CN116189010B - 一种基于卫星图谱的矿山生态识别预警方法及*** - Google Patents

一种基于卫星图谱的矿山生态识别预警方法及*** Download PDF

Info

Publication number
CN116189010B
CN116189010B CN202310459080.6A CN202310459080A CN116189010B CN 116189010 B CN116189010 B CN 116189010B CN 202310459080 A CN202310459080 A CN 202310459080A CN 116189010 B CN116189010 B CN 116189010B
Authority
CN
China
Prior art keywords
mine
ecological
satellite map
satellite
ecological environment
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
CN202310459080.6A
Other languages
English (en)
Other versions
CN116189010A (zh
Inventor
王勇
王蓓丽
李书鹏
张家铭
熊静
郭丽莉
瞿婷
薛晋美
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.)
BCEG Environmental Remediation Co Ltd
Original Assignee
BCEG Environmental Remediation Co Ltd
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 BCEG Environmental Remediation Co Ltd filed Critical BCEG Environmental Remediation Co Ltd
Priority to CN202310459080.6A priority Critical patent/CN116189010B/zh
Publication of CN116189010A publication Critical patent/CN116189010A/zh
Application granted granted Critical
Publication of CN116189010B publication Critical patent/CN116189010B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • 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
    • 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
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Remote Sensing (AREA)
  • Astronomy & Astrophysics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于卫星图谱的矿山生态识别预警方法及***，包括：获取矿山的卫星图谱数据，进行预处理后对不同时间不同角度的卫星图谱数据整合，生成矿山卫星图谱时序序列进行特征提取，将提取的特征与矿山所在地区的气象数据进行特征匹配，获取融合特征，并对当前矿山生态环境进行评价；构建矿山生态环境预警模型，基于当前矿山生态环境的评价结果利用融合特征进行预测，输出矿山生态环境的分析预测结果；将矿山生态环境的分析预测结果与预设阈值进行比较，根据对比结果生成预警提示。本发明通过卫星图谱数据与其他相关数据结合进行矿山生态监测，能够快速反映矿山生态环境的状况，并提高了矿山生态环境的保护和监管水平。

Description

一种基于卫星图谱的矿山生态识别预警方法及***
技术领域
本发明涉及生态保护技术领域，更具体的，涉及一种基于卫星图谱的矿山生态识别预警方法及***，是针对矿山生态环境的保护和监管而设计的一种预测性环保技术。
背景技术
矿产资源的开发利用推进了人类社会和经济的发展， 矿山复杂的地质条件和不合理的采挖方式也造成了诸多的地质灾害隐患，也带来了生态环境破坏、毁田、次生地质灾害等问题，加强对矿山生态环境的监督管理迫在眉睫。矿山业是一个重要的支柱产业，但也是一个严重污染和破坏生态环境的产业。随着绿色发展理念不断深入人心，如何实现矿山生态环境的保护和监管已成为当前环保工作的重要任务。
矿业活动的开发容易引发不同类型的地质灾害、土地资源的破坏和压占、地形地貌景观破坏和环境污染等问题，极大地破坏了当地生态环境效益。传统的矿山生态监测方式主要是依靠人工巡查和实地调查，这种方式存在效率低、耗时长等缺点。随着科学技术的进步，生态环境的调查预警方法也逐渐向信息化、智能化发展，基于遥感技术的矿山监测方式则不仅能够提高监测效率，还能够获取大量的数据，准确地反映矿山生态环境的状况。因此，如何基于遥感数据结合结合其他相关数据对矿山生态环境状况信息进行识别预警是亟不可待需要解决的问题之一。
发明内容
为了解决上述技术问题，本发明提出了一种基于卫星图谱的矿山生态识别预警方法及***。
本发明第一方面提供了一种基于卫星图谱的矿山生态识别预警方法，包括：
利用卫星遥感技术获取矿山的卫星图谱数据，进行预处理后对不同时间不同角度的卫星图谱数据整合，生成矿山卫星图谱时序序列，获取卫星图谱数据集；
对所述矿山卫星图谱时序序列进行特征提取，将提取的特征与矿山所在地区的气象数据进行特征匹配，获取融合特征，并对当前矿山生态环境进行评价；
构建矿山生态环境预警模型，利用卫星图谱数据集及矿山生态历史变化进行训练，基于当前矿山生态环境的评价结果利用融合特征进行预测，输出矿山生态环境的分析预测结果；
将矿山生态环境的分析预测结果与预设阈值进行比较，根据对比结果生成预警提示，并通过预设方式显示。
本方案中，利用卫星遥感技术获取矿山的卫星图谱数据，进行预处理后对不同时间不同角度的卫星图谱数据整合，生成矿山卫星图谱时序序列，获取卫星图谱数据集，具体为：
利用卫星遥感技术获取包含矿山预设范围的多光谱影像，作为矿山的卫星图谱数据，对所述卫星图谱数据进行预处理；
将同一时间内不同角度多景影像进行整合拼接，根据两幅影像的重叠区域判断是否进行拼接镶嵌，当所述重叠区域大于预设区域面积时，根据云层遮挡情况选取拍摄质量好的图像进行重叠区域的覆盖；
对整合拼接后的卫星图谱数据进行标注，预设标注类别，根据所述标注类别设置标记窗口，利用所述标记窗口遍历整合拼接后的卫星图谱数据，判断整合拼接后的卫星图谱数据中影像特征与标记窗口对应属性的相似度；
当相似度符合预设相似度标准时，则对卫星图谱数据中该标记类别的范围进行标记，当前标记窗口遍历完成后，利用下一类型标记窗口进行遍历；
在所有标记窗口遍历完成后，在整合拼接后的卫星图谱数据中生成不同标注类别的标记范围，获取同一时间的卫星图谱数据影像标记；
将不同时间的卫星图谱数据影像标记进行数据整合，生成矿山卫星图谱时序序列，构建矿山的卫星图谱数据集。
本方案中，对所述矿山卫星图谱时序序列进行特征提取，将提取的特征与矿山所在地区的气象数据进行特征匹配，获取融合特征，具体为：
根据矿山生态及卫星图谱数据关键词构建检索标签，利用大数据手段基于所述检索标签通过相似度计算进行检索，获取相似度符合预设相似度阈值的数据；
通过检索所得的数据筛选得到相关性符合预设标准的矿山生态评估关键指标，选取预设数量的矿山生态评估关键指标构建评估关键指标集合；
利用所述评估关键指标集合对矿山的卫星图谱数据集中的矿山卫星图谱时序序列进行特征提取，获取表征矿山生态状况的特征集；
通过矿山的卫星图谱数据集读取时间跨度，根据所述时间跨度获取预设时间段内矿山所在地区的气象数据，根据监测时间戳与矿山卫星图谱时序序列进行匹配；
将表征矿山生态状况的特征集与气象特征进行特征融合，获取融合特征。
本方案中，对当前矿山生态环境进行评价，具体为：
获取表征矿山生态状况的特征集，对特征集中的不同时间的特征进行主成分分析，获取不同时间中各特征的得分及特征值，生成不同时间中各特征的主成分排序；
根据预设贡献度筛选不同时间的两个特征主成分，通过对不同时间的特征主成分进行统计分析确定最终特征主成分，根据所述最终特征主成分对应的矿山生态评估关键指标获取矿山在不同时间的生态指数；
并通过当前矿山的卫星图谱数据进行预处理及归一化操作后利用最终特征主成分对应的矿山生态评估关键指标对当前矿山生态环境进行评价；
根据矿山在不同时间的生态指数获取在预设时间间隔上的生态指数变化值，通过所述生态指数变化值生成矿山的生态变化特征。
本方案中，构建矿山生态环境预警模型，利用卫星图谱数据集及矿山生态历史变化进行训练，基于当前矿山生态环境的评价结果利用融合特征进行预测，输出矿山生态环境的分析预测结果，具体为：
基于深度学习方法构建矿山生态环境预警模型，所述矿山生态环境预警模型包括矿山卫星图谱分类模块及生态环境预测模块；
利用ResNet网络为矿山卫星图谱分类模块的基础网络，引入空洞卷积提取当前卫星图谱数据中的多尺度特征，生成不同尺度的特征图；
通过通道注意力机制根据通道之间的相关性提取各个通道对应特征的重要性，将不同尺度的特征图中的元素与对应通道中的元素结合，生成增强后的特征图进行特征融合；
在矿山卫星图谱分类模块进行残差连接，将特征融合后的特征图输入全连接层中，根据预设标注类别进行判断分类，通过卫星图谱数据集对矿山卫星图谱分类模块进行训练；
通过BP神经网络设置生态环境预测模块，通过矿山生态历史变化获取生态变化特征，根据所述生态变化特征训练生态环境预测模块；
当所述矿山卫星图谱分类模块及生态环境预测模块训练结束后，判断模型精确度，当所述精确度符合预设阈值时，将矿山生态环境预警模型进行输出；
将当前矿山生态环境的评价结果及表征矿山生态状况的气象融合特征输入训练后的矿山生态环境预警模型，获取矿山生态环境的分析预测结果。
本方案中，将矿山生态环境的分析预测结果与预设阈值进行比较，根据对比结果生成预警提示，具体为：
根据当前矿山卫星图谱数据与历史矿山卫星图谱数据的监测间隔，获取监测间隔中的气象数据，根据气象数据变化提取气象特征；
基于矿山在历史不同时间的融合特征及对应的生态指数构建矿山生态数据库，根据所述气象特征在矿山生态数据库中进行相似度计算，获取相似度符合预设标准的融合特征，并提取对应的历史生态指数；
基于历史生态指数及监测间隔判断历史生态指数变化值，根据所述历史生态指数变化值结合环境变化系数确定当前矿山生态阈值；
获取矿山生态环境预警模型的输出的当前矿山生态环境的分析预测结果，若当前矿山生态环境的分析预测结果大于所述当前矿山生态阈值，则生成预警提示信息。
本发明第二方面还提供了一种基于卫星图谱的矿山生态识别预警***，该***包括：存储器、处理器，所述存储器中包括一种基于卫星图谱的矿山生态识别预警方法程序，所述一种基于卫星图谱的矿山生态识别预警方法程序被所述处理器执行时实现如下步骤：
利用卫星遥感技术获取矿山的卫星图谱数据，进行预处理后对不同时间不同角度的卫星图谱数据整合，生成矿山卫星图谱时序序列，获取卫星图谱数据集；
对所述矿山卫星图谱时序序列进行特征提取，将提取的特征与矿山所在地区的气象数据进行特征匹配，获取融合特征，并对当前矿山生态环境进行评价；
构建矿山生态环境预警模型，利用卫星图谱数据集及矿山生态历史变化进行训练，基于当前矿山生态环境的评价结果利用融合特征进行预测，输出矿山生态环境的分析预测结果；
将矿山生态环境的分析预测结果与预设阈值进行比较，根据对比结果生成预警提示，并通过预设方式显示。
本发明公开了一种基于卫星图谱的矿山生态识别预警方法及***，包括：获取矿山的卫星图谱数据，进行预处理后对不同时间不同角度的卫星图谱数据整合，生成矿山卫星图谱时序序列进行特征提取，与矿山预设范围内生态监测数据及气象数据进行特征融合，根据融合特征对当前矿山生态环境进行评价；构建矿山生态环境预警模型，基于当前矿山生态环境的评价结果利用融合特征进行预测，输出矿山生态环境的分析预测结果；将矿山生态环境的分析预测结果与预设阈值进行比较，根据对比结果生成预警提示。本发明通过卫星图谱数据与其他相关数据结合进行矿山生态监测，具有操作简便、效率高、数据量大等优点，能够快速反映矿山生态环境的状况，并提高了矿山生态环境的保护和监管水平。
附图说明
图1示出了本发明一种基于卫星图谱的矿山生态识别预警方法的流程图；
图2示出了本发明对当前矿山生态环境进行评价的方法流程图；
图3示出了本发明构建矿山生态环境预警模型进行预测的方法流程图；
图4示出了本发明一种基于卫星图谱的矿山生态识别预警***的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种基于卫星图谱的矿山生态识别预警方法的流程图。
如图1所示，本发明第一方面提供了一种基于卫星图谱的矿山生态识别预警方法，包括：
S102，利用卫星遥感技术获取矿山的卫星图谱数据，进行预处理后对不同时间不同角度的卫星图谱数据整合，生成矿山卫星图谱时序序列，获取卫星图谱数据集；
S104，对所述矿山卫星图谱时序序列进行特征提取，将提取的特征与矿山所在地区的气象数据进行特征匹配，获取融合特征，并对当前矿山生态环境进行评价；
S106，构建矿山生态环境预警模型，利用卫星图谱数据集及矿山生态历史变化进行训练，基于当前矿山生态环境的评价结果利用融合特征进行预测，输出矿山生态环境的分析预测结果；
S108，将矿山生态环境的分析预测结果与预设阈值进行比较，根据对比结果生成预警提示，并通过预设方式显示。
需要说明的是，利用卫星遥感技术获取包含矿山预设范围的多光谱影像，作为矿山的卫星图谱数据，对所述卫星图谱数据进行预处理，所述预处理包括辐射定标、大气校正及正射校正等；单景影像的幅宽有限，需要将同一时间内不同角度多景影像进行整合拼接，根据两幅影像的重叠区域判断是否进行拼接镶嵌，当所述重叠区域大于预设区域面积时，根据云层遮挡情况选取拍摄质量好的图像进行重叠区域的覆盖；对整合拼接后的卫星图谱数据进行标注，预设标注类别，包括：耕地、林地、水域、道路等；根据所述标注类别设置标记窗口，利用所述标记窗口遍历整合拼接后的卫星图谱数据，判断整合拼接后的卫星图谱数据中影像特征与标记窗口对应属性的相似度；当相似度符合预设相似度标准时，则对卫星图谱数据中该标记类别的范围进行标记，当前标记窗口遍历完成后，利用下一类型标记窗口进行遍历；在所有标记窗口遍历完成后，在整合拼接后的卫星图谱数据中生成不同标注类别的标记范围，获取同一时间的卫星图谱数据影像标记；将不同时间的卫星图谱数据影像标记进行数据整合，生成矿山卫星图谱时序序列，构建矿山的卫星图谱数据集。
图2示出了本发明对当前矿山生态环境进行评价的方法流程图。
根据本申请实施例，对当前矿山生态环境进行评价，具体为：
S202，获取表征矿山生态状况的特征集，对特征集中的不同时间的特征进行主成分分析，获取不同时间中各特征的得分及特征值，生成不同时间中各特征的主成分排序；
S204，根据预设贡献度筛选不同时间的两个特征主成分，通过对不同时间的特征主成分进行统计分析确定最终特征主成分，根据所述最终特征主成分对应的矿山生态评估关键指标获取矿山在不同时间的生态指数；
S206，并通过当前矿山的卫星图谱数据进行预处理及归一化操作后利用最终特征主成分对应的矿山生态评估关键指标对当前矿山生态环境进行评价；
S208，根据矿山在不同时间的生态指数获取在预设时间间隔上的生态指数变化值，通过所述生态指数变化值生成矿山的生态变化特征。
需要说明的是，根据矿山生态及卫星图谱数据关键词构建检索标签，利用大数据手段基于所述检索标签通过相似度计算进行检索，获取相似度符合预设相似度阈值的数据；通过检索所得的数据筛选得到相关性符合预设标准的矿山生态评估关键指标，所述相关性计算能够通过皮尔逊相关系数或者回归分析获取，选取预设数量的矿山生态评估关键指标构建评估关键指标集合；在本申请的一个较佳实施例中评估关键指标集合包括植被指数(NDVI)、湿度 (WET)、干度 (NDBSI)、热度(LST)、碳汇(NPP)和生境质量(HQ)，利用所述评估关键指标集合对矿山的卫星图谱数据集中的矿山卫星图谱时序序列进行特征提取，获取表征矿山生态状况的特征集；通过主成分分析获取特征分量的总贡献率均超过85%的主要特征，并根据数据统计选取等够代替评估关键指标的主要特征，根据主要特征进行矿山生态环境评价，通过经验信息结合主要特征将生态评估划分为预设数量的N个等级。
通过矿山的卫星图谱数据集读取时间跨度，根据所述时间跨度获取预设时间段内矿山所在地区的气象数据，根据监测时间戳与矿山卫星图谱时序序列进行匹配；将表征矿山生态状况的特征集与气象特征进行特征融合，获取融合特征。
图3示出了本发明构建矿山生态环境预警模型进行预测的方法流程图。
根据本发明实施例，构建矿山生态环境预警模型，利用卫星图谱数据集及矿山生态历史变化进行训练，基于当前矿山生态环境的评价结果利用融合特征进行预测，输出矿山生态环境的分析预测结果，具体为：
S302，基于深度学习方法构建矿山生态环境预警模型，所述矿山生态环境预警模型包括矿山卫星图谱分类模块及生态环境预测模块；
S304，利用ResNet网络为矿山卫星图谱分类模块的基础网络，引入空洞卷积提取当前卫星图谱数据中的多尺度特征，生成不同尺度的特征图；
S306，通过通道注意力机制根据通道之间的相关性提取各个通道对应特征的重要性，将不同尺度的特征图中的元素与对应通道中的元素结合，生成增强后的特征图进行特征融合；
S308，在矿山卫星图谱分类模块进行残差连接，将特征融合后的特征图输入全连接层中，根据预设标注类别进行判断分类，通过卫星图谱数据集对矿山卫星图谱分类模块进行训练；
S310，通过BP神经网络设置生态环境预测模块，通过矿山生态历史变化获取生态变化特征，根据所述生态变化特征训练生态环境预测模块；
S312，当所述矿山卫星图谱分类模块及生态环境预测模块训练结束后，判断模型精确度，当所述精确度符合预设阈值时，将矿山生态环境预警模型进行输出；
S314，将当前矿山生态环境的评价结果及表征矿山生态状况的气象融合特征输入训练后的矿山生态环境预警模型，获取矿山生态环境的分析预测结果。
需要说明的是，在通道注意力机制中特征图通过全局平均池化进行压缩，获取一维向量，所述一维向量长度等于输入特征图的通道数量，将一维特征中的特征分散在不同的通道中，通过两个全连接层中的激活函数获取每一个通道的比重，将不同尺度的特征图中的元素与对应通道中的元素结合，生成增强后的特征图利用Softmax函数进行特征融合，利用通道注意力机制对于包含重要信息的通道进行增强，将多尺度特性进一步强化，使得模型选择合适的尺度特征进行分类，提升了分类准确率。通过BP神经网络设置生态环境预测模块，学习矿山生态历史变化对应生态变化的时序特征，根据当前矿山生态环境的评价结果为基础，将能够表征矿山生态状况的特征气象特征的融合特征进行输入，获取矿山生态环境的分析预测结果，所述矿山生态环境的分析预测结果可以为指数信息或等级信息等。
需要说明的是，根据当前矿山卫星图谱数据与历史矿山卫星图谱数据的监测间隔，获取监测间隔中的气象数据，根据气象数据变化提取气象特征；基于矿山在历史不同时间的融合特征及对应的生态指数构建矿山生态数据库，根据所述气象特征在矿山生态数据库中进行相似度计算，获取相似度符合预设标准的融合特征，并提取对应的历史生态指数；基于历史生态指数及监测间隔判断历史生态指数变化值，根据所述历史生态指数变化值结合环境变化系数确定当前矿山生态阈值；获取矿山生态环境预警模型的输出的当前矿山生态环境的分析预测结果，若当前矿山生态环境的分析预测结果大于所述当前矿山生态阈值，则生成预警提示信息，方便相关部门对矿山生态状况进行管理和调控。
根据本发明实施例，根据预警信息生成矿山生态调控方案，具体为：当矿山所在区域报告生态预警信息后，获取生态预警时的生态环境特征，通过所述生态环境特征与矿山所在区域的地质特征进行结，生成矿山当前区域特征；根据矿山当前区域特征在相关数据库中检索矿山生态修复案例，提取相似度符合预设标准的案例数据，根据所述案例数据进行组合生成生态调控初始方案；获取矿山所在区域的环境监测数据，根据所述环境监测数据生成区域内的适生植物数据集，通过适生植物数据集选取适用于矿山生态修复的植物对生态调控初始方案进行替换调整，另外，根据矿山卫星图谱数据对矿山的生态调控修复进行监控，当预设时间内生态环境的分析预测结果小于预设阈值时，则对矿山的生态调控初始方案进行优化。
将所述虫害预警时的环境特征根据环境评价体系进行评估，预设评估得分阈值，根据评估得分与所述评估得分阈值进行对比判断获取虫害预警时的异常环境指标；
根据所述异常环境指标确定目标区域的环境改良方向，同时获取异常环境指标与所述适生条件对应标准的偏差值确定目标区域环境调控方案；
并将目标区域的环境特征进行定期监测，与虫害情况发生时的环境特征进行对比，获取目标区域的环境修复速率，根据所述环境修复速率修正所述环境调控方案。
图4示出了本发明一种基于卫星图谱的矿山生态识别预警***的框图。
本发明第二方面还提供了一种基于卫星图谱的矿山生态识别预警***4，该***包括：存储器41、处理器42，所述存储器中包括一种基于卫星图谱的矿山生态识别预警方法程序，所述一种基于卫星图谱的矿山生态识别预警方法程序被所述处理器执行时实现如下步骤：
利用卫星遥感技术获取矿山的卫星图谱数据，进行预处理后对不同时间不同角度的卫星图谱数据整合，生成矿山卫星图谱时序序列，获取卫星图谱数据集；
对所述矿山卫星图谱时序序列进行特征提取，将提取的特征与矿山所在地区的气象数据进行特征匹配，获取融合特征，并对当前矿山生态环境进行评价；
构建矿山生态环境预警模型，利用卫星图谱数据集及矿山生态历史变化进行训练，基于当前矿山生态环境的评价结果利用融合特征进行预测，输出矿山生态环境的分析预测结果；
将矿山生态环境的分析预测结果与预设阈值进行比较，根据对比结果生成预警提示，并通过预设方式显示。
需要说明的是，利用卫星遥感技术获取包含矿山预设范围的多光谱影像，作为矿山的卫星图谱数据，对所述卫星图谱数据进行预处理，所述预处理包括辐射定标、大气校正及正射校正等；单景影像的幅宽有限，需要将同一时间内不同角度多景影像进行整合拼接，根据两幅影像的重叠区域判断是否进行拼接镶嵌，当所述重叠区域大于预设区域面积时，根据云层遮挡情况选取拍摄质量好的图像进行重叠区域的覆盖；对整合拼接后的卫星图谱数据进行标注，预设标注类别，包括：耕地、林地、水域、道路等；根据所述标注类别设置标记窗口，利用所述标记窗口遍历整合拼接后的卫星图谱数据，判断整合拼接后的卫星图谱数据中影像特征与标记窗口对应属性的相似度；当相似度符合预设相似度标准时，则对卫星图谱数据中该标记类别的范围进行标记，当前标记窗口遍历完成后，利用下一类型标记窗口进行遍历；在所有标记窗口遍历完成后，在整合拼接后的卫星图谱数据中生成不同标注类别的标记范围，获取同一时间的卫星图谱数据影像标记；将不同时间的卫星图谱数据影像标记进行数据整合，生成矿山卫星图谱时序序列，构建矿山的卫星图谱数据集。
根据本申请实施例，对当前矿山生态环境进行评价，具体为：
获取表征矿山生态状况的特征集，对特征集中的不同时间的特征进行主成分分析，获取不同时间中各特征的得分及特征值，生成不同时间中各特征的主成分排序；
根据预设贡献度筛选不同时间的两个特征主成分，通过对不同时间的特征主成分进行统计分析确定最终特征主成分，根据所述最终特征主成分对应的矿山生态评估关键指标获取矿山在不同时间的生态指数；
并通过当前矿山的卫星图谱数据进行预处理及归一化操作后利用最终特征主成分对应的矿山生态评估关键指标对当前矿山生态环境进行评价；
根据矿山在不同时间的生态指数获取在预设时间间隔上的生态指数变化值，通过所述生态指数变化值生成矿山的生态变化特征。
需要说明的是，根据矿山生态及卫星图谱数据关键词构建检索标签，利用大数据手段基于所述检索标签通过相似度计算进行检索，获取相似度符合预设相似度阈值的数据；通过检索所得的数据筛选得到相关性符合预设标准的矿山生态评估关键指标，所述相关性计算能够通过皮尔逊相关系数或者回归分析获取，选取预设数量的矿山生态评估关键指标构建评估关键指标集合；在本申请的一个较佳实施例中评估关键指标集合包括植被指数(NDVI)、湿度 (WET)、干度 (NDBSI)、热度(LST)、碳汇(NPP)和生境质量(HQ)，利用所述评估关键指标集合对矿山的卫星图谱数据集中的矿山卫星图谱时序序列进行特征提取，获取表征矿山生态状况的特征集；通过主成分分析获取特征分量的总贡献率均超过85%的主要特征，并根据数据统计选取等够代替评估关键指标的主要特征，根据主要特征进行矿山生态环境评价，通过经验信息结合主要特征将生态评估划分为预设数量的N个等级。
通过矿山的卫星图谱数据集读取时间跨度，根据所述时间跨度获取预设时间段内矿山所在地区的气象数据，根据监测时间戳与矿山卫星图谱时序序列进行匹配；将表征矿山生态状况的特征集与气象特征进行特征融合，获取融合特征。
根据本发明实施例，构建矿山生态环境预警模型，利用卫星图谱数据集及矿山生态历史变化进行训练，基于当前矿山生态环境的评价结果利用融合特征进行预测，输出矿山生态环境的分析预测结果，具体为：
基于深度学习方法构建矿山生态环境预警模型，所述矿山生态环境预警模型包括矿山卫星图谱分类模块及生态环境预测模块；
利用ResNet网络为矿山卫星图谱分类模块的基础网络，引入空洞卷积提取当前卫星图谱数据中的多尺度特征，生成不同尺度的特征图；
通过通道注意力机制根据通道之间的相关性提取各个通道对应特征的重要性，将不同尺度的特征图中的元素与对应通道中的元素结合，生成增强后的特征图进行特征融合；
在矿山卫星图谱分类模块进行残差连接，将特征融合后的特征图输入全连接层中，根据预设标注类别进行判断分类，通过卫星图谱数据集对矿山卫星图谱分类模块进行训练；
通过BP神经网络设置生态环境预测模块，通过矿山生态历史变化获取生态变化特征，根据所述生态变化特征训练生态环境预测模块；
当所述矿山卫星图谱分类模块及生态环境预测模块训练结束后，判断模型精确度，当所述精确度符合预设阈值时，将矿山生态环境预警模型进行输出；
将当前矿山生态环境的评价结果及表征矿山生态状况的气象融合特征输入训练后的矿山生态环境预警模型，获取矿山生态环境的分析预测结果。
需要说明的是，在通道注意力机制中特征图通过全局平均池化进行压缩，获取一维向量，所述一维向量长度等于输入特征图的通道数量，将一维特征中的特征分散在不同的通道中，通过两个全连接层中的激活函数获取每一个通道的比重，将不同尺度的特征图中的元素与对应通道中的元素结合，生成增强后的特征图利用Softmax函数进行特征融合，利用通道注意力机制对于包含重要信息的通道进行增强，将多尺度特性进一步强化，使得模型选择合适的尺度特征进行分类，提升了分类准确率。通过BP神经网络设置生态环境预测模块，学习矿山生态历史变化对应生态变化的时序特征，根据当前矿山生态环境的评价结果为基础，将能够表征矿山生态状况的特征气象特征的融合特征进行输入，获取矿山生态环境的分析预测结果，所述矿山生态环境的分析预测结果可以为指数信息或等级信息等。
需要说明的是，根据当前矿山卫星图谱数据与历史矿山卫星图谱数据的监测间隔，获取监测间隔中的气象数据，根据气象数据变化提取气象特征；基于矿山在历史不同时间的融合特征及对应的生态指数构建矿山生态数据库，根据所述气象特征在矿山生态数据库中进行相似度计算，获取相似度符合预设标准的融合特征，并提取对应的历史生态指数；基于历史生态指数及监测间隔判断历史生态指数变化值，根据所述历史生态指数变化值结合环境变化系数确定当前矿山生态阈值；获取矿山生态环境预警模型的输出的当前矿山生态环境的分析预测结果，若当前矿山生态环境的分析预测结果大于所述当前矿山生态阈值，则生成预警提示信息。
本发明第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质中包括一种基于卫星图谱的矿山生态识别预警方法程序，所述一种基于卫星图谱的矿山生态识别预警方法程序被处理器执行时，实现如上述任一项所述的一种基于卫星图谱的矿山生态识别预警方法的步骤。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个***，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (7)

1.一种基于卫星图谱的矿山生态识别预警方法，其特征在于，包括以下步骤：
利用卫星遥感技术获取矿山的卫星图谱数据，进行预处理后对不同时间不同角度的卫星图谱数据整合，生成矿山卫星图谱时序序列，获取卫星图谱数据集；
对所述矿山卫星图谱时序序列进行特征提取，将提取的特征与矿山所在地区的气象数据进行特征匹配，获取融合特征，并对当前矿山生态环境进行评价；
构建矿山生态环境预警模型，利用卫星图谱数据集及矿山生态历史变化进行训练，基于当前矿山生态环境的评价结果利用融合特征进行预测，输出矿山生态环境的分析预测结果；
将矿山生态环境的分析预测结果与预设阈值进行比较，根据对比结果生成预警提示，并通过预设方式显示；
对所述矿山卫星图谱时序序列进行特征提取，将提取的特征与矿山所在地区的气象数据进行特征匹配，获取融合特征，具体为：
根据矿山生态及卫星图谱数据关键词构建检索标签，利用大数据手段基于所述检索标签通过相似度计算进行检索，获取相似度符合预设相似度阈值的数据；
通过检索所得的数据筛选得到相关性符合预设标准的矿山生态评估关键指标，选取预设数量的矿山生态评估关键指标构建评估关键指标集合；
利用所述评估关键指标集合对矿山的卫星图谱数据集中的矿山卫星图谱时序序列进行特征提取，获取表征矿山生态状况的特征集；
通过矿山的卫星图谱数据集读取时间跨度，根据所述时间跨度获取预设时间段内矿山所在地区的气象数据，根据监测时间戳与矿山卫星图谱时序序列进行匹配；
将表征矿山生态状况的特征集与气象特征进行特征融合，获取融合特征；
构建矿山生态环境预警模型，利用卫星图谱数据集及矿山生态历史变化进行训练，基于当前矿山生态环境的评价结果利用融合特征进行预测，输出矿山生态环境的分析预测结果，具体为：
基于深度学习方法构建矿山生态环境预警模型，所述矿山生态环境预警模型包括矿山卫星图谱分类模块及生态环境预测模块；
利用ResNet网络为矿山卫星图谱分类模块的基础网络，引入空洞卷积提取当前卫星图谱数据中的多尺度特征，生成不同尺度的特征图；
通过通道注意力机制根据通道之间的相关性提取各个通道对应特征的重要性，将不同尺度的特征图中的元素与对应通道中的元素结合，生成增强后的特征图进行特征融合；
在矿山卫星图谱分类模块进行残差连接，将特征融合后的特征图输入全连接层中，根据预设标注类别进行判断分类，通过卫星图谱数据集对矿山卫星图谱分类模块进行训练；
通过BP神经网络设置生态环境预测模块，通过矿山生态历史变化获取生态变化特征，根据所述生态变化特征训练生态环境预测模块；
当所述矿山卫星图谱分类模块及生态环境预测模块训练结束后，判断模型精确度，当所述精确度符合预设阈值时，将矿山生态环境预警模型进行输出；
将当前矿山生态环境的评价结果及表征矿山生态状况的气象融合特征输入训练后的矿山生态环境预警模型，获取矿山生态环境的分析预测结果。
2.根据权利要求1所述的一种基于卫星图谱的矿山生态识别预警方法，其特征在于，利用卫星遥感技术获取矿山的卫星图谱数据，进行预处理后对不同时间不同角度的卫星图谱数据整合，生成矿山卫星图谱时序序列，获取卫星图谱数据集，具体为：
利用卫星遥感技术获取包含矿山预设范围的多光谱影像，作为矿山的卫星图谱数据，对所述卫星图谱数据进行预处理；
将同一时间内不同角度多景影像进行整合拼接，根据两幅影像的重叠区域判断是否进行拼接镶嵌，当所述重叠区域大于预设区域面积时，根据云层遮挡情况选取拍摄质量好的图像进行重叠区域的覆盖；
对整合拼接后的卫星图谱数据进行标注，预设标注类别，根据所述标注类别设置标记窗口，利用所述标记窗口遍历整合拼接后的卫星图谱数据，判断整合拼接后的卫星图谱数据中影像特征与标记窗口对应属性的相似度；
当相似度符合预设相似度标准时，则对卫星图谱数据中该标记类别的范围进行标记，当前标记窗口遍历完成后，利用下一类型标记窗口进行遍历；
在所有标记窗口遍历完成后，在整合拼接后的卫星图谱数据中生成不同标注类别的标记范围，获取同一时间的卫星图谱数据影像标记；
将不同时间的卫星图谱数据影像标记进行数据整合，生成矿山卫星图谱时序序列，构建矿山的卫星图谱数据集。
3.根据权利要求1所述的一种基于卫星图谱的矿山生态识别预警方法，其特征在于，对当前矿山生态环境进行评价，具体为：
获取表征矿山生态状况的特征集，对特征集中的不同时间的特征进行主成分分析，获取不同时间中各特征的得分及特征值，生成不同时间中各特征的主成分排序；
根据预设贡献度筛选不同时间的两个特征主成分，通过对不同时间的特征主成分进行统计分析确定最终特征主成分，根据所述最终特征主成分对应的矿山生态评估关键指标获取矿山在不同时间的生态指数；
并通过当前矿山的卫星图谱数据进行预处理及归一化操作后利用最终特征主成分对应的矿山生态评估关键指标对当前矿山生态环境进行评价；
根据矿山在不同时间的生态指数获取在预设时间间隔上的生态指数变化值，通过所述生态指数变化值生成矿山的生态变化特征。
4.根据权利要求1所述的一种基于卫星图谱的矿山生态识别预警方法，其特征在于，将矿山生态环境的分析预测结果与预设阈值进行比较，根据对比结果生成预警提示，具体为：
根据当前矿山卫星图谱数据与历史矿山卫星图谱数据的监测间隔，获取监测间隔中的气象数据，根据气象数据变化提取气象特征；
基于矿山在历史不同时间的融合特征及对应的生态指数构建矿山生态数据库，根据所述气象特征在矿山生态数据库中进行相似度计算，获取相似度符合预设标准的融合特征，并提取对应的历史生态指数；
基于历史生态指数及监测间隔判断历史生态指数变化值，根据所述历史生态指数变化值结合环境变化系数确定当前矿山生态阈值；
获取矿山生态环境预警模型的输出的当前矿山生态环境的分析预测结果，若当前矿山生态环境的分析预测结果大于所述当前矿山生态阈值，则生成预警提示信息。
5.一种基于卫星图谱的矿山生态识别预警***，其特征在于，该***包括：存储器、处理器，所述存储器中包括一种基于卫星图谱的矿山生态识别预警方法程序，所述一种基于卫星图谱的矿山生态识别预警方法程序被所述处理器执行时实现如下步骤：
利用卫星遥感技术获取矿山的卫星图谱数据，进行预处理后对不同时间不同角度的卫星图谱数据整合，生成矿山卫星图谱时序序列，获取卫星图谱数据集；
对所述矿山卫星图谱时序序列进行特征提取，将提取的特征与矿山所在地区的气象数据进行特征匹配，获取融合特征，并对当前矿山生态环境进行评价；
构建矿山生态环境预警模型，利用卫星图谱数据集及矿山生态历史变化进行训练，基于当前矿山生态环境的评价结果利用融合特征进行预测，输出矿山生态环境的分析预测结果；
将矿山生态环境的分析预测结果与预设阈值进行比较，根据对比结果生成预警提示，并通过预设方式显示；
对所述矿山卫星图谱时序序列进行特征提取，将提取的特征与矿山所在地区的气象数据进行特征匹配，获取融合特征，具体为：
根据矿山生态及卫星图谱数据关键词构建检索标签，利用大数据手段基于所述检索标签通过相似度计算进行检索，获取相似度符合预设相似度阈值的数据；
通过检索所得的数据筛选得到相关性符合预设标准的矿山生态评估关键指标，选取预设数量的矿山生态评估关键指标构建评估关键指标集合；
利用所述评估关键指标集合对矿山的卫星图谱数据集中的矿山卫星图谱时序序列进行特征提取，获取表征矿山生态状况的特征集；
通过矿山的卫星图谱数据集读取时间跨度，根据所述时间跨度获取预设时间段内矿山所在地区的气象数据，根据监测时间戳与矿山卫星图谱时序序列进行匹配；
将表征矿山生态状况的特征集与气象特征进行特征融合，获取融合特征；
构建矿山生态环境预警模型，利用卫星图谱数据集及矿山生态历史变化进行训练，基于当前矿山生态环境的评价结果利用融合特征进行预测，输出矿山生态环境的分析预测结果，具体为：
基于深度学习方法构建矿山生态环境预警模型，所述矿山生态环境预警模型包括矿山卫星图谱分类模块及生态环境预测模块；
利用ResNet网络为矿山卫星图谱分类模块的基础网络，引入空洞卷积提取当前卫星图谱数据中的多尺度特征，生成不同尺度的特征图；
通过通道注意力机制根据通道之间的相关性提取各个通道对应特征的重要性，将不同尺度的特征图中的元素与对应通道中的元素结合，生成增强后的特征图进行特征融合；
在矿山卫星图谱分类模块进行残差连接，将特征融合后的特征图输入全连接层中，根据预设标注类别进行判断分类，通过卫星图谱数据集对矿山卫星图谱分类模块进行训练；
通过BP神经网络设置生态环境预测模块，通过矿山生态历史变化获取生态变化特征，根据所述生态变化特征训练生态环境预测模块；
当所述矿山卫星图谱分类模块及生态环境预测模块训练结束后，判断模型精确度，当所述精确度符合预设阈值时，将矿山生态环境预警模型进行输出；
将当前矿山生态环境的评价结果及表征矿山生态状况的气象融合特征输入训练后的矿山生态环境预警模型，获取矿山生态环境的分析预测结果。
6.根据权利要求5所述的一种基于卫星图谱的矿山生态识别预警***，其特征在于，利用卫星遥感技术获取矿山的卫星图谱数据，进行预处理后对不同时间不同角度的卫星图谱数据整合，生成矿山卫星图谱时序序列，获取卫星图谱数据集，具体为：
利用卫星遥感技术获取包含矿山预设范围的多光谱影像，作为矿山的卫星图谱数据，对所述卫星图谱数据进行预处理；
将同一时间内不同角度多景影像进行整合拼接，根据两幅影像的重叠区域判断是否进行拼接镶嵌，当所述重叠区域大于预设区域面积时，根据云层遮挡情况选取拍摄质量好的图像进行重叠区域的覆盖；
对整合拼接后的卫星图谱数据进行标注，预设标注类别，根据所述标注类别设置标记窗口，利用所述标记窗口遍历整合拼接后的卫星图谱数据，判断整合拼接后的卫星图谱数据中影像特征与标记窗口对应属性的相似度；
当相似度符合预设相似度标准时，则对卫星图谱数据中该标记类别的范围进行标记，当前标记窗口遍历完成后，利用下一类型标记窗口进行遍历；
在所有标记窗口遍历完成后，在整合拼接后的卫星图谱数据中生成不同标注类别的标记范围，获取同一时间的卫星图谱数据影像标记；
将不同时间的卫星图谱数据影像标记进行数据整合，生成矿山卫星图谱时序序列，构建矿山的卫星图谱数据集。
7.根据权利要求5所述的一种基于卫星图谱的矿山生态识别预警***，其特征在于，对当前矿山生态环境进行评价，具体为：
获取表征矿山生态状况的特征集，对特征集中的不同时间的特征进行主成分分析，获取不同时间中各特征的得分及特征值，生成不同时间中各特征的主成分排序；
根据预设贡献度筛选不同时间的两个特征主成分，通过对不同时间的特征主成分进行统计分析确定最终特征主成分，根据所述最终特征主成分对应的矿山生态评估关键指标获取矿山在不同时间的生态指数；
并通过当前矿山的卫星图谱数据进行预处理及归一化操作后利用最终特征主成分对应的矿山生态评估关键指标对当前矿山生态环境进行评价；
根据矿山在不同时间的生态指数获取在预设时间间隔上的生态指数变化值，通过所述生态指数变化值生成矿山的生态变化特征。
CN202310459080.6A 2023-04-26 2023-04-26 一种基于卫星图谱的矿山生态识别预警方法及*** Active CN116189010B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310459080.6A CN116189010B (zh) 2023-04-26 2023-04-26 一种基于卫星图谱的矿山生态识别预警方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310459080.6A CN116189010B (zh) 2023-04-26 2023-04-26 一种基于卫星图谱的矿山生态识别预警方法及***

Publications (2)

Publication Number Publication Date
CN116189010A CN116189010A (zh) 2023-05-30
CN116189010B true CN116189010B (zh) 2023-06-30

Family

ID=86450921

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310459080.6A Active CN116189010B (zh) 2023-04-26 2023-04-26 一种基于卫星图谱的矿山生态识别预警方法及***

Country Status (1)

Country Link
CN (1) CN116189010B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118313701A (zh) * 2024-06-11 2024-07-09 四川省冶勘设计集团生态环境工程有限公司 一种基于实景三维建模的矿山生态修复及预警的规划方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2655623C2 (ru) * 2016-10-21 2018-05-29 Федеральное государственной бюджетное учреждение науки Институт географии им. В.Б. Сочавы СО РАН Способ экологического мониторинга на законсервированных участках горных работ
CN109146876A (zh) * 2018-09-14 2019-01-04 四川省安全科学技术研究院 一种基于高分遥感影像的矿山环境变化检测方法
WO2020250007A1 (en) * 2019-06-11 2020-12-17 Garcia Da Costa Raphael Environmental management system
CN111260187A (zh) * 2020-01-08 2020-06-09 长春工程学院 一种智能矿山地质环境信息评价***及评价方法
CN113988626B (zh) * 2021-10-28 2022-04-12 中国矿业大学(北京) 一种矿区生态环境遥感综合评价指数实现方法
CN114493963B (zh) * 2022-02-24 2023-04-07 中国科学院空天信息创新研究院 一种矿山生态环境监测与修复***
CN115619585B (zh) * 2022-12-15 2023-03-21 速度时空信息科技股份有限公司 一种智能化矿山环境监测管理方法及***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Modeling of land ecological safety evaluation based on attribute recognition theory: A case study on Henan Province;Xiaoyan Tao 等;2010 2nd IEEE International Conference on Information Management and Engineering;全文 *
一种新型矿山生态环境调查与监测方法;朱一姝 等;信息技术与信息化;全文 *

Also Published As

Publication number Publication date
CN116189010A (zh) 2023-05-30

Similar Documents

Publication Publication Date Title
CN112132233A (zh) 一种基于有效影响因子的服刑人员危险行为预测方法及***
CN115578015A (zh) 基于物联网的污水处理全过程监管方法、***及存储介质
CN116384754B (zh) 一种基于深度学习的在产化工园区环境污染风险评估方法
CN116362570B (zh) 一种基于大数据平台的多维度污染分析方法及***
CN116189010B (zh) 一种基于卫星图谱的矿山生态识别预警方法及***
CN112613454A (zh) 一种电力基建施工现场违章识别方法及***
CN115035256B (zh) 一种尾矿库事故隐患及风险演化方法及***
CN116359218B (zh) 一种工业聚集区大气污染移动监测***
CN114494837A (zh) 一种渔业资源的密度智能识别方法及***
CN110310012B (zh) 数据分析方法、装置、设备及计算机可读存储介质
CN117235655B (zh) 基于联邦学习的智慧供热异常工况识别方法及***
CN116384086B (zh) 一种基于大数据的多灾种地区风险评估方法及***
CN116824513B (zh) 基于深度学习的钻探过程自动识别监管方法及***
CN115019166B (zh) 沼泽湿地信息提取方法、装置、介质及终端
CN117058446A (zh) 一种钻探岩芯特征的智能识别描述方法、***及存储介质
Murray et al. Rapid assessment of mine rehabilitation areas with airborne LiDAR and deep learning: bauxite strip mining in Queensland, Australia
CN117172430B (zh) 一种基于深度学习的水体环境评估与预测方法及***
CN116205504A (zh) 一种数字化应急预案管理方法及***
CN115329870A (zh) 多源数据融合的机器学习火灾预测与隐患识别方法及***
CN117114105B (zh) 基于科研大数据信息的目标对象推荐方法和***
CN115062815A (zh) 一种利用热辐射数据测度企业生产经营状况的方法及***
CN114154617A (zh) 一种基于vfl的低压居民用户异常用电识别方法及***
KR101725015B1 (ko) 인공신경망을 이용한 주택매매지수 예측 장치 및 그 방법
CN116883755B (zh) 一种乡村建设环境监测方法、***、设备及存储介质
CN116955648B (zh) 一种基于非隐私数据关联的知识图谱分析方法

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