CN107452059B - 一种三维插值建模方法、设备及其存储设备 - Google Patents

一种三维插值建模方法、设备及其存储设备 Download PDF

Info

Publication number
CN107452059B
CN107452059B CN201710676502.XA CN201710676502A CN107452059B CN 107452059 B CN107452059 B CN 107452059B CN 201710676502 A CN201710676502 A CN 201710676502A CN 107452059 B CN107452059 B CN 107452059B
Authority
CN
China
Prior art keywords
interpolation
data
hatching
landslide
point
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
CN201710676502.XA
Other languages
English (en)
Other versions
CN107452059A (zh
Inventor
刘勇
陈喆
刘曼
胡宝丹
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.)
China University of Geosciences
Original Assignee
China University of Geosciences
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 China University of Geosciences filed Critical China University of Geosciences
Priority to CN201710676502.XA priority Critical patent/CN107452059B/zh
Publication of CN107452059A publication Critical patent/CN107452059A/zh
Application granted granted Critical
Publication of CN107452059B publication Critical patent/CN107452059B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Alarm Systems (AREA)

Abstract

本发明提供了一种三维插值建模方法、设备及其存储设备，所述方法包括设定网格精度；进行插值得到满足网格精度的数据；提取监测点的运动特征并对地理区域进行划分；对划分后的地理区域进行网格概化使所有地形都划分到设定精度的网格点上；将监测点映射到设定好网格精度的网格点上；计算得到剖面线的坐标映射方程并将剖面线映射到网格点上；沿概化的剖面线方程进行插值得到剖面线对应的各网格点的位移插值数据；根据时间精度对位移插值数据再次进行插值得到满足网格精度的位移插值数据；利用所有数据进行三维建模。一种图像检测设备及存储设备，所述设备用于实现一种三维插值建模方法。本发明为滑坡位移变化预测预报提供直观、可靠的数据支撑。

Description

一种三维插值建模方法、设备及其存储设备
技术领域
本发明涉及地质监测数据处理领域，具体涉及一种三维插值建模方法、设备及其存储设备。
背景技术
滑坡运动变化的三维表示建模的关键在于获取真实可靠的数值高程数据和滑坡位移数据。因此，如何获取滑坡体准确的数值高程信息，相关软件怎样利用数值高程建立三维可视化模型，以及采用什么插值方法进行数据拟合才最准确成为了滑坡运动变化三维表示模型的关键。尽管可以通过采集大量精度非常高的真实滑坡地形和位移监测数据来构建精度较高的滑坡三维动态模型，但需要前期投入大量的人力物力，并且需要长期维护监测点。可见，传统方法费时、费力还费钱。
发明内容
为了解决上述问题，本发明提供了一种三维插值建模方法、设备及其存储设备，通过运用克里金插值法确定滑坡高程数据、运用三次样条插值和克里金插值法确定滑坡位移监测点、引入时间周期表示滑坡位移监测点的运动变化情况以及建立滑坡位移监测点的自适应阈值区间建立了能够反映实时变化情况的滑坡三维模型，从而有效解决上述问题。
本发明提供的技术方案是：一种三维插值建模方法，所述方法包括：根据确定好范围的地理区域设定网格精度；对所述确定好范围的地理区域进行插值得到满足所述网格精度的数据；提取监测点的运动特征并根据所述运动特征对所述地理区域进行划分；根据所述网格精度对划分后的地理区域进行网格概化使得地理区域内的所有地形都划分到设定精度的网格点上；将所述监测点映射到设定好网格精度的网格点上；根据监测点的坐标计算得到剖面线的坐标映射方程并将剖面线映射到网格点上；对监测点沿概化的剖面线方程进行插值得到剖面线对应的各网格点的位移插值数据；根据时间精度对所述位移插值数据再次进行插值得到满足网格精度的位移插值数据；获得所有网格点的位移插值数据；利用所有数据进行三维建模。所述地理区域为滑坡。所述插值为克里金插值；所述数据为滑坡高程数据。所述运动特征为滑坡运动特征，具体包括平稳型运动特征、指数型运动特征、阶梯型运动特征及收敛型运动特征。所述监测点在剖面线上。所述插值为三次样条插值；所述三次样条插值保证监测点不互相重叠并确保监测点有足够数量。所述再次进行插值为克里金插值；根据监测点采样周期组成的时间序列矩阵构成帧结构对三次样条插值后的剖面线进行克里金插值。所述所有数据为克里金插值滑坡位移数据和克里金插值滑坡高程数据；所述三维建模根据滑坡位移数据进行颜色渲染；所述滑坡位移数据为自适应阈值区间。一种存储设备，所述存储设备存储指令及数据用于实现所述一种三维插值建模方法。一种三维插值建模设备，所述设备包括处理器及所述存储设备；所述处理器加载并执行所述存储设备中的指令及数据用于实现所述的一种三维插值建模方法。
本发明的有益效果是：本发明提供了一种三维插值建模方法、设备及其存储设备，通过使用滑坡高程数据和监测点的运动特征并运用克里金插值算法可以有效第构建出滑坡运动状态变化的三维模型。所述三维模型既可以为滑坡位移变化预测预报提供直观、可靠的数据支撑，又有利于进一步研究滑坡实时的状态，为滑坡的防范与治理提供便利，减少因滑坡带来的损失和灾害。
附图说明
图1是本发明第一实施例中三维插值建模方法的整体流程图；
图2是本发明第一实施例的滑坡地理范围网格设定图；
图3是本发明第一实施例的滑坡运动特征的轨迹图；
图4是本发明第一实施例的监测点分区示意图；
图5是本发明第一实施例滑坡分区网格概化效果图；
图6是本发明第一实施例的剖面线三次样条插值效果图；
图7是本发明第一实施例的滑坡监测点克里金插值后的效果图；
图8是本发明第一实施例的硬件设备工作示意图；
图9是本发明第二实施例的滑坡高程数据示意图；
图10是本发明第二实施例监测点示意图；
图11是本发明第二实施例滑坡区域网格概化示意图；
图12是本发明第二实施例根据监测点类型分区示意图；
图13是本发明第二实施例剖面线映射到网格示意图；
图14是本发明第二实施例自适应阈值区间示意图；
图15是本发明第二实施例数月后滑坡位移变化示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地描述，下文中提到的具体技术细节，如：方法，设备等，仅为使读者更好的理解技术方案，并不代表本发明仅局限于以下技术细节。
本发明的第一实施例提供了一种三维插值建模方法、设备及其存储设备，通过使用滑坡高程数据和监测点的运动特征并运用克里金插值算法可以有效的构建出滑坡运动状态变化的三维模型。所述三维模型既可以为滑坡位移变化预测预报提供直观、可靠的数据支撑，又有利于进一步研究滑坡实时的状态，为滑坡的防范与治理提供便利，减少因滑坡带来的损失和灾害。请参阅图1，图1是本发明第一实施例中三维插值建模方法的整体流程图，所述方法由一种三维插值建模设备实现，具体步骤包括：
S101：根据确定好范围的地理区域设定网格精度；所述地理区域为滑坡；所述网格精度可以参见图2，图2是本发明第一实施例的滑坡地理范围网格设定图，具体包括：滑坡边界线201、网格线202及滑坡范围203。
S102：对所述确定好范围的地理区域进行插值得到满足所述网格精度的数据；所述插值为克里金插值；所述数据为滑坡高程数据；其中，关于计算滑坡高程数据的克里金插值算法具体包括：选定N个滑坡高程数据样本点，采用公式计算N个样本点两两之间的距离h。然后使用公式计算N个样本点两两之间对应的变差函数值γ，式中h为两个样本点之间的距离，Z(x)为对应样本点x的高程数据，E表示求均值。然后,选定球形变差函数模型拟合距离和变差函数值之间的关系，从而计算出滑坡高程数据样本集中所有样本点之间的变差函数值。进一步计算待插值网格点到所有样本点之间的距离，并根据拟合出的关系求得对应的变差函数值γ。将求得的变差函数值γ代入以下公式
求解得到一组克里金插值所需要的最优的权重系数λi；把最优权重系数λi代入公式进行加权求和，得到待插值网格点的滑坡高程数据估计值，式中是网格点点x0处的高程数据估计值，Z(xi)是样本点i的高程数据。
S103：提取监测点的运动特征并根据所述运动特征对所述地理区域进行划分；所述运动特征为滑坡运动特征，具体包括：平稳型运动特征、指数型运动特征、阶梯型运动特征及收敛型运动特征。参见图3，图3是本发明第一实施例的滑坡运动特征的轨迹图，具体包括：移动距离轴301、时间轴302、稳定型运动曲线303、指数型运动曲线304、阶梯型运动曲线305及收敛型运动曲线306。将具备相同运动曲线的地理区域划分为同一个区域，分区后的结果参见图4，图4是本发明第一实施例的监测点分区示意图，其中包括：监测点401及分区线402。
S104：根据所述网格精度对划分后的地理区域进行网格概化使得地理区域内的所有地形都划分到设定精度的网格点上；其中，网格概化参见图5，图5是本发明第一实施例滑坡分区网格概化效果图，其中包括：概化分区线501。
S105：将所述监测点映射到设定好网格精度的网格点上。
S106：根据监测点的坐标计算得到剖面线的坐标映射方程并将剖面线映射到网格点上；所述监测点在剖面线上；其中，剖面线的坐标映射方程的计算流程主要包括：首先选取剖面线上的两个已经映射到网格点的监测点，其坐标为(x1,y1),(x2,y2)；剖面线的坐标映射方程设为y＝Ax+C；将坐标(x1,y1)以及坐标(x2,y2)代入所述方程得到位置系数A和C。然后，以所述滑坡边界线做为限制条件，求得剖面线的坐标矩阵P并获得P的上边界和下边界。
S107：对监测点沿概化的剖面线方程进行插值得到剖面线对应的各网格点的位移插值数据；所述插值为三次样条插值；所述三次样条插值保证监测点不互相重叠并确保监测点有足够数量；插值后的情况参见图6，图6是本发明第一实施例的剖面线三次样条插值效果图，包括：三次样条插值点601及监测点602。
S108：根据时间精度对所述位移插值数据再次进行插值得到满足网格精度的位移插值数据；所述再次进行插值为克里金插值；根据监测点采样周期组成的时间序列矩阵构成帧结构对三次样条插值后的剖面线进行克里金插值；参见图7，图7是本发明第一实施例的滑坡监测点克里金插值后的效果图，具体包括：一区克里金插值点701、二区克里金插值点702及三区克里金插值点703。
S109：获得所有网格点的位移插值数据；获得所有网格点的位移插值数据的方法与步骤S102中获得滑坡高程数据的方法类似，但是Z(xi)表示监测点i的滑坡位移。
S110：利用所有数据进行三维建模；所述所有数据为克里金插值滑坡位移数据和克里金插值滑坡高程数据；所述三维建模根据滑坡位移数据进行颜色渲染；所述滑坡位移数据为自适应阈值区间；其中，自适应阈值区间的构建方式如下所述。首先，随机选取K个克里金插值滑坡位移数据作为K个初始聚类中心，计算除K个初始聚类中心外其他克里金插值滑坡位移数据分别到K个初始聚类中心的距离，分别比较每个位移数据到K个初始聚类中心的距离，将每个克里金插值滑坡位移数据和与其距离最小的初始聚类中心归为同一类簇。其次，计算每个类簇里所有克里金插值滑坡位移数据的平均值，并将该平均值确定为新的聚类中心，重复计算每个克里金插值滑坡位移数据分别到每个新的聚类中心的距离，并比较距离，重新得到类簇。依此重复直至聚类中心不再发生变化或者变化小于设定阈值。将克里金插值滑坡位移数据由小到大排序，然后根据聚类结果对克里金插值滑坡位移数据进行分段，得到非均匀量化的自适应阈值区间。最后，根据自适应阈值区间的占比用颜色渲染不同的自适应阈值区间。
参见图8，图8是本发明第一实施例的硬件设备工作示意图，所述硬件设备具体包括：一种三维插值建模设备801、处理器802及存储设备803。
一种三维插值建模设备801：所述一种设备801实现步骤S101～S110所述一种三维插值建模方法。
处理器802：所述处理器802加载并执行所述存储设备803中的指令及数据用于实现步骤S101～S110所述的一种三维插值建模方法。
存储设备803：所述存储设备803存储指令及数据；所述存储设备803用于实现步骤S101～S110所述的一种三维插值建模方法。
通过执行本发明的第一实施例，本发明权利要求里的所有技术特征都得到了详尽阐述。
区别于现有技术，本发明的第一实施例提供了一种三维插值建模方法、设备及其存储设备，通过使用滑坡高程数据和监测点的运动特征并运用克里金插值算法可以有效第构建出滑坡运动状态变化的三维模型。所述三维模型既可以为滑坡位移变化预测预报提供直观、可靠的数据支撑，又有利于进一步研究滑坡实时的状态，为滑坡的防范与治理提供便利，减少因滑坡带来的损失和灾害。
本发明的第二实施例的方法、设备及其存储设备与第一实施例相同，在此不再赘述。但是，第二实施例中以三峡库区白水河滑坡为例，采用实际的数据信息对本发明的技术方案进行了验证，证明了本发明技术方案的有效性与实用性。
参见图9，图9是本发明第二实施例的滑坡高程数据示意图。其中包括：坐标轴901、坐标轴902及坐标轴903。图9的结果是选取了10个滑坡高程数据样本点进行计算的结果。
参见图10，图10是本发明第二实施例监测点示意图，具体包括：平稳型监测点ZG91、平稳型监测点ZG92、平稳型监测点ZG94、平稳型监测点ZG119及平稳型监测点ZG120；一类阶梯型监测点XD2、一类阶梯型监测点XD4、一类阶梯型监测点ZG118及一类阶梯型监测点ZG93；二类阶梯型监测点XD1及二类阶梯型监测点XD3。
参见图11，图11是本发明第二实施例滑坡区域网格概化示意图。其中包括：滑坡边界1101、监测点1102及概化网格1103。
参见图12，图12是本发明第二实施例根据监测点类型分区示意图。其中包括：平稳型监测点分区1201、一类阶梯型监测点分区1202及二类阶梯型监测点1203。
参见图13，图13是本发明第二实施例剖面线映射到网格示意图。其中包括：剖面线1301、剖面线1305、剖面线1307、剖面线1311、上边界点1308、上边界点1309、上边界点1310、上边界点1312、下边界点1302、下边界点1303、下边界点1304及下边界点1306。具体地，剖面线1301的方程为x＝700.00，剖面线1305的方程为y＝-1.08x+575.59，剖面线1307的方程为y＝-2.62x+581.98，剖面线1311的方程为y＝-1.21x+808.70。剖面线坐标矩阵的上、下边界如表1所示。
表1
下边界点 坐标 上边界点 坐标
下边界点1306 (222.72，10.91) 上边界点1308 (84.83，368.28)
下边界点1304 (509.10，29.39) 上边界点1309 (116.67，448.38)
下边界点1303 (625.76，54.04) 上边界点1310 (286.36，460.71)
下边界点1302 (700.00，60.20) 上边界点1312 (700.00，349.79)
沿概化后的剖面线进行三次样条插值得到对应的滑坡位移监测点。经过三次样条插值处理后的滑坡位移监测点的数量足够多并且可以保证滑坡位移监测点互相不重叠。最后，以月为时间间隔组合成时间序列矩阵，并构成帧结构(帧/月)，对剖面线映射得到的滑坡位移监测点进行克里金插值得到满足网格精度的滑坡位移监测点。
参见图14，图14是本发明第二实施例自适应阈值区间示意图。其中包括：自适应阈值区间1401及自适应阈值区间1402。具体地，预设聚类中心的数量为2，阈值为10-3。时间对滑坡位移的影响请参见图15，图15是本发明第二实施例数月后滑坡位移变化示意图。其中包括：自适应阈值区间1501及自适应阈值区间1502。将图14与图15做对比可知，经过数月自适应阈值区间1401缩小为自适应阈值区间1501，而自适应阈值区间1402扩大为自适应阈值区间1502。
区别于第一实施例，本发明的第二实施例通过引入具体的实际数据，用实际的例子展示了本发明技术方案的执行过程和结果，证明了本发明技术方案的有效性和实用性。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种三维插值建模方法，所述方法由一种三维插值建模设备实现，其特征在于：包括以下步骤：根据确定好范围的地理区域设定网格精度；对所述确定好范围的地理区域进行插值得到满足所述网格精度的数据；提取监测点的运动特征并根据所述运动特征对所述地理区域进行划分；根据所述网格精度对划分后的地理区域进行网格概化使得地理区域内的所有地形都划分到设定精度的网格点上；将所述监测点映射到设定好网格精度的网格点上；根据监测点的坐标计算得到剖面线的坐标映射方程并将剖面线映射到网格点上；对监测点沿概化的剖面线方程进行插值得到剖面线对应的各网格点的位移插值数据；根据时间精度对所述位移插值数据再次进行插值得到满足网格精度的位移插值数据；获得所有网格点的位移插值数据；利用所有数据进行三维建模；
所述根据确定好范围的地理区域设定网格精度具体包括：所述地理区域为滑坡；所述对所述确定好范围的地理区域进行插值得到满足所述网格精度的数据具体包括：所述插值为克里金插值；所述数据为滑坡高程数据；
所述根据时间精度对所述位移插值数据再次进行插值得到满足网格精度的位移插值数据具体包括：所述再次进行插值为克里金插值；根据监测点采样周期组成的时间序列矩阵构成帧结构对三次样条插值后的剖面线进行克里金插值；
所述利用所有数据进行三维建模具体为：所述所有数据为克里金插值滑坡位移数据和克里金插值滑坡高程数据；所述三维建模根据滑坡位移数据进行颜色渲染；所述滑坡位移数据为自适应阈值区间。
2.如权利要求1所述的一种三维插值建模方法，其特征在于：所述提取监测点的运动特征并根据所述运动特征对所述地理区域进行划分具体包括：所述运动特征为滑坡运动特征，具体包括：平稳型运动特征、指数型运动特征、阶梯型运动特征及收敛型运动特征。
3.如权利要求1所述的一种三维插值建模方法，其特征在于：所述根据监测点的坐标计算得到剖面线的坐标映射方程并将剖面线映射到网格点上具体包括：所述监测点在剖面线上。
4.如权利要求1所述的一种三维插值建模方法，其特征在于：所述对监测点沿概化的剖面线方程进行插值得到剖面线对应的各网格点的位移插值数据具体包括：所述插值为三次样条插值；所述三次样条插值保证监测点不互相重叠并确保监测点有足够数量。
5.一种存储设备，其特征包括：所述存储设备存储指令及数据用于实现权利要求1～4所述的一种三维插值建模方法。
6.一种三维插值建模设备，其特征在于：包括：处理器及存储设备；所述处理器加载并执行所述存储设备中的指令及数据用于实现权利要求1～4所述的一种三维插值建模方法。
CN201710676502.XA 2017-08-09 2017-08-09 一种三维插值建模方法、设备及其存储设备 Active CN107452059B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710676502.XA CN107452059B (zh) 2017-08-09 2017-08-09 一种三维插值建模方法、设备及其存储设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710676502.XA CN107452059B (zh) 2017-08-09 2017-08-09 一种三维插值建模方法、设备及其存储设备

Publications (2)

Publication Number Publication Date
CN107452059A CN107452059A (zh) 2017-12-08
CN107452059B true CN107452059B (zh) 2019-08-20

Family

ID=60491855

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710676502.XA Active CN107452059B (zh) 2017-08-09 2017-08-09 一种三维插值建模方法、设备及其存储设备

Country Status (1)

Country Link
CN (1) CN107452059B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108305323B (zh) * 2017-12-26 2021-07-06 长江大学 一种基于样条函数的宽缓河道形态建模方法及系统
CN114444161A (zh) * 2021-09-24 2022-05-06 中建四局第一建设有限公司 一种基于bim技术的立体网格监测方法
CN115423005B (zh) * 2022-08-22 2023-10-31 江苏大学 一种联合收获机大数据重构方法与装置
CN116502319B (zh) * 2023-06-28 2023-10-20 长江三峡集团实业发展(北京)有限公司 一种混凝土坝三维温度场重构方法、装置及电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104574511A (zh) * 2014-12-17 2015-04-29 中国地质大学（武汉） 一种快速递进的三维地质建模方法
CN105760581A (zh) * 2016-01-29 2016-07-13 中国科学院地理科学与资源研究所 一种基于osg的沟道流域整治规划仿真方法及系统
CN106485015A (zh) * 2016-10-20 2017-03-08 辽宁工程技术大学 一种矿井断层影响范围的确定方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8655632B2 (en) * 2009-09-03 2014-02-18 Schlumberger Technology Corporation Gridless geological modeling

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104574511A (zh) * 2014-12-17 2015-04-29 中国地质大学（武汉） 一种快速递进的三维地质建模方法
CN105760581A (zh) * 2016-01-29 2016-07-13 中国科学院地理科学与资源研究所 一种基于osg的沟道流域整治规划仿真方法及系统
CN106485015A (zh) * 2016-10-20 2017-03-08 辽宁工程技术大学 一种矿井断层影响范围的确定方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于ENN广义预测控制算法的滑坡位移多步预测;刘勇等;《地质科技情报》;20170715;第36卷(第4期);全文

Also Published As

Publication number Publication date
CN107452059A (zh) 2017-12-08

Similar Documents

Publication Publication Date Title
CN107452059B (zh) 一种三维插值建模方法、设备及其存储设备
Fan et al. Temporal and spatial change detecting (1998–2003) and predicting of land use and land cover in Core corridor of Pearl River Delta (China) by using TM and ETM+ images
CN110097637B (zh) 一种三维地质属性模型时空插值方法及系统
CN110738252A (zh) 空间自相关的机器学习卫星降水数据降尺度方法、系统
CN106597575B (zh) 基于交叉验证和二维高斯分布赋权的降水量空间插值方法
CN103136270B (zh) 一种获得数据插值的方法及系统
US20220327447A1 (en) Climate-based risk rating
CN105761310B (zh) 一种天空可视域数字地图的模拟分析及图像显示方法
CN109840260A (zh) 一种基于动态插补的大规模实时降雨自动观测站分级数据处理方法
CN109784552A (zh) 一种基于Re-ESF算法的空间变系数PM2.5浓度估算模型的构建方法
Wu et al. Characterization and evaluation of elevation data uncertainty in water resources modeling with GIS
CN109636912A (zh) 应用于三维声呐图像重构的四面体剖分有限元插值方法
CN110956412A (zh) 基于实景模型的洪灾动态评估方法、装置、介质和设备
CN106556877B (zh) 一种地磁通化方法及装置
CN115358311B (zh) 地表变形监测多源数据融合处理方法
CN111915158A (zh) 一种基于Flood Area模型的暴雨灾害天气风险评估方法、装置及设备
CN110503267A (zh) 基于时空尺度自适应模型的城市侵财案件预测系统及预测方法
CN116341841A (zh) 径流预报误差校正方法、装置、设备、介质和程序产品
CN117252132B (zh) 一种流域产汇流模拟方法、装置、设备和存储介质
CN109033181A (zh) 一种复杂地形地区风场地理数值模拟方法
CN110657855B (zh) 土方量测量方法、装置、计算机设备和存储介质
CN109859323B (zh) 一种基于三角网模型林分空间格局加权的方法
CN110310370B (zh) 一种gps与srtm点面融合的方法
CN115311574B (zh) 一种建筑物监测方法、设备及介质
Persson et al. Spatial influence of topographical factors on yield of potato (Solanum tuberosum L.) in central Sweden

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