CN117610745A - 一种自然资源动态监测*** - Google Patents

一种自然资源动态监测*** Download PDF

Info

Publication number
CN117610745A
CN117610745A CN202410089048.8A CN202410089048A CN117610745A CN 117610745 A CN117610745 A CN 117610745A CN 202410089048 A CN202410089048 A CN 202410089048A CN 117610745 A CN117610745 A CN 117610745A
Authority
CN
China
Prior art keywords
monitoring
area
sub
dynamic monitoring
value
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
Application number
CN202410089048.8A
Other languages
English (en)
Inventor
崔红霞
曾雯雯
宋红丽
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.)
Shandong Provincial Institute of Land Surveying and Mapping
Original Assignee
Shandong Provincial Institute of Land Surveying and Mapping
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 Shandong Provincial Institute of Land Surveying and Mapping filed Critical Shandong Provincial Institute of Land Surveying and Mapping
Priority to CN202410089048.8A priority Critical patent/CN117610745A/zh
Publication of CN117610745A publication Critical patent/CN117610745A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Library & Information Science (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computational Linguistics (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Remote Sensing (AREA)
  • Game Theory and Decision Science (AREA)
  • Alarm Systems (AREA)

Abstract

本发明涉及自然资源管理技术领域，本发明公开了一种自然资源动态监测***，该***主要是针对现有自然资源监测工作中所存在的监测不够全面、准确性低且缺乏预测能力的技术问题，提出了将采集的监测区域的图像数据和综合数据上传到云服务器，经过云计算整理后传入本地服务器，利用本地服务器中构建的动态监测函数得到相应的输出值，工作人员通过输出值可以直观的判断监测区域内自然资源的状态并预测监测区域内自然资源的发展情况的技术方案；该***为自然资源的监测和管理提供了可靠的依据，保证了自然资源监测工作的准确性和全面性。

Description

一种自然资源动态监测***
技术领域
本发明涉及自然资源管理技术领域，特别是一种自然资源动态监测***。
背景技术
随着人类对自然资源的需求日益增长，自然资源的合理开发和保护已成为全球关注的焦点。传统的自然资源监测方法主要依赖人工巡查和定期报告，这种方式不仅效率低下，而且难以及时发现问题；此外，针对自然资源状态的评价多以定性为主，可参与定量的指标比较少，这在很大程度上降低了自然资源规划工作的质量和有效性，还限制了自然资源规划工作的预防能力和补救能力。
近年来对地观测技术发展很快，无人机遥感技术的出现和应用在很大程度上弥补了传统自然资源规划手段的不足，提高了自然资源规划人员获取人类活动对生态环境影响的速度、精度，能够做到大范围高分辨率遥感影像的快速获取与有效覆盖；但从这些遥感影像中提取地表覆盖、土地利用等核心要素的分布及变化信息，目前主要还是靠人机交互的方式，耗时费力；现有自动化分类提取技术的速度快，但准确率低，不能满足真实准确可靠的质量要求。
为了解决上述技术问题，本领域技术人员公开了一种基于无人机的远程自然资源动态监测方法的专利，其公开号为：CN113780086A；该专利主要是利用无人机进行覆盖搜索，基于无人机覆盖区域建立目标优化函数，利用目标优化函数优化覆盖程度，同时通过无人机实时采集覆盖区域中自然资源的正射影像，然后利用SVM分类器对自然资源进行分类识别，从而有效提高无人机监测的准确性和监测效率。
然而，上述专利只是通过无人机远程采集监测区域的图像，并利用目标优化函数来判断监测区域内自然资源的覆盖程度，对于监测区域内自然资源所受到的环境影响以及所承受的灾害情况都没有相应的监测机制，也无法预测监测区域内自然资源的发展潜力。因此，无法满足越来越高的自然资源管理工作的需求。
发明内容
本发明的目的是为了解决上述问题，设计了一种自然资源动态监测***。
实现上述目的本发明的技术方案为，一种自然资源动态监测***，该***包括如下部分：
图像数据采集模块，所述图像采集模块利用无人机或者遥感卫星对监测区域进行覆盖式扫描，并接收无人机或者遥感卫星所采集的图像数据，然后将图像数据通过网络上传至云服务器；
综合数据采集模块，所述综合数据采集模块包括若干监测基站，若干所述监测基站的监测范围覆盖整个监测区域，每个所述监测基站通过其内置的传感器组来采集其监测范围内的综合数据，并将采集的综合数据通过网络上传至云服务器；
云服务器，所述云服务器通过云计算对接收的图像数据和综合数据进行预处理，根据图像数据将整个监测区域分成N个子区域并对N个子区域进行编码，将图像数据和综合数据均作为环境影响因素进行整理并编号，将环境影响因素的编号和其所在的子区域的编码进行关联，然后将子区域编码和环境影响因素传输给本地服务器；
本地服务器，所述本地服务器内构建有动态监测函数F，所述本地服务器将接收的子区域编码和环境影响因素代入动态监测函数并得到动态监测函数的输出值；
客户端，所述客户端能够登录本地服务器并查询对应时间的动态监测函数的输出值，根据动态监测函数的输出值判断该时间监测区域内自然资源的情况，同时通过查询一段时间内动态监测函数的输出值的变化来预测监测区域内自然资源的发展趋势。
所述图像数据包括：植被类型、水资源分布面积和人类活动频率；所述监测基站中的传感器组包括温度传感器、湿度传感器、光照传感器和土壤PH值传感器。
所述云服务器根据植被类型分布情况来划分子区域，所述环境影响因素包括：温度数据、湿度数据、光照强度数据、土壤酸碱度数据、水资源分布面积和人类活动频率。
所述动态监测函数F的数学表达式为：
（1）；
式（1）中，fn（xi）为第n个子区域的状态函数，所述N为子区域的数量，m为风险系数，m是根据灾害等级来取值的，m的取值范围是{正整数和0}，S为风险等级，N和n的取值范围均为正整数；
将式（1）展开，进而得到式（2）为：
（2）；
式（2）中，f1（xi）为第一个子区域的状态函数，f2（xi）为第二个子区域的状态函数……fn（xi）为第n个子区域的状态函数。
所述第n个子区域的状态函数fn（xi）的表达式为：
（3）；
式（3）中，xi是第n个子区域中的第i项影响因素，xi ，是第n个子区域中的第i项影响因素的标准值，是第i项影响因素的变化幅度，/>是第i项影响因素的权重系数，/>的取值范围是{0-1}。
所述动态监测函数的输出值包括监测区域的平均状态值和风险评估值两个部分；其中，平均状态值越大，则表明监测区域内自然资源的发展潜力就越小；风险评估值是根据监测区域出现灾害的等级得出的，当监测区域没有灾害时，m的值为0，当监测区域出现灾害时，m的值根据灾害等级来确定。
所述本地服务器内设有预警区间，当动态监测函数的输出值不属于预警区间时，所述本地服务器向所述客户端发送预警信息。
与现有技术相比，本发明具有以下有益效果：
1、本发明申请能够保证自然资源动态监测的准确性和全面性，为自然资源的规划和管理提供可靠的依据；
2、本发明申请能够有效的预测监测区域内自然资源的发展前景，能够更好的迎合自然资源规划工作的需要，提高自然资源开发的合理性和可持续性；
3、本发明申请能够实时监测自然资源的状况及变化，为管理部门提供及时的信息反馈，同时通过高精度传感器、遥感卫星、无人机等设备的协同工作，实现对自然资源全面、无死角的监测；
4、本发明申请利用云计算对数据进行处理和分析，提高数据处理效率和分析准确性，还通过构建动态监测函数来精准地识别自然资源的状况及变化趋势，为自然资源管理部门提供科学依据和决策支持，促进自然资源的合理开发和保护。
附图说明
图1是本发明所述一种自然资源动态监测***的结构图；
图2是本发明所述实施例1的流程图。
具体实施方式
下面结合附图对本发明进行具体描述，如图1-图2所示；
一种自然资源动态监测***，该***包括如下部分：
图像数据采集模块，图像采集模块利用无人机或者遥感卫星对监测区域进行覆盖式扫描，并接收无人机或者遥感卫星所采集的监测区域内自然资源的图像数据，然后将图像数据通过网络上传至云服务器；
综合数据采集模块，综合数据采集模块包括若干监测基站，若干监测基站布置在监测区域内，若干监测基站的监测范围覆盖整个监测区域，每个监测基站通过其内置的传感器组来采集其监测范围内的综合数据，并将采集的综合数据通过网络上传至云服务器；
云服务器，云服务器通过云计算对接收的图像数据和综合数据进行清洗，清除重复、无效或者异常数据，根据图像数据将整个监测区域分成N个子区域并对N个子区域进行编码，然后将图像数据和综合数据整理后得到环境影响因素并将环境影响因素进行编号，将环境影响因素的编号和其所在的子区域的编码进行关联，然后将子区域编码和环境影响因素通过下载的方式传输给本地服务器；
本地服务器，本地服务器内构建有动态监测函数F，本地服务器将接收的子区域编码和环境影响因素代入动态监测函数并得到动态监测函数的输出值，对动态监测函数的输出值以及对应的子区域编码和环境影响因素进行存储，为客户端的查询和下载提供方便；
客户端，客户端安装于智能手机、IPAD、笔记本电脑和台式电脑内，工作人员通过客户端登录本地服务器，并在本地服务器上实施下载和查询功能，并根据对应时间的动态监测函数的输出值来判断该时间监测区域内自然资源的情况，同时通过查询一段时间内动态监测函数的输出值的变化来预测监测区域内自然资源的发展潜力。
需要注意的是，图像数据中的要素包括：植被类型、水资源分布面积和人类活动频率；监测基站中的传感器组包括温度传感器、湿度传感器、光照传感器和土壤PH值传感器，监测基站能够采集其监测范围内的温度数据、湿度数据、光照强度数据以及土壤酸碱度数据。
其中，云服务器根据植被类型分布情况来划分子区域，植被类型包括：寒温性针叶林、落叶阔叶林、常绿阔叶林、季雨林、红树林、落叶阔叶灌丛、灌草丛、草原、草甸、沼泽、水生植被等；温度数据、湿度数据、光照强度数据、土壤酸碱度数据、水资源分布面积和人类活动频率均作为环境影响因素。
需要说明的是，动态监测函数F的数学表达式为：
（1）；
式（1）中，fn（xi）为第n个子区域的状态函数，所述N为子区域的数量，m为风险系数，m是根据灾害等级来取值的，m的取值范围是{正整数和0}，S为风险等级，N和n的取值范围均为正整数；
将式（1）展开，进而得到式（2）为：
（2）；
式（2）中，f1（xi）为第一个子区域的状态函数，f2（xi）为第二个子区域的状态函数……fn（xi）为第n个子区域的状态函数。
所述第n个子区域的状态函数fn（xi）的表达式为：
（3）；
式（3）中，xi是第n个子区域中的第i项影响因素，xi ，是第n个子区域中的第i项影响因素的标准值，是第i项影响因素的变化幅度，/>是第i项影响因素的权重系数，/>的取值范围是{0-1}。
需要说明的是，动态监测函数的输出值包括监测区域的平均状态值和风险评估值两个部分构成；其中，平均状态值是由式计算得出的，平均状态值越大，则表明监测区域内自然资源的发展潜力就越小；风险评估值是根据监测区域出现灾害的等级得出的，灾害包括自然灾害和人为灾害，当监测区域没有灾害时，m的值为0，当监测区域出现灾害时，m的值根据灾害等级来确定。
此外，本地服务器内设有预警区间，当动态监测函数的输出值不属于预警区间时，本地服务器向客户端发送预警信息；其中，预警区间是由动态监测函数输出值构成的集合，预警区间内的动态监测函数输出值对应着自然资源可发展状态。
本技术方案采用的电子器件均为现有产品，本申请的技术方案对于上述电子器件的结构没有特殊要求和改变；
在本技术方案实施的过程中，本领域人员需要将本案中所有电气件与其适配的电源通过导线进行连接，并且应该根据实际情况，选择合适的控制器，以满足控制需求。具体连接以及控制顺序，应参考本技术方案的工作原理以及各电气件之间的先后工作顺序，其详细连接手段，为本领域公知技术。本技术方案主要介绍工作原理以及过程，不再对电气控制做说明。
实施例1：
本发明公开的一种自然资源动态监测***的具体监测流程如下：
步骤一，工作人员通过无人机或者遥感卫星获取监测区域内的图像数据，同时通过监测基站获取监测区域内的综合数据，将图像数据和综合数据均上传至云服务器；
步骤二，利用云服务器的云计算功能对上传的数据进行预处理，得到准确的图像数据和综合数据，将图像数据和综合数据进行整理得到环境影响因素，然后根据植被类型将监测区域划分为多个子区域，并对子区域进行编码，将环境影响因素和其所在的子区域的编码关联；
步骤三，工作人员通过客户端将云服务器内的多个子区域的环境影响因素下载到本地服务器并带入动态监测函数，并得到动态监测函数的输出值；
步骤四，工作人员通过客户端获取动态监测函数的输出值，并依据动态监测函数输出值判断监测区域内自然资源的状态，预测监测区域内自然资源的发展潜力。
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。在没有更多限制的情况下。由语句“包括一个......限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素”。
上述技术方案仅体现了本发明技术方案的优选技术方案，本技术领域的技术人员对其中某些部分所可能做出的一些变动均体现了本发明的原理，属于本发明的保护范围之内。

Claims (7)

1.一种自然资源动态监测***，其特征在于，该***包括如下部分：
图像数据采集模块，所述图像采集模块利用无人机或者遥感卫星对监测区域进行覆盖式扫描，并接收无人机或者遥感卫星所采集的图像数据，然后将图像数据通过网络上传至云服务器；
综合数据采集模块，所述综合数据采集模块包括若干监测基站，若干所述监测基站的监测范围覆盖整个监测区域，每个所述监测基站通过其内置的传感器组来采集其监测范围内的综合数据，并将采集的综合数据通过网络上传至云服务器；
云服务器，所述云服务器通过云计算对接收的图像数据和综合数据进行预处理，根据图像数据将整个监测区域分成N个子区域并对N个子区域进行编码，将图像数据和综合数据均作为环境影响因素进行整理并编号，将环境因素的编号和其所在的子区域的编码进行关联，然后将子区域编码和环境影响因素传输给本地服务器；
本地服务器，所述本地服务器内构建有动态监测函数F，所述本地服务器将接收的子区域编码和环境影响因素代入动态监测函数并得到动态监测函数的输出值；
客户端，所述客户端能够登录本地服务器并查询对应时间的动态监测函数的输出值，根据动态监测函数的输出值判断该时间监测区域内自然资源的情况，同时通过查询一段时间内动态监测函数的输出值的变化来预测监测区域内自然资源的发展趋势。
2.根据权利要求1所述的一种自然资源动态监测***，其特征在于，所述图像数据包括：植被类型、水资源分布面积和人类活动频率；所述监测基站中的传感器组包括温度传感器、湿度传感器、光照传感器和土壤PH值传感器。
3.根据权利要求2所述的一种自然资源动态监测***，其特征在于，所述云服务器根据植被类型分布情况来划分子区域，所述环境影响因素包括：温度数据、湿度数据、光照强度数据、土壤酸碱度数据、水资源分布面积和人类活动频率。
4.根据权利要求1所述的一种自然资源动态监测***，其特征在于，所述动态监测函数F的数学表达式为：
（1）；
式（1）中，fn（xi）为第n个子区域的状态函数，所述N为子区域的数量，m为风险系数，m是根据灾害等级来取值的，m的取值范围是{正整数和0}，S为风险等级，N和n的取值范围均为正整数；
将式（1）展开，进而得到式（2）为：
（2）；
式（2）中，f1（xi）为第一个子区域的状态函数，f2（xi）为第二个子区域的状态函数……fn（xi）为第n个子区域的状态函数。
5.根据权利要求4所述的一种自然资源动态监测***，其特征在于，所述第n个子区域的状态函数fn（xi）的表达式为：
（3）；
式（3）中，xi是第n个子区域中的第i项影响因素，xi ，是第n个子区域中的第i项影响因素的标准值，是第i项影响因素的变化幅度，/>是第i项影响因素的权重系数，/>的取值范围是{0-1}。
6.根据权利要求4所述的一种自然资源动态监测***，其特征在于，所述动态监测函数的输出值包括监测区域的平均状态值和风险评估值两个部分；其中，平均状态值越大，则表明监测区域内自然资源的发展潜力就越小；风险评估值是根据监测区域出现灾害的等级得出的，当监测区域没有灾害时，m的值为0，当监测区域出现灾害时，m的值根据灾害等级来确定。
7.根据权利要求1所述的一种自然资源动态监测***，其特征在于，所述本地服务器内设有预警区间，当动态监测函数的输出值不属于预警区间时，所述本地服务器向所述客户端发送预警信息。
CN202410089048.8A 2024-01-23 2024-01-23 一种自然资源动态监测*** Pending CN117610745A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410089048.8A CN117610745A (zh) 2024-01-23 2024-01-23 一种自然资源动态监测***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410089048.8A CN117610745A (zh) 2024-01-23 2024-01-23 一种自然资源动态监测***

Publications (1)

Publication Number Publication Date
CN117610745A true CN117610745A (zh) 2024-02-27

Family

ID=89960139

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410089048.8A Pending CN117610745A (zh) 2024-01-23 2024-01-23 一种自然资源动态监测***

Country Status (1)

Country Link
CN (1) CN117610745A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118037079A (zh) * 2024-04-12 2024-05-14 高精特(成都)大数据科技有限公司 一种土地自然资源动态监管***及方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030058850A (ko) * 2002-01-02 2003-07-07 오토전자 주식회사 오염도 평가장치
US20160178796A1 (en) * 2014-12-19 2016-06-23 Marc Lauren Abramowitz Dynamic analysis of data for exploration, monitoring, and management of natural resources
CN108286999A (zh) * 2018-01-24 2018-07-17 江西师范大学 一种监测森林生长情况的环境监测方法
CN112506104A (zh) * 2020-12-07 2021-03-16 沈阳工程学院 一种湿地资源与生态环境监管方法及***
CN113780086A (zh) * 2021-08-11 2021-12-10 南京捷鹰数码测绘有限公司 一种基于无人机的远程自然资源动态监测方法
CN114565313A (zh) * 2022-03-08 2022-05-31 中国地质科学院岩溶地质研究所 一种地质灾害隐患判识以及分析评估方法及***
CN115169969A (zh) * 2022-07-29 2022-10-11 江苏中煤地质工程研究院有限公司 生态环境状况综合评价方法、装置、电子设备及存储介质
CN115631421A (zh) * 2022-12-23 2023-01-20 北京瞭望神州科技有限公司 耕地智慧保护方法及保护***
CN117037076A (zh) * 2023-10-09 2023-11-10 中国农业科学院农田灌溉研究所 一种基于遥感技术的土壤墒情智能监测方法
CN117079149A (zh) * 2023-10-18 2023-11-17 磐安县文溪测绘有限公司 基于机器学习的路面状况检测***及方法
CN117272247A (zh) * 2023-11-17 2023-12-22 沧州师范学院 一种应用于数字孪生智慧乡村的数据集成方法及***

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030058850A (ko) * 2002-01-02 2003-07-07 오토전자 주식회사 오염도 평가장치
US20160178796A1 (en) * 2014-12-19 2016-06-23 Marc Lauren Abramowitz Dynamic analysis of data for exploration, monitoring, and management of natural resources
CN108286999A (zh) * 2018-01-24 2018-07-17 江西师范大学 一种监测森林生长情况的环境监测方法
CN112506104A (zh) * 2020-12-07 2021-03-16 沈阳工程学院 一种湿地资源与生态环境监管方法及***
CN113780086A (zh) * 2021-08-11 2021-12-10 南京捷鹰数码测绘有限公司 一种基于无人机的远程自然资源动态监测方法
CN114565313A (zh) * 2022-03-08 2022-05-31 中国地质科学院岩溶地质研究所 一种地质灾害隐患判识以及分析评估方法及***
CN115169969A (zh) * 2022-07-29 2022-10-11 江苏中煤地质工程研究院有限公司 生态环境状况综合评价方法、装置、电子设备及存储介质
CN115631421A (zh) * 2022-12-23 2023-01-20 北京瞭望神州科技有限公司 耕地智慧保护方法及保护***
CN117037076A (zh) * 2023-10-09 2023-11-10 中国农业科学院农田灌溉研究所 一种基于遥感技术的土壤墒情智能监测方法
CN117079149A (zh) * 2023-10-18 2023-11-17 磐安县文溪测绘有限公司 基于机器学习的路面状况检测***及方法
CN117272247A (zh) * 2023-11-17 2023-12-22 沧州师范学院 一种应用于数字孪生智慧乡村的数据集成方法及***

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118037079A (zh) * 2024-04-12 2024-05-14 高精特(成都)大数据科技有限公司 一种土地自然资源动态监管***及方法

Similar Documents

Publication Publication Date Title
Kang et al. Air quality prediction: Big data and machine learning approaches
CN111461167B (zh) 基于大数据的污染源定位方法、装置、设备及存储介质
US10880623B2 (en) Method and system for utility power lines vegetation proximity monitoring and controlling
Lagacherie Digital soil mapping: a state of the art
CN117610745A (zh) 一种自然资源动态监测***
Bačić et al. Integrated sensor systems for smart cities
Zheng et al. An eiot system designed for ecological and environmental management of the xianghe segment of china’s grand canal
Selvaraj et al. Proactive maintenance of small wind turbines using IoT and machine learning models
CN115542308A (zh) 基于毫米波雷达的室内人员探测方法、装置、设备及介质
CN106453523A (zh) 一种智能天气识别***及方法
CN115994685A (zh) 一种国土空间规划现状评估方法
CN114184761A (zh) 一种陆海空一体化污水智能监测***及方法
Li et al. Real time air monitoring, analysis and prediction system based on internet of things and LSTM
Buechling et al. Predictive habitat modeling of rare plant species in Pacific Northwest forests
Amiri et al. A hybrid atmospheric satellite image-processing method for dust and horizontal visibility detection through feature extraction and machine learning techniques
CN113392500A (zh) 地质灾害监测预警***
CN116702588A (zh) 一种基于多源数据的风电场关键气象因子预报方法及***
CN110096042A (zh) 人工湿地在线监测展示方法及***
Al-Suleiman et al. Assessment of the effect of alligator cracking on pavement condition using WSN-image processing
Alifah et al. Smart monitoring of rice logistic employing internet of things network
CN115049180A (zh) 一种基于标准地址上实有人口、房屋以及单位数据分析的风险预估方法
Jiang et al. Crowd sensing urban healthy street monitoring based on mobile positioning system
Krampah et al. A novel four-stage hybrid intelligent model for particulate matter prediction
Meda et al. Mobile WSN testbed for agriculture: Plant monitoring system
Sangpradid et al. Estimates of PM2. 5 Concentration Based on Aerosol Optical Thickness Data Using Ensemble Learning with Support Vector Machine and Decision Tree

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