CN116972811A - 基于无人机小尺度植被生物多样性的调查方法 - Google Patents
基于无人机小尺度植被生物多样性的调查方法 Download PDFInfo
- Publication number
- CN116972811A CN116972811A CN202310615076.4A CN202310615076A CN116972811A CN 116972811 A CN116972811 A CN 116972811A CN 202310615076 A CN202310615076 A CN 202310615076A CN 116972811 A CN116972811 A CN 116972811A
- Authority
- CN
- China
- Prior art keywords
- vegetation
- unmanned aerial
- aerial vehicle
- investigation
- shooting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011835 investigation Methods 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 241000196324 Embryophyta Species 0.000 claims description 20
- 241000894007 species Species 0.000 claims description 7
- 238000010586 diagram Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000013179 statistical model Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 4
- 238000012067 mathematical method Methods 0.000 abstract 1
- 238000007619 statistical method Methods 0.000 abstract 1
- 230000009471 action Effects 0.000 description 5
- 241000282414 Homo sapiens Species 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241000218922 Magnoliophyta Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Networks & Wireless Communication (AREA)
- Image Processing (AREA)
Abstract
本发明公开了基于无人机小尺度植被生物多样性的调查方法,包括区域划分、分层拍摄、植被分析、植被建模,所述区域划分用于选取最具有代表性的区域,并选取需要调查的区域,所述分层拍摄用于将规划好的区域进行分层,然后规划无人机的最优飞行路线,进行拍摄,所述植被分析用于对拍摄的图片进行分析,识别图片中的植被,并进行统计,所述植被建模用于对植被的统计结果进行建模,本发明的优点在于:采用大数据多维分析技术,利用先进的数学方法及统计学分析方法,让客户能够更快更准的发现相关人民币数字货币钱包风险、辨别风险、处理风险。
Description
技术领域
本发明涉及无人机技术技术领域,具体为基于无人机小尺度植被生物多样性的调查方法。
背景技术
地球上的植物约有55万种,其中有花植物为23.5万种;西班牙植物园主任戴维o布拉姆韦尔(2002)估计地球的有花植物应为419682种。植物种类多样性是植物有机体与环境长期的相互作用下,通过遗传和变异,适应和自然选择而形成的。植物进化仍在继续,新的植物种类还会出现;
随着人类活动的加剧和经济社会发展,生物多样性丧失和生态***退化仍在加速恶化,全球生物多样性面临史无前例的严峻挑战,物种灭绝正在以人类历史上前所未有的速度加速,如不采取行动,许多物种将在数十年内灭绝,人类及其他生物赖以生存的生态***正在加速消失,人口剧增、陆地和海洋使用方式的变化、栖息地减少、自然资源过度开发与利用、气候变化、环境污染、外来物种入侵等严重威胁地球生物多样性,我国也不例外,加强生物多样性保护工作刻不容缓,要做好生物多样性保护工作,首先需通过生物多样性资源调查工作获取全面精准的本底资料,夯实根基,因地制宜,对症下药,保障生物多样性保护行动顺利实施。
现有的生物多样性调查方法一般为,通过人工划分区域,然后通过人工对区域内的植被进行调查、统计,这种调查方法过于繁琐,消耗人力且耗时长,为此,我们提出基于无人机小尺度植被生物多样性的调查方法。
发明内容
本发明所要解决的技术问题在于减少植被多样性调查的人力投入,缩短调查所耗时常。
本发明采用以下技术方案解决上述技术问题:提供了基于无人机小尺度植被生物多样性的调查方法,包括区域划分、分层拍摄、植被分析、植被建模,所述区域划分用于选取最具有代表性的区域,并选取需要调查的区域,所述分层拍摄用于将规划好的区域进行分层,然后规划无人机的最优飞行路线,进行拍摄,所述植被分析用于对拍摄的图片进行分析,识别图片中的植被,并进行统计,所述植被建模用于对植被的统计结果进行建模。
优选的,所述区域划分的具体方法为:整体区域拍摄:将无人机控制在100米高度,飞行,利用摄像头,动态拍摄整体区域的图片;
调查区域确定:分析无人机拍摄的整体图片,熟悉典型地段的植物群落概况,包括组成特征及其所属分类***,然后根据植物群落调查的要求,确定相宜的调查范围;
确定调查方法:根据确定的相宜的调查范围,选用相应的调查植被多样性的方法。
优选的,所述调查植被多样性的方法有:
样方范围法:根据调查区域确定时拍摄的图片,选择具有代表性的小面积统计植物种类数目,然后逐步向***扩大拍摄面积,同时登记新发现的植物种类,直到基本不再增加新种类为止;
面积扩大法:以确定的相宜的调查范围的中心为原点,以种数为y轴,填入每次扩大面积后所调查的数值并连成平滑曲线,则曲线上由陡变缓之处相对应的面积就是群落的最小面积。
优选的,所述分层拍摄的具体步骤为:
飞行高度确定:根据确定的调查范围的最高植被高度划分三个无人机飞行高度;
飞行速度、拍照速度确定:根据确定的调查范围的植被的茂密程度,确立无人机的飞行速度和无人机携带的照相机的拍摄速度,所述飞行速度与拍摄速度成正比;
飞行路线确定:利用GPS定位***,对无人机进行导航,然后根据摄像头的拍摄范围,计算出无人机飞行一圈后所需要的的最短路线。
优选的,所述植被分析的分析方法为:
归类图片:将无人机传回的照片进行分类统计,并对每一类照片都进行数量统计并编号;
图片识别:利用计算机对图像进行处理、分析和理解以识别各种不同模式的目标和对象的技术,并对质量不佳的图像进行一系列的增强与重建技术手段;
植被统计:将识别并增强与重建的图片进行分析,识别图片中相同特征的植被,并对植被的数量大小进行统计;
植被多样性计算:将统计数量带入公式D=S/M*F,计算出植被指数,其中:S为单种植物数量,M为调查区域面积,F为照片数量。
优选的,所述植被建模具体实现方法为:根据植被分析中的统计数据建立植被统计模型图。
一种计算机设备,包括存储器、处理器、和网络接口,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至6中任一项所述的调查方法的步骤。
一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至6中任一项所述的调查方法的步骤。
与现有技术相比,本发明提供了基于无人机小尺度植被生物多样性的调查方法,具备以下有益效果:
基于无人机小尺度植被生物多样性的调查方法,率先规划需要调查的区域,然后利用无人机在100米的高度对调查区域进行航拍,总览调查区域情况,使调查人员对调查区域有一定的了解,然后人工分析航拍图片,根据植被调查要求,确认相宜的调查范围,然后根据确认后的调查范围选定相应的调查植被多样性的方法,用不同的调查方法能够更加精确地调查植被多样性,选择调查方法后,根据调查范围内最高植被划分三个无人机飞行高度,根据确定的调查范围的植被的茂密程度,三组无人机,能够更加全面的拍摄打调查区域内的情况,确立无人机的飞行速度和无人机携带的照相机的拍摄速度,根据GPS定位***规划无人机的飞行路线,然后利用无人机进行飞行拍摄,然后对拍摄的照片进行增强与重建,使图片更加清晰,然后遍历分析图片,识别并统计图片内植被,然后将植被个数带入公式D=S/M*F,计算植被的覆盖率,并根据植被分析分析出的图像,建立模型图,方便直观的观察植被统计数据。
附图说明
图1为本发明流程示意图;
图2为本发明计算机设备基本结构框图。
图中:1、区域划分;2、分层拍摄;3、植被分析;4、植被建模;6、计算机设备;61、存储器;62、处理器;63、网络接口。
具体实施方式
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、完整地描述,显然,所描述的实施例仅仅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。
请参阅图1,基于无人机小尺度植被生物多样性的调查方法,包括区域划分1、分层拍摄2、植被分析3、植被建模4,区域划分1用于选取最具有代表性的区域,并选取需要调查的区域,分层拍摄2用于将规划好的区域进行分层,然后规划无人机的最优飞行路线,进行拍摄,植被分析3用于对拍摄的图片进行分析,识别图片中的植被,并进行统计,植被建模4用于对植被的统计结果进行建模。
本实施例中,区域划分1的具体方法为:整体区域拍摄:将无人机控制在100米高度,飞行,利用摄像头,动态拍摄整体区域的图片;
调查区域确定:分析无人机拍摄的整体图片,熟悉典型地段的植物群落概况,包括组成特征及其所属分类***,然后根据植物群落调查的要求,确定相宜的调查范围;
确定调查方法:根据确定的相宜的调查范围,选用相应的调查植被多样性的方法。
具体的,率先规划需要调查的区域,然后利用无人机在100米的高度对调查区域进行航拍,总览调查区域情况,使调查人员对调查区域有一定的了解,然后人工分析航拍图片,根据植被调查要求,确认相宜的调查范围。
本实施例中,调查植被多样性的方法有:
样方范围法:根据调查区域确定时拍摄的图片,选择具有代表性的小面积统计植物种类数目,然后逐步向***扩大拍摄面积,同时登记新发现的植物种类,直到基本不再增加新种类为止;
面积扩大法:以确定的相宜的调查范围的中心为原点,以种数为y轴,填入每次扩大面积后所调查的数值并连成平滑曲线,则曲线上由陡变缓之处相对应的面积就是群落的最小面积。
具体的,根据确认后的调查范围选定相应的调查植被多样性的方法,用不同的调查方法能够更加精确地调查植被多样性。
本实施例中,分层拍摄2的具体步骤为:
飞行高度确定:根据确定的调查范围的最高植被高度划分三个无人机飞行高度;
飞行速度、拍照速度确定:根据确定的调查范围的植被的茂密程度,确立无人机的飞行速度和无人机携带的照相机的拍摄速度,飞行速度与拍摄速度成正比;
飞行路线确定:利用GPS定位***,对无人机进行导航,然后根据摄像头的拍摄范围,计算出无人机飞行一圈后所需要的的最短路线。
具体的,根据调查范围内最高植被划分三个无人机飞行高度,根据确定的调查范围的植被的茂密程度,三组无人机,能够更加全面的拍摄打调查区域内的情况,确立无人机的飞行速度和无人机携带的照相机的拍摄速度,根据GPS定位***规划无人机的飞行路线,然后利用无人机进行飞行拍摄,能够使无人机能加精确的拍摄照片。
本实施例中,植被分析3的分析方法为:
归类图片:将无人机传回的照片进行分类统计,并对每一类照片都进行数量统计并编号;
图片识别:利用计算机对图像进行处理、分析和理解以识别各种不同模式的目标和对象的技术,并对质量不佳的图像进行一系列的增强与重建技术手段;
植被统计:将识别并增强与重建的图片进行分析,识别图片中相同特征的植被,并对植被的数量大小进行统计;
植被多样性计算:将统计数量带入公式D=S/M*F,计算出植被指数,其中:S为单种植物数量,M为调查区域面积,F为照片数量。
具体的,然后对拍摄的照片进行增强与重建,使图片更加清晰,然后遍历分析图片,识别并统计图片内植被,然后将植被个数带入公式D=S/M*F,计算植被的覆盖率,对照片进行数量统计和编号能够使照片的分析更加***。
本实施例中,植被建模4具体实现方法为:根据植被分析3中的统计数据建立植被统计模型图。
具体的,据植被分析3分析出的图像,建立模型图,方便直观的观察植被统计数据。
工作时,本方法中,率先规划需要调查的区域,然后利用无人机在100米的高度对调查区域进行航拍,然后人工分析航拍图片,根据植被调查要求,确认相宜的调查范围,然后根据确认后的调查范围选定相应的调查植被多样性的方法,选择调查方法后,根据调查范围内最高植被划分三个无人机飞行高度,根据确定的调查范围的植被的茂密程度,确立无人机的飞行速度和无人机携带的照相机的拍摄速度,根据GPS定位***规划无人机的飞行路线,然后利用无人机进行飞行拍摄,然后对拍摄的照片进行增强与重建,使图片更加清晰,然后遍历分析图片,识别并统计图片内植被,然后将植被个数带入公式D=S/M*F,计算植被的覆盖率,并根据植被分析3分析出的图像,建立模型图,方便直观的观察植被统计数据。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机可读指令来指令相关的硬件来完成,该计算机可读指令可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图2,图2为本实施例计算机设备基本结构框图。
计算机设备6包括通过***总线相互通信连接存储器61、处理器62、网络接口63。需要指出的是,图中仅示出了具有组件61-63的计算机设备6,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
存储器61至少包括一种类型的可读存储介质,可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,存储器61可以是计算机设备6的内部存储单元,例如该计算机设备6的硬盘或内存。在另一些实施例中,存储器61也可以是计算机设备6的外部存储设备,例如该计算机设备6上配备的插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,存储器61还可以既包括计算机设备6的内部存储单元也包括其外部存储设备。本实施例中,存储器61通常用于存储安装于计算机设备6的操作***和各类应用软件,一种基于令牌桶的业务数据限流方法的计算机可读指令等。此外,存储器61还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器62在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器62通常用于控制计算机设备6的总体操作。本实施例中,处理器62用于运行存储器61中存储的计算机可读指令或者处理数据,例如运行一种基于令牌桶的业务数据限流方法的计算机可读指令。
网络接口63可包括无线网络接口或有线网络接口,该网络接口63通常用于在计算机设备6与其他电子设备之间建立通信连接。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,计算机可读存储介质存储有计算机可读指令,计算机可读指令可被至少一个处理器执行,以使至少一个处理器执行如上述的一种基于令牌桶的业务数据限流方法的步骤。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例的方法。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种基于无人机小尺度植被生物多样性的调查方法,包括区域划分(1)、分层拍摄(2)、植被分析(3)、植被建模(4),其特征在于:所述区域划分(1)用于选取最具有代表性的区域,并选取需要调查的区域,所述分层拍摄(2)用于将规划好的区域进行分层,然后规划无人机的最优飞行路线,进行拍摄,所述植被分析(3)用于对拍摄的图片进行分析,识别图片中的植被,并进行统计,所述植被建模(4)用于对植被的统计结果进行建模。
2.根据权利要求1所述的一种基于无人机小尺度植被生物多样性的调查方法,其特征在于:所述区域划分(1)的具体方法为:整体区域拍摄:将无人机控制在100米高度,飞行,利用摄像头,动态拍摄整体区域的图片;
调查区域确定:分析无人机拍摄的整体图片,熟悉典型地段的植物群落概况,包括组成特征及其所属分类***,然后根据植物群落调查的要求,确定相宜的调查范围;
确定调查方法:根据确定的相宜的调查范围,选用相应的调查植被多样性的方法。
3.根据权利要求2所述的一种基于无人机小尺度植被生物多样性的调查方法,其特征在于:所述调查植被多样性的方法有:
样方范围法:根据调查区域确定时拍摄的图片,选择具有代表性的小面积统计植物种类数目,然后逐步向***扩大拍摄面积,同时登记新发现的植物种类,直到基本不再增加新种类为止;
面积扩大法:以确定的相宜的调查范围的中心为原点,以种数为y轴,填入每次扩大面积后所调查的数值并连成平滑曲线,则曲线上由陡变缓之处相对应的面积就是群落的最小面积。
4.根据权利要求1所述的一种基于无人机小尺度植被生物多样性的调查方法,其特征在于:所述分层拍摄(2)的具体步骤为:
飞行高度确定:根据确定的调查范围的最高植被高度划分三个无人机飞行高度;
飞行速度、拍照速度确定:根据确定的调查范围的植被的茂密程度,确立无人机的飞行速度和无人机携带的照相机的拍摄速度,所述飞行速度与拍摄速度成正比;
飞行路线确定:利用GPS定位***,对无人机进行导航,然后根据摄像头的拍摄范围,计算出无人机飞行一圈后所需要的的最短路线。
5.根据权利要求4所述的一种基于无人机小尺度植被生物多样性的调查方法,其特征在于:所述植被分析(3)的分析方法为:
归类图片:将无人机传回的照片进行分类统计,并对每一类照片都进行数量统计并编号;
图片识别:利用计算机对图像进行处理、分析和理解以识别各种不同模式的目标和对象的技术,并对质量不佳的图像进行一系列的增强与重建技术手段;
植被统计:将识别并增强与重建的图片进行分析,识别图片中相同特征的植被,并对植被的数量大小进行统计;
植被多样性计算:将统计数量带入公式D=S/M*F,计算出植被指数,其中:S为单种植物数量,M为调查区域面积,F为照片数量。
6.根据权利要求1所述的一种基于无人机小尺度植被生物多样性的调查方法,其特征在于:所述植被建模(4)具体实现方法为:根据植被分析(3)中的统计数据建立植被统计模型图。
7.一种计算机设备,包括存储器(61)、处理器(62)和网络接口(63),所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至6中任一项所述的调查方法的步骤。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至6中任一项所述的调查方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310615076.4A CN116972811A (zh) | 2023-05-29 | 2023-05-29 | 基于无人机小尺度植被生物多样性的调查方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310615076.4A CN116972811A (zh) | 2023-05-29 | 2023-05-29 | 基于无人机小尺度植被生物多样性的调查方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116972811A true CN116972811A (zh) | 2023-10-31 |
Family
ID=88482222
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310615076.4A Pending CN116972811A (zh) | 2023-05-29 | 2023-05-29 | 基于无人机小尺度植被生物多样性的调查方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116972811A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118031912A (zh) * | 2024-04-10 | 2024-05-14 | 山东芳洲空间地理信息工程有限公司 | 一种用于自然资源研究的测绘方法 |
-
2023
- 2023-05-29 CN CN202310615076.4A patent/CN116972811A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118031912A (zh) * | 2024-04-10 | 2024-05-14 | 山东芳洲空间地理信息工程有限公司 | 一种用于自然资源研究的测绘方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20170345303A1 (en) | Parking identification and availability prediction | |
CN110378165A (zh) | 二维码识别方法、二维码定位识别模型建立方法及其装置 | |
CN109933635A (zh) | 一种更新地图数据库的方法及装置 | |
CN111680102A (zh) | 基于人工智能的定位数据处理方法及相关设备 | |
CN109658454A (zh) | 一种位姿信息确定方法、相关装置及存储介质 | |
CN116972811A (zh) | 基于无人机小尺度植被生物多样性的调查方法 | |
Yadav et al. | Identification of trees and their trunks from mobile laser scanning data of roadway scenes | |
CN115457212A (zh) | 树木影像图处理方法、装置、终端设备及存储介质 | |
CN109690571A (zh) | 基于学习的组标记***和方法 | |
CN112418632A (zh) | 一种生态修复关键区域识别方法及*** | |
CN114324336B (zh) | 一种大豆全生育期生物量无损测量方法 | |
CN115457408A (zh) | 一种土地监测方法、装置、电子设备及介质 | |
US20130231897A1 (en) | Systems and methods for efficient analysis of topographical models | |
CN114580975A (zh) | 街区活力获得方法及***及装置及介质 | |
CN114778774A (zh) | 基于人工智能的温室气体监测方法及相关设备 | |
CN111125290A (zh) | 一种基于河长制的智能巡河方法、装置及存储介质 | |
CN114565803A (zh) | 用于提取难样本的方法、装置及机械设备 | |
Li et al. | A novel method for cliff vegetation estimation based on the unmanned aerial vehicle 3D modeling | |
Pyka et al. | LiDAR-based method for analysing landmark visibility to pedestrians in cities: case study in Kraków, Poland | |
CN102750455B (zh) | 一种水环境遥感反演模型选择方法及装置 | |
Doria et al. | From reality-based model to GIS platform. Multi-scalar modeling for irrigated landscape management in the Pavia plain | |
US8755606B2 (en) | Systems and methods for efficient feature extraction accuracy using imperfect extractors | |
Wibowo et al. | Mapping and grouping of farm land with Graham scan algorithm on convex hull method | |
Domozi et al. | Surveying private pools in suburban areas with neural network based on drone photos | |
CN114220017A (zh) | 遥感数据尺度自适应调整方法、装置、存储介质及设备 |
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 |