CN107977635B - 一种格状水系识别方法 - Google Patents
一种格状水系识别方法 Download PDFInfo
- Publication number
- CN107977635B CN107977635B CN201711296972.XA CN201711296972A CN107977635B CN 107977635 B CN107977635 B CN 107977635B CN 201711296972 A CN201711296972 A CN 201711296972A CN 107977635 B CN107977635 B CN 107977635B
- Authority
- CN
- China
- Prior art keywords
- water system
- length
- factor
- identified
- calculating
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/182—Network patterns, e.g. roads or rivers
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种格状水系识别方法,包括:(1)获取shp格式的待识别水系线图层数据,读入至数据集L={li|i=0,1,2,…,m};(2)根据数据集L计算得到待识别水系的总长度RL和水系平直特征因子SL;(3)根据数据集L统计得到各方位角区间内的河流累积长度,统计结果存入列表DL;(4)根据列表DL和水系总长度RL计算得到水系主要走向占比因子Rratio和水系主要走向夹角因子Rangle;(5)基于SL、Rratio和Rangle进行格状水系类型识别;(6)对识别出的格状水系绘制走向玫瑰花图。本发明基于矢量数据识别格状水系,算法复杂度较低,识别准确度较高。
Description
技术领域
本发明涉及地理信息技术应用领域,具体一种基于矢量数据的格状水系识别方法。
背景技术
1957年,Leopold和Wolman首先系统地提出了利用河流的平面形态对水系进行区分(参见Leopold L,Wolman M G.River channel patterns:braided,meandering,andstraight[R],U.S.Geol.Surv.:282-B.1957.),此后,国内外学者对这一分类方法进行了讨论和拓展,并总结出了树枝状水系、格状水系、放射状水系、环状水系、平行状水系以及羽毛状水系等多种水系类型。
在自然界中,相同类型的水系所在区域往往有着相似的地质构造和自然环境。通过对水系的排列形式、平面形态等进行分析,可以大致推断出水系所在区域的地质构造和地壳运动的大致情况。从而,水系信息的快速、准确解译具有重要的研究意义。
水系信息解译主要分为两个步骤:首先,是将水系从遥感图象或DEM中提取出来;然后,是识别出相应水系类型。当前,基于DEM、遥感影像的水系自动提取方法已相对成熟,并已得到广泛应用。然而,水系类型的自动识别方法较为有限,检索到的主要有:王一川使用二值化水系图像,基于最优统计图象分类器,形成了以水系纹理单元为单位进行水系分类的方法(参见王一川.水系自动分类研究[D].西南交通大学,2006.);车国泉利用句法模式识别技术,对辫状水系的图像进行了自动识别(参见车国泉.辫状水系的自动识别[D].西南交通大学,2007.)。相关水系类型识别方法,虽能够进行水系类型的一定识别,但由于是利用二值化水系图像,而不是直接利用水系矢量数据,导致算法的复杂度较高,识别效果较差。
要发育于褶皱构造区域的格状水系,作为众多水系类型中非常特殊的一种,主要具有河流较为平直、支流与主流近似呈直角相交等典型特征。基于特征的格状水系自动识别方法研究,具有重要的地学研究意义和应用价值。
发明内容
发明目的:本发明针对现有技术存在的问题,提供一种格状水系识别方法,该方法基于矢量数据识别格状水系,算法复杂度较低,识别准确度较高。
技术方案:本发明所述的格状水系识别方法包括:
(1)获取shp格式的待识别水系线图层数据,读入至数据集L={li|i=0,1,2,…,m-1},其中,li为表示河流的线要素,m为线要素的个数;
(2)根据数据集L计算得到待识别水系的总长度RL和水系平直特征因子SL;
(3)根据数据集L统计得到各方位角区间内的河流累积长度,统计结果存入列表DL;
(4)根据列表DL和水系总长度RL计算得到水系主要走向占比因子Rratio和水系主要走向夹角因子Rangle;
(5)基于水系平直特征因子SL、水系主要走向占比因子Rratio和水系主要走向夹角因子Rangle进行格状水系类型识别;
(6)对识别出的格状水系绘制走向玫瑰花图。
进一步的,步骤(2)具体包括:
(2-1)针对数据集L中任一要素li,采用以下公式计算其支流长度rli和支流首尾点长度hti:
式中,hti表示要素li所代表的支流首尾点长度,rli表示线要素li所代表的支流长度,形如pi,*为线要素li上第*个点,形如表示两点间的距离,i∈[0,m-1],j∈[0,n-1],n代表线要素li上点的个数;
(2-2)循环执行步骤(2-1),直至完成所有线要素的计算;
(2-3)按照以下公式计算整个水系的总长度RL和水系平直特征因子SL:
式中,RL表示整个水系的总长,HT表示所有支流的首尾点长度,SL为水系的平直特征因子。
进一步的,步骤(3)具体包括:
(3-1)针对数据集L中任一线要素li,采用以下公式计算得到线要素上各河流分段的方位角angleij:
式中,j∈[0,n-1],形如(xi,*,yi,*)为线要素li上第*个点的坐标,angleij的阈值范围为[0,180);
(3-2)循环执行步骤(3-1),直至完成所有线要素的计算;
(3-3)对于计算得到的所有方位角angleij,按10度间隔,分类统计各方位角区间上的河流累积长度,统计结果存入列表DL={dlk|k=0,1,..,17},其中,k为方位角区间序号,其区间范围为[k*10,k*10+10),dlk为相应区间中各线要素河流分段的累积长度。
进一步的,步骤(4)具体包括:
(4-1)从列表DL中抽取出极大值元素并存入队列MAXL中,当队列MAXL中极大值元素个数小于2时,判定待识别水系为非格状水系,执行步骤(6);否则,执行步骤(4-2);
(4-2)从队列MAXL中抽取最大、第二大的两个极大值元素,其在DL中对应方位角区间序号分别记为a、b,其值分别为dla、dlb;
(4-3)针对dla、dlb两个极大值所对应的两个波峰,计算各波峰所包含元素的累加值,分别记为Sa、Sb;其中,计算时不包含波峰的端点元素;
(4-4)根据以下公式分别计算水系主要走向占比Rratio和水系主支流夹角Rangle:
Rangle=|a-b|*10。
进一步的,步骤(5)具体包括:
(5-1)判断基于水系平直特征因子SL、水系主要走向占比因子Rratio和水系主要走向夹角因子Rangle是否满足以下条件:
(5-2)若满足条件,则判定待识别水系为格状水系,否则判定为非格状水系。
有益效果:本发明与现有技术相比,其显著优点是:本发明方法,能够通过计算水系平直特征、水系主要走向占比和水系主支流夹角等特征,有效识别出格状水系。本发明与现有技术相比,算法复杂度较低,识别准确度较高,分类结果较为准确直观。同时,本发明方法同样适用于其他水系类型的自动识别。此外,水系类型判别规则中的相关参数取值,可根据实际情况做适当调整。
附图说明
图1为本发明方法的流程图;
图2为实验例中实验数据;
图3为实施例中波峰及其包含元素(▲号标注元素)示意图;
图4为实施例中生成的玫瑰花图。
具体实施方式
如图1所示,本实施例提供的格状水系是被方法包括以下步骤:
(1)获取shp格式的待识别水系线图层数据,读入至数据集L={li|i=0,1,2,…,m-1},其中,li为表示河流的线要素,m为线要素的个数。本实施例中采用待识别水系线图层数据如图2所示,共包含28个线要素。
(2)根据数据集L计算得到待识别水系的总长度RL和水系平直特征因子SL。
该步骤具体包括:
(2-1)针对数据集L中任一要素li,采用以下公式计算其支流长度rli和支流首尾点长度hti:
式中,hti表示要素li所代表的支流首尾点长度,rli表示线要素li所代表的支流长度,形如pi,*为线要素li上第*个点,形如表示两点间的距离,i∈[0,m-1],j∈[0,n-1],n代表线要素li上点的个数;
(2-2)循环执行步骤(2-1),直至完成所有线要素的计算;
本实施例中,针对图2中线要素计算得到的支流长度rli和支流首尾点长度hti具体如表1所示:
表1
(2-3)按照以下公式计算整个水系的总长度RL和水系平直特征因子SL:
式中,RL表示整个水系的总长,HT表示所有支流的首尾点长度,SL为水系的平直特征因子。
本实施例中,RL和SL相应计算结果分别为4113668.005、1,118306。
(3)根据数据集L统计得到各方位角区间内的河流累积长度,统计结果存入列表DL。该步骤具体包括:
(3-1)针对数据集L中任一线要素li,采用以下公式计算得到线要素上各河流分段的方位角angleij:
式中,j∈[0,n-1],形如(xi,*,yi,*)为线要素li上第*个点的坐标,angleij的阈值范围为[0,180);
(3-2)循环执行步骤(3-1),直至完成所有线要素的计算;
(3-3)对于计算得到的所有方位角angleij,按10度间隔,分类统计各方位角区间上的河流累积长度,统计结果存入列表DL={dlk|k=0,1,..,17},其中,k为方位角区间序号,其区间范围为[k*10,k*10+10),dlk为相应区间中各线要素河流分段的累积长度。
本实施例中,DL中各元素取值如表2所示:
表2
K | 方位角区间(°) | 累积河流长度 |
0 | 0-10 | 99673.1373 |
1 | 10-20 | 27891.2085 |
2 | 20-30 | 0 |
3 | 30-40 | 106871.2027 |
4 | 40-50 | 204488.8783 |
5 | 50-60 | 705896.2157 |
6 | 60-70 | 831965.4177 |
7 | 70-80 | 174636.8704 |
8 | 80-90 | 33897.06612 |
9 | 90-100 | 2440.403888 |
10 | 100-110 | 10289.64626 |
11 | 110-120 | 81576.28496 |
12 | 120-130 | 70986.29944 |
13 | 130-140 | 425765.6784 |
14 | 140-150 | 608282.2277 |
15 | 150-160 | 418856.1943 |
16 | 160-170 | 235135.6043 |
17 | 170-180 | 75015.66906 |
(4)根据列表DL和水系总长度RL计算得到水系主要走向占比因子Rratio和水系主要走向夹角因子Rangle。该步骤具体包括:
(4-1)从列表DL中抽取出极大值元素并存入队列MAXL中,当队列MAXL中极大值元素个数小于2时,判定待识别水系为非格状水系,执行步骤(6);否则,执行步骤(4-2);
(4-2)从队列MAXL中抽取最大、第二大的两个极大值元素,其在DL中对应方位角区间序号分别记为a、b,其值分别为dla、dlb;本实施例中,a=6,b=14,dla=831965.41768407461,dlb=608282.22769849945;
(4-3)针对dla、dlb两个极大值所对应的两个波峰,计算各波峰所包含元素的累加值,分别记为Sa、Sb;其中,计算时不包含波峰的端点元素。本实施例中,Sa=2057755.651,Sb=1688039.705,两个波峰及其所包含元素,如图3所示;
(4-4)根据以下公式分别计算水系主要走向占比Rratio和水系主支流夹角Rangle:
Rangle=|a-b|*10。
本实施例中,Rratio=0.91057,Rangle=80;
(5)基于水系平直特征因子SL、水系主要走向占比因子Rratio和水系主要走向夹角因子Rangle进行格状水系类型识别。具体包括:
(5-1)判断基于水系平直特征因子SL、水系主要走向占比因子Rratio和水系主要走向夹角因子Rangle是否满足以下条件:
(5-2)若满足条件,则判定待识别水系为格状水系,否则判定为非格状水系。
本实施例中,SL=1,118306,Rratio=0.91057,Rangle=80,判别结果为格状水系。
(6)对识别出的格状水系绘制走向玫瑰花图。本实施例中,相应图如图4所示。
以上所揭露的仅为本发明一种较佳实施例而已,不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (3)
1.一种格状水系识别方法,其特征在于该方法包括:
(1)获取shp格式的待识别水系线图层数据,读入至数据集L={li|i=0,1,2,…,m-1},其中,li为表示河流的线要素,m为线要素的个数;
(2)根据数据集L计算得到待识别水系的总长度RL和水系平直特征因子SL;该步骤具体包括:
(2-1)针对数据集L中任一要素li,采用以下公式计算其支流长度rli和支流首尾点长度hti:
式中,hti表示要素li所代表的支流首尾点长度,rli表示线要素li所代表的支流长度,形如pi,*为线要素li上第*个点,形如表示两点间的距离,i∈[0,m-1],j∈[0,n-1],n代表线要素li上点的个数;
(2-2)循环执行步骤(2-1),直至完成所有线要素的计算;
(2-3)按照以下公式计算整个水系的总长度RL和水系平直特征因子SL:
式中,RL表示整个水系的总长,HT表示所有支流的首尾点长度,SL为水系的平直特征因子;
(3)根据数据集L统计得到各方位角区间内的河流累积长度,统计结果存入列表DL;
(4)根据列表DL和水系总长度RL计算得到水系主要走向占比因子Rratio和水系主要走向夹角因子Rangle;该步骤具体包括:
(4-1)从列表DL中抽取出极大值元素并存入队列MAXL中,当队列MAXL中极大值元素个数小于2时,判定待识别水系为非格状水系,执行步骤(6);否则,执行步骤(4-2);
(4-2)从队列MAXL中抽取最大、第二大的两个极大值元素,其在DL中对应方位角区间序号分别记为a、b,其值分别为dla、dlb;
(4-3)针对dla、dlb两个极大值所对应的两个波峰,计算各波峰所包含元素的累加值,分别记为Sa、Sb;其中,计算时不包含波峰的端点元素;
(4-4)根据以下公式分别计算水系主要走向占比Rratio和水系主支流夹角Rangle:
Rangle=|a-b|*10;
(5)基于水系平直特征因子SL、水系主要走向占比因子Rratio和水系主要走向夹角因子Rangle进行格状水系类型识别;
(6)对识别出的格状水系绘制走向玫瑰花图。
2.根据权利要求1所述的格状水系识别方法,其特征在于:步骤(3)具体包括:
(3-1)针对数据集L中任一线要素li,采用以下公式计算得到线要素上各河流分段的方位角angleij:
式中,j∈[0,n-1],形如(xi,*,yi,*)为线要素li上第*个点的坐标,angleij的阈值范围为[0,180);
(3-2)循环执行步骤(3-1),直至完成所有线要素的计算;
(3-3)对于计算得到的所有方位角angleij,按10度间隔,分类统计各方位角区间上的河流累积长度,统计结果存入列表DL={dlk|k=0,1,..,17},其中,k为方位角区间序号,其区间范围为[k*10,k*10+10),dlk为相应区间中各线要素河流分段的累积长度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711296972.XA CN107977635B (zh) | 2017-12-08 | 2017-12-08 | 一种格状水系识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711296972.XA CN107977635B (zh) | 2017-12-08 | 2017-12-08 | 一种格状水系识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107977635A CN107977635A (zh) | 2018-05-01 |
CN107977635B true CN107977635B (zh) | 2020-04-21 |
Family
ID=62009579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711296972.XA Active CN107977635B (zh) | 2017-12-08 | 2017-12-08 | 一种格状水系识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107977635B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108874737A (zh) * | 2018-05-24 | 2018-11-23 | 南京师范大学 | 一种树状水系的识别方法 |
CN108805052B (zh) * | 2018-05-28 | 2021-09-28 | 南京师范大学 | 一种基于形态特征的倒钩河自动化识别方法 |
CN108805146B (zh) * | 2018-06-05 | 2019-03-12 | 中国科学院南京土壤研究所 | 一种放射状和向心状水系的识别方法 |
CN109344473B (zh) * | 2018-09-18 | 2023-01-31 | 南京师范大学 | 一种基于形态特征的对口河识别方法 |
CN109948493B (zh) * | 2019-03-11 | 2023-03-24 | 南京泛在地理信息产业研究院有限公司 | 一种基于形态特征的放射状水系自动化识别方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6262741B1 (en) * | 1998-03-17 | 2001-07-17 | Prc Public Sector, Inc. | Tiling of object-based geographic information system (GIS) |
CN101482612A (zh) * | 2009-01-21 | 2009-07-15 | 华东师范大学 | 基于地理信息系统技术的河网地区水系连通性测度方法 |
US8189877B2 (en) * | 2005-10-21 | 2012-05-29 | Carnegie Institution Of Washington | Remote sensing analysis of forest disturbances |
CN104252556A (zh) * | 2014-06-26 | 2014-12-31 | 中国环境科学研究院 | 一种河流分类系统 |
CN104809162A (zh) * | 2015-04-01 | 2015-07-29 | 南京师范大学 | 一种顾及图形复杂度的gis线要素几何信息量计算方法 |
CN105046592A (zh) * | 2015-08-25 | 2015-11-11 | 徐光来 | 一种基于ArcGIS的平原地区水系特征评价方法 |
CN105787289A (zh) * | 2016-05-26 | 2016-07-20 | 广西师范学院 | 一种河流特征数据分类系统及其分类方法 |
CN106067030A (zh) * | 2016-05-26 | 2016-11-02 | 广西师范学院 | 一种河流特征分类数据的处理方法 |
CN106708944A (zh) * | 2016-11-23 | 2017-05-24 | 南京师范大学 | 面向swmm建模与顾及多要素的城市区域子流域自动划分方法 |
CN107315813A (zh) * | 2017-06-29 | 2017-11-03 | 中国测绘科学研究院 | 一种stroke特征约束的树状河系层次关系构建及简化方法 |
-
2017
- 2017-12-08 CN CN201711296972.XA patent/CN107977635B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6262741B1 (en) * | 1998-03-17 | 2001-07-17 | Prc Public Sector, Inc. | Tiling of object-based geographic information system (GIS) |
US8189877B2 (en) * | 2005-10-21 | 2012-05-29 | Carnegie Institution Of Washington | Remote sensing analysis of forest disturbances |
CN101482612A (zh) * | 2009-01-21 | 2009-07-15 | 华东师范大学 | 基于地理信息系统技术的河网地区水系连通性测度方法 |
CN104252556A (zh) * | 2014-06-26 | 2014-12-31 | 中国环境科学研究院 | 一种河流分类系统 |
CN104809162A (zh) * | 2015-04-01 | 2015-07-29 | 南京师范大学 | 一种顾及图形复杂度的gis线要素几何信息量计算方法 |
CN105046592A (zh) * | 2015-08-25 | 2015-11-11 | 徐光来 | 一种基于ArcGIS的平原地区水系特征评价方法 |
CN105787289A (zh) * | 2016-05-26 | 2016-07-20 | 广西师范学院 | 一种河流特征数据分类系统及其分类方法 |
CN106067030A (zh) * | 2016-05-26 | 2016-11-02 | 广西师范学院 | 一种河流特征分类数据的处理方法 |
CN106708944A (zh) * | 2016-11-23 | 2017-05-24 | 南京师范大学 | 面向swmm建模与顾及多要素的城市区域子流域自动划分方法 |
CN107315813A (zh) * | 2017-06-29 | 2017-11-03 | 中国测绘科学研究院 | 一种stroke特征约束的树状河系层次关系构建及简化方法 |
Non-Patent Citations (2)
Title |
---|
"GIS Vector Data Automatic Watermark Detection Based on Mobile Agent Technology";Chao Zuo, Anbo Li, Cuicui Meng;《2010 18th International Conference on Geoinformatics》;20101231;第1-4页 * |
"长江流域湿地现状与变化遥感研究";陈有明,刘同庆等;《长江流域资源与环境》;20140630;第23卷(第6期);第801-808页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107977635A (zh) | 2018-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107977635B (zh) | 一种格状水系识别方法 | |
CN103020605B (zh) | 基于决策层融合的桥梁识别方法 | |
CN102830404B (zh) | 基于距离像的激光成像雷达地面目标识别方法 | |
CN107909002B (zh) | 基于海岸线匹配的红外遥感图像海陆分割方法 | |
CN101847163A (zh) | 一种多特征融合的外观设计专利图像检索方法 | |
CN108846402B (zh) | 基于多源数据的梯田田坎自动化提取方法 | |
CN103473764A (zh) | 一种遥感影像目标变化检测方法 | |
CN108427824B (zh) | 一种利用船位数据提取刺网网长与角度的方法 | |
CN110208193A (zh) | 一种基于光学遥感卫星影像的珊瑚礁一体化监测方法 | |
CN102222322A (zh) | 基于多尺度非局部均值的红外图像背景抑制方法 | |
CN114936332A (zh) | 一种风电场水域船舶交通流分析的方法、装置和存储介质 | |
CN103971370A (zh) | 一种针对遥感大图像的海洋溢油智能检测方法 | |
CN108537116B (zh) | 一种基于多尺度特征的海岸线二级类型提取方法及系统 | |
Mararakanye et al. | Gully features extraction using remote sensing techniques | |
CN115393718A (zh) | 基于自适应融合NestedUNet的光学遥感图像变化检测方法 | |
Sakamoto | Early classification method for US corn and soybean by incorporating MODIS-estimated phenological data and historical classification maps in random-forest regression algorithm | |
CN111291712B (zh) | 基于插值的cn和胶囊网络的森林火灾识别方法及装置 | |
CN109544614B (zh) | 一种基于图像低频信息相似度的匹配图像对识别的方法 | |
CN116070735A (zh) | 一种基于边长和方位向差规则的黄海绿潮分布区及其漂移预测初始场制作方法 | |
CN113536948B (zh) | 一种渔船捕捞行为识别方法及装置 | |
CN115482489A (zh) | 基于改进YOLOv3的配电房行人检测和轨迹追踪方法及系统 | |
CN112734745B (zh) | 一种融合gis数据的无人机热红外影像供暖管道泄漏探测方法 | |
CN115711855A (zh) | 一种不透水面的提取方法、装置、终端设备以及存储介质 | |
CN112016441B (zh) | 基于Radon变换多特征融合的Sentinel-1图像海岸带养殖池提取方法 | |
CN111340761B (zh) | 基于分形属性和决策融合的遥感影像变化检测方法 |
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 |