基于大数据技术的内蒙古草原草情监测系统的研究与实现

来源 :内蒙古农业大学 | 被引量 : 0次 | 上传用户:yuxiguang
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
内蒙古草原是欧亚草原重要的组成部分,是我国北方重要的生态安全屏障,在维持生态系统稳定、生物多样性完整、固碳、居民收入以及地区和谐稳定等方面有重要的战略意义。但草原退化已经成为内蒙古草原最严重的生态问题之一,其已经暴露出来的和潜在的风险对草原的可持续发展构成严重威胁。然而针对内蒙古草原草情监测方面多采用地面人工调查的方法,耗时费力,且覆盖范围有限,代表性较差,无法快速反映辽阔草原长势的时空差异,影响到草原管理措施的时效性。遥感具有全天候、无死角连续观测的特点。物联网作为智慧草原的支撑可以实现实时数据通信和信息交换。将遥感技术和物联网技术结合可以实现快速、动态的草原生态指标监测。但针对遥感观测产生的大量对地观测数据和物联网监测站产生详细具体的实时数据,传统的数据处理已经不能满足这些数据实时处理的需求,亟需利用大数据技术分析这些数据获得全域的草地资源和生态领域的重要信息。本文针对以上问题研究并实现了基于大数据技术的内蒙古草原草情监测系统,采用Hadoop及Spring Boot框架,将Spark作为平台的核心分析引擎,将HDFS、HBase和My SQL结合作为储存系统,采用前端可视化技术设计了监控大屏幕,以物联网和遥感技术相结合的方式实现对内蒙古草原草情自动、高效、直观的监测。其次使用高性能的地理数据处理引擎Geo Trellis实现了基于NDVI百分位草情监测算法的并行化,对促进天然草地资源良性发展和内蒙古放牧畜牧业可持续发展有重要的研究意义和应用价值。
其他文献
布鲁氏菌引起的布鲁氏菌病是重要人畜共患传染病之一,在世界范围内广泛流行,给养殖业和人类健康造成了严重威胁,其致病机制和免疫机制尚不明确。布鲁氏菌毒力基因和免疫调控基因及他们之间的关系往往淹没在海量科学文献数据中,导致全面理解和系统性研究其致病和免疫分子机制十分困难。通过构建布鲁氏菌病关联知识库,为系统性研究布鲁氏菌的致病和免疫机制,研发治疗药物和疫苗提供新的思路和线索。本文立足于文献挖掘,以布鲁氏
学位
随着城市犬类数量的激增,社会出现一系列犬类管理问题。因此,智能化犬类管理的建设成为文明城市建设的重点之一。对犬类的精确识别是智能化犬类管理的关键,而犬类面部检测是其中的核心部分。因此,本文以Faster R-CNN为研究基础,结合可变形卷积网络、残差网络、特征金字塔网络等技术开展犬类脸部检测的研究。本文的研究主要用于协助相关部门解决城市居民饲养犬类引发的卫生、治安等问题,简化犬只检疫、疫苗接种、区
学位
东北鼢鼠是内蒙古草原地区的主要鼠害之一,其头骨外形参数能够反映它的年龄组成与生长状况。传统的鼢鼠头骨外形参数测量方式主要是人工测量,但是依靠皮尺、游标卡尺、卷尺及测杖等工具的手动测量方式存在测量耗时长、精度低、测量结果误差大等问题。针对上述问题,本文以东北鼢鼠头骨为研究对象,研究基于三维激光扫描技术的鼢鼠头骨三维重构和外形参数的测量。论文主要开展的研究内容如下:(1)针对具有复杂背景的鼢鼠头骨点云
学位
随着高通量测序技术的迅猛发展,生物信息领域产生并积累了海量的基因测序数据。基因序列定量分析能够发现核酸和蛋白质上的功能结构和遗传信息等关键信息,是基因数据分析的重要环节之一。本文针对生物信息科研人员由于缺乏计算机专业技能,导致在基因定量分析过程的操作困难问题,提出了H+H(HISAT2+HTSeq)工作流管道的自动化分析方法。该方法实现了HISAT2和HTSeq自动化串联,它将HISAT2的比对输
学位
道路目标检测是智慧交通、自动驾驶领域里备受关注的关键问题和研究热点。近些年来,随着深度学习技术的迅速崛起,使用卷积神经网络的道路目标检测算法相对于传统采用滑动窗口或者图像分割技术的检测算法在准确度和处理时间上有了很大的提高,但依然存在一些问题。虽然复杂的卷积神经网络结构设计能够提高道路目标检测的准确率,但是复杂的算法设计带来的是超额的计算量和参数数量,以及过大的模型体积,这些导致基于卷积神经网络的
学位
随着我国社会经济水平的日益提高和人民生活质量的不断改善,人民群众对牛奶的需求量和品质要求在逐渐提高。牛奶品质检测会对牛奶品质产生深远影响。传统的牛奶营养成分检测方法有着效率低、经济成本高和操作繁琐等缺点。高光谱成像技术具有快速、无损、操作简单和准确率高等特点。基于高光谱成像技术的牛奶品质检测研究已经取得不错的进展,然而现有研究往往只对牛奶的单一指标进行建模,而且各种光谱预处理和波段选择方法的适用条
学位
随着计算机视觉技术的发展,单目视觉技术已经从静态的图像识别,动态的行为识别逐渐向目标定位、测量延伸。由于单目视觉缺乏视差因素,只能将三维目标转化为二维图像,因此利用常规的单目视觉方法只能实现二维定位,实现三维定位存在很大困难。本文从单目测距方法出发,建立了基于单目视觉的三维定位模型。该模型与传统的目标三维定位模型相比在定位的准确度和实用性方面都有了较大的提高。本文开展了以下方面的研究工作:(1)通
学位
随着遥感技术的发展,遥感图像的准确度和分辨率都得到了很大提升,成为监测寒旱区湖泊生态环境变化的重要数据来源。寒旱区湖泊每年有很长时间都处于冰封期,周围地物样貌随季节变化较大,在遥感图像上呈现出较为复杂的特征,并且在背景处存在大量山脉以及阴影的干扰。因此如何准确完整地提取遥感图像中的寒旱区湖泊水体成为亟待解决的问题。深度学习中的全卷积神经网络模型能够学习到图像深层次的特征,对图像中的像素逐一进行分类
学位
视觉测量作为智能车、无人车环境感知与距离感知的重要手段正成为计算机视觉领域的研究热点。基于单目视觉的测距方法由于不需要图像配准,相较于目前广泛应用的双目视觉测距而言,具有更低的模型复杂度及应用成本。其中摄像机的标定方法是影响单目视觉测距前期准备、实时性及准确性的重要因素。但是目前的摄像机标定方法存在标定过程复杂、与单目视觉测距模型结合度低导致测距精度较低的问题。为提高摄像机标定及单目视觉测距方法的
学位
玉米是全球总产量和平均单产最高的谷类作物,是世界最重要的粮食作物之一,而抽穗期是玉米生命周期内最为重要的时期,此时玉米的生长直接关系到玉米的最终产量,因此抽穗期玉米穗数量的监测是预估玉米的产量的关键指标。目前,大多数玉米穗计数任务都是基于目标检测的方法来实现的,其模型架构由深度学习神经网络构建而成,通过在特征图上滑动候选框来对目标分类是该类方法的主要目的之一。然而在神经网络训练过程中,面对目标高密
学位