CN110543540B - 基于循环相关的覆冰微地形识别方法及系统 - Google Patents
基于循环相关的覆冰微地形识别方法及系统 Download PDFInfo
- Publication number
- CN110543540B CN110543540B CN201910815448.1A CN201910815448A CN110543540B CN 110543540 B CN110543540 B CN 110543540B CN 201910815448 A CN201910815448 A CN 201910815448A CN 110543540 B CN110543540 B CN 110543540B
- Authority
- CN
- China
- Prior art keywords
- terrain
- micro
- correlation
- point
- grid
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
Abstract
本发明公开了一种基于循环相关的覆冰微地形识别方法及系统,该方法包括:收集历史上同一类类型的微地形坐标,并组成该类微地形的地形数据库;在地形数据库中,通过网格划分,计算每个网格点的平均海拔,根据平均海拔,计算得到基准微地形特征参数;计算目标点的地形特征参数,并与基准微地形特征进行相关分析;根据相关分析确定目标区域是否属于微地形。本发明计算流程简便,通过数值化微地形点,能够定量计算微地形的地形特征。
Description
技术领域
本发明涉及电网防护技术领域,尤其涉及一种基于循环相关的覆冰微地形识别方法及系统。
背景技术
随着全球气候变化,近年来冬季冰灾频频发生。特别是微地形区域,覆冰十分严重。由于覆冰仅发生在几百米范围内,与大尺度覆冰迥然不同,且线路覆冰增长快,极难预测。为了更好提升预测微地形覆冰,首先需要定位覆冰微地形。
目前,常用的微地形识别方法主要依据人工经验,根据现场实地的勘察,确定地形类型。这种方式需要消耗大量的人力物力,工作强度大,对全国区域进行这种方式识别,十分困难。同时,识别过程中人为主观性强,导致地形分类判识结果存在很大的不确定性。
因此需要建立一种客观定量的判识方法,能够较好的实现全国范围的微地形判识计算。
发明内容
本发明提供了一种基于循环相关的覆冰微地形识别方法及系统,用以解决现有用的微地形人工识别方法,消耗人力物力多,工作强度大,对大范围区域识别时十分困难,并且人为主观性强,难以统一标准的技术问题。
为解决上述技术问题,本发明提出的技术方案为:
一种基于循环相关的覆冰微地形识别方法,包括以下步骤:
收集历史上同一类类型的微地形坐标,并组成该类微地形的地形数据库;
在地形数据库中,通过网格划分,计算每个网格点的平均海拔,根据平均海拔,计算得到基准微地形特征参数;
计算目标点的地形特征参数,并与基准微地形特征进行相关分析;
根据相关分析确定目标区域是否属于微地形。
优选地,根据平均海拔,计算得到基准微地形特征参数,包括:
对微地形点为中心网格及其周围8个网格点组成的9个网格点按照计算的平均海拔从大到小排序,得到中心点海拔大小所处的排序位置Ln;对该类微地形的地形数据库中,算得中心点海拔的排序位置集合LO,排序位置范围为[Lmin,Lmax];
将平均海拔,两两匹配一组{p,q},固定p的顺序,对q进行循环排序,分别计算每一组的相关,得到8个相关系数;
选取每一组{p,q}中最大的值组成集合,从而得到所有最大相关的最小值t。
优选地,计算目标点的地形特征参数,并与基准微地形特征进行相关分析,包括:
选取目标点T,划分网格点,对以目标点为中心网格点及其周围8个网格点组成的9个网格点分别计算平均海拔,按照计算的平均海拔对各网格点从大到小排序,得到目标点的排序位置TL;
计算以目标点为中心网格点及其周围8个网格点组成的目标区域与地形数据库中每一个微地形的8个循环相关系数,并记录其中最大相关为Tmax。
优选地,根据相关分析确定目标区域是否属于微地形,包括:
Ⅰ、当Tmax≥t,进行中心点判断:
当TL∈[Lmin,Lmax],则目标点T属于该类微地形;
Ⅱ、当Tmax<t,则目标点T不属于该类微地形。
本发明还提供一种计算机系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述任一方法的步骤。
本发明具有以下有益效果:
本发明的基于循环相关的覆冰微地形识别方法,从已有的微地形数据库中,通过网格划分,计算得到微地形特征,同时计算目标区域的地形特征参数,并与微地形特征进行相关分析,从而确定目标区域是否属于微地形。本发明计算流程简便,通过数值化微地形点,能够定量计算微地形的地形特征。本发明通用性好,能够用于不同地区的不同类型微地形特征判识。
除了上面所描述的目的、特征和优点之外,本发明还有其它的目的、特征和优点。下面将参照附图,对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明优选实施例的基于循环相关的覆冰微地形识别方法的流程示意图;
图2是本发明优选实施例1的特征参数示意图;
图3是本发明优选实施例2的地形数据库的3组网格平均海拔高度数据图;
图4是本发明优选实施例2的目标点T及周围网格点的海拔高度数据示意图;
图5是本发明优选实施例3的目标点T及周围网格点的海拔高度数据示意图;
图6是本发明优选实施例4的目标点T及周围网格点的海拔高度数据示意图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
参见图1,本发明的基于循环相关的覆冰微地形识别方法,包括以下步骤:
收集历史上同一类类型的微地形坐标,并组成该类微地形的地形数据库;
在地形数据库中,通过网格划分,计算每个网格点的平均海拔,根据平均海拔,计算得到基准微地形特征参数;
计算目标点的地形特征参数,并与基准微地形特征进行相关分析;
根据相关分析确定目标区域是否属于微地形。
通过上述步骤,提供了一种客观定量的判识微地形的方法,能够较好的实现全国范围的微地形判识计算。
实际实施时,以上的方法还能进行以下的扩充或应用,以下实施例中的技术特征都能相互组合,实施例仅作为示例,不作为对技术特征的正常组合限制。
实施例1
本实施例的基于循环相关的覆冰微地形识别方法,包括以下步骤:
S1:历史典型微地形收集:
收集历史上同一类类型的微地形坐标,并组成该类微地形的地形库记为O,其中微地形库O中包含m个相似微地形。
S2:地形网格划分:
采用分辨率为S的数字高程数据(DEM),以步骤S1建立的微地形库O中的微地形点为中心,进行网格划分。得到以微地形点为中心网格及其周围8个网格点,对于微地形库O而言,共有m组网格。
S3:基准微地形特征参数计算:
根据步骤S1建立的地形库O和步骤S2划分的网格,计算其中每个网格点的平均海拔。参见图2,对于微地形中心点海拔记录为an0,周围8个格点分别记录为an1,an2,an3,an4,an5,an6,an7,an8,其中n=1…m。
对微地形点为中心网格及其周围8个网格点组成的9个网格点按照计算的平均海拔从大到小排序,得到中心点海拔大小所处的排序位置Ln。对微地形集合O,则有中心点海拔的排序位置集合LO,排序位置范围为[Lmin,Lmax]。
S4:目标地形参数计算:
选取目标点T,采用步骤S2和步骤S3的方法,以目标点为中心向周围划分网格点并进行地形参数计算:对目标点为中心网格点及其周围8个网格点组成的9个网格点分别计算平均海拔,其中目标点海拔记录为t0,周围8个点的海拔分别记录为t1,t2,t3,t4,t5,t6,t7,t8。
采用步骤S3的方法对网格点按照海拔从大到小进行排序,得到目标点(中心点)的排序位置TL。
S5:循环相关计算:
S5.1:特征地形内循环相关
根据步骤S3计算的微地形平均海拔,两两匹配一组{p,q},固定p的顺序,对q进行循环排序,参见表1,然后分别计算每一组的相关,得到8个相关系数。
表1实施例1中的循环排序表
p<sub>n1</sub> | p<sub>n2</sub> | p<sub>n3</sub> | p<sub>n4</sub> | p<sub>n5</sub> | p<sub>n6</sub> | p<sub>n7</sub> | p<sub>n8</sub> |
q<sub>n1</sub> | q<sub>n2</sub> | q<sub>n3</sub> | q<sub>n4</sub> | q<sub>n5</sub> | q<sub>n6</sub> | q<sub>n7</sub> | q<sub>n8</sub> |
q<sub>n2</sub> | q<sub>n3</sub> | q<sub>n4</sub> | q<sub>n5</sub> | q<sub>n6</sub> | q<sub>n7</sub> | q<sub>n8</sub> | q<sub>n1</sub> |
q<sub>n3</sub> | q<sub>n4</sub> | q<sub>n5</sub> | q<sub>n6</sub> | q<sub>n7</sub> | q<sub>n8</sub> | q<sub>n1</sub> | q<sub>n2</sub> |
q<sub>n4</sub> | q<sub>n5</sub> | q<sub>n6</sub> | q<sub>n7</sub> | q<sub>n8</sub> | q<sub>n1</sub> | q<sub>n2</sub> | q<sub>n3</sub> |
q<sub>n5</sub> | q<sub>n6</sub> | q<sub>n7</sub> | q<sub>n8</sub> | q<sub>n1</sub> | q<sub>n2</sub> | q<sub>n3</sub> | q<sub>n4</sub> |
q<sub>n6</sub> | q<sub>n7</sub> | q<sub>n8</sub> | q<sub>n1</sub> | q<sub>n2</sub> | q<sub>n3</sub> | q<sub>n4</sub> | q<sub>n5</sub> |
q<sub>n7</sub> | q<sub>n8</sub> | q<sub>n1</sub> | q<sub>n2</sub> | q<sub>n3</sub> | q<sub>n4</sub> | q<sub>n5</sub> | q<sub>n6</sub> |
q<sub>n8</sub> | q<sub>n1</sub> | q<sub>n2</sub> | q<sub>n3</sub> | q<sub>n4</sub> | q<sub>n5</sub> | q<sub>n6</sub> | q<sub>n7</sub> |
S5.2:特征地形与目标地形循环相关:
与步骤S5.1类似,计算以目标点为中心网格点及其周围8个网格点组成的目标区域与库O中每一个微地形点的8个循环相关系数,共计算m组,并记录其中最大相关为Tmax。
S6:相关结果筛选:
根据步骤S5.1计算的结果,选取每一组{p,q}中最大的值组成集合,从而得到所有最大相关的最小值t。
S7:地形相似度判识:
根据步骤S5.2计算的最大相关Tmax与步骤S6计算的所有最大相关的最小值t,以及步骤S3得到的排序位置范围为[Lmin,Lmax]进行判断。
Ⅰ、当Tmax≥t,进行中心点判断:
当TL∈[Lmin,Lmax],则目标区域T属于该类微地形;
Ⅱ、当Tmax<t,则目标区域T不属于该类微地形。
实施例2
本实施例以某地区的高山微地形为例,说明本发明的基于循环相关的覆冰微地形识别方法,具体步骤如下:
S1:历史典型微地形收集:
收集某地区高山覆冰微地形坐标,并组成该类微地形的地形库记为O,其中微地形库O中包含3个相似微地形。
S2:地形网格划分:
采用分辨率为500m的数字高程数据(DEM),以步骤S1建立的微地形库O中的微地形点为中心,进行网格划分。得到以微地形点为中心网格及其周围8个网格点,对于微地形库O而言,共有3组网格。
S3:特征地形参数计算
根据步骤S1建立的地形库O和步骤S2划分的网格,计算其中每一个网格点的平均海拔。参见图3,对于微地形中心点海拔分别记录为a10,a20,a30,对应周围8个格点分别记录为{a11,a12,a13,a14,a15,a16,a17,a18},{a21,a22,a23,a24,a25,a26,a27,a28},{a31,a32,a33,a34,a35,a36,a37,a38}。
对9个格点按照从大到小排序,得到中心点海拔大小所处的排序位置{1,1,2},则有中心点海拔位置集合LO,排序位置范围为[1,2]。
S4:目标地形参数计算:
选取目标点T,采用步骤S2和步骤S3的方法,以T为中心向周围划分网格点并进行地形参数计算。参见图4,其中目标点海拔记录为t0,周围8个点的海拔分别记录为t1,t2,t3,t4,t5,t6,t7,t8。
采用步骤S3的方法对目标点按照海拔从大到小进行排序,得到目标中心点的排序位置为TL=1。
S5:循环相关计算:
S5.1:特征地形内循环相关:
根据步骤S3计算的微地形平均海拔,两两匹配一组{p,q},共匹配3组,固定一组中p的顺序,对q进行循环排序,参见表2,然后分别计算每一组相关,得到3组,每组8个相关系数。
表2实施例2~4的循环排序表
第一组 | 0.65 | 0.43 | -0.10 | -0.51 | -0.74 | -0.56 | 0.22 | 0.61 |
第二组 | 0.07 | -0.13 | -0.32 | -0.34 | -0.40 | 0.29 | 0.32 | 0.51 |
第三组 | -0.04 | 0.05 | -0.38 | -0.47 | 0.23 | -0.24 | 0.12 | 0.73 |
S5.2特征地形与目标地形循环相关:
与步骤S5.1类似,计算以目标点为中心网格点及其周围8个网格点组成的目标区域与库O中每一个微地形点的8个循环相关系数,共计算3组,并记录3组中最大相关系数为Tmax=0.96。
S6:相关结果筛选:
根据步骤S5.1计算的结果,选取每一组{p,q}中最大的值组成集合为[0.65,0.51,0.73],从而得到最大相关的最小值为0.51。
S7:地形相似度判识:
根据步骤S5.2计算的最大相关Tmax与步骤S6计算的所有最大相关的最小值0.51,以及步骤S3得到的排序位置范围为[1,2],进行判断。
Tmax≥0.51,进行中心点判断:
TL=1,因此TL∈[1,2],则T属于该类微地形。
实施例3
本实施例的基于循环相关的覆冰微地形识别方法,具体步骤如下:
S1~S3:重复实施例2中的步骤S1~S3;
S4:目标地形参数计算:
选取目标点T,采用步骤S2和步骤S3的方法,以T为中心向周围划分网格点并进行地形参数计算。参见图5,其中目标点海拔记录为t0,周围8个点的海拔分别记录为t1,t2,t3,t4,t5,t6,t7,t8。
采用步骤S3的方法对目标点按照海拔从大到小进行排序,得到目标点(中心网格点)的排序位置为TL=5。
S5~S6:执行实施例2中的步骤S5~S6;
S7:地形相似度判识:
根据步骤S5.2计算的最大相关Tmax与步骤S6计算的所有最大相关的最小值0.51,以及步骤S3得到的排序位置范围为[1,2],进行判断。
Tmax≥0.51,进行中心点判断
实施例4
本实施例的基于循环相关的覆冰微地形识别方法,具体步骤如下:
S1~S3:重复实施例2中的步骤S1~S3;
S4:目标地形参数计算:
选取目标点T,采用步骤S2和步骤S3的方法,以T为中心向周围划分网格点并进行地形参数计算。参见图6,其中目标点海拔记录为t0,周围8个点的海拔分别记录为t1,t2,t3,t4,t5,t6,t7,t8。
采用步骤S3的方法对目标点按照海拔从大到小进行排序,得到目标点的排序位置为TL=4。
S5:循环相关计算:
S5.1:执行实施例2中的步骤S5.1;
S5.2:特征地形内循环相关:
与步骤S5.1类似,计算以目标点为中心网格点及其周围8个网格点组成的目标区域与库O中每一个微地形点的8个循环相关系数,共计算3组,并记录3组中最大相关系数为Tmax=0.41。
S6:执行实施例2中的步骤S6;
S7:地形相似度判识:
根据步骤S5.2计算的最大相关Tmax与步骤S6计算的所有最大相关的最小值0.51,进行判断。
Tmax<0.51,则T不属于该类微地形。
实施例5
本实施例提供一种计算机系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述任一实施例的步骤。
综上所述,本发明的基于循环相关的覆冰微地形识别方法,从已有的微地形数据库中,通过网格划分,计算得到微地形特征,同时计算目标区域的地形特征参数,并与微地形特征进行相关分析,从而确定目标区域是否属于微地形。本发明计算流程简便,通过数值化微地形点,能够定量计算微地形的地形特征。本发明通用性好,能够用于不同地区的不同类型微地形特征判识。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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 (5)
1.一种基于循环相关的覆冰微地形识别方法,其特征在于,包括以下步骤:
收集历史上同一类类型的微地形坐标,并组成该类微地形的地形数据库;
在地形数据库中,通过网格划分,计算每个网格点的平均海拔,根据所述平均海拔,计算得到基准微地形特征参数;
计算目标点的地形特征参数,并与基准微地形特征进行相关分析;
根据所述相关分析确定目标区域是否属于微地形。
2.根据权利要求1所述的基于循环相关的覆冰微地形识别方法,其特征在于,根据所述平均海拔,计算得到基准微地形特征参数,包括:
对微地形点为中心网格及其周围8个网格点组成的9个网格点按照计算的平均海拔从大到小排序,得到中心点海拔大小所处的排序位置Ln;对该类微地形的地形数据库中,算得中心点海拔的排序位置集合LO,排序位置范围为[Lmin,Lmax];
将所述平均海拔,两两匹配一组{p,q},固定p的顺序,对q进行循环排序,分别计算每一组的相关,得到8个相关系数;
选取每一组{p,q}中最大的值组成集合,从而得到所有最大相关的最小值t。
3.根据权利要求2所述的基于循环相关的覆冰微地形识别方法,其特征在于,计算目标点的地形特征参数,并与基准微地形特征进行相关分析,包括:
选取目标点T,划分网格点,对以目标点为中心网格点及其周围8个网格点组成的9个网格点分别计算平均海拔,按照计算的平均海拔对各网格点从大到小排序,得到目标点的排序位置TL;
计算以目标点为中心网格点及其周围8个网格点组成的目标区域与地形数据库中每一个微地形的8个循环相关系数,并记录其中最大相关为Tmax。
5.一种计算机系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至4任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910815448.1A CN110543540B (zh) | 2019-08-30 | 2019-08-30 | 基于循环相关的覆冰微地形识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910815448.1A CN110543540B (zh) | 2019-08-30 | 2019-08-30 | 基于循环相关的覆冰微地形识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110543540A CN110543540A (zh) | 2019-12-06 |
CN110543540B true CN110543540B (zh) | 2022-12-06 |
Family
ID=68710880
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910815448.1A Active CN110543540B (zh) | 2019-08-30 | 2019-08-30 | 基于循环相关的覆冰微地形识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110543540B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112182821A (zh) * | 2020-10-22 | 2021-01-05 | 国网湖南省电力有限公司 | 微地形覆冰循环校正的数值预测方法及系统 |
CN113822491B (zh) * | 2021-09-27 | 2024-03-29 | 国网湖南省电力有限公司 | 一种输电线路舞动微地形的识别方法及系统 |
CN113822370B (zh) * | 2021-09-28 | 2024-01-12 | 国网湖南省电力有限公司 | 基于经验正交函数分析的典型舞动微地形的分类方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093410B (zh) * | 2013-01-06 | 2014-02-05 | 国家海洋局第二海洋研究所 | 一种海底地形六维网格的测绘方法 |
CN105678419A (zh) * | 2016-01-05 | 2016-06-15 | 天津大学 | 细粒度的森林火灾概率预报系统 |
CN106203718B (zh) * | 2016-07-15 | 2018-01-12 | 国网湖南省电力公司 | 基于海拔高度因子的邻近网格输电线路覆冰预测方法 |
-
2019
- 2019-08-30 CN CN201910815448.1A patent/CN110543540B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110543540A (zh) | 2019-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110543540B (zh) | 基于循环相关的覆冰微地形识别方法及系统 | |
CN107948930B (zh) | 基于位置指纹算法的室内定位优化方法 | |
CN108595414B (zh) | 基于源汇空间变量推理的土壤重金属企业污染源识别方法 | |
CN107182036A (zh) | 基于多维特征融合的自适应位置指纹定位方法 | |
CN109947881B (zh) | 一种poi判重方法、装置、移动终端及计算机可读存储介质 | |
CN109508881B (zh) | 海岛区域分类及生态资源价值评估方法 | |
CN107330734B (zh) | 基于Co-location模式和本体的商业地址选择方法 | |
CN110097529B (zh) | 一种基于语义规则的农田定级单元划分方法及系统 | |
CN111178786B (zh) | 一种保障区域空气质量的排放源位置确定方法及系统 | |
Fan et al. | Understanding spatial-temporal urban expansion pattern (1990–2009) using impervious surface data and landscape indexes: a case study in Guangzhou (China) | |
CN112328728A (zh) | 挖掘出行者轨迹的聚类方法、装置、电子装置和存储介质 | |
CN112004233B (zh) | 一种基于大数据挖掘的网络规划方法 | |
Picard et al. | Tree density estimations using a distance method in Mali Savanna | |
CN110245692B (zh) | 一种用于集合数值天气预报成员的层次聚类方法 | |
CN109919227A (zh) | 一种面向混合属性数据集的密度峰值聚类方法 | |
CN106844642A (zh) | 一种基于gis计算路网网格中人口密度的方法 | |
CN114239962A (zh) | 一种基于开源信息的精细化空间负荷预测方法 | |
WO2016112618A1 (zh) | 一种基于距离的求解二维空间中代表性节点集的算法 | |
CN102622345B (zh) | 多源时空数据协同的高精度土地利用遥感更新技术 | |
CN104331711A (zh) | 基于多尺度模糊测度与半监督学习的sar图像识别方法 | |
CN115205699B (zh) | 一种基于cfsfdp改进算法的地图图斑聚类融合处理方法 | |
CN116129262A (zh) | 一种面向宜机化改造的耕地适宜性评价方法及系统 | |
CN110263412A (zh) | 副热带急流或极锋急流强度和径向位置协同变化的表征方法 | |
CN111768101B (zh) | 一种顾及物候特征的遥感耕地变化检测方法及系统 | |
CN111476434B (zh) | 一种基于gis的土壤重金属分形维数空间变异分析方法 |
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 |