur gewinnung und analyse von forensischen daten in einer verteilten rechnerinfrastruktur | |
DE202023100666U1 (de) | Ein IoT-basiertes Frühwarn- und Erkennungssystem für Tsunami und Erdbeben in Küstengebieten | |
NA | Department of Commerce | |
Ens et al. | Combining Aboriginal and non-Aboriginal knowledge to assess and manage feral water buffalo impacts on perennial freshwater springs of the Aboriginal-owned Arnhem Plateau, Australia | |
Coleman et al. | Effect of passive acoustic sampling methodology on detecting bats after declines from white nose syndrome | |
Stiffler et al. | Occupancy modeling of autonomously recorded vocalizations to predict distribution of rallids in tidal wetlands | |
Meynard et al. | Bats of the Chilean temperate rainforest: patterns of landscape use in a mosaic of native forests, eucalyptus plantations and grasslands within a South American biodiversity hotspot | |
Tapp et al. | Waterbird communities and seed biomass in managed and reference‐restored wetlands in the Mississippi Alluvial Valley | |
Barquín et al. | Assessing the conservation status of alder‐ash alluvial forest and Atlantic salmon in the Natura 2000 river network of Cantabria, Northern Spain | |
Bisson et al. | Evaluating headwater stream buffers: lessons learned from watershed-scale experiments in southwest Washington | |
Schetter | Talibanistan-Der Anti-Staat | |
Lee et al. | Effect of heterospecifics on foraging of endangered red-crowned and white-naped cranes in the Korean Demilitarized Zone | |
DE202022103767U1 (de) | Ein Edge-Gerät zur Klassifizierung von Tieren für Erhebung, Überwachung und Alarmierung auf dem spezifischen Perimeter | |
Hanson et al. | Identifying risk factors affecting weather-and disease-related losses in the US farm-raised catfish industry | |
DE202023100665U1 (de) | Ein auf maschinellem Lernen basierendes System zur Vorhersage des Pilzertrags | |
Giles et al. | Drones are an effective tool to assess the impact of feral horses in an alpine riparian environment | |
DE102011109955B4 (de) | Vorrichtung zum Schutz von Zahnwalen vor lebensbedrohlichen, gesundheitsschädlichen und/oder -beeinträchtigenden Gegenständen | |
Hurtubise et al. | Evaluating mandatory reporting of marine turtle bycatch in Atlantic Canadian fisheries | |
Georgiadis et al. | Reassessing aerial sample surveys for wildlife monitoring, conservation, and management | |
Zentner et al. | Environment Affects Sucker Catch Rate, Size Structure, Species Composition, and Precision in Boat Electrofishing Samples | |
DE202021106261U1 (de) | System zum Überprüfen des Zustands eines Objektes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R207 | Utility model specification | ||
R082 | Change of representative |
Representative=s name: LIPPERT STACHOW PATENTANWAELTE RECHTSANWAELTE , DE |