CN110207676A - 一种田沟塘参数的获取方法及装置 - Google Patents

一种田沟塘参数的获取方法及装置 Download PDF

Info

Publication number
CN110207676A
CN110207676A CN201910508698.0A CN201910508698A CN110207676A CN 110207676 A CN110207676 A CN 110207676A CN 201910508698 A CN201910508698 A CN 201910508698A CN 110207676 A CN110207676 A CN 110207676A
Authority
CN
China
Prior art keywords
pool
ditches
capacity
field ditch
parameter
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
CN201910508698.0A
Other languages
English (en)
Inventor
李思思
张亮
刘宏斌
庄艳华
池泓
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.)
Institute of Geodesy and Geophysics of CAS
Original Assignee
Institute of Geodesy and Geophysics of CAS
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 Institute of Geodesy and Geophysics of CAS filed Critical Institute of Geodesy and Geophysics of CAS
Priority to CN201910508698.0A priority Critical patent/CN110207676A/zh
Publication of CN110207676A publication Critical patent/CN110207676A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C13/00Surveying specially adapted to open water, e.g. sea, lake, river or canal
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C13/00Surveying specially adapted to open water, e.g. sea, lake, river or canal
    • G01C13/008Surveying specially adapted to open water, e.g. sea, lake, river or canal measuring depth of open water
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C5/00Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/30Assessment of water resources

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Hydrology & Water Resources (AREA)
  • Image Processing (AREA)

Abstract

本申请实施例提供一种田沟塘参数的获取方法及装置,涉及田沟塘技术领域。该方法包括接收通过无人机搭载的传感器对目标区域进行航测生成的所述目标区域的航测数据;根据所述航测数据生成数字高程模型和数字正射影像图;根据所述数字正射影像图生成田沟塘分布矢量图;根据所述数字高程模型、所述数字正射影像图和所述田沟塘分布矢量图获取所述目标区域内的田沟塘的物理参数;根据所述田沟塘的物理参数和数字高程模型计算田沟塘特征参数。通过无人机航测并获取田沟塘参数,以解决现有的卫星遥感调查方法易受数据获取时间长、遥感图像分辨率不足的影响导致获取的沟塘参数不准确的问题。

Description

一种田沟塘参数的获取方法及装置
技术领域
本申请涉及田沟塘技术领域,具体而言,涉及一种田沟塘参数的获取方法及装置。
背景技术
调查农田及其配套建设的沟渠、水塘等农田水利设施的基本参数,对农田水利规划设计、灌溉排涝等水资源管理、农田面源污染防控等领域具有重要意义。
目前,田沟塘参数的获取主要有人工实地调查、卫星遥感监测两种方式。其中,人工实地调查依靠人力携带的GPS、三维激光扫描仪等测量仪器对农田、沟渠、水塘等进行实地测绘调查,并制作田沟塘分布平面图、地形图、沟渠和水塘的截面图以及三维图等。因此人工实地调查工作量大、费时长、成本高。另外一种卫星遥感调查方法主要通过卫星遥感影像识别农田、沟渠和水塘的类别,从而获取田沟塘空间分布和面积信息。受制于卫星遥感影像的分辨率以及由于卫星经由轨道周期性运动而影响数据获取时间即沟塘处于低水位水平的时间,田间沟渠和水塘的识别率较低,其深度等结构参数也难以获取,因此结果准确率并不高。
发明内容
本申请实施例的目的在于提供一种田沟塘参数的获取方法及装置,通过无人机航测并获取田沟塘参数,以解决现有的卫星遥感调查方法易受数据获取时间无法控制、遥感图像分辨率不足的影响导致获取的沟塘参数不准确的问题。
本申请实施例提供了一种田沟塘参数的获取方法,包括:
接收通过无人机搭载的传感器对目标区域进行航测生成的所述目标区域的航测数据;
根据所述航测数据生成数字高程模型和数字正射影像图;
根据所述数字正射影像图生成田沟塘分布矢量图;
根据所述数字高程模型、所述数字正射影像图和所述田沟塘分布矢量图获取所述目标区域内的田沟塘的物理参数;
根据所述田沟塘的物理参数计算田沟塘特征参数。
在上述实现过程中,接收到传感器传输的航测数据,对航测数据进行处理生成数字高程模型,数字高程模型是获取数字正射影像图的基础,数字正射影像图具有精度高、信息丰富、直观逼真、获取快捷等优点,可以直观表达目标区域的田沟塘分布情况,根据数字正射影像图可以生成田沟塘分布矢量图;再进一步获取田沟塘的物理参数,可以根据田沟塘的物理参数计算田沟塘特征参数;该方法通过无人机航测并获取田沟塘参数,获取到的数字正射影像图具有较高的分辨率,并且处理过程快速、便捷,解决了现有的卫星遥感调查方法易受遥感图像分辨率不足的影响导致获取的沟塘参数不准确的问题。
进一步地,通过无人机搭载的传感器对目标区域的田沟塘进行航测,包括:
根据目标区域的沟塘不同季节的水位确定航测时间;
根据目标区域的形状、大小规划航线。
在上述实现过程中,由于目标区域的不同季节的干湿特征不同,导致不同季节的沟塘水位也不相同,确定航测时间为目标区域的沟塘水位处于年内最低水平的时节,确保航测数据获取到的地形信息包括沟塘最低水位以上的全部信息,从而提高后续获取到的田沟塘参数的准确性。
进一步地,根据航测数据生成数字高程模型和数字正射影像图,包括:
对航测数据进行预处理,获取预处理影像;其中,预处理包括空间拼接、配准和投影转换;
根据空三加密原理,利用地面加密像控点对预处理影像进行图像质量筛选、空间校正和精度调整,获取空三加密影像;
根据空三加密影像生成数字高程模型;
根据数字高程模型生成所述数字正射影像图。
在上述实现过程中,由于数字高程模型的水平分辨率和垂直精确度是数字高程模型刻画地形精确程度的重要指标,数字高程模型的水平分辨率是指数字高程模型的最小的单元格长度,数字高程模型的垂直精度是指数字高程模型所刻画的地形高程值的精确度;因此利用地面加密像控点对预处理影像进行图像质量检查、空间校正和精度调整,确保获得的数字高程模型具有较高的水平分辨率和垂直精确度。
进一步地,根据所述数字正射影像图制作田沟塘分布矢量图,包括:
对数字正射影像图进行识别,识别出数字正射影像上的田块、沟渠以及水塘的边界和底部轮廓;
根据识别结果生成田沟塘分布矢量图。
在上述实现过程中,通过对数字正射影像图进行分类和识别,识别出数字正射影像上的田块、沟渠以及水塘的边界和底部轮廓,为计算田沟塘的物理参数提供便利。
进一步地,田沟塘的物理参数包括沟渠的长度、表面宽度、底部宽度、有效深度;
田沟塘特征参数包括目标区域内各条沟渠的最大容量和所有沟渠的最大总容量;根据田沟塘的物理参数计算田沟塘特征参数,包括:
每条沟渠的最大容量为:
Vg=(Wup+Wdown)×Hg/2×L;
其中,Vg为沟渠的最大容量,Wup为沟渠的表面宽度;Wdown为沟渠的底部宽度;Hg为沟渠的有效深度;L为沟渠的长度;
目标区域内所有沟渠的最大总容量为目标区域内每条沟渠的最大容量之和。
在上述实现过程中,通过数字高程模型、数字正射影像图和田沟塘分布矢量图提取出沟渠的长度、表面宽度、底部宽度、有效深度等物理参数,再根据这些物理参数计算出每条沟渠的最大容量,再进一步计算出目标区域内所有沟渠的最大总容量。
进一步地,田沟塘的物理参数还包括水塘的周长、面积、表面高程、底部高程和有效深度;
田沟塘特征参数还包括目标水塘的水位-容量-剩余容量关系曲线;根据所述田沟塘的物理参数计算田沟塘特征参数,包括以下步骤:
计算不同水位对应的容量:
其中,
其中,H为目标水塘的水位;V(H)为目标水塘的容量,N为目标水塘边界内的数字高程模型的栅格总数;Ai为第i个栅格的面积;AN为目标水塘边界内的面积总和;ΔHi为第i个栅格的水位差,用于计算所述目标水塘的水位Hi和水塘底部高程HDEM,i之间的差值;
当目标水塘的水位为水位范围的上限时,对应的容量为目标水塘的最大容量;
目标水塘的剩余容量为目标水塘的最大容量和当前水位对应的容量的差值;
根据目标水塘的不同水位对应的容量和剩余容量,绘制目标水塘的水位-容量-剩余容量关系曲线。
在上述实现过程中,水位范围在水位上限和水位下限之间,水位下限为底部高程的最小值,水位上限为表面高程的最大值减去0.2米;根据水位-容量-剩余容量关系曲线可以直观获知随着水位的变化,水位对应的容量和剩余容量之间的变化趋势。
进一步地,田沟塘的物理参数还包括田块面积,沟渠面积和水塘面积;田沟塘特征参数还包括沟塘面积占比和沟塘容积比,根据所述田沟塘的物理参数计算田沟塘特征参数,包括:
根据田块面积、沟渠面积和水塘面积,计算目标区域的总面积;
根据沟渠和水塘面积之和、目标区域的总面积,计算沟塘面积占比;
根据目标水塘的水位-容量-剩余容量关系曲线获取目标区域内所有水塘的最大容量;
根据目标区域内所有沟渠的最大容量与目标区域内所有水塘的最大容量之和、田块面积,计算沟塘容积比。
在上述实现过程中,沟渠和水塘面积之和与目标区域的总面积的比值即为目标区域的沟塘面积占比,沟塘面积占比值越大,说明沟渠和水塘面积之和越大;目标区域内所有沟渠的最大容量与目标区域内所有水塘的最大容量之和与田块面积的比值即为沟塘容积比,沟塘容积比的单位是米,比值越大,即沟渠和水塘越多,说明该目标区域的蓄水能力较强。
本申请实施例还提供了一种田沟塘参数的获取装置,该装置包括:
数据接收模块,用于接收通过无人机搭载的传感器对目标区域进行航测生成的所述目标区域的航测数据;
模型生成模块,用于根据所述航测数据生成数字高程模型和数字正射影像图;
图像处理模块,用于根据所述数字正射影像图生成田沟塘分布矢量图;
物理参数生成模块,用于所述数字高程模型、所述数字正射影像图和所述田沟塘分布矢量图获取所述目标区域内的田沟塘的物理参数;
田沟塘特征参数计算模块,用于根据所述田沟塘的物理参数计算田沟塘特征参数。
在上述实现过程中,该装置能够对接收到的航测数据进行处理,生成数字高程模型、数字正射影像图以及田沟塘分布矢量图,从而进一步生成田沟塘的物理参数,并根据田沟塘的物理参数计算出田沟塘特征参数。该装置以计算机为依托,处理数据快速、便捷,解决了现有的卫星遥感调查方法易受数据获取时间长、遥感图像分辨率不足的影响导致获取的沟塘参数不准确的问题。
进一步地,田沟塘特征参数计算模块包括水塘参数计算模块;
水塘参数计算模块包括:
水位-容量计算模块,用于计算不同水位对应的容量;
剩余容量计算模块,用于根据目标水塘的最大容量和当前水位对应的容量计算目标水塘的剩余容量;
曲线生成模块,用于根据目标水塘的不同水位对应的容量和剩余容量,绘制水位-容量-剩余容量关系曲线。
在上述实现过程中,水位-容量计算模块输出不同水位对应的容量数据,剩余容量计算模块输出不同水位对应的剩余容量数据,再通过曲线生成模块生成不同水位对应的水位-容量-剩余容量关系曲线;根据水位-容量-剩余容量关系曲线可以直观获知随着水位的变化,水位对应的容量和剩余容量之间的变化趋势。
进一步地,田沟塘特征参数计算模块还包括沟渠参数计算模块;
沟渠参数计算模块包括:
沟渠最大容量计算模块,用于计算每条沟渠的最大容量;
沟渠最大总容量计算模块,用于根据所述目标区域内每条沟渠的最大容量计算所述目标区域内所有沟渠的最大总容量。
在上述实现过程中,沟渠最大容量计算模块根据沟渠的长度、表面宽度、底部宽度和有效深度四个物理参数计算出每条沟渠的最大容量;沟渠最大总容量计算模块获取沟渠最大容量计算模块计算出的每条沟渠的最大容量数据并进行求和,得到目标区域内所有沟渠的最大总容量。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的田沟塘参数的获取方法的流程示意图;
图2为本申请实施例提供的根据航测数据生成数字高程模型和数字正射影像图的具体流程示意图;
图3为本申请实施例提供的田沟塘参数的获取装置的结构框图;
图4为本申请实施例提供的田沟塘参数的获取装置的整体结构框图;
图5为本申请实施例提供的目标区域的数字高程模型模型;
图6为本申请实施例提供的目标区域的数字正射影像图;
图7为本申请实施例提供的水渠的流向矢量图;
图8为本申请实施例提供的全部水塘水位-容量-剩余容量关系曲线图。
图标:500-数据接收模块;600-模型生成模块;601-预处理模块;602-空三加密影像获取模块;603-数字高程模型生成模块;604-数字正射影像图生成模块;700-图像处理模块;701-识别模块;702-田沟塘分布矢量图生成模块;800-物理参数计算模块;900-田沟塘特征参数计算模块;910-水塘参数计算模块;911-水位-容量计算模块;912-剩余容量计算模块;913-曲线生成模块;920-沟渠参数计算模块;921-沟渠最大容量计算模块;922-沟渠最大总容量计算模块;930-沟塘配比计算模块;931-沟塘面积占比计算模块;9311-目标区域面积计算模块;9312-沟塘面积占比计算模块;932-沟塘容积比计算模块。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例1
本申请实施例提供一种田沟塘参数的获取方法,可以应用于具有数据处理功能的设备如计算机,通过计算机等设备来接收航测数据,并对航测数据进行处理。其中,在获取航测数据时,可以以无人机搭载传感器对目标区域进行航测的方式获取航测数据,采用的传感器包括但不限于全色相机、多光谱相机和三维激光雷达。对于航测时间的选择,由于目标区域的不同季节的干湿特征不同,导致不同季节的沟塘水位也不相同,因此可以确定航测时间为目标区域的沟塘水位处于年内最低水平的时节,确保航测数据获取到的地形信息包括沟塘最低水位以上的全部信息,从而提高后续获取到的田沟塘的物理参数的准确性;对于航线,可以根据目标区域的形状、大小来规划航线;再通过无人机搭载传感器对目标区域进行航测,获取航测数据如影像和高程数据。
示例的,如图1所示,图1为本申请实施例提供的田沟塘参数的获取方法的流程示意图,该方法可以包括以下步骤:
步骤S100:接收通过无人机搭载的传感器对目标区域进行航测生成的目标区域的航测数据。
在上述实现过程中,无人机搭载传感器对目标区域的田沟塘进行航测并生成航测数据,接收航测数据方便对该航测数据进行后续处理,示例的,传感器可以使用全色相机。
步骤S200:根据航测数据生成数字高程模型(Digital Elevation Model,简称DEM)和数字正射影像图(Digital Orthophoto Map,简称DOM)。
数字高程模型是通过有限的地形高程数据实现对地面地形的数字化模拟(即地形表面形态的数字化表达),它是用一组有序数值阵列形式表示地面高程的一种实体地面模型。
数字正射影像图是对航空航天像片进行数字微分纠正和镶嵌,按一定图幅范围裁剪生成的数字正射影像集。它是同时具有地图几何精度和影像特征的图像。
可选的,如图2所示,为本申请实施例提供的根据航测数据生成数字高程模型和数字正射影像图的具体流程示意图;根据航测数据生成数字高程模型和数字正射影像图,具体包括以下步骤:
步骤S201:根据地面加密像控点对航测数据进行预处理,获取预处理影像;其中,预处理包括空间拼接、配准和投影转换;
像控点是摄影测量控制加密和测图的基础。因此,像控点目标选择的好坏和指示点位的准确程度,直接影响成果的精度。所以,野外工作需要重视像控点目标的选择和保证指示点位的准确。加密像控点的作用是提高数字高程模型的垂直精度。
空间拼接是指按照地面加密像控点的位置将代表航测数据的影像拼接在一起,构成目标区域的整体影像。
配准是指将两幅或多幅影像进行匹配、叠加的过程。
投影转换是为了将不同坐标系统的数据转换到统一坐标系下,方便将航测数据进行统一处理。
步骤S202:根据空三加密原理,对预处理影像进行图像质量筛选、空间校正和精度调整,获取空三加密影像。
空三加密即空中三角测量,是立体摄影测量中,根据少量的野外控制点,在室内进行控制点加密,求得加密点的高程和平面位置的测量方法。其主要目的是为缺少野外控制点的地区测图提供绝对定向的控制点。
步骤S203:根据空三加密影像生成数字高程模型。
步骤S204:根据数字高程模型生成数字正射影像图。
在上述实现过程中,航测时,通过传感器并结合地面加密像控点,获取目标区域的地形影像;接收到地形影像数据后,在生成数字高程模型之前需要对获取的地形影像依据地面的加密像控点进行空间校正和空间拼接等预处理,再对预处理影像进行图像质量筛选和检查,从而提高数字高程模型的分辨率和精确度,使得数字高程模型和数字正射影像图的水平分辨率不低于0.1米,垂直精度不低于0.2米。
当对沟塘深度和容积的测量需要满足更高精度时,可以采用无人机搭载三维激光雷达实现,使得数字高程模型的垂直精度达到毫米级。
步骤S300:根据数字正射影像图生成田沟塘分布矢量图。
可选的,根据数字正射影像图制作田沟塘分布矢量图,可以包括以下步骤:
步骤S301:对数字正射影像图进行识别,识别出所述数字正射影像上的田块、沟渠以及水塘的边界和底部轮廓;
步骤S302:根据识别结果生成田沟塘分布矢量图。
在上述实现过程中,对数字正射影像图可以采用计算机自动分类识别,识别出田块、沟渠以及水塘的边界和底部轮廓,从而生成田沟塘分布矢量图,从而获知目标区域内的田块、沟渠和水塘的分布情况。
示例的,也可以分析沟渠和水塘的空间拓扑关系,分析沟塘的连通性,同时根据地表水在沟渠和水塘内的水流方向,绘制水流的流向矢量图,并且水流的流向矢量图以水由高程高处向低处流动的原则确定。
步骤S400:根据数字高程模型、数字正射影像图和田沟塘分布矢量图获取所述目标区域内的田沟塘的物理参数。
在上述实现过程中,示例的,目标区域内的田沟塘的物理参数包括但不限于沟渠的周长、面积、长度、表面宽度、底部宽度、有效深度,水塘的周长、面积、表面高程、底部高程和有效深度以及田块面积。
田块面积,为田块边界的矢量多边形的面积之和。
沟渠的长度,为沟渠的矢量线的长度;沟渠的表面宽度,为数字正射影像图中沟渠表面边线的垂直距离;沟渠的底部宽度,为沟渠的最低水位处的水面宽度,即为数字正射影像图中的沟渠水面宽度;沟渠的有效深度,为沟渠表面到最低水位之间的垂直距离,即为沟渠表面和水面位置的高程差。
水塘的周长和面积,分别为水塘边界的矢量多边形的周长和面积;水塘的表面高程,为水塘边界的矢量多边形所在位置的高程;水塘的底部高程,是指水塘处于低水位时期时,通过无人机航测获取的水面高程,为水塘底部轮廓的矢量多边形内的平均高程;水塘的有效深度,是指水塘的表面高程到最低水位之间的垂直距离,为表面高程和底部高程的差值。
对照数字高程图和田沟塘分布矢量图,可以对上述田沟塘的物理参数计算结果进行人工核查和验证,特别是对于边坡较陡的水塘的物理参数,确保田沟塘的物理参数处于合理范围内。
步骤S500:根据田沟塘的物理参数计算田沟塘特征参数。目标区域内的田沟塘的特征参数包括但不限于沟渠容量、水塘容量和沟塘配比。
示例的,计算目标区域内各条沟渠的最大容量和所有沟渠的最大总容量。
每条沟渠的最大容量为:
Vg=(Wup+Wdown)×Hg/2×L;
其中,Vg为沟渠的最大容量,Wup为沟渠的表面宽度;Wdown为沟渠的底部宽度;Hg为沟渠的有效深度;L为沟渠的长度;
目标区域内所有沟渠的最大总容量VG为目标区域内每条沟渠的最大容量Vg之和。
示例的,根据目标水塘的不同水位对应的容量和剩余容量,绘制水位-容量-剩余容量关系曲线。
目标水塘为目标区域内的全部或选定的若干个水塘。水位范围在水位上限Hmax和水位下限Hmin之间,水位下限Hmin的值为目标水塘的底部高程的最小值,水位上限Hmax的值为目标水塘的表面高程的最大值减去0.2米。
计算目标水塘不同水位对应的容量:
其中,
其中,H为目标水塘的水位;V(H)为目标水塘的容量,N为目标水塘边界内的数字高程模型的栅格总数;Ai为第i个栅格的面积;AN为目标水塘边界内的面积总和;ΔHi为第i个栅格的水位差,用于计算目标水塘的水位Hi和水塘底部高程HDEM,i之间的差值;当计算水位小于或等于水塘底部高程时,ΔHi的值取为0。
当目标水塘的水位为水位范围的上限Hmax时,对应的容量V(H)为目标水塘的最大容量Vmax
目标水塘的剩余容量Vres(H)为目标水塘的最大容量Vmax和当前水位对应的容量V(H)的差值:
Vres(H)=Vmax-V(H);
再根据目标水塘的不同水位对应的容量V(H)和剩余容量Vres(H),绘制水位-容量-剩余容量关系曲线。
示例的,田沟塘特征参数还可以包括沟塘配比,沟塘配比包括沟塘面积占比和沟塘容积比;
计算沟塘面积占比:
根据田块面积、沟渠面积和水塘面积,计算目标区域的总面积;
根据沟渠和水塘面积之和、目标区域的总面积,计算沟塘面积占比;可以表示为沟渠和水塘面积之和与目标区域的总面积的比值,单位是%。沟塘面积占比的比值越大,说明沟渠和水塘面积之和越大,即沟渠和水塘越多。
计算沟塘容积比:
沟塘容积比可以表示为目标区域内所有沟渠的最大容量VG和目标区域内所有水塘的最大容量Vmax之和与田块面积的比值,单位是米。
沟塘容积比的比值越大,说明每平方米田块对应的沟渠和水塘的长度越长,说明该目标区域的蓄水能力越强。
可见,沟塘配比是反映目标区域内沟塘蓄水能力的重要参数,沟塘配比的比值越大,说明该目标区域内的蓄水能力越强,提高蓄水能力,有利于提高对农田灌溉、农田排水的调蓄和农田面源污染的防控能力。
综上所述,采用无人机搭载传感器进行航测,并生成数字高程模型和数字正射影像图来获取田沟塘参数的方法,比人工实地调查更加可靠快捷,节省人力和时间;而相对于采用卫星遥感的方法,比卫星遥感的方法的分辨率高,更能精准的识别较小的沟渠和水塘,并且处理过程快速、便捷;同时卫星遥感的方法由于受卫星轨道的既定的过境的时间限制,难以保证影像的获取时间处于目标区域的低水位时段,从而难以获取沟塘底部的高程信息,因此,解决了现有的卫星遥感调查方法易受数据获取时间无法控制、遥感图像分辨率不足的影响导致获取的沟塘参数不准确的问题,比卫星遥感的方法更加准确和方便。
实施例2
本申请实施例还提供一种田沟塘参数的获取装置,如图3所示,为本申请实施例提供的田沟塘参数的获取装置的结构框图,该装置具体可以包括:
数据接收模块500,用于接收通过无人机搭载的传感器对目标区域进行航测生成的目标区域的航测数据;
模型生成模块600,用于根据航测数据生成数字高程模型和数字正射影像图;
图像处理模块700,用于根据数字正射影像图生成田沟塘分布矢量图;
物理参数计算模块800,用于数字高程模型、数字正射影像图和田沟塘分布矢量图获取目标区域内的田沟塘的物理参数;
田沟塘特征参数计算模块900,用于根据田沟塘的物理参数计算田沟塘特征参数。
在上述实现过程中,该装置通过数据接收模块500接收到传感器生成的航测数据;模型生成模块600对航测数据进行处理生成数字高程模型和数字正射影像图;再通过图像处理模块700生成田沟塘分布矢量图;通过物理参数计算模块800计算目标区域内的田沟塘的物理参数;然后田沟塘特征参数计算模块900可以根据田沟塘的物理参数计算田沟塘特征参数如沟塘配比。该装置以计算机为依托,处理数据快速、便捷,解决了现有的卫星遥感调查方法易受数据获取时间长、遥感图像分辨率不足的影响导致获取的沟塘参数不准确的问题。
示例的,如图4所示,为本申请实施例提供的田沟塘参数的获取装置的整体结构框图,其中,模型生成模块600可以包括:
预处理模块601,用于根据地面加密像控点对航测数据进行预处理,获取预处理影像;
空三加密影像获取模块602,用于根据空三加密原理,对所述预处理影像进行图像质量筛选、空间校正和精度调整,获取空三加密影像;
数字高程模型生成模块603,用于根据空三加密影像生成数字高程模型;
数字正射影像图生成模块604,用于根据数字高程模型生成所述数字正射影像图。
示例的,图像处理模块700可以包括:
识别模块701:用于对数字正射影像图进行识别,识别出所述数字正射影像上的田块、沟渠以及水塘的边界和底部轮廓;
田沟塘分布矢量图生成模块702:用于根据识别结果生成田沟塘分布矢量图。
在上述实现过程中,利用计算机自动分类识别,识别出数字正射影像上的田块、沟渠以及水塘的边界和底部轮廓,并根据识别结果生成田沟塘分布矢量图。
示例的,田沟塘特征参数计算模块900包括水塘参数计算模块910;
水塘参数计算模块910可以包括:
水位-容量计算模块911,用于计算不同水位对应的容量;
剩余容量计算模块912,用于根据目标水塘的最大容量和当前水位对应的容量计算目标水塘的剩余容量;
曲线生成模块913,用于根据目标水塘的不同水位对应的容量和剩余容量,绘制水位-容量-剩余容量关系曲线。
在上述实现过程中,水位-容量计算模块911输出不同水位对应的容量数据;剩余容量计算模块912输出不同水位对应的剩余容量数据;通过曲线生成模块913生成并显示出水塘的水位-容量-剩余容量关系曲线,根据水位-容量-剩余容量关系曲线可以直观获知随着水位的变化,水位对应的容量和剩余容量之间的变化趋势。
示例的,田沟塘特征参数计算模块900还包括沟渠参数计算模块920;
沟渠参数计算模块920可以包括:
沟渠最大容量计算模块921,用于计算每条沟渠的最大容量;
沟渠最大总容量计算模块922,用于根据所述目标区域内每条沟渠的最大容量计算目标区域内所有沟渠的最大总容量。
在上述实现过程中,沟渠最大容量计算模块921根据沟渠的长度、表面宽度、底部宽度和有效深度四个物理参数计算出每条沟渠的最大容量;沟渠最大总容量计算模块922获取沟渠最大容量计算模块921计算出的每条沟渠的最大容量数据并进行求和,得到目标区域内所有沟渠的最大总容量。
示例的,田沟塘特征参数计算模块900还包括沟塘配比计算模块930,沟塘配比计算模块930包括沟塘面积占比计算模块931和沟塘容积比计算模块932;
沟塘面积占比计算模块931可以包括:
目标区域面积计算模块9311,用于根据田块面积、沟渠面积和水塘面积,计算目标区域的总面积;
沟塘面积占比计算模块9312,用于根据沟渠和水塘面积之和、目标区域的总面积,计算沟塘面积占比。
沟塘容积比计算模块932,用于根据目标区域内沟渠和水塘的最大容量之和、田块面积,计算沟塘容积比。
在上述实现过程中,目标区域面积计算模块9311计算出田块、沟渠和水塘的面积的总和,并将数据输送至沟塘面积占比计算模块9312,沟塘面积占比计算模块9312根据沟渠和水塘面积之和、目标区域的总面积,求其比值,计算出沟塘面积占比。沟塘容积比计算模块932获取沟渠最大总容量计算模块922、剩余容量计算模块912以及目标区域面积计算模块9311中所需要的数据并计算出目标区域内沟渠和水塘的最大容量之和与田块面积的比值。
本申请实施例还提供了一种电子设备,包括存储器以及处理器,上述存储器用于存储计算机程序,上述处理器运行上述计算机程序以使上述计算机设备执行根据本申请实施例1中的田沟塘参数的获取方法。
本申请实施例还提供了一种计算机可读存储介质,其存储有计算机程序指令,上述计算机程序指令被处理器读取并运行时,执行本申请实施例1中的田沟塘参数的获取方法。
示例的,本申请实施例还提供了一种田沟塘参数的获取方法的具体实施过程。首先选定目标区域,例如可以是某村的稻田灌排区,该目标区域在冬季的1-2月份时沟塘水位处于四季中的最低水平,因此航测时间可以选择在该时间段内进行,再对航线进行提前规划,即可对该目标区域进行航测。航测采用的是无人机搭载全色相机和三维激光雷达,对目标区域进行影像拍摄,结合地面加密像控点,获取地形影像。
该方法的处理过程具体包括以下步骤:
步骤1:接收地形影像;接收全色相机和三维激光雷达航测得到的航测数据,该航测数据为该目标区域的地形影像。
步骤2:生成数字高程模型和数字正射影像图;
依据地面加密像控点,对地形影像进行空间校正、空间拼接等预处理,再进行空三加密等处理,得到数字高程模型和数字正射影像图,如图5所示,为生成的目标区域的数字高程模型;如图6所示,为目标区域的数字正射影像图,其水平分辨率为0.1米,垂直分辨率为0.2米。
步骤3:生成田沟塘分布矢量图;
通过分类识别,识别出田块、沟渠以及水塘的边界和底部轮廓,生成田沟塘分布矢量图。
步骤4:生成水流的流向矢量图;
分析沟塘的连通性和地表水在沟塘中的水流方向,分析沟塘的空间拓扑关系,并以水流从高程高处向低处流动的原则,生成沟渠的流向矢量图,如图7所示。
步骤5:计算目标区域内的田沟塘的物理参数;
田沟塘的物理参数包括田块面积、沟渠的物理参数和水塘的物理参数:其中,田块面积为55.8公顷;沟渠总长度为4460米;各个沟渠的物理参数如表1所示:
表1沟渠的物理参数表
目标区域的水塘的总面积为9.6公顷,各个水塘的物理参数如表2所示:
表2水塘的物理参数表
步骤6:根据田沟塘的物理参数计算田沟塘特征参数;
计算目标区域内所有沟渠的最大总容量:为目标区域内所有沟渠的最大总容量为目标区域内每条沟渠的最大容量之和,计算结果为6386立方米;
绘制目标水塘的水位-容量-剩余容量关系曲线:选定目标区域内所有的水塘为目标水塘;根据表2可知水塘的底部高程的最小值为42.6米,表面高程的最大值为57.3米;则水位范围可以确定为42.6-57.1米。
根据实际需要设定计算的水位间隔为0.1米。根据前述的目标水塘不同水位对应的容量的计算公式计算不同水位对应的容量;当水位Hi的取值为水位范围对应的上限57.1米时,对应的V(H)即为目标区域全部水塘的最大容量Vmax,其值为10.35万立方米;再计算剩余容量Vres(H);生成全部水塘的水位-容量-剩余容量关系曲线,如图8所示。
计算沟塘配比,沟塘配比包括沟塘面积占比和沟塘容积比,具体如下:
沟塘面积占比,为沟渠和水塘面积之和与目标区域的总面积的比值,该目标区域的田块面积为55.8公顷,沟渠面积1.1公顷,水塘占地面积9.6公顷,因此可得该目标区域的沟塘面积占比为16.1%。
沟塘容积比,为目标区域内所有沟渠的最大容量和目标区域内所有水塘的最大容量之和与田块面积的比值,该目标区域的所有沟渠的最大容量为0.64万立方米,目标区域内所有水塘的最大容量为10.35万立方米,田块面积为55.8公顷,因此可得该目标区域的沟塘容积比为0.197米。
综上所述,根据该田沟塘参数获取方法,可以快速、准确的获得目标区域内的田沟塘参数。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
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。

Claims (10)

1.一种田沟塘参数的获取方法,其特征在于,包括:
接收通过无人机搭载的传感器对目标区域进行航测生成的所述目标区域的航测数据;
根据所述航测数据生成数字高程模型和数字正射影像图;
根据所述数字正射影像图生成田沟塘分布矢量图;
根据所述数字高程模型、所述数字正射影像图和所述田沟塘分布矢量图获取所述目标区域内的田沟塘的物理参数;
根据所述田沟塘的物理参数和所述数字高程模型计算田沟塘特征参数。
2.根据权利要求1所述的田沟塘参数的获取方法,其特征在于,所述通过无人机搭载的传感器对目标区域的田沟塘进行航测,包括:
根据所述目标区域的沟塘不同季节的水位确定航测时间;
根据所述目标区域的形状、大小规划航线。
3.根据权利要求1所述的田沟塘参数的获取方法,其特征在于,所述根据所述航测数据生成数字高程模型和数字正射影像图,包括:
对所述航测数据进行预处理,获取预处理影像;其中,所述预处理包括空间拼接、配准和投影转换;
根据空三加密原理,利用地面加密像控点,对所述预处理影像进行图像质量筛选、空间校正和精度调整,获取空三加密影像;
根据所述空三加密影像生成数字高程模型;
根据所述数字高程模型生成所述数字正射影像图。
4.根据权利要求1所述的田沟塘参数的获取方法,其特征在于,所述根据所述数字正射影像图制作田沟塘分布矢量图,包括:
对所述数字正射影像图进行识别,识别出所述数字正射影像上的田块、沟渠以及水塘的边界和底部轮廓;
根据识别结果生成田沟塘分布矢量图。
5.根据权利要求1所述的田沟塘参数的获取方法,其特征在于,所述田沟塘的物理参数包括沟渠的长度、表面宽度、底部宽度、有效深度;
所述田沟塘特征参数包括所述目标区域内各条沟渠的最大容量和所有沟渠的最大总容量;所述根据所述田沟塘的物理参数计算田沟塘特征参数,包括:
每条沟渠的最大容量为:
Vg=(Wup+Wdown)×Hg/2×L;
其中,Vg为沟渠的最大容量,Wup为沟渠的表面宽度;Wdown为沟渠的底部宽度;Hg为沟渠的有效深度;L为沟渠的长度;
所述目标区域内所有沟渠的最大总容量为所述目标区域内每条沟渠的最大容量之和。
6.根据权利要求5所述的田沟塘参数的获取方法,其特征在于,所述田沟塘的物理参数还包括水塘的周长、面积、表面高程、底部高程和有效深度;
所述田沟塘特征参数还包括目标水塘的水位-容量-剩余容量关系曲线;所述根据所述田沟塘的物理参数计算田沟塘参数,包括以下步骤:
计算不同水位对应的容量:
其中,
其中,H为所述目标水塘的水位;V(H)为所述目标水塘的容量,N为所述目标水塘边界内的数字高程模型的栅格总数;Ai为第i个栅格的面积;AN为目标水塘边界内的面积总和;ΔHi为第i个栅格的水位差,用于计算所述目标水塘的水位Hi和水塘底部高程HDEM,i之间的差值;
当所述目标水塘的水位为水位范围的上限时,对应的容量为所述目标水塘的最大容量;
所述目标水塘的剩余容量为所述目标水塘的最大容量和当前水位对应的容量的差值;
根据所述目标水塘的不同水位对应的容量和所述剩余容量,绘制目标水塘的水位-容量-剩余容量关系曲线。
7.根据权利要求6所述的田沟塘参数的获取方法,其特征在于,所述田沟塘的物理参数还包括田块面积,沟渠面积和水塘面积;所述田沟塘特征参数还包括沟塘面积占比和沟塘容积比;所述根据所述田沟塘的物理参数计算田沟塘特征参数,包括:
根据田块面积、沟渠面积和水塘面积,计算目标区域的总面积;
根据沟渠和水塘面积之和、所述目标区域的总面积,计算所述沟塘面积占比;
根据所述目标水塘的水位-容量-剩余容量关系曲线获取所述目标区域内所有水塘的最大容量;
根据所述目标区域内所有沟渠的最大容量与所述目标区域内所有水塘的最大容量之和、田块面积,计算所述沟塘容积比。
8.一种田沟塘参数的获取装置,其特征在于,所述装置包括:
数据接收模块,用于接收通过无人机搭载的传感器对目标区域进行航测生成的所述目标区域的航测数据;
模型生成模块,用于根据所述航测数据生成数字高程模型和数字正射影像图;
图像处理模块,用于根据所述数字正射影像图生成田沟塘分布矢量图;
物理参数生成模块,用于所述数字高程模型、所述数字正射影像图和所述田沟塘分布矢量图获取所述目标区域内的田沟塘的物理参数;
田沟塘特征参数计算模块,用于根据所述田沟塘的物理参数和所述数字高程模型计算田沟塘特征参数。
9.根据权利要求8所述的田沟塘参数的获取装置,其特征在于,所述田沟塘特征参数计算模块包括水塘参数计算模块;
所述水塘参数计算模块包括:
水位-容量计算模块,用于计算不同水位对应的容量;
剩余容量计算模块,用于根据所述目标水塘的最大容量和当前水位对应的容量计算所述目标水塘的剩余容量;
曲线生成模块,用于根据所述目标水塘的不同水位对应的容量和所述剩余容量,绘制水位-容量-剩余容量关系曲线。
10.根据权利要求8所述的田沟塘参数的获取装置,其特征在于,所述田沟塘特征参数计算模块还包括沟渠参数计算模块;
所述沟渠参数计算模块包括:
沟渠最大容量计算模块,用于计算每条沟渠的最大容量;
沟渠最大总容量计算模块,用于根据所述目标区域内每条沟渠的最大容量计算所述目标区域内所有沟渠的最大总容量。
CN201910508698.0A 2019-06-12 2019-06-12 一种田沟塘参数的获取方法及装置 Pending CN110207676A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910508698.0A CN110207676A (zh) 2019-06-12 2019-06-12 一种田沟塘参数的获取方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910508698.0A CN110207676A (zh) 2019-06-12 2019-06-12 一种田沟塘参数的获取方法及装置

Publications (1)

Publication Number Publication Date
CN110207676A true CN110207676A (zh) 2019-09-06

Family

ID=67792335

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910508698.0A Pending CN110207676A (zh) 2019-06-12 2019-06-12 一种田沟塘参数的获取方法及装置

Country Status (1)

Country Link
CN (1) CN110207676A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110763167A (zh) * 2019-11-28 2020-02-07 中国科学院东北地理与农业生态研究所 基于无人机测量土壤表面粗糙度的方法
CN113129320A (zh) * 2021-03-31 2021-07-16 飞燕航空遥感技术有限公司 一种从航空正射影像中提取养殖水塘边界的方法和系统
CN113820255A (zh) * 2021-09-01 2021-12-21 自然资源部第三海洋研究所 一种卵石三维粒径的测算方法以及装置
CN114550010A (zh) * 2022-01-21 2022-05-27 扬州大学 一种稻虾种养系统沟坑占比航测方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101218602A (zh) * 2005-07-08 2008-07-09 贝西科系统工程株式会社 图像处理装置及环境信息观测装置
CN103218485A (zh) * 2013-04-03 2013-07-24 郑州大学 一种gis技术支持下的小流域环境容量计算方法
CN103809155A (zh) * 2014-01-17 2014-05-21 西北农林科技大学 一种基于ZigBee的四轴飞行器农田定位系统
CN104049625A (zh) * 2014-07-09 2014-09-17 华南农业大学 基于无人飞行器的物联网灌溉设施调控平台及方法
CN204455983U (zh) * 2015-01-28 2015-07-08 郭晓娜 一种水库消落带水资源收集利用系统
CN204557106U (zh) * 2015-02-11 2015-08-12 阜阳师范学院 无人机农田信息采集装置
EP3018483A1 (en) * 2014-11-07 2016-05-11 photrack AG Method and system for determining the velocity and level of a moving fluid surface
JP6125137B1 (ja) * 2016-11-17 2017-05-10 三菱電機株式会社 水位計測装置及び水位計測方法
CN108896117A (zh) * 2018-05-10 2018-11-27 北京师范大学 一种遥感水文站监测河流径流的方法
CN109098141A (zh) * 2018-09-19 2018-12-28 云南省红河州水利水电勘察设计研究院 一种水库设计方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101218602A (zh) * 2005-07-08 2008-07-09 贝西科系统工程株式会社 图像处理装置及环境信息观测装置
CN103218485A (zh) * 2013-04-03 2013-07-24 郑州大学 一种gis技术支持下的小流域环境容量计算方法
CN103809155A (zh) * 2014-01-17 2014-05-21 西北农林科技大学 一种基于ZigBee的四轴飞行器农田定位系统
CN104049625A (zh) * 2014-07-09 2014-09-17 华南农业大学 基于无人飞行器的物联网灌溉设施调控平台及方法
EP3018483A1 (en) * 2014-11-07 2016-05-11 photrack AG Method and system for determining the velocity and level of a moving fluid surface
CN204455983U (zh) * 2015-01-28 2015-07-08 郭晓娜 一种水库消落带水资源收集利用系统
CN204557106U (zh) * 2015-02-11 2015-08-12 阜阳师范学院 无人机农田信息采集装置
JP6125137B1 (ja) * 2016-11-17 2017-05-10 三菱電機株式会社 水位計測装置及び水位計測方法
CN108896117A (zh) * 2018-05-10 2018-11-27 北京师范大学 一种遥感水文站监测河流径流的方法
CN109098141A (zh) * 2018-09-19 2018-12-28 云南省红河州水利水电勘察设计研究院 一种水库设计方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
新疆阿克苏市土地志编纂委员会: "《阿克苏市土地志》", 30 October 1999, 新疆人民出版社 *
李志林 等: "《数字高程模型》", 30 November 2017, 科学出版社 *
李纪人 等: "《"3S"技术水利应用指南》", 30 April 2003, 中国水利水电出版社 *
杨永崇: "《地理信息系统工程概论》", 31 August 2016, 西北工业大学出版社 *
梁婷: ""应用 UAV 遥感技术和 B-IBI 评价辽河上游生态健康"", 《中国优秀硕士学位论文全文数据库 工程科技I辑》 *
闫庆武: "《地理学基础教程》", 28 February 2017 *
陶涛 等: "《水文学与水文地质》", 30 June 2017, 同济大学出版社 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110763167A (zh) * 2019-11-28 2020-02-07 中国科学院东北地理与农业生态研究所 基于无人机测量土壤表面粗糙度的方法
CN113129320A (zh) * 2021-03-31 2021-07-16 飞燕航空遥感技术有限公司 一种从航空正射影像中提取养殖水塘边界的方法和系统
CN113820255A (zh) * 2021-09-01 2021-12-21 自然资源部第三海洋研究所 一种卵石三维粒径的测算方法以及装置
CN114550010A (zh) * 2022-01-21 2022-05-27 扬州大学 一种稻虾种养系统沟坑占比航测方法

Similar Documents

Publication Publication Date Title
Woodget et al. Quantifying submerged fluvial topography using hyperspatial resolution UAS imagery and structure from motion photogrammetry
CN110207676A (zh) 一种田沟塘参数的获取方法及装置
CN102506824B (zh) 一种城市低空无人机系统生成数字正射影像图的方法
CN101750015B (zh) 基于数字图像技术的沙石坑土方量测量方法
Yoo et al. Beach volume change using UAV photogrammetry Songjung beach, Korea
Anders et al. Impact of flight altitude and cover orientation on Digital Surface Model (DSM) accuracy for flood damage assessment in Murcia (Spain) using a fixed-wing UAV
CN104062653B (zh) 基于三维微地貌重建的雷达遥感多尺度面粗糙度测量方法
CN111444872A (zh) 一种丹霞地貌参数测量方法
CN111426303A (zh) 一种岩溶坡立谷参数测量方法
Zeybek et al. Investigation of landslide detection using radial basis functions: a case study of the Taşkent landslide, Turkey
Korpela Geometrically accurate time series of archived aerial images and airborne lidar data in a forest environment
Mamajonova et al. Main Methods of Creating Topographic Maps: A Comprehensive Review
Zahm et al. Use of unmanned aerial vehicles (UAVs) to create digital outcrop models: An example from the Cretaceous Cow Creek Formation, Central Texas
CN108692710B (zh) 一种公路宗地测量方法及系统
Heng Siong et al. The Application of Smartphone Based Structure From Motion (Sfm) Photogrammetry in Ground Volume Measurement
Lingua et al. Iterative Refraction-Correction Method on Mvs-Sfm for Shallow Stream Bathymetry
Ye et al. Comparing the accuracies of sUAV-SFM and UAV-LiDAR point clouds for topographic measurements
Massuel et al. Deriving bathymetries from unmanned aerial vehicles: a case study of a small intermittent reservoir
CN111767864A (zh) 一种反演红树林群落对地貌沉积过程的响应方法
Li et al. Using UAV imagery to generate DEMs of the intertidal zone
Chen et al. 3D model construction and accuracy analysis based on UAV tilt photogrammetry
Kulur et al. The Effect of Pixel Size on the Accuracy of Orthophoto Production
Spomer et al. Time-lapse remote sensing for rapid measurement of changing landforms
Vizireanu et al. The potential of airborne LiDAR for detection of new archaeological site in Romania
Chetverikov et al. ERROR ESTIMATION OF DEM OF ORTHOTRANSFORMATION OF AERIAL IMAGES OBTAINED FROM UAVS ON THE MOUNTAINOUS LOCAL SITE IN THE VILLAGE SHIDNYTSYA

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190906