CN110929415A - 一种针对高原地区u型河谷水下未知地形精确模拟方法 - Google Patents
一种针对高原地区u型河谷水下未知地形精确模拟方法 Download PDFInfo
- Publication number
- CN110929415A CN110929415A CN201911239570.5A CN201911239570A CN110929415A CN 110929415 A CN110929415 A CN 110929415A CN 201911239570 A CN201911239570 A CN 201911239570A CN 110929415 A CN110929415 A CN 110929415A
- Authority
- CN
- China
- Prior art keywords
- river
- elevation
- river channel
- underwater
- terrain
- 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.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种针对高原地区U型河谷水下未知地形精确模拟方法,包括如下步骤:S1:根据光学遥感,对河道中心线进行定位;S2:通过空天地遥感信息技术手段,进行局部河道比较系数拟合和河流中心点高程估算;S3:以所述河道中心线为基准,等间隔采样河道两侧水上边坡的高程信息;S4:根据所述河道两侧水上边坡的高程信息和河流中心点高程,进行基于边坡拟合的分段水下地形自适应模拟。本发明采用横向边坡高程采样和纵向中心河道比降估算,通过分型约束和高斯边坡拟合的方法,精确模拟出高原“U”型河道被堰塞段的水下未知地形,实现了基于完全遥感技术手段对区域水下地形的快速监测与精准模拟。
Description
技术领域
本发明涉及地理空间信息技术领域和数字图像处理技术领域,尤其涉及一种针对高原地区U型河谷水下未知地形精确模拟方法。
背景技术
在无资料和缺资料区高原和高山峡谷地区,一旦地面交通和通讯阻断,唯一可行数据获取途径就是天空地一体化的摄影测量与遥感技术。水下精确地形数据是遥感湖泊水量库容定量反演估算的基础。然而现实中大多数湖泊都没有实测的湖盆地形数据,尤其是地处偏远的高原、高山地区,给水量遥感直接估算带来了巨大的挑战。目前,利用摄影测量遥感技术可以获取到高精度的水上地形数据,例如,立体测图、三线阵等;而在水下地形数据获取方面,基本上还是依靠外业测量。即利用GPS定位与水深测量,如:RTK、水下声呐、激光测深等等。由于水下地形测量涉及到水上定位和水下量测,人工作业难度和工作强度比陆上地形测量大,测量费用通常较高,时效性不强且受外业测量环境的限制较多。
考虑到时间的紧迫性、任务的时效性、方案的可行性,在洪水灾害应急抢险和风险预测评估中,通过模型数据模拟的方法是最便捷和行之有效的手段。比较常见的地形建模模拟方法有:最近邻点插值法、双线性插值、二次样条插值、三次卷积函数、反距离加权插值法、克里金插值法、最小曲率法、移动平均法和局部多项式法等等,其中以反距离加权插值法和克里金插值法应用最广范。此外为了进一步提高模拟精度,有些学者提出了地形分型策略,引进了光滑性约束条件,对空间位置区域插值填补。在局部区域,一定的尺度下,通过稀疏分布采样点可以得到较高的几何精度。但是,对于高原地区河道水下未知地形,具有很强的区域性和针对性特点,且数据缺失面积过大,完全通过空间插值的方法基本行不通;若想通过遥感手段获取的水上地形数据和少量的测量辅助数据,构建可视化效果好、模拟精度高的水下地形表面,必须要找到一种合理的拟合算法和科学的边界约束条件。
发明内容
发明目的:针对高原地区河道水下未知地形具有很强的区域性和针对性特点,且数据空缺面积过大,无法对区域水下地形进行快速监测与精准模拟的问题,本发明提出一种针对高原地区U型河谷水下未知地形精确模拟方法。
技术方案:为实现本发明的目的,本发明所采用的技术方案是:
一种针对高原地区U型河谷水下未知地形精确模拟方法,所述水下未知地形精确模拟方法包括如下步骤:
S1:根据光学遥感,对河道中心线进行定位;
S2:通过空天地遥感信息技术手段,进行局部河道比较系数拟合和河流中心点高程估算;
S3:以所述河道中心线为基准,等间隔采样河道两侧水上边坡的高程信息;
S4:根据所述河道两侧水上边坡的高程信息和河流中心点高程,进行基于边坡拟合的分段水下地形自适应模拟。
进一步地讲,在所述步骤S1中,对所述河道中心线进行定位,具体如下:
S1.1:根据水体指数全局局部迭代阈值分割,提取河流淹没水域的边界;
S1.2:根据所述河流淹没水域的边界,确定河道的多边形形状;
S1.3:将所述河道的多边形形状作为泰森多边形算法的输入,通过Delaunay准则计算到河岸两边的离散点距离相等的点集,所述点集组成的线段即为河道的中心线。
进一步地讲,在所述步骤S2中,进行局部河道比较系数拟合和河流中心点高程估算,具体如下:
S2.1:通过所述空天地遥感信息技术手段,获取坝体下的河床高程和最远回水位置河床高程;
S2.2:根据所述坝体下的河床高程和最远回水位置河床高程,计算河道的局部比降系数,所述河道的局部比降系数计算公式具体为:
其中:S为河道的局部比降系数,A为坝体下的河床高程,B为最远回水位置河床高程;
S2.3:根据所述河道的局部比降系数,估算出河道中心采样点的高程。
进一步地讲,在所述步骤S3中,等间隔采样所述河道两侧水上边坡的高程信息,具体为:
以所述河道中心线为基准等间隔引垂线,将所述河道中心线的垂线向两侧延长,并与左右边坡相交,根据所述相交点位置,获取左右边坡水上高程序列信息。
进一步地讲,在所述河道中心线等间隔引垂线的过程中,所述河道中心线上的采样间距和影像空间分辨率尺度相同。
进一步地讲,在所述步骤S4中,进行基于边坡拟合的分段水下地形自适应模拟,具体如下:
S4.1:通过自适应拟合算法,将所述河道两侧水上边坡的高程信息和河流中心点高程作为输入,自适应拟合出河流中预设点处的水下地形高程;
S4.2:根据所述河流中心点处的水下地形高程和预设点处的水下地形高程,利用所述自适应拟合算法遍历所有采样点,完成河流水下地形的模拟,并通过构TIN算法,生成河道水下地形的数字高程模拟。
有益效果:与现有技术相比,本发明的技术方案具有以下有益技术效果:
(1)本发明采用横向边坡高程采样和纵向中心河道比降估算,通过分型约束和高斯边坡拟合的方法,精确模拟出高原“U”型河道未知水下地形,实现了基于完全遥感技术手段对区域水下地形的快速监测与精准模拟;
(2)充分利用遥感空间信息获取手段,通过边坡的等间隔采样,河流中心线的精准定位以及中心点高程的估算,采用分段自适应拟合技术,采取分型边界约束,对空间未知区域插值填补,精确模拟出高原“U”型河道水下未知地形,实现了基于完全遥感技术手段对区域水下地形的快速监测与精准模拟,为河道型水库/堰塞湖的水量遥感定量反演和实时监测提供数据支持和技术支撑。
附图说明
图1是本发明的水下未知地形精确模拟方法流程示意图;
图2是本发明“U”型河道水下地形模拟技术流程图;
图3是本发明的河道中心线均匀采样示意图;
图4是本发明的“U”型河谷局部水下地形拟合示意图;
图5是本发明的堰塞河道水下地形模拟效果图;
图6是本发明的不同地形剖面位置水下地形模拟效果图;
图7是本发明的局部水下模拟地形真实性检验对比图;
图8是本发明的参考数据与预测数据之间的二维散点图;
图9是本发明的模拟与真实地形的统计直方图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。其中,所描述的实施例是本发明一部分实施例,而不是全部的实施例。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。
实施例1
参考图1和图2,本实施例提供了一种针对高原地区U型河谷水下未知地形精确模拟方法,依据的理论基础是高山高原地区冰蚀河谷形态总体呈现“U”型形态分布特征,通过在地貌特征空间相近相似插值模拟的基础上,采取分型约束,对空间未知区域插值填补。首先,在河道水域淹没面积光学遥感提取基础上,对河流的中心线位置进行精准定位和计算;然后,对河道中心线等间隔采样,在每个采样点作河道中心线的垂线并延申到河道两侧,采集河流边坡水上高程信息;第三,结合无人机倾斜摄影测量数据,获取塞坝体下方河道高程及最远回水位上游河床高程,据此推导出河流的比降系数和河流中心点高程;最后,根据采集到的边坡两侧水上地形高程数据和对应河道中心点预估高程,采取分段高斯模拟方法,拟合出堰塞河道水下地形,并据此构建被堰塞河道水下地形的数字高程模型DEM。
该水下未知地形精确模拟方法包括如下步骤:
步骤S1:根据光学遥感,对河道中心线进行定位,具体如下:
步骤S1.1:在水体指数全局局部迭代阈值分割的基础上,精确提取河流淹没水域的边界。
步骤S1.2:根据步骤S1.1提取的河流淹没水域的边界,确定出河道的多边形形状。
步骤S1.3:对于河道的中心线提取,由于河道的水域形态是非常复杂的多边形,且有众多支流的汇入,所以中线不仅要考虑干流还要考虑支流,真正的中心应到左右岸的距离相等。
具体地讲,将河道的多边形形状作为泰森多边形算法的输入,并通过Delaunay准则计算到河岸两边的离散点距离相等的点集,该点集组成的线段即为河道的中心线。
步骤S2:根据步骤S1.3中定位得到的河道中心线,通过空天地遥感信息技术手段,进行局部河道比较系数拟合和河流中心点高程估算,具体如下:
步骤S2.1:通过空天地遥感信息技术手段,获取坝体下的河床高程A和最远回水位置河床高程B。在本实施例中,空天地遥感信息技术手段包括有高分立体测图卫星、无人机倾斜摄影测量和无人船水下测量。
步骤S2.2:根据坝体下的河床高程A和最远回水位置河床高程B,计算河道的局部比降系数。该河道的局部比降系数计算公式具体为:
其中:S为河道的局部比降系数,A为坝体下的河床高程,B为最远回水位置河床高程。
步骤S2.3:根据河道的局部比降系数S,估算出河道中心采样点的高程。其中为了提高模型的精度,可增设中心河道观测点,补充测量位于湖区的河道中心点高程信息。具体地讲,当中心河道观测点只设置了两个时,可以通过线性比降进行拟合,但是当中心河道观测点设置不低于两个时,为了提高中心采样点的高程估算精度,则通过非线性比降进行拟合。
步骤S3:以步骤S1.3中定位得到的河道中心线为基准,等间隔采样河道两侧水上边坡的高程信息,具体为:
以河道中心线为基准等间隔引中心线的垂线,并将河道中心线的垂线向两侧延长,并与左右边坡进行相交,根据向两侧延长的垂线和左右边坡相交点的位置,读取相应的空间位置边坡水上高程信息,并将左岸边坡高程序列信息标记为:L1、L2、L3、…、Ln,将右岸边坡高程序列信息标记为:R1、R2、R3、…、Rn。
为了保证精度,在河道中心线等间隔引垂线的过程中,采样间隔不宜过大,具体地讲,河道中心线上的采样间距和影像空间分辨率尺度相同。相对地,河道中心线上的采样间距大于或是小于影像空间分辨率尺度也是可以的。
参考图3,边坡高程信息采样主要基于河道中心线均匀采样策略。在河道水域中心线提取的基础上,以塞坝体为起点、最远回水线为终点,等间隔划分采样点,然后沿着采样点垂直于河道中心线对河道两岸边坡高程引垂线,从而获得河道的剖面线。考虑水上数字高程模型数据为30米空间分辨率,在本实施例中,沿着河道中心线每隔30米一个采样点,向河道两边采样,获取左右边坡的高程信息。
步骤S4:根据步骤S2.3中得到的河流中心点高程、步骤S3中得到的河道两侧水上边坡的高程信息,采取高斯自适应拟合算法,进行基于边坡拟合的分段水下地形自适应模拟,具体如下:
步骤S4.1:根据步骤S2.3中得到的河流中心点高程、步骤S3中得到的左岸边坡高程序列信息L1、L2、L3、…、Ln和右岸边坡高程序列信息R1、R2、R3、…、Rn,通过自适应拟合算法,将河道两侧水上边坡的高程信息和河流中心点高程作为输入,自适应拟合出河流中心点处的水下地形高程。其中自适应拟合算法譬如:高斯自适应拟合算法和多项式自适应拟合算法。
参考图4,垂直于河道中心线,沿着河道中心点,采样剖面线与边坡相切,构成一个个横断面。通过剖面线与水上地形数据相交,自动提取左岸边坡高程序列信息L1、L2、L3、…、Ln和右岸边坡高程序列信息R1、R2、R3、…、Rn。最后通过高斯曲线拟合模拟,将水上高程信息和河道中心点信息拟合成一条曲线,借此来插值和模拟未知的水下地形数据。
同时根据河流中心点处的水下地形高程,按照同样获取的过程,获取河流中除中心点外其他采样点处的水下地形高程。
步骤S4.2:根据河流中心点处的水下地形高程和其他采样点处的水下地形高程,利用自适应拟合算法遍历所有采样点,完成河流水下地形的模拟,并通过构TIN算法,生成河道未知水下地形的数字高程模型DEM。
参考图5,根据以上方法流程,模拟出穆尔加布河的堰塞河道水下地形分布情况,从水下地形的等高线图上可以清晰地看出萨雷兹湖水下地形的分布特征。从上游的最远回水位置到下游的坝体,水下地形是逐渐下降,湖泊的最深处在坝前一段距离处。
参考图6,图6从各个不同位置的断面上,展示了穆尔加布河的堰塞河道水面以下地形特征以及拟合效果。从断面高程的拟合效果来看,基本上能够准确地拟合出各段河谷地形形态,与水上地形吻合度较高。
参考图7,为了验证方法的有效性和预测结果的真实可信性。本实施例选取了穆尔加布河支流已知地形的河道实验区。若河道被堰塞、模拟水位上涨到3450米,则该段河道将被全部淹没。根据水上地形和该段河道的比降,根据本实施例中的方法去预估水下地形,结果如图7。从图7的区域地形晕渲图上看,基本能够很好的恢复水下地形。并进一步从定量统计的角度,将模拟数据和真实数据进行了对比,真实数据和模拟数据的各项定量统计指标吻合度较高,相关系数达到0.95以上,误差均值约1.29米。其中真实数据和模拟数据的各项定量统计指标譬如:均值、方差、值域范围。
参考图8,显示了参考和估计之间的二维散点图分布特征,这也是测试估计算法有效性的一种常规方法。在图8中X轴是参考数据,Y轴是估测数据。从中可以清楚地看到,离散点集中分布在对角线两侧,且分布非常集中,这意味着估算值与参考数据吻合度总体良好。
参考图9,影像的直方图是离散数据的概率密度分布函数,可以反映出一副影像的总体分布特征和两幅相同区域影像的相似度。为了进一步分析模拟水下地形与参考数据的切合度,本实施例分别统计和绘制了验证区域的直方图。地形数据与模拟数据和参考数据的直方图分布。从二者的直方图形态上,可以明显看出两幅影像数据分布的高度相似性。这从另一个方面说明了模拟结果与真实数据的贴合度较高,基本上反映了未知区域地形的总体特征和特点。
以上示意性的对本发明及其实施方式进行了描述,该描述没有限制性,附图中所示的也只是本发明的实施方式之一,实际的结构和方法并不局限于此。所以,如果本领域的普通技术人员受其启示,在不脱离本发明创造宗旨的情况下,不经创造性的设计出与该技术方案相似的结构方式及实施例,均属于本发明的保护范围。
Claims (6)
1.一种针对高原地区U型河谷水下未知地形精确模拟方法,其特征在于,所述水下未知地形精确模拟方法包括如下步骤:
S1:根据光学遥感,对河道中心线进行定位;
S2:通过空天地遥感信息技术手段,进行局部河道比较系数拟合和河流中心点高程估算;
S3:以所述河道中心线为基准,等间隔采样河道两侧水上边坡的高程信息;
S4:根据所述河道两侧水上边坡的高程信息和河流中心点高程,进行基于边坡拟合的分段水下地形自适应模拟。
2.根据权利要求1所述的一种针对高原地区U型河谷水下未知地形精确模拟方法,其特征在于,在所述步骤S1中,对所述河道中心线进行定位,具体如下:
S1.1:根据水体指数全局局部迭代阈值分割,提取河流淹没水域的边界;
S1.2:根据所述河流淹没水域的边界,确定河道的多边形形状;
S1.3:将所述河道的多边形形状作为泰森多边形算法的输入,通过Delaunay准则计算到河岸两边的离散点距离相等的点集,所述点集组成的线段即为河道的中心线。
4.根据权利要求3所述的一种针对高原地区U型河谷水下未知地形精确模拟方法,其特征在于,在所述步骤S3中,等间隔采样所述河道两侧水上边坡的高程信息,具体为:
以所述河道中心线为基准等间隔引垂线,将所述河道中心线的垂线向两侧延长,并与左右边坡相交,根据所述相交点位置,获取左右边坡水上高程序列信息。
5.根据权利要求4所述的一种针对高原地区U型河谷水下未知地形精确模拟方法,其特征在于,在所述河道中心线等间隔引垂线的过程中,所述河道中心线上的采样间距和影像空间分辨率尺度相同。
6.根据权利要求4所述的一种针对高原地区U型河谷水下未知地形精确模拟方法,其特征在于,在所述步骤S4中,进行基于边坡拟合的分段水下地形自适应模拟,具体如下:
S4.1:通过自适应拟合算法,将所述河道两侧水上边坡的高程信息和河流中心点高程作为输入,自适应拟合出河流中预设点处的水下地形高程;
S4.2:根据所述河流中心点处的水下地形高程和预设点处的水下地形高程,利用所述自适应拟合算法遍历所有采样点,完成河流水下地形的模拟,并通过构TIN算法,生成河道水下地形的数字高程模拟。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911239570.5A CN110929415B (zh) | 2019-12-06 | 2019-12-06 | 一种针对高原地区u型河谷水下未知地形精确模拟方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911239570.5A CN110929415B (zh) | 2019-12-06 | 2019-12-06 | 一种针对高原地区u型河谷水下未知地形精确模拟方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110929415A true CN110929415A (zh) | 2020-03-27 |
CN110929415B CN110929415B (zh) | 2023-08-29 |
Family
ID=69857997
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911239570.5A Active CN110929415B (zh) | 2019-12-06 | 2019-12-06 | 一种针对高原地区u型河谷水下未知地形精确模拟方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110929415B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112283595A (zh) * | 2020-11-13 | 2021-01-29 | 中煤航测遥感集团有限公司 | 管道溢油路径分析方法、装置、计算机设备和存储介质 |
CN113011038A (zh) * | 2021-03-31 | 2021-06-22 | 长江水利委员会长江科学院 | 一种基于分型插值的河床微观形态观测分析方法 |
CN113327323A (zh) * | 2021-06-09 | 2021-08-31 | 四川大学 | 基于散点数据的水体环境地形构建方法 |
CN114232557A (zh) * | 2022-01-24 | 2022-03-25 | 武汉大学 | 跟踪截流模型水下地形的模拟确定方法和试验方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09185702A (ja) * | 1996-01-04 | 1997-07-15 | Hitachi Ltd | 河床形状補間方法および三次元情報補間方法および中線算出方法および外分線算出方法 |
CN103487033A (zh) * | 2013-09-22 | 2014-01-01 | 河海大学 | 一种基于变高单应的河流水面摄影测量方法 |
CN106372290A (zh) * | 2016-08-29 | 2017-02-01 | 长江空间信息技术工程有限公司(武汉) | 一种v型河道库容量算方法 |
CN108010103A (zh) * | 2017-11-24 | 2018-05-08 | 武汉大学 | 复杂河道地形快速精细生成方法 |
-
2019
- 2019-12-06 CN CN201911239570.5A patent/CN110929415B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09185702A (ja) * | 1996-01-04 | 1997-07-15 | Hitachi Ltd | 河床形状補間方法および三次元情報補間方法および中線算出方法および外分線算出方法 |
CN103487033A (zh) * | 2013-09-22 | 2014-01-01 | 河海大学 | 一种基于变高单应的河流水面摄影测量方法 |
CN106372290A (zh) * | 2016-08-29 | 2017-02-01 | 长江空间信息技术工程有限公司(武汉) | 一种v型河道库容量算方法 |
CN108010103A (zh) * | 2017-11-24 | 2018-05-08 | 武汉大学 | 复杂河道地形快速精细生成方法 |
Non-Patent Citations (2)
Title |
---|
朱长明等: ""湖盆数据未知的湖泊动态库容遥感监测方法"" * |
甘拯,钟良,何秀国: ""基于水下地形拟合的V 型河道库容计算方法"" * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112283595A (zh) * | 2020-11-13 | 2021-01-29 | 中煤航测遥感集团有限公司 | 管道溢油路径分析方法、装置、计算机设备和存储介质 |
CN113011038A (zh) * | 2021-03-31 | 2021-06-22 | 长江水利委员会长江科学院 | 一种基于分型插值的河床微观形态观测分析方法 |
CN113327323A (zh) * | 2021-06-09 | 2021-08-31 | 四川大学 | 基于散点数据的水体环境地形构建方法 |
CN113327323B (zh) * | 2021-06-09 | 2022-11-11 | 四川大学 | 基于散点数据的水体环境地形构建方法 |
CN114232557A (zh) * | 2022-01-24 | 2022-03-25 | 武汉大学 | 跟踪截流模型水下地形的模拟确定方法和试验方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110929415B (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110929415B (zh) | 一种针对高原地区u型河谷水下未知地形精确模拟方法 | |
Huang et al. | Discharge estimation in high-mountain regions with improved methods using multisource remote sensing: A case study of the Upper Brahmaputra River | |
Westaway et al. | Remote sensing of clear-water, shallow, gravel-bed rivers using digital photogrammetry | |
Westaway et al. | The development of an automated correction procedure for digital photogrammetry for the study of wide, shallow, gravel‐bed rivers | |
CN110849335B (zh) | 一种无水下地形资料的堰塞湖水量库容遥感快速测定方法 | |
Cobby et al. | Two‐dimensional hydraulic flood modelling using a finite‐element mesh decomposed according to vegetation and topographic features derived from airborne scanning laser altimetry | |
Rasemann et al. | Geomorphometry in mountain terrain | |
CN105427380A (zh) | 一种基于多细节层次三维地图数据处理方法 | |
CN111507375B (zh) | 一种城市内涝风险快速评估方法及系统 | |
CN105740464A (zh) | 一种基于dem的河谷形态参数自动提取方法 | |
CN111951392A (zh) | 一种基于时间序列遥感影像和水位监测数据的洲滩枯水位以上地形重建方法 | |
CN110580388B (zh) | 一种基于众源轨迹数据的航道网络提取方法 | |
Šiljeg et al. | The effect of user-defined parameters on DTM accuracy—development of a hybrid model | |
CN116167216A (zh) | 漫滩路径的生成方法及装置、电子设备、存储介质 | |
Shao et al. | Automated searching of ground points from airborne lidar data using a climbing and sliding method | |
CN117195603A (zh) | 基于高分辨率遥感要素的洪涝灾害推演方法、设备及介质 | |
Dachauer et al. | Aerodynamic roughness length of crevassed tidewater glaciers from UAV mapping | |
CN113432549B (zh) | 一种基于无人机摄影测量的潮沟三维参量提取方法及系统 | |
CN113379828B (zh) | 一种融合地表形态特征的坡长提取方法 | |
Hua et al. | The research of artificial shoreline extraction based on airborne LIDAR data | |
Pepe et al. | A GIS Procedure to Assess Shoreline Changes over Time Using Multi-temporal Maps: An Analysis of a Sandy Shoreline in Southern Italy over the Last 100 Years | |
Novák et al. | The Potential and Implications of Automated Pre-Processing of LiDAR-Based Digital Elevation Models for Large-Scale Archaeological Landscape Analysis | |
Partama et al. | Validation of high-resolution and simple river monitoring technique using UAV-SFM Method | |
Falcidieno et al. | High fidelity digital terrain modelling for the reconstruction of the antarctic sea floor | |
Haverkort et al. | Terrain Modeling for the Geosciences. |
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 |