CN111951350B - 一种夷平面级数与高度的自动判别方法 - Google Patents
一种夷平面级数与高度的自动判别方法 Download PDFInfo
- Publication number
- CN111951350B CN111951350B CN202010701386.4A CN202010701386A CN111951350B CN 111951350 B CN111951350 B CN 111951350B CN 202010701386 A CN202010701386 A CN 202010701386A CN 111951350 B CN111951350 B CN 111951350B
- Authority
- CN
- China
- Prior art keywords
- point
- elevation
- mountain
- section line
- mountain top
- 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
- 238000012850 discrimination method Methods 0.000 title abstract description 5
- 238000000034 method Methods 0.000 claims abstract description 63
- 238000011160 research Methods 0.000 claims abstract description 9
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000007621 cluster analysis Methods 0.000 claims description 3
- 101100328884 Caenorhabditis elegans sqt-3 gene Proteins 0.000 claims description 2
- 238000004080 punching Methods 0.000 claims 1
- 230000007774 longterm Effects 0.000 description 2
- 238000012067 mathematical method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 101150067113 prxl2a gene Proteins 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Radar, Positioning & Navigation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Generation (AREA)
Abstract
本发明公开了一种夷平面级数与高度的自动判别方法,方法包括:获取研究区域的各山顶点坐标,构建加权泰森多边形,进而生成山体单元最大数字高程模型PDem;根据研究区域指定的多个剖面线和预设缓冲区距离,生成各个缓冲区域的剖面线缓冲区矢量面要素;对各个缓冲区域进行高程值频率统计,生成夷平面高程集合;基于均值聚类算法,对夷平面高程集合进行空间聚类分析,得到夷平面级数和各级夷平面的海拔高度。本发明实现了一种有效的夷平面级数与高度的自动判别方法。
Description
技术领域
本发明涉及夷平面级数与高度判别技术领域,具体涉及一种夷平面级数与高度的自动判别方法。
背景技术
夷平面是在地壳长期稳定时期,在各种外营力对底层和构造进行剥蚀和堆积的过程中形成的近似平缓的地表形态。夷平面因其经历长时间的地貌演化留下的痕迹,是研究地貌循环和构造演化的重要信息载体。夷平面的分级、分布高度、分布范围、形态特征等信息的准确获取,对于地貌学、古环境学和地球动力学研究中具有重要意义。
目前,夷平面级数与高度的判别方法,主要有模糊数学方法和地形剖面线方法。模糊数学方法主要基于特定判别标准对典型夷平面进行拟合,求出待定系数,从而建立夷平面模糊数学模型。因其对先验知识的较高要求,而具有较大的应用限制。地形剖面线方法主要依据地形因子指标划分剖面线,通过剖面线对比分析推断出研究区各级夷平面存在范围。赵洪壮等基于DEM计算地势起伏度,绘出地形高程(最大高程、最小高程、平均高程)下的山体高程剖面线,然而,这种方法中单一剖面线不够具有代表性,且人为参与程度较高,自动化程度有待进一步提高。
发明内容
本发明的目的:提供一种有效且自动化程度高的夷平面级数与高度的判别方法。
技术方案:本发明提供的方法包括如下步骤:
步骤1、获取研究区域的数字高程模型DEM,使用Arcgis Engine API从该数字高程模型DEM中提取研究区域中各个山顶点的坐标,并根据获取的各个山顶点坐标,构建山顶点坐标集合POI;所述山顶点的坐标包括山顶点的平面坐标和高程;
步骤2、基于山顶点坐标集合POI,生成各个山顶点的加权泰森多边形,进而生成加权泰森多边形集合POLY;
步骤3、基于加权泰森多边形集合POLY和山顶点坐标集合POI,将各山顶点坐标中的高程作为各山顶点对应加权泰森多边形内各栅格高程,进而生成山体单元最大数字高程模型PDem;
步骤4、根据指定研究区域的多个剖面线和与各个剖面线相对应的预设缓冲区距离,基于角平分线法,生成与各个剖面线相对应的剖面线缓冲区矢量面要素;
步骤5、基于山体单元最大数字高程模型PDem和各个剖面线缓冲区矢量面要素,对与各个剖面线相对应的缓冲区域内的栅格单元的高程进行汇总,生成夷平面高程集合HB;
步骤6、基于均值聚类算法,对夷平面高程集合HB进行空间聚类分析,得到夷平面级数和各级夷平面的海拔高度。
在步骤2中,生成加权泰森多边形集合POLY的方法具体包括:
步骤2.1、根据山顶点集合POI,基于三角剖分算法构建三角网;
步骤2.2、分别针对山顶点坐标集合POI中的各个山顶点i,i=0,1,…,n-1,其中n为山顶点的个数,执行如下步骤:
步骤2.2.1、根据构建的三角网,获取与山顶点i相邻的e个山顶点,分别针对与山顶点i相邻的各山顶点q,q=0,1,…,e-1,执行如下方法:获取山顶点i的山顶点坐标poii,以及与山顶点i相邻的e个山顶点的坐标,山顶点q的坐标标记为pq,基于如下计算公式:
计算山顶点i和山顶点q之间的加权泰森多边形圆弧的圆心坐标Oq(oxq,oyq)和半径rq,其中,λi表示山顶点i的高程,λq表示山顶点q的高程;pq.x和pq.y分别为山顶点q的横坐标和纵坐标,poii.x和poii.y分别为山顶点i的横坐标和纵坐标;d(poii,pq)为山顶点i与山顶点q之间的距离;
步骤2.2.2、根据山顶点i与山顶点q之间的加权泰森多边形圆弧的半径rq和预设的圆弧离散步长step,基于公式nuq=3.14*rq 2/step,计算离散点个数nuq:
步骤2.2.3、根据离散点个数nuq和山顶点i与山顶点q之间泰森多边形圆弧的参数,获取山顶点i与山顶点q之间泰森多边形圆弧上的各离散点c的坐标,进而构建山顶点i与山顶点q之间泰森多边形圆弧离散点集合PIq={pic|c=0,1,…,nuq-1},其中,pic为第c个离散点的坐标;
步骤2.2.4、分别针对山顶点i与山顶点q之间泰森多边形圆弧上的各个离散点c:基于如下所示公式:
计算PIq中各个离散点c与山顶点i间连线的距离disc,以及各个离散点c与山顶点i间连线与水平方向的夹角ac;所述第二计算公式为:其中,radc为山顶点i和离散点c间的连线与水平方向夹角的弧度,pic.x和pic.y为离散点c的横坐标和纵坐标;
步骤2.2.5、分别针对与山顶点i相邻的各个山顶点q,q=0,1,…,e-1:根据连线距离disc和夹角ac,获得最短连线距离所对应的离散点,进而构建最小边界圆弧离散点集合PLq={pld|d=0,1,…,x-1},其中,pld为与山顶点i间连线距离最短的第d个离散点的坐标,x为与山顶点i间连线距离最短的离散点的个数;
步骤2.2.6、分别针对山顶点坐标集合POI中的山顶点i,i=0,1,…,n-1:根据PLq中各离散点,生成山顶点i的加权泰森多边形polyi;进而构建加权泰森多边形集合POLY={polyi|i=0,1,…,n-1},其中,polyi为第i个山顶点的加权泰森多边形,n为山顶点个数。
在步骤5中,所述方法还包括获取与各个剖面线相对应的缓冲区域内的栅格单元的高程,具体包括如下步骤:
分别针对各个缓冲区域j,j=0,1,…,m-1,m为缓冲区域的个数,执行如下步骤:
步骤5.1、读取山体单元最大数字高程模型PDem,获取PDem像元的像元尺寸cellsize;读取缓冲区域j的面要素lj,获取其宽度值bWidthj和高度值bHeightj;
步骤5.2、根据如下所示的公式:
分别计算要素lj内平行于剖面线方向的插值点数量rowj和垂直于剖面线方向上的插值点数量colj;
步骤5.3、在缓冲区域j内,随机选取缓冲区域j的一个角点为原点,以PDem像元的cellsize为步长,根据rowj和colj,分别沿平行于剖面线方向、垂直剖面线方向生成插值点,并根据生成的插值点构建点集MPj={mpfs|f=0,1,…,rowj-1;s=0,1,…,colj-1},其中,mpfs为第f行的第s个插值点;
步骤5.4、基于点集MPj与山体单元最大高程PDem,获取点集MPj中各插值点的高程HLpdemj。
在步骤6中,判别夷平面级数k和各级夷平面的海拔高度的方法具体包括如下步骤:
分别针对各个缓冲区域j,j=0,1,…,m-1,m为缓冲区域的个数,执行步骤6.1至步骤6.3:
步骤6.1、读取山体单元最大数字高程模型PDem,获取PDem像元的像元尺寸cellsize;读取缓冲区域j的面要素lj,获取其宽度值bWidthj和高度值bHeightj;
步骤6.2、根据如下所示的公式:
分别计算要素lj内平行于剖面线方向的插值点数量rowj和垂直于剖面线方向上的插值点数量colj;
步骤6.3、在缓冲区域j内,随机选取缓冲区域j的一个角点为原点,以PDem像元的cellsize为步长,根据rowj和colj,分别沿平行于剖面线方向、垂直剖面线方向生成插值点,并根据生成的插值点构建点集MPj={mpfs|f=0,1,…,rowj-1;s=0,1,…,colj-1},其中,mpfs为第f行的第s个插值点;
步骤6.4、以预设的聚类数范围[1,num]为横轴,形成SSE曲线,根据手肘法选择SSE曲线中曲率最高值所对应的聚类数,并将所述聚类数作为夷平面级数k,其中,num表示用户设定的聚类运算中可选取的最大聚类数;
步骤6.5、根据夷平面级数k,对夷平面高程集合HB进行均值聚类分析,获取夷平面高程集合HB中各高程的分类组,进而获得与HB中各高程所对应的各插值点的分类组;根据各插值点的分类组,构建分组属性集合LABEL={labelz|z=0,1,…,ip-1},其中,labelz为第z个插值点的分类簇,ip为m个缓冲区的插值点总数;
步骤6.6、根据夷平面高程集合HB与分组属性集合LABEL,获取各分类组中最大的高程,并将各分类组中的最大高程作为各级夷平面海拔高度ht(t=0,1,…,k-1)。
在步骤5之后,所述方法还包括基于数字高程模型DEM、山体单元最大数字高程模型PDem,以及各个剖面线缓冲区矢量面要素,生成高程剖面图,方法具体包括如下步骤:
分别针对各个缓冲区域j,j=0,1,…,m-1,m为缓冲区域的个数,执行如下步骤:
步骤5.A-1、根据山体单元最大数字高程模型PDem,获取PDem像元的像元尺寸cellsize;读取缓冲区域j的面要素lj,获取其宽度值bWidthj和高度值bHeightj;
步骤5.A-2、根据如下所示的公式:
分别计算缓冲区矢量面要素lj内平行于剖面线方向的插值点数量rowj和垂直于剖面线方向上的插值点数量colj;
步骤5.A-3、在缓冲区域j内,随机选取缓冲区域j的一个角点为原点,以PDem像元的cellsize为步长,根据rowj和colj,分别沿平行于剖面线方向、垂直剖面线方向生成插值点,并根据生成的插值点构建点集MPj={mpfs|f=0,1,…,row-1;s=0,1,…,col-1},其中,mpfs为第f行的第s个插值点;
步骤5.A-4、基于点集MPj与数字高程模型DEM,获取点集MPj中各插值点的高程HLdemj;基于点集MPj与山体单元最大数字高程模型PDem,获取点集MPj中各插值点的高程HLpdemj;
步骤5.A-5、基于Hldemj,沿平行于剖面线方向,依次查找垂直剖面线方向上各插值点的最大高程,进而构建第一最大高程集合MHdemj;基于HLpdemj,沿平行于剖面线方向,依次查找垂直于剖面线方向上各插值点的最大高程,进而构建第二最大高程集合MHpdemj;
步骤5.A-6、计算点集MPj中各插值点与剖面线起点所在缓冲区边线间的直线距离;
步骤5.A-7、以步骤5.A-6中计算得到的直线距离为横轴,分别以高程最大值集合MHdemj,MHpdemj中与各插值点对应的高程为纵轴,绘制缓冲区域j内的含高程剖面线、最大高程剖面线的高程剖面图。
在步骤5之后,所述方法还包括基于山体单元最大数字高程模型PDem,以及各个剖面线缓冲区矢量面要素,生成高程-面积频率统计图,方法具体包括如下步骤:
分别针对各个缓冲区域j,j=0,1,…,m-1,m为缓冲区域的个数,执行如下步骤:
步骤5.B-1、根据山体单元最大数字高程模型PDem,获取PDem像元的像元尺寸cellsize;读取缓冲区域j的面要素lj,获取其宽度值bWidthj和高度值bHeightj;
步骤5.B-2、根据如下所示的公式:
分别计算要素lj内平行于剖面线方向的插值点数量rowj和垂直于剖面线方向上的插值点数量colj;
步骤5.B-3、在缓冲区域j内,随机选取缓冲区域j的一个角点为原点,以PDem像元的cellsize为步长,根据rowj和colj,分别沿平行于剖面线方向、垂直剖面线方向生成插值点,并根据生成的插值点构建点集MPj={mpfs|f=0,1,…,rowj-1;s=0,1,…,colj-1},其中,mpfs为第f行的第s个插值点;
步骤5.B-4、基于点集MPj与山体单元最大数字高程模型PDem,获取点集MP中各插值点的高程HLpdemj;
步骤5.B-5、基于HLpdemj,沿平行于剖面线方向,依次查找垂直于剖面线方向上各插值点的最大高程,进而构建第二最大高程集合MHpdemj;
步骤5.B-6、提取第二最大高程集合MHpdemj中不同的高程,进而构建第三高程集合HLj={hlv|v=0,1,…,u-1},hlv为第v个高程,u为第二最大高程集合MHpdemj中不同高程的个数;统计第三高程集合HLj中各个高程在第二最大高程集合MHpdemj中出现的次数,构建各个高程的重复次数集合Nj={nv|v=0,1,…,u-1},nv为高程hlv的出现次数,nv≥1;
步骤5.B-7、针对集合Nj中各个高程hlv,结合高程hlv的出现次数nv:根据如下所示公式:
areav=nv*cellsize*cellsize
计算高程hlv对应的栅格单元面积:
步骤5.B-8、以第三高程集合HLj中的各个高程hlv为横轴,以各个高程hlv的栅格单元面积areav为纵轴,绘制缓冲区域j内的高程-面积频率统计图。
有益效果:相对于现有技术,本发明提供的夷平面级数与高度的自动判别方法,在剖面线划分的基础上,通过基于加权泰森多边形的山体范围计算、高程剖面线缓冲区的绘制、均值聚类识别等环节,实现一种有效的夷平面级数与高度的自动判别方法。
附图说明
图1是根据本发明实施例提供的DEM和剖面线数据图;
图2是根据本发明实施例提供的夷平面级数与高度自动判别的流程图;
图3是本发明实施例中基于加权泰森多边形得到的山体单元最大数字高程模型PDem;
图4是本发明实施例中三条剖面线对应生成的缓冲区;
图5是本发明实施例中剖面线A对应的高程剖面图;
图6是本发明实施例中剖面线A对应剖面线缓冲区的高程-面积频率统计图;
图7是本发明实施例中剖面线B对应的高程剖面图;
图8是本发明实施例中剖面线B对应剖面线缓冲区的高程-面积频率统计图;
图9是本发明实施例中剖面线C对应的高程剖面图;
图10是本发明实施例中剖面线C对应剖面线缓冲区的高程-面积频率统计图;
图11是根据本发明实施例提供的SSE曲线图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
本发明实施例选取北天山SRTM3-90米分辨率DEM数据和三条山体剖面线要素作为实验数据,如图1所示,该实验数据采用的地理坐标系为WGS-84坐标系,DEM数据经度在83°0′0″E至87°0′0″E之间,纬度在44°30′0″N至43°0′0″N之间。
参照图2,夷平面级数与高度自动判别方法包括如下步骤:
步骤1、获取研究区域夷平面的DEM(Digital Elevation Model,数字高程模型),使用Arcgis Engine API从该数字高程模型DEM中提取研究区域夷平面中各个山顶点的坐标,提取的坐标包括各个山顶点的平面坐标和高程;
根据获取的各个山顶点坐标,构建山顶点坐标集合POI;山顶点坐标集合POI={poii|i=0,1,…,n-1},其中,poii为第i个山顶点的坐标,n为山顶点个数。本实施例中,n=851。
步骤2、基于步骤1中获取的山顶点坐标集合POI生成加权泰森多边形集合POLY,具体包括如下步骤:
步骤2.1、根据山顶点坐标结合POI,基于三角剖分法构建三角网;
步骤2.2、任取山顶点坐标集合POI中任一个山顶点坐标对应的山顶点i,根据步骤2.1中构建的三角网获取山顶点i的相邻山顶点,进而获取与山顶点i相邻点的山顶点的坐标,并构建相邻点坐标结合P,P={pq|q=0,1,…,e-1},其中,pq为与山顶点i相邻的第q个山顶点的坐标,e为与山顶点i相邻的山顶点个数;
步骤2.3、根据公式(1),结合山顶点i和与山顶点i相邻的各山顶点所占权重,计算分配山顶点i和山顶点q之间的加权泰森多边形圆弧的圆心坐标Oq(oxq,oyq)和半径rq;其中,各山顶点的权重的取值为各山顶点的海拔高度,即各山顶点的权重取值为各山顶点的高程:
参照上述方法,分别计算山顶点i和与山顶点i相邻的e个相邻山顶点之间的加权泰森多边形圆弧的圆心坐标和半径,进而构建圆弧参数集合PARM,PARM={parmq(oxq,oyq,rq)|q=0,1,…,e-1},其中,parmq为山顶点i和与山顶点i相邻的第q个山顶点生成泰森多边形圆弧的参数;
在公式(1)中,λi表示山顶点i的高程,λq表示山顶点q的高程;pq.x和pq.y分别为山顶点q的横坐标和纵坐标,poii.x和poii.y分别为山顶点i的横坐标和纵坐标;d(poii,pq)为山顶点i与山顶点q之间的距离;
步骤2.4、根据圆弧参数集合PARM和用户设置的圆弧离散步长step,计算各个加权泰森多边形圆弧上离散度个数,具体包括如下步骤:
根据公式(2),根据山顶点i与山顶点q之间的加权泰森多边形圆弧的半径rq和预设的圆弧离散步长step,基于公式(2),计算离散点个数nuq:
nuq=3.14*rq 2/step (2)
参照上述方法,计算山顶点i和与山顶点i相邻的e个山顶点之间的加权泰森多边形圆弧上的离散点个数。
步骤2.5、根据离散点个数nuq,以及山顶点i与山顶点q之间泰森多边形圆弧的参数,获取山顶点i与山顶点q之间泰森多边形圆弧上的各离散点c的坐标;进而构建山顶点i与山顶点q之间泰森多边形圆弧离散点集合PIq={pic|c=0,1,…,nuq-1},其中,pic为第c个离散点的坐标;
步骤2.6、分别针对山顶点i与山顶点q之间泰森多边形圆弧上的各个离散点c:基于公式(3):
计算PIq中各个离散点c与山顶点i间连线的距离disc,以及各个离散点c与山顶点i间连线与水平方向的夹角ac;
其中,radc为山顶点i和离散点c间的连线与水平方向夹角的弧度,pic.x和pic.y为离散点c的横坐标和纵坐标;
根据山顶点i和山顶点q之间泰森多边形圆弧上的各个离散点间连线的距离,构建距离集合DISq,DISq={disc|c=0,1,…,nuq-1}和角度集合Aq,Aq={ac|c=0,1,…,nuq-1};
根据上述方法,计算山顶点i和与山顶点i相邻的e个山顶点之间泰森多边形圆弧上的各个离散点间连线的距离,以及山顶点i和与山顶点i相邻的e个山顶点间连线与水平方向的夹角。
步骤2.7、根据步骤6中获取的山顶点i和与山顶点i相邻的e个山顶点之间泰森多边形圆弧上的各个离散点间连线的距离,以及山顶点i和与山顶点i相邻的e个山顶点间连线与水平方向的夹角,获得山顶点i和与山顶点i相邻的e个山顶之间泰森多边形圆弧上的各个离散点间连线的距离最短的离散点,进而构建最小边界圆弧离散点集合PLq={pld|d=0,1,…,x-1},其中,pld为与山顶点i间连线距离最短的第d个离散点的坐标,x为与山顶点i间连线距离最短的离散点的个数;
步骤2.8、分别针对山顶点坐标集合POI中的山顶点i,i=0,1,…,n-1:生成山顶点i的加权泰森多边形polyi;进而构建加权泰森多边形集合POLY={polyi|i=0,1,…,n-1},其中,polyi为第i个山顶点的加权泰森多边形,n为山顶点个数;
步骤2.9、根据步骤2.3至步骤2.8,获取各个山顶点的加权泰森多边形,进而构成加权泰森多边形集合POLY,POLY={polyi|i=0,1,…,n-1},其中,polyi为第i个山顶点相应的加权泰森多边形要素,n为山顶点个数。
步骤3、基于加权泰森多边形集合POLY和山顶点坐标集合POI,将各山顶点坐标中的高程作为各山顶点加权泰森多边形内各栅格高程,生成山体单元最大高程DEM,标记为山体单元最大数字高程模型PDem,生成的山体单元最大数字高程模型PDem如图3所示。
步骤4、指定研究区域夷平面的多个剖面线,根据各个剖面线形成与各剖面线对应的缓冲区域;基于各个缓冲区域的预设缓冲区距离,根据角平分线法,生成各个缓冲区域的剖面线缓冲区矢量面要素,具体包括:
从剖面线矢量数据读取各剖面线要素,基于用户指定的各缓冲区域的缓冲区距离dl,根据角平均线法,生成各个缓冲区对应的剖面线缓冲区矢量面要素,进而构建剖面线缓冲区要素集合L={lj|j=0,1,…,w-1},其中,lj为缓冲区域j的剖面线缓冲区矢量面要素,w为剖面线要素数量。在本实施例中,w取3。
步骤5、基于山体单元最大数字高程模型PDem、数字高程模型DEM,以及各个缓冲区域的剖面线缓冲区矢量面要素,对各个剖面线缓冲区矢量面要素所对应的缓冲区域进行处理,生成各个缓冲区域的剖面线高程集合HL、高程剖面图和高程-面积频率统计图;将所有缓冲区域的剖面线的高程进行汇总,生成夷平面高程集合HB。
生成夷平面高程集合HB的方法具体包括如下步骤:
步骤5.1、读取PDem模型中的栅格图层PDem参数,获取PDem象元的象元尺寸cellsize;读取缓冲区域j的剖面线缓冲区矢量面要素lj,获取其宽度值bWidthj和高度值bHeightj;在本实施例中,cellsize=0.00083;
步骤5.2、根据公式(4):
分别计算剖面线缓冲区矢量面要素lj内平行于剖面线方向的插值点数量rowj和垂直于剖面线方向上的插值点数量colj;
步骤5.3、在缓冲区域j内,(j=0,1,…m,其中m为缓冲区域的个数),选取缓冲区域的左上角为原点,以PDem像元的cellsize为步长,根据rowj和colj,分别沿平行于剖面线方向、垂直剖面线方向生成插值点,并根据生成的插值点构建点集MPj={mpfs|f=0,1,…,rowj-1;s=0,1,…,colj-1},其中,mpfs为第f行的第s个插值点;
步骤5.4、将点集MPj分别与研究区域夷平面的数字高程模型DEM、山体单元最大高程PDem进行并集运算,获取点集MPj中各插值点对应的DEM高程和PDem高程,分别构建高程集合HLdemj和高程集合HLpdemj;
步骤5.5、根据上述步骤,获取m个缓冲区域内的高程集合HLpdemj,将各个HLpdemj中的高程进行汇总,获取夷平面高程集合HB。
生成高程剖面图的方法具体包括如下步骤
步骤5.A-1、读取PDem模型中的栅格图层PDem参数,获取PDem象元的象元尺寸cellsize;读取缓冲区域j的剖面线缓冲区矢量面要素lj,获取其宽度值bWidthj和高度值bHeightj;在本实施例中,cellsize=0.00083;
步骤5.A-2、根据公式(4):
分别计算剖面线缓冲区矢量面要素lj内平行于剖面线方向的插值点数量rowj和垂直于剖面线方向上的插值点数量colj;
步骤5.A-3、在缓冲区域j内,(j=0,1,…m,其中m为缓冲区域的个数),选取缓冲区域的左上角为原点,以PDem像元的cellsize为步长,根据rowj和colj,分别沿平行于剖面线方向、垂直剖面线方向生成插值点,并根据生成的插值点构建点集MPj={mpfs|f=0,1,…,rowj-1;s=0,1,…,colj-1},其中,mpfs为第f行的第s个插值点;
步骤5.A-4、将点集MPj分别与研究区域夷平面的数字高程模型DEM、山体单元最大高程PDem进行并集运算,获取点集MPj中各插值点对应的DEM高程和PDem高程,分别构建高程集合HLdemj和高程集合HLpdemj;
步骤5.A-5、基于HLdemj,沿平行于剖面线方向,依次查找垂直剖面线方向上各插值点的最大高程,进而构建第一最大高程集合MHdemj;基于HLpdemj,沿平行于剖面线方向,依次查找垂直于剖面线方向上各插值点的最大高程,进而构建第二最大高程集合MHpdemj;
步骤5.A-6、计算点集MPj中各插值点与剖面线起点所在缓冲区边线间的直线距离,进而构建距离集合DLj,DL={dlo|o=0,1,…,rowj*colj-1};
步骤5.A-7、以步骤5.A-6中获取的各插值点与剖面线起点所在垂直于剖面线的缓冲区边线间的直线距离为横轴,分别以高程最大值集合MHdemj,MHpdemj中与各插值点对应的高程为纵轴,绘制缓冲区域j内的含高程剖面线、最大高程剖面线的高程剖面图;
参照图1、图3、图4,在本实施例中,指定的剖面线为剖面线A、剖面线B、剖面线C,将与剖面线A、剖面线B、剖面线C对应的缓冲区域标记为缓冲区域A、缓冲区域B、缓冲区域C,缓冲区域A、缓冲区域B、缓冲区域C的高程剖面图分别如图5、图7、图9所示。
生成高程-面积频率统计图的方法具体包括如下步骤:
步骤5.B-1、读取PDem模型中的栅格图层PDem参数,获取PDem象元的象元尺寸cellsize;读取缓冲区域j的剖面线缓冲区矢量面要素lj,获取其宽度值bWidthj和高度值bHeightj;在本实施例中,cellsize=0.00083;
步骤5.B-2、根据公式(4):
分别计算剖面线缓冲区矢量面要素lj内平行于剖面线方向的插值点数量rowj和垂直于剖面线方向上的插值点数量colj;
步骤5.B-3、在缓冲区域j内,(j=0,1,…m,其中m为缓冲区域的个数),选取缓冲区域的左上角为原点,以PDem像元的cellsize为步长,根据rowj和colj,分别沿平行于剖面线方向、垂直剖面线方向生成插值点,并根据生成的插值点构建点集MPj={mpfs|f=0,1,…,rowj-1;s=0,1,…,colj-1},其中,mpfs为第f行的第s个插值点;
步骤5.B-4、基于点集MPj与山体单元最大数字高程模型PDem,获取点集MP中各插值点的高程HLpdemj;
步骤5.B-5、基于HLpdemj,沿平行于剖面线方向,依次查找垂直于剖面线方向上各插值点的最大高程,进而构建第二最大高程集合MHpdemj;
步骤5.B-6、提取第二大高程集合MHpdemj中不同的高程,进而构建第三高程集合HLj={hlv|v=0,1,…,u-1},hlv为第v个高程,u为第二大高程集合MHpdemj中不同高程的个数;统计第三高程集合HLj中各个高程在第二大高程集合MHpdemj中出现的次数,构建各个高程的重复次数集合Nj={nv|v=0,1,…,u-1},nv为高程hlv的出现次数,nv≥1;
步骤5.B-7、针对重复次数集合中各个高程hlv,结合高程hlv的出现次数nv:根据公式(5):
areav=nv*cellsize*cellsize (5)
计算高程hlv的栅格单元面积。
步骤5.B-8、以第三高程集合HLj中的各个高程hlv为横轴,以各个高程hlv的栅格单元面积areav为纵轴,绘制缓冲区域j内的高程-面积频率统计图;缓冲区A、缓冲区B、缓冲区C的高程-面积频率统计图分别如图6、图8、图10所示。步骤6、基于均值聚类算法,对夷平面高程集合HB进行空间聚类分析,获取夷平面级数和各级夷平面的原始海拔高度,具体包括如下步骤:
步骤6.1、以预设的聚类数范围[1,num]为横轴,形成SSE曲线,根据手肘法选择SSE曲线中曲率最高值所对应的聚类数,将曲率最高值所对应的聚类数作为夷平面级数K,,其中,num表示用户设定的聚类运算中可选取的最大聚类数。
在本实施例中,num取10;参照上述方法得到的聚类范围[1,num]内的k值、误差平方如表1所示,得到的SSE曲线如图2所示:
表1
聚类数 | 误差平方和 |
1 | 2.26E+12 |
2 | 3.02E+11 |
3 | 1.30E+11 |
4 | 8.63E+10 |
5 | 5.29E+10 |
6 | 3.45E+10 |
7 | 2.69E+10 |
8 | 2.02E+10 |
9 | 1.50E+10 |
10 | 1.18E+10 |
根据表1和图11,在本实施例中,取曲率最高的聚类数k=3作为选取的夷平面区域中夷平面级数。
步骤6.2、根据夷平面级数k,对根据步骤5获取的夷平面高程集合HB进行均值聚类分析,结果以高程值的自然间断点形式显示,获取夷平面高程集合HB中各高程的分类组,进而获得与各高程所对应的各插值点的分类组;根据各插值点的分类组,构建分组属性集合LABEL={labelz|z=0,1,…,ip-1},其中,labelz为第z个插值点的分类组,ip为m个缓冲区的插值点总数;在本实施例中,ip为缓冲区域A、缓冲区域B、缓冲区域C内插值点的总数。
步骤6.3、根据夷平面高程集合HB与分组属性集合LABEL,获取各分类组中最大的高程,并按百位取整后,作为各级夷平面的高程,并将各分类组中的最大高程作为各级夷平面原始海拔高度,进而构建夷平面高程集合H,H={ht|t=0,1,…,k-1},其中ht为第t级夷平面的高程。
步骤6.4、输出夷平面级数k和各级夷平面高程集合H。
在本实施例中,得到的夷平面级数和对应夷平面高程如表2所示:、
表2
夷平面级数 | 夷平面高程值(m) |
1 | 2100 |
2 | 3700 |
3 | 5100 |
本发明提供的夷平面级数与高度的自动判别方法,在剖面线划分的基础上,通过基于加权泰森多边形的山体范围计算、高程剖面线缓冲区的绘制、频度分布指标的统计、均值聚类识别等环节,实现一种有效的夷平面级数与高度的自动判别方法。生成的高程剖面图和高程-面积频率统计图以可视化形式显示研究区域高程剖面和各高程出现频率,辅助确认自动化判别结果。
以上所述仅是本发明的优选实施方式,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (6)
1.一种夷平面级数与高度的自动判别方法,其特征在于,所述方法包括如下步骤:
步骤1、获取研究区域的数字高程模型DEM,使用Arcgis Engine API从该数字高程模型DEM中提取研究区域中各个山顶点的坐标,并根据获取的各个山顶点坐标,构建山顶点坐标集合POI;所述山顶点的坐标包括山顶点的平面坐标和高程;
步骤2、基于山顶点坐标集合POI,生成各个山顶点的加权泰森多边形,进而生成加权泰森多边形集合POLY;
步骤3、基于加权泰森多边形集合POLY和山顶点坐标集合POI,将各山顶点坐标中的高程作为各山顶点对应加权泰森多边形内各栅格的高程,进而生成山体单元最大数字高程模型PDem;
步骤4、根据指定研究区域的多个剖面线和与各个剖面线相对应的预设缓冲区距离,基于角平分线法,生成与各个剖面线相对应的剖面线缓冲区矢量面要素;
步骤5、基于山体单元最大数字高程模型PDem和各个剖面线缓冲区矢量面要素,对与各个剖面线相对应的缓冲区域内的栅格单元的高程进行汇总,生成夷平面高程集合HB;
步骤6、基于均值聚类算法,对夷平面高程集合HB进行空间聚类分析,得到夷平面级数和各级夷平面的海拔高度。
2.根据权利要求1所述的夷平面级数与高度的自动判别方法,其特征在于,在步骤2中,生成加权泰森多边形集合POLY的方法具体包括:
步骤2.1、根据山顶点集合POI,基于三角剖分算法构建三角网;
步骤2.2、分别针对山顶点坐标集合POI中的各个山顶点i,i=0,1,…,n-1,其中n为山顶点的个数,执行如下步骤:
步骤2.2.1、根据构建的三角网,获取与山顶点i相邻的e个山顶点,分别针对与山顶点i相邻的各山顶点q,q=0,1,…,e-1,执行如下方法:获取山顶点i的山顶点坐标poii,以及与山顶点i相邻的e个山顶点的坐标,山顶点q的坐标标记为pq,基于如下计算公式:
计算山顶点i和山顶点q之间的加权泰森多边形圆弧的圆心坐标Oq(oxq,oyq)和半径rq,其中,λi表示山顶点i的高程,λq表示山顶点q的高程;pq.x和pq.y分别为山顶点q的横坐标和纵坐标,poii.x和poii.y分别为山顶点i的横坐标和纵坐标;d(poii,pq)为山顶点i与山顶点q之间的距离;
步骤2.2.2、根据山顶点i与山顶点q之间的加权泰森多边形圆弧的半径rq和预设的圆弧离散步长step,基于公式nuq=3.14*rq 2/step,计算离散点个数nuq:
步骤2.2.3、根据离散点个数nuq和山顶点i与山顶点q之间泰森多边形圆弧的参数,获取山顶点i与山顶点q之间泰森多边形圆弧上的各离散点c的坐标,进而构建山顶点i与山顶点q之间泰森多边形圆弧离散点集合PIq={pic|c=0,1,…,nuq-1},其中,pic为第c个离散点的坐标;
步骤2.2.4、分别针对山顶点i与山顶点q之间泰森多边形圆弧上的各个离散点c:基于如下所示公式:
计算PIq中各个离散点c与山顶点i间连线的距离disc,以及各个离散点c与山顶点i间连线与水平方向的夹角ac;所述计算公式中,radc为山顶点i和离散点c间的连线与水平方向夹角的弧度,pic.x和pic.y为离散点c的横坐标和纵坐标;
步骤2.2.5、分别针对与山顶点i相邻的各个山顶点q,q=0,1,…,e-1:根据连线距离disc和夹角ac,获得最短连线距离所对应的离散点,进而构建最小边界圆弧离散点集合PLq={pld|d=0,1,…,x-1},其中,pld为与山顶点i间连线距离最短的第d个离散点的坐标,x为与山顶点i间连线距离最短的离散点的个数;
步骤2.2.6、分别针对山顶点坐标集合POI中的山顶点i,i=0,1,…,n-1:根据PLq中各离散点,生成山顶点i的加权泰森多边形polyi;进而构建加权泰森多边形集合POLY={polyi|i=0,1,…,n-1},其中,polyi为第i个山顶点的加权泰森多边形,n为山顶点个数。
3.根据权利要求1所述的夷平面级数与高度的自动判别方法,其特征在于,在步骤5中,所述方法还包括获取与各个剖面线相对应的缓冲区域内的栅格单元的高程,具体包括如下步骤:
分别针对各个缓冲区域j,j=0,1,…,m-1,m为缓冲区域的个数,执行如下步骤:
步骤5.1、读取山体单元最大数字高程模型PDem,获取PDem像元的像元尺寸cellsize;读取缓冲区域j的面要素lj,获取其宽度值bWidthj和高度值bHeightj;
步骤5.2、根据如下所示的公式:
分别计算要素lj内平行于剖面线方向的插值点数量rowj和垂直于剖面线方向上的插值点数量colj;
步骤5.3、在缓冲区域j内,随机选取缓冲区域j的一个角点为原点,以PDem像元的cellsize为步长,根据rowj和colj,分别沿平行于剖面线方向、垂直剖面线方向生成插值点,并根据生成的插值点构建点集MPj={mpfs|f=0,1,…,rowj-1;s=0,1,…,colj-1},其中,mpfs为第f行的第s个插值点;
步骤5.4、基于点集MPj与山体单元最大高程PDem,获取点集MPj中各插值点的高程HLpdemj。
4.根据权利要求1所述的夷平面级数与高度的自动判别方法,其特征在于,在步骤6中,判别夷平面级数k和各级夷平面的海拔高度的方法具体包括如下步骤:
分别针对各个缓冲区域j,j=0,1,…,m-1,m为缓冲区域的个数,执行步骤6.1至步骤6.3:
步骤6.1、读取山体单元最大数字高程模型PDem,获取PDem像元的像元尺寸cellsize;读取缓冲区域j的面要素lj,获取其宽度值bWidthj和高度值bHeightj;
步骤6.2、根据如下所示的公式:
分别计算要素lj内平行于剖面线方向的插值点数量rowj和垂直于剖面线方向上的插值点数量colj;
步骤6.3、在缓冲区域j内,随机选取缓冲区域j的一个角点为原点,以PDem像元的cellsize为步长,根据rowj和colj,分别沿平行于剖面线方向、垂直剖面线方向生成插值点,并根据生成的插值点构建点集MPj={mpfs|f=0,1,…,rowj-1;s=0,1,…,colj-1},其中,mpfs为第f行的第s个插值点;
步骤6.4、以预设的聚类数范围[1,num]为横轴,形成SSE曲线,根据手肘法选择SSE曲线中曲率最高值所对应的聚类数,并将所述聚类数作为夷平面级数k,其中,num表示用户设定的聚类运算中可选取的最大聚类数;
步骤6.5、根据夷平面级数k,对夷平面高程集合HB进行均值聚类分析,获取夷平面高程集合HB中各高程的分类组,进而获得与HB中各高程所对应的各插值点的分类组;根据各插值点的分类组,构建分组属性集合LABEL={labelz|z=0,1,…,ip-1},其中,labelz为第z个插值点的分类簇,ip为m个缓冲区的插值点总数;
步骤6.6、根据夷平面高程集合HB与分组属性集合LABEL,获取各分类组中最大的高程,并将各分类组中的最大高程作为各级夷平面海拔高度ht(t=0,1,…,k-1)。
5.根据权利要求1所述的夷平面级数与高度的自动判别方法,其特征在于,在步骤5之后,所述方法还包括基于数字高程模型DEM、山体单元最大数字高程模型PDem,以及各个剖面线缓冲区矢量面要素,生成高程剖面图,方法具体包括如下步骤:
分别针对各个缓冲区域j,j=0,1,…,m-1,m为缓冲区域的个数,执行如下步骤:
步骤5.A-1、根据山体单元最大数字高程模型PDem,获取PDem像元的像元尺寸cellsize;读取缓冲区域j的面要素lj,获取其宽度值bWidthj和高度值bHeightj;
步骤5.A-2、根据如下所示的公式:
分别计算缓冲区矢量面要素lj内平行于剖面线方向的插值点数量rowj和垂直于剖面线方向上的插值点数量colj;
步骤5.A-3、在缓冲区域j内,随机选取缓冲区域j的一个角点为原点,以PDem像元的cellsize为步长,根据rowj和colj,分别沿平行于剖面线方向、垂直剖面线方向生成插值点,并根据生成的插值点构建点集MPj={mpfs|f=0,1,…,row-1;s=0,1,…,col-1},其中,mpfs为第f行的第s个插值点;
步骤5.A-4、基于点集MPj与数字高程模型DEM,获取点集MPj中各插值点的高程HLdemj;基于点集MPj与山体单元最大数字高程模型PDem,获取点集MPj中各插值点的高程HLpdemj;
步骤5.A-5、基于HLdemj,沿平行于剖面线方向,依次查找垂直剖面线方向上各插值点的最大高程,进而构建第一最大高程集合MHdemj;基于HLpdemj,沿平行于剖面线方向,依次查找垂直于剖面线方向上各插值点的最大高程,进而构建第二最大高程集合MHpdemj;
步骤5.A-6、计算点集MPj中各插值点与剖面线起点所在缓冲区边线间的直线距离;
步骤5.A-7、以步骤5.A-6中计算得到的直线距离为横轴,分别以高程最大值集合MHdemj,MHpdemj中与各插值点对应的高程为纵轴,绘制缓冲区域j内的含高程剖面线、最大高程剖面线的高程剖面图。
6.根据权利要求1所述的夷平面级数与高度的自动判别方法,其特征在于,在步骤5之后,所述方法还包括基于山体单元最大数字高程模型PDem,以及各个剖面线缓冲区矢量面要素,生成高程-面积频率统计图,方法具体包括如下步骤:
分别针对各个缓冲区域j,j=0,1,…,m-1,m为缓冲区域的个数,执行如下步骤:
步骤5.B-1、根据山体单元最大数字高程模型PDem,获取PDem像元的像元尺寸cellsize;读取缓冲区域j的面要素lj,获取其宽度值bWidthj和高度值bHeightj;
步骤5.B-2、根据如下所示的公式:
分别计算要素lj内平行于剖面线方向的插值点数量rowj和垂直于剖面线方向上的插值点数量colj;
步骤5.B-3、在缓冲区域j内,随机选取缓冲区域j的一个角点为原点,以PDem像元的cellsize为步长,根据rowj和colj,分别沿平行于剖面线方向、垂直剖面线方向生成插值点,并根据生成的插值点构建点集MPj={mpfs|f=0,1,…,rowj-1;s=0,1,…,colj-1},其中,mpfs为第f行的第s个插值点;
步骤5.B-4、基于点集MPj与山体单元最大数字高程模型PDem,获取点集MP中各插值点的高程HLpdemj;
步骤5.B-5、基于HLpdemj,沿平行于剖面线方向,依次查找垂直于剖面线方向上各插值点的最大高程,进而构建第二最大高程集合MHpdemj;
步骤5.B-6、提取第二最大高程集合MHpdemj中不同的高程,进而构建第三高程集合HLj={hlv|v=0,1,…,u-1},hlv为第v个高程,u为第二最大高程集合MHpdemj中不同高程的个数;统计第三高程集合HLj中各个高程在第二最大高程集合MHpdemj中出现的次数,构建各个高程的重复次数集合Nj={nv|v=0,1,…,u-1},nv为高程hlv的出现次数,nv≥1;
步骤5.B-7、针对集合Nj中各个高程hlv,结合高程hlv的出现次数nv:根据如下所示公式:
areav=nv*cellsize*cellsize
计算高程hlv对应的栅格单元面积:
步骤5.B-8、以第三高程集合HLj中的各个高程hlv为横轴,以各个高程hlv的栅格单元面积areav为纵轴,绘制缓冲区域j内的高程-面积频率统计图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010701386.4A CN111951350B (zh) | 2020-07-20 | 2020-07-20 | 一种夷平面级数与高度的自动判别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010701386.4A CN111951350B (zh) | 2020-07-20 | 2020-07-20 | 一种夷平面级数与高度的自动判别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111951350A CN111951350A (zh) | 2020-11-17 |
CN111951350B true CN111951350B (zh) | 2024-02-23 |
Family
ID=73340787
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010701386.4A Active CN111951350B (zh) | 2020-07-20 | 2020-07-20 | 一种夷平面级数与高度的自动判别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111951350B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114139887A (zh) * | 2021-11-12 | 2022-03-04 | 自然资源陕西省卫星应用技术中心 | 一种削坡建房预测方法 |
CN114037723B (zh) * | 2022-01-07 | 2022-03-29 | 成都国星宇航科技有限公司 | 基于dem数据提取山顶点的方法、装置及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103871102A (zh) * | 2014-03-28 | 2014-06-18 | 南京大学 | 一种基于高程点和道路轮廓面的道路三维精细建模方法 |
CN108108892A (zh) * | 2017-12-19 | 2018-06-01 | 南京信息工程大学 | 一种基于泰森多边形的城市暴雨积涝评价单元划分方法 |
CN110232471A (zh) * | 2019-05-08 | 2019-09-13 | 中国水利水电科学研究院 | 一种降水传感网节点布局优化方法及装置 |
-
2020
- 2020-07-20 CN CN202010701386.4A patent/CN111951350B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103871102A (zh) * | 2014-03-28 | 2014-06-18 | 南京大学 | 一种基于高程点和道路轮廓面的道路三维精细建模方法 |
CN108108892A (zh) * | 2017-12-19 | 2018-06-01 | 南京信息工程大学 | 一种基于泰森多边形的城市暴雨积涝评价单元划分方法 |
CN110232471A (zh) * | 2019-05-08 | 2019-09-13 | 中国水利水电科学研究院 | 一种降水传感网节点布局优化方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111951350A (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111951350B (zh) | 一种夷平面级数与高度的自动判别方法 | |
CN114332366B (zh) | 数字城市单体房屋点云立面3d特征提取方法 | |
CN106529469A (zh) | 基于自适应坡度的无人机载LiDAR点云滤波方法 | |
CN113807437B (zh) | 一种基于dbscan聚类分析的山脊线和山谷线提取方法 | |
CN111598780B (zh) | 一种适用于机载LiDAR点云的地形自适应插值滤波方法 | |
CN113269791B (zh) | 一种基于边缘判定与区域生长的点云分割方法 | |
CN111474443B (zh) | 测量输电线路的方法及装置 | |
CN107918953B (zh) | 基于三维空间的激光扫描电力线点云的提取方法及装置 | |
CN110910435B (zh) | 建筑物点云提取方法、装置、计算机设备及可读存储介质 | |
WO2014054042A1 (en) | Device and method for detecting plantation rows | |
CN114663373B (zh) | 一种用于零件表面质量检测的点云配准方法及装置 | |
CN111950589B (zh) | 结合K-means聚类的点云区域生长优化分割方法 | |
CN109102538B (zh) | 利用等值线数据提取槽脊特征点与槽脊特征线的方法、天气图分析方法 | |
CN116824379A (zh) | 一种基于多维特征的激光点云建筑物轮廓渐进优化方法 | |
CN116523898A (zh) | 一种基于三维点云的烟草表型性状提取方法 | |
CN114862715A (zh) | 一种融合地形特征语义信息的tin渐进加密去噪方法 | |
CN107993242B (zh) | 基于机载LiDAR点云数据缺失区域边界提取方法 | |
CN117152172A (zh) | 一种基于点云数据的输电线路杆塔和电力线提取方法 | |
CN109063718B (zh) | 基于惯性矩的紧凑度密度峰值聚类的多线道路提取方法 | |
CN115143936B (zh) | 一种基于激光点云的输电工程杆塔倾斜度测量方法 | |
CN116452604A (zh) | 一种复杂变电站场景分割方法、设备及存储介质 | |
CN115170950A (zh) | 基于多特征约束的室外场景建筑物提取方法 | |
CN114743059A (zh) | 一种综合地形地貌特征的海底地理实体自动分类方法 | |
CN114283163A (zh) | 一种多平台激光雷达大田玉米高通量茎叶分离方法 | |
CN110413656B (zh) | 一种基于高空间分辨率数值模式的急流轴自动识别方法 |
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 |