一种森林环境因子采集单元

    公开(公告)号:CN205262510U

    公开(公告)日:2016-05-25

    申请号:CN201520706898.4

    申请日:2015-09-11

    Abstract: 本实用新型公开了一种森林环境因子采集单元,包括:机壳及设置在机壳内的采集单元控制板、太阳能电源控制模块、二级网关RF通信子模块和接线端子,太阳能电源控制模块分别与太阳能板和蓄电瓶相连接,太阳能电源控制模块与采集单元控制板相连,为采集单元控制板提供电能;二级网关RF通信子模块与采集单元控制板相连;采集单元控制板的多个传感器接口分别与对应的传感器相连,其中连接多个传感器的电缆接在接线端子上;机壳的盒盖与盒体之间设置有嵌入式防水胶条。

    面对多尺度分割的产草量估算方法、装置及存储介质

    公开(公告)号:CN112446522A

    公开(公告)日:2021-03-05

    申请号:CN201910822474.7

    申请日:2019-09-02

    Abstract: 本发明公开了一种面对多尺度分割遥感数据和随机森林算法的产草量估算方法,包括以下步骤:获取遥感数据并进行预处理;对预处理后的数据进行多尺度分割获得分割结果;获取产草区样本点实测数据并根据实测数据分别创建草地类别分类样本和产草量估算样本;根据分割结果和草地类别分类样本构建随机森林分类器并获得草地类型分类结果;根据草地类型分类结果、分割结果和产草量估算样本建立随机森林估算模型;使用分割结果作为随机森林估算模型的输入向量预测产草量;还公开了一种面对多尺度分割遥感数据和随机森林算法的产草量估算装置及可读存储介质。运算高效、结果准确。

    一种基于角度变化的单木直径测量方法

    公开(公告)号:CN110132207A

    公开(公告)日:2019-08-16

    申请号:CN201910441757.7

    申请日:2019-05-24

    Abstract: 本发明公开了一种基于角度变化的单木直径测量方法,角度传感器用护套钢丝绕被测树干一周,通过拉伸方向围裹住树干,当树干直径变大时,将带动护套钢丝沿拉伸方向拉伸,进而带动卷绕护套钢丝的转轴转动,进一步驱动角度传感器转动,根据转动角度α和转轴半径R便可计算出树干周长变大的数值,即:Δl=R·α。本发明结构设计合理,使用方便可靠,能够利用缠绕树干的护套钢丝牵引角度传感器转轴转动,进而产生角度的变化,通过测量角度变化对树干周长变化情况进行测量,进而间接测量树干直径。

    一种信息共享方法、装置及设备

    公开(公告)号:CN108647333A

    公开(公告)日:2018-10-12

    申请号:CN201810451193.0

    申请日:2018-05-11

    Abstract: 本发明公开了一种信息共享方法、装置及设备,其中,所述方法的一具体实施方式包括:接收用户的输入信息;根据所述输入信息获取对应的标识码,其中所述标识码以树的形式标识、管理科技成果,所述标识码是预先针对科技成果中的预定类别以及所述类别的各层下级子类别进行唯一编码得到的;解析所述标识码,获取所述标识码的关联对象信息;将所述关联对象信息发送到终端。该实施方式实现了科技成果中的预定类别及其各级子类别数据的共享,提高了各类别数据社会共享程度。

    一种适用林区的星‑地结合定位方法

    公开(公告)号:CN103760585B

    公开(公告)日:2017-05-10

    申请号:CN201410011105.7

    申请日:2014-01-09

    Abstract: 本发明公开一种适用林区的星‑地结合定位方法,将支持无线网络定位的手持定位设备置于林区内静止目标待测点上,根据手持定位设备所接收到的不少于3个无线网络基站发送的射频信号,根据信号强度及林区修正因子得到待测点与无线网络基站的距离,从而计算出待测点与3个无线网络基站的相对坐标。针对移动目标的测定,首先选择一个起点使用静止目标定位方法得到第一定位坐标,然后使用具有角速度传感器的手持定位设备从该起点移动到待测点,通过移动过程中记录的矢量方向变化角度和加速度信息计算出与第一定位坐标的相对坐标。在定位服务器端,将时间同步后的相对坐标与基站卫星定位坐标进行融合,得到待测点的定位坐标。

    一种基于深度ISA数据融合的植被类型识别方法

    公开(公告)号:CN112446256A

    公开(公告)日:2021-03-05

    申请号:CN201910822501.0

    申请日:2019-09-02

    Abstract: 本发明公开了一种基于深度ISA数据融合的植被类型识别方法,包括以下步骤:基于时间t获取MODIS数据和Landsat影像数据并进行预处理;构建时空适应性反射率融合模型融合MODIS数据和Landsat影像数据并生成时序遥感影像数据集;基于时序遥感影像数据集构建深度卷积ISA神经网络模型;根据构建的深度卷积ISA神经网络模型对预测影像进行分类,并生成植被类型遥感分布图;首先基于数据融合模型,生成中高时空分辨率遥感时间序列数据集,然后基于该数据,构建深度卷积ISA神经网络模型,进行植被类型分类,能够优化单时相遥感数据植被类型分类效果,同时提升中高时空分辨率遥感时序植被类型分类的自动化水平。

Patent Agency Ranking