CN112433227B - 一种水容量变化监测方法、系统、终端设备及存储介质 - Google Patents
一种水容量变化监测方法、系统、终端设备及存储介质 Download PDFInfo
- Publication number
- CN112433227B CN112433227B CN202110115349.XA CN202110115349A CN112433227B CN 112433227 B CN112433227 B CN 112433227B CN 202110115349 A CN202110115349 A CN 202110115349A CN 112433227 B CN112433227 B CN 112433227B
- Authority
- CN
- China
- Prior art keywords
- water
- time
- photon
- elevation
- signal
- 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
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明提供了一种水容量变化监测方法、系统、终端设备及存储介质,涉及水体监测技术领域,该方法通过遥感影像数据获取目标区域的第一时间和第二时间的水边线,由于一定时间内目标区域的地形不会发生大的改变,且激光雷达点云的每一个点都包含了三维坐标信息,因此,只需获取目标区域在第一时间和第二时间之间的某一时间的激光雷达点云数据,即可结合遥感影像数据和激光雷达点云数据获取两条水边线对应的高程,同时得到两条水边线之间的间隔区域的水底地形,最终根据水底地形和各水边线对应的高程计算得出目标区域第二时间相对第一时间的水容量变化值。从而只需少量影像数据和激光雷达点云数据即可实现某一时间段的水容量变化值监测。
Description
技术领域
本发明涉及水体监测技术领域,具体而言,涉及一种水容量变化监测方法、系统、终端设备及存储介质。
背景技术
目前,水量变化一般通过当地水文站观测获取的相关参数和数据计算得出,但对于很多自然条件恶劣的偏远地区的湖泊来说,这些资料的收集非常困难,因此众多湖泊的水位、面积和水容量变化数据无法或难以进行持续有效的监测。
为了解决上述问题,出现了使用湖泊体积的经验模型来获取湖泊的水容量变化的方法,但经验模型易受到湖泊形状的影响,导致探测精度不足。另外,现有的探测方法还需要大量的时序遥感影像,但很多情况下连续时间序列的遥感影像获取较为困难,从而导致很多湖泊的水容量变化难以测量得出。
发明内容
本发明解决的问题是现有的探测方法探测精度不足和需要大量的连续时序遥感影像。
为解决上述问题,本发明第一方面提供一种水容量变化监测方法,包括:
获取目标区域在第一时间和第二时间的遥感影像数据,并获取所述目标区域在第一时间和第二时间之间的某一时间的激光雷达点云数据,其中,所述激光雷达点云数据为激光雷达发射的信号光子的光子数据的集合,所述信号光子包括水面信号光子、水下信号光子和陆地信号光子;根据各所述遥感影像数据提取第一时间和第二时间的水边线,获取所述水边线对应的激光雷达点云数据;
根据各所述遥感影像数据提取第一时间和第二时间的水边线,根据所述激光雷达点云数据获取各所述水边线对应的信号光子及相应光子数据;
获取各所述水边线对应的信号光子的高程,根据各所述水边线对应的信号光子的高程确定各所述水边线对应的高程;
根据所述遥感影像数据和所述激光雷达点云数据获取两条所述水边线之间的间隔区域的水底地形;
根据所述水底地形和各所述水边线对应的高程计算得出所述目标区域在第二时间相对第一时间的水容量变化值。
进一步地,所述根据所述激光雷达点云数据获取所述水边线对应的信号光子及相应光子数据包括:
对第一时间和第二时间的所述水边线进行空间一致化处理,获取水边线影像;
根据信号光子的空间坐标将激光雷达的信号光子扫描轨迹映射到所述水边线影像中;
确定与各所述水边线重叠的非水面信号光子,获取与各所述水边线重叠的非水面信号光子的光子数据。
进一步地,所述获取各所述水边线对应的信号光子的高程,根据所述水边线对应的信号光子的高程确定各所述水边线对应的高程包括:
获取第一时间的所述水边线对应的信号光子的高程,计算所述信号光子的高程的平均值,作为第一时间的所述水边线对应的高程;
获取第二时间的所述水边线对应的信号光子的高程,计算所述信号光子的高程的平均值,作为第二时间的所述水边线对应的高程。
进一步地,所述根据所述遥感影像数据和所述激光雷达点云数据获取两条所述水边线之间的间隔区域内的水底地形包括:
提取所述间隔区域内的信号光子;
根据所述间隔区域内的信号光子对应的光子数据进行拟合,得到所述间隔区域的水底地形。
进一步地,所述根据所述水底地形和各所述水边线对应的高程计算得出所述目标区域在第二时间相对第一时间的水容量变化包括:
根据所述间隔区域内的信号光子对应的光子数据进行拟合,得到连续的水深提取结果;
根据所述水深提取结果和所述间隔区域的水底地形得出所述间隔区域的水深曲线;
根据所述水深曲线和所述遥感影像数据构建水深值与遥感影像的像元之间的相关性。
进一步地,所述根据所述水底地形和各所述水边线对应的高程计算得出所述目标区域在第二时间相对第一时间的水容量变化还包括:
将所述遥感影像的像元分割为n²个子像元,其中,n为正整数;
根据所述水深值与所述遥感影像的像元之间的相关性获取各所述像元对应的水深值,将所述像元对应的水深值作为所述像元的中心子像元的水深值;
对所述像元周围相邻的多个所述像元的中心子像元的水深值进行逐点带权二次曲面或三次曲面内插,得到所述像元的其它子像元的水深值。
进一步地,所述根据所述水底地形和各所述水边线对应的高程计算得出所述目标区域在第二时间相对第一时间的水容量变化还包括:
提取所述间隔区域的像元,获取每个所述像元对应的地面分辨率大小;
根据所述像元对应的水深值和地面分辨率计算出所述间隔区域内的每个像元的水容积,将所述间隔区域内的所有像元的水容积相加,得到第一变化值;
计算两条所述水边线的高程差值,获取周长较小的所述水边线对应的表面积,计算所述高程差值与所述表面积的乘积,得到第二变化值;
将所述第一变化值和所述第二变化值相加,得到所述目标区域第二时间相对第一时间的水容量变化值。
本发明第二方面提供一种水容量变化监测系统,包括:
第一获取模块,用于获取目标区域在第一时间和第二时间的遥感影像数据,并获取所述目标区域在第一时间和第二时间之间的某一时间的激光雷达点云数据,其中,所述激光雷达点云数据为激光雷达发射的信号光子的光子数据的集合,所述信号光子包括水面信号光子、水下信号光子和陆地信号光子;
第二获取模块,用于根据各所述遥感影像数据提取第一时间和第二时间的水边线,根据所述激光雷达点云数据获取各所述水边线对应的信号光子及相应光子数据;
高程确定模块,用于获取各所述水边线对应的信号光子的高程,根据各所述水边线对应的信号光子的高程确定各所述水边线对应的高程;
地形分析模块,用于根据所述遥感影像数据和所述激光雷达点云数据获取两条所述水边线之间的间隔区域的水底地形;
计算模块,用于根据所述水底地形和各所述水边线对应的高程计算得出所述目标区域第二时间相对第一时间的水容量变化值。
本发明第三方面提供一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上所述的水容量变化监测方法的步骤。
本发明第四方面提供一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的水容量变化监测方法的步骤。
本发明的有益效果:通过遥感影像数据获取目标区域的第一时间和第二时间的平面图像,进而基于光谱特性获取第一时间和第二时间的水边线,由于一定时间内目标区域的地形不会发生大的改变,且激光雷达点云的每一个点都包含了三维坐标信息,因此,只需获取目标区域第一时间和第二时间之间的某一时间的激光雷达点云数据,即可结合遥感影像数据和激光雷达点云数据获取第一时间和第二时间的水边线对应的高程,同时得到两条水边线之间的间隔区域的水底地形,进而根据水底地形和各水边线对应的高程计算得出目标区域在第二时间相对第一时间的水容量变化值,而得到最终的结果只需获取目标区域的第一时间和第二时间的遥感影像数据,以及目标区域第一时间和第二时间之间的某一时间的激光雷达点云数据,无需大量的时序遥感影像,降低了监测难度;另外,由于激光雷达点云数据的精度较高,则上述结合遥感影像数据和激光雷达点云数据进行监测的方式的探测精度较高。
附图说明
图1为本发明实施例的水容量变化监测方法的流程图;
图2为本发明实施例的激光雷达扫描时两个不同时间的信号光子分布示意图;
图3为本发明实施例的水边线影像示意图;
图4为本发明实施例的光子扫描轨迹映射到水边线影像后的示意图;
图5为本发明实施例的间隔区域的水深值计算原理图;
图6为本发明实施例的水深曲线投影在遥感影像中的俯视图;
图7为本发明实施例的遥感影像的象元分割示意图;
图8为本发明实施例的水容量变化值计算原理图;
图9是本发明实施例的水容量变化监测系统的示意图;
图10是本发明实施例的终端设备的示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
本发明的说明书和权利要求书及上述附图中的术语“包括”以及它们任何变形,意图在于覆盖不排他的包含。例如包含一系列步骤或单元的过程、方法或系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
本说明书描述的“第一”、“第二”和“第三”等术语,仅用于区分装置/组件/子组件/部件等,不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量,由此,限定有如“第一”、“第二”和“第三”等的特征可以明示或者隐含地表示包括至少一个该特征,除非另有明确具体的限定,“多个”的含义是至少两个,例如两个,三个等,对于本领域技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
如图1所示,本发明实施例一种水容量变化监测方法,包括:
S101:获取目标区域在第一时间和第二时间的遥感影像数据,并获取所述目标区域在第一时间和第二时间之间的某一时间的激光雷达点云数据,其中,所述激光雷达点云数据为激光雷达发射的信号光子的光子数据的集合,所述信号光子包括水面信号光子、水下信号光子和陆地信号光子。
其中,当要获取某一时间段的水容量变化值时,第一时间为该时间段的初始时间,第二时间为该时间段的结束时间。
如图2所示,在激光雷达对目标区域进行探测时,反馈的信号包括陆地、水面和水下光子信号,因此,可将滤波后的所有光子数据统计为一个光子集P,将从不同时间序列的轨道数据中提取的陆地、水面和水下光子信号分别表示为P j l ,P j s ,P j f ,p表示光子集P中任意一个光子,如式(1),每个光子的地理坐标都已知,如式(2)。图2表示光子计数激光雷达扫描两个不同时间湖泊时的光子分布示意图,其中,由于扫描该湖泊的时间不同,因此该湖泊的水位面不同,c 1 和c 2 表示两个时间t 1 和t 2 的湖泊水边线剖面。
P∈(P j l ,P j s ,P j f ) (1)
p i =(B i ,L i ,H i ) (2)
上式中,B i为每一个光子信号的纬度,L i为每一个光子信号的经度,H i为每一个光子的高程,N p为所有光子的数量,j表示每条光子轨道获取的时间序列编号。
S102:根据各所述遥感影像数据提取第一时间和第二时间的水边线,根据所述激光雷达点云数据获取各所述水边线对应的信号光子及相应光子数据。
其中,由于遥感影像中水面和陆地的光谱特性不同,基于对水面和陆地的光谱特性的分析,可从获取的各遥感影像数据中提取第一时间和第二时间的水边线。然后,确定与水边线对应的信号光子的光子数据,由于光子数据包括地理坐标,因此,通过水边线对应的信号光子的光子数据可得到水边线对应的高程。
可选地,如图3所示,所述根据所述激光雷达点云数据获取所述水边线对应的信号光子及相应光子数据包括:
对第一时间和第二时间的所述水边线进行空间一致化处理,获取水边线影像。
由于第一时间和第二时间的遥感影像数据都是关于目标区域的影像数据,因此,第一时间和第二时间的遥感影像在空间上是一致的,而在一定时间内,目标区域的地形不会出现较大改变,只有水面的高度会发生一定变化,即水边线会发生变化,因此,可对第一时间和第二时间的水边线进行空间一致化处理,获取如图3所示的水边线影像。
具体过程如下:
根据第一时间和第二时间所对应的多光谱遥感影像,利用水面和陆地的光谱特性,分别在不同时间获取的遥感影像中提取湖泊的水边线构成的集合为W;根据获取的水边线数据确定各水边线的周长,建立水边线周长集合C,如公式(3)所示:
C = c k ,k∈[1,N image ] (3)
上式中,水边线周长集合C中的c k 表示某个时间获取的遥感影像中提取的水边线周长,k表示获取遥感影像时间序列编号,N image 为遥感影像数量。
应用中,在同一坐标下,周长较大水边线表示湖泊水位面较高,周长较小表示水位面较低。图2表示两个时间的湖泊水边线c 1 和c 2 。
根据信号光子的空间坐标将激光雷达的信号光子扫描轨迹映射到所述水边线影像中。
如图4所示,统计提取两条水边线之间的间隔区域和相应的遥感影像像元,记为Pixel n x ,每个像元的地理位置用经纬度表示,即B n ,L n ,如公式(4)所示。以ICESAT-2卫星的线性扫描光子数据为例,根据坐标将不同的光子扫描轨迹映射到水边线影像中,进而通过信号光子在水边线影像中的分布来确定两条水边线对应的高程。
Pixel n x =(B n ,L n ),n∈[1,N pixel ] (4)
确定与各所述水边线重叠的非水面信号光子,获取与各所述水边线重叠的非水面信号光子的光子数据。
其中,非水面信号光子即为陆地光子和水下光子。水边线为水面与陆地的交界线,因此,在图4中,可确定水边线和与其重叠的非水面信号光子具有同样的高程,从可通过获取与水边线重叠的非水面信号光子的光子数据来获取水边线对应的高程,进而获取该时间的水面的高程。
S103:获取各所述水边线对应的信号光子的高程,根据各所述水边线对应的信号光子的高程确定各所述水边线对应的高程。
可选地,如图4所示,所述获取各所述水边线对应的信号光子的高程,根据所述水边线对应的信号光子的高程确定各所述水边线对应的高程包括:
获取第一时间的所述水边线对应的信号光子的高程,计算所述信号光子的高程的平均值,作为第一时间的所述水边线对应的高程;
获取第二时间的所述水边线对应的信号光子的高程,计算所述信号光子的高程的平均值,作为第二时间的所述水边线对应的高程。
其中,由于与水边线对应的信号光子的数量较多,且各信号光子的高程不一定相同,因此,需要取各信号光子的平均值来作为水边线对应的高程。
具体地,通过式(1)可将水边线c 1 对应的信号光子提取出来,即与水边线 c 1 重叠的非水面信号光子,统计对应的信号光子的高程的均值作为水边线c 1 对应的高程,即水边线c 1 对应的水面的高程,记为h 1 ;同时提取水边线c 2 对应的信号光子,即与水边线c 2 重叠的非水面信号光子,统计对应的信号光子的高程的均值作为水边线c 1 对应的高程,即水边线c 2 对应的水面的高程,记为h 2 。
S104:根据所述遥感影像数据和所述激光雷达点云数据获取两条所述水边线之间的间隔区域的水底地形;
可选地,如图4和图5所示,所述根据所述遥感影像数据和所述激光雷达点云数据获取两条所述水边线之间的间隔区域内的水底地形包括:
提取所述间隔区域内的信号光子;
根据所述间隔区域内的信号光子对应的光子数据进行拟合,得到所述间隔区域的水底地形。
具体地,由于光子的离散特性,则获取的激光雷达点云数据为离散数据,因此,需要对对应的光子数据进行拟合,以获取间隔区域的连续的水底地形和水深数据,拟合水面和水底光子信号,形成连续的水深提取结果。本实施例中,通过分段B样条曲线拟合获取连续的湖底地形和水深数据。为确保高的拟合精度,将拟合区间分为多个区间,一个区间分段上的B样条表达式可以写作:
P(u) =∑ n i = 0 P i B i,k (u),u∈[u k-1 ,u n+1 ] (5)
其中P i (i= 0,1,2…n)是控制顶点,依次连接这些控制点可以构成一个特征多边形;B i,k (i= 0,1,2…n)称为k次规范B样条基函数,最高次数是k。基函数是由一个称为节点矢量的非递减参数u的序列U:u 0 ≤u 1 ≤…≤u n+k+1 所决定的k次分段多项式,通常采用Cox-deBoor递推公式:
式中i为节点序号,k是基函数的次数,共有n+1个控制顶点。节点是在节点矢量U中取得,控制顶点则是坐标点,决定B样条的控制多边形。
S105:根据所述水底地形和各所述水边线对应的高程计算得出所述目标区域在第二时间相对第一时间的水容量变化值。
可选地,如图5和图6所示,所述根据所述水底地形和各所述水边线对应的高程计算得出所述目标区域在第二时间相对第一时间的水容量变化包括:
根据所述间隔区域内的信号光子对应的光子数据进行拟合,得到连续的水深提取结果;
根据所述水深提取结果和所述间隔区域的水底地形得出所述间隔区域的水深曲线;
根据所述水深曲线和所述遥感影像数据构建水深值与遥感影像的像元之间的相关性。即确定间隔区域的遥感影像的各像元对应的水深值。
具体地,如图5所示,根据获取第一时间和第二时间水面的高程h 1 和h 2 ,结合提取的水底地形曲线,获取h 1 和h 2 间的连续水深曲线。由于水深曲线仅仅是线状的,因此通过遥感影像反演算法,反演获取上下水边线之间的湖体坡度边缘区域水深数据。遥感水深反演过程中,将覆盖水深曲线的像元作为样本点,由于遥感影像像元是离散的,而水深曲线是连续的,不同的像元中包含的水深曲线的长度和位置都不尽相同,因此每个像元对应的水深值,可通过取均值或像元中到每个像元中水深曲线段的距离加权计算获取。最后构建水深值与遥感影像上的像元之间的相关性,具体可采用多波段比值模型、多元线性回归、支持向量机(SVM)、随机森林等方法。其中,如果水深反演深度不够,通过最深处构建一条等深线,也将其视为某个深度的水边线,通过该等深线与水边线c 2 对中间区域进行基于光子高程数据的等深线内插,实现相应区域水深值提取,获取水下地形。
可选地,如图7所示,所述根据所述水底地形和各所述水边线对应的高程计算得出所述目标区域在第二时间相对第一时间的水容量变化还包括:
将所述遥感影像的像元分割为n²个子像元,其中,n为正整数;
根据所述水深值与所述遥感影像的像元之间的相关性获取各所述像元对应的水深值,将所述像元对应的水深值作为所述像元的中心子像元的水深值;
对所述像元周围相邻的多个所述像元的中心子像元的水深值进行逐点带权二次曲面或三次曲面内插,得到所述像元的其它子像元的水深值。
水下三维地形的分辨率取决于遥感影像的分辨率,当影像分辨率较高时,地形的分辨率也较高;当影像分辨率较低时,地形分辨率相应较低,例如sentinel-2 卫星的影像分辨率为10米,则一个像元对应100平方米。为提高获取的水下地形的分辨率,确保水容积计算的准确性,将每个像元分割成3×3,5×5,7×7等子像元,具体根据影像分辨率大小而定。以3×3为例,将获取的水深值作为中心子像元(图7中含有黑色圆点的子像元)的水深值,其它子像元的水深值通过对周围多个像元内的中心子像元水深值进行逐点带权二次曲面或三次曲面内插获取,具体如公式7所示,其中(a i ,b i ,c i ,d i ,e i ,f i )表示任意内插点的二次多项式系数,i为内插点编号,(x i ,y i )为内插点影像坐标,w为权重公式。通过带权最小二乘法优化,计算每个待差点都计算得到不同的权重和多项式系数,从而确定该点处的水深值。最后,通过水面高程值和水深值,提取该区间内的三维水下地形。
本实施例中,提供了上述两种权重公式,第一个权重公式,即距离的倒数用于地形变化平缓的目标区域;第二个权重公式,即距离的平方倒数用于地形变化剧烈的目标区域。
可选地,如图8所示,所述根据所述水底地形和各所述水边线对应的高程计算得出所述目标区域在第二时间相对第一时间的水容量变化还包括:
提取所述间隔区域的像元,获取每个所述像元对应的地面分辨率大小;
根据所述像元对应的水深值和地面分辨率计算出所述间隔区域内的每个像元的水容积,将所述间隔区域内的所有像元的水容积相加,得到第一变化值;
计算两条所述水边线的高程差值,获取周长较小的所述水边线对应的表面积,计算所述高程差值与所述表面积的乘积,得到第二变化值;
将所述第一变化值和所述第二变化值相加,得到所述目标区域第二时间相对第一时间的水容量变化值。
根据提取的间隔区域的像元,以及每个像元对应的地面分辨率大小S Ground ,可提取出间隔区域的像元及相应象元的面积。基于多光谱遥感水深反演结果,获取不同像元的水深值d n ,针对每个像元计算出该像元面积下的水容积,将每个像元区域的水容积相加,如式(8)所示,可获得 c 1 和 c 2 对应时间内的整个湖体水容量变化量ΔW。
通过遥感影像数据获取目标区域的第一时间和第二时间的平面图像,进而基于光谱特性获取第一时间和第二时间的水边线,由于一定时间内目标区域的地形不会发生大的改变,且激光雷达点云的每一个点都包含了三维坐标信息,因此,只需获取目标区域第一时间和第二时间之间的某一时间的激光雷达点云数据,即可结合遥感影像数据和激光雷达点云数据获取第一时间和第二时间的水边线对应的高程,同时得到两条水边线之间的间隔区域的水底地形,进而根据水底地形和各水边线对应的高程计算得出目标区域第二时间相对第一时间的水容量变化值,而得到最终的结果只需获取目标区域的第一时间和第二时间的遥感影像数据,以及目标区域第一时间和第二时间之间的某一时间的激光雷达点云数据,无需大量的时序遥感影像,降低了监测难度;另外,由于激光雷达点云数据的精度较高,则上述结合遥感影像数据和激光雷达点云数据进行监测的方式的探测精度较高。
如图9所示,本发明另一实施例提供一种水容量变化监测系统,包括:
第一获取模块91,用于获取目标区域在第一时间和第二时间的遥感影像数据,并获取所述目标区域在第一时间和第二时间之间的某一时间的激光雷达点云数据,其中,所述激光雷达点云数据为激光雷达发射的信号光子的光子数据的集合,所述信号光子包括水面信号光子、水下信号光子和陆地信号光子;
第二获取模块92,用于根据各所述遥感影像数据提取第一时间和第二时间的水边线,根据所述激光雷达点云数据获取各所述水边线对应的信号光子及相应光子数据;
高程确定模块93,用于获取各所述水边线对应的信号光子的高程,根据各所述水边线对应的信号光子的高程确定各所述水边线对应的高程;
地形分析模块94,用于根据所述遥感影像数据和所述激光雷达点云数据获取两条所述水边线之间的间隔区域的水底地形;
计算模块95,用于根据所述水底地形和各所述水边线对应的高程计算得出所述目标区域第二时间相对第一时间的水容量变化值。
如图10 所示,本发明另一实施例提供一种终端设备10,包括存储器101、处理器100以及存储在所述存储器101中并可在所述处理器100上运行的计算机程序102,所述处理器100执行所述计算机程序102时实现如上所述的水容量变化监测方法的步骤。例如图1所示的S101至S105。或者,所述处理器100执行所述计算机程序102时实现上述各装置实施例中各模块/单元的功能,例如图9所示模块91至模块95的功能。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
所述集成的模块/单元如果以软件功能单元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,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述存储介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,存储介质不包括电载波信号和电信信号。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
虽然本公开披露如上,但本公开的保护范围并非仅限于此。本领域技术人员在不脱离本公开的精神和范围的前提下,可进行各种变更与修改,这些变更与修改均将落入本发明的保护范围。
Claims (7)
1.一种水容量变化监测方法,其特征在于,包括:
获取目标区域在第一时间和第二时间的遥感影像数据,并获取所述目标区域在第一时间和第二时间之间的某一时间的激光雷达点云数据,其中,所述激光雷达点云数据为激光雷达发射的信号光子的光子数据的集合,所述信号光子包括水面信号光子、水下信号光子和陆地信号光子;
根据各所述遥感影像数据提取第一时间和第二时间的水边线,根据所述激光雷达点云数据获取各所述水边线对应的信号光子及相应光子数据;
其中,所述根据所述激光雷达点云数据获取所述水边线对应的信号光子及相应光子数据包括:
对第一时间和第二时间的所述水边线进行空间一致化处理,获取水边线影像;
根据信号光子的空间坐标将激光雷达的信号光子扫描轨迹映射到所述水边线影像中;
确定与各所述水边线重叠的非水面信号光子,获取与各所述水边线重叠的非水面信号光子的光子数据;
获取各所述水边线对应的信号光子的高程,根据各所述水边线对应的信号光子的高程确定各所述水边线对应的高程;
根据所述遥感影像数据和所述激光雷达点云数据获取两条所述水边线之间的间隔区域的水底地形;
其中,所述根据所述遥感影像数据和所述激光雷达点云数据获取两条所述水边线之间的间隔区域内的水底地形包括:
提取所述间隔区域内的信号光子;
根据所述间隔区域内的信号光子对应的光子数据进行拟合,得到所述间隔区域的水底地形;
根据所述水底地形和各所述水边线对应的高程计算得出所述目标区域在第二时间相对第一时间的水容量变化值;
其中,所述根据所述水底地形和各所述水边线对应的高程计算得出所述目标区域在第二时间相对第一时间的水容量变化值包括:
根据所述间隔区域内的信号光子对应的光子数据进行拟合,得到连续的水深提取结果;
根据所述水深提取结果和所述间隔区域的水底地形得出所述间隔区域的水深曲线;
根据所述水深曲线和所述遥感影像数据构建水深值与遥感影像的像元之间的相关性。
2.根据权利要求1所述的水容量变化监测方法,其特征在于,所述获取各所述水边线对应的信号光子的高程,根据所述水边线对应的信号光子的高程确定各所述水边线对应的高程包括:
获取第一时间的所述水边线对应的信号光子的高程,计算所述信号光子的高程的平均值,作为第一时间的所述水边线对应的高程;
获取第二时间的所述水边线对应的信号光子的高程,计算所述信号光子的高程的平均值,作为第二时间的所述水边线对应的高程。
3.根据权利要求1所述的水容量变化监测方法,其特征在于,所述根据所述水底地形和各所述水边线对应的高程计算得出所述目标区域在第二时间相对第一时间的水容量变化还包括:
将所述遥感影像的像元分割为n²个子像元,其中,n为正整数;
根据所述水深值与所述遥感影像的像元之间的相关性获取各所述像元对应的水深值,将所述像元对应的水深值作为所述像元的中心子像元的水深值;
对所述像元周围相邻的多个所述像元的中心子像元的水深值进行逐点带权二次曲面或三次曲面内插,得到所述像元的其它子像元的水深值。
4.根据权利要求1或3所述的水容量变化监测方法,其特征在于,所述根据所述水底地形和各所述水边线对应的高程计算得出所述目标区域在第二时间相对第一时间的水容量变化还包括:
提取所述间隔区域的像元,获取每个所述像元对应的地面分辨率大小;
根据所述像元对应的水深值和地面分辨率计算出所述间隔区域内的每个像元的水容积,将所述间隔区域内的所有像元的水容积相加,得到第一变化值;
计算两条所述水边线的高程差值,获取周长较小的所述水边线对应的表面积,计算所述高程差值与所述表面积的乘积,得到第二变化值;
将所述第一变化值和所述第二变化值相加,得到所述目标区域在第二时间相对第一时间的水容量变化值。
5.一种水容量变化监测系统,其特征在于,包括:
第一获取模块,用于获取目标区域在第一时间和第二时间的遥感影像数据,并获取所述目标区域在第一时间和第二时间之间的某一时间的激光雷达点云数据,其中,所述激光雷达点云数据为激光雷达发射的信号光子的光子数据的集合,所述信号光子包括水面信号光子、水下信号光子和陆地信号光子;
第二获取模块,用于根据各所述遥感影像数据提取第一时间和第二时间的水边线,根据所述激光雷达点云数据获取各所述水边线对应的信号光子及相应光子数据;
所述第二获取模块包括第一获取单元、映射单元和第二获取单元;
所述第一获取单元,用于对第一时间和第二时间的所述水边线进行空间一致化处理,获取水边线影像;
所述映射单元,用于根据信号光子的空间坐标将激光雷达的信号光子扫描轨迹映射到所述水边线影像中;
所述第二获取单元,用于确定与各所述水边线重叠的非水面信号光子,获取与各所述水边线重叠的非水面信号光子的光子数据;
高程确定模块,用于获取各所述水边线对应的信号光子的高程,根据各所述水边线对应的信号光子的高程确定各所述水边线对应的高程;
地形分析模块,用于根据所述遥感影像数据和所述激光雷达点云数据获取两条所述水边线之间的间隔区域的水底地形;
所述地形分析模块包括提取单元和第一拟合单元;
所述提取单元,用于提取所述间隔区域内的信号光子;
所述第一拟合单元,用于根据所述间隔区域内的信号光子对应的光子数据进行拟合,得到所述间隔区域的水底地形;
计算模块,用于根据所述水底地形和各所述水边线对应的高程计算得出所述目标区域在第二时间相对第一时间的水容量变化值;
所述计算模块包括第二拟合单元、计算单元和构建单元;
所述第二拟合单元,用于根据所述间隔区域内的信号光子对应的光子数据进行拟合,得到连续的水深提取结果;
所述计算单元,用于根据所述水深提取结果和所述间隔区域的水底地形得出所述间隔区域的水深曲线;
所述构建单元,用于根据所述水深曲线和所述遥感影像数据构建水深值与遥感影像的像元之间的相关性。
6.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述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如权利要求1至4任一项所述的水容量变化监测方法的步骤。
7.一种存储介质,所述存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的水容量变化监测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110115349.XA CN112433227B (zh) | 2021-01-28 | 2021-01-28 | 一种水容量变化监测方法、系统、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110115349.XA CN112433227B (zh) | 2021-01-28 | 2021-01-28 | 一种水容量变化监测方法、系统、终端设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112433227A CN112433227A (zh) | 2021-03-02 |
CN112433227B true CN112433227B (zh) | 2021-05-18 |
Family
ID=74697377
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110115349.XA Active CN112433227B (zh) | 2021-01-28 | 2021-01-28 | 一种水容量变化监测方法、系统、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112433227B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112630860B (zh) * | 2021-03-09 | 2021-06-01 | 武汉中科固废资源产业技术研究院有限公司 | 一种河湖底泥探测方法及系统 |
CN113960625B (zh) * | 2021-10-22 | 2024-06-11 | 自然资源部第二海洋研究所 | 一种基于星载单光子激光主被动遥感融合的水深反演方法 |
CN114998530B (zh) * | 2022-07-13 | 2022-11-08 | 航天宏图信息技术股份有限公司 | 一种基于实景三维地形的水体监测方法和装置 |
CN117237430B (zh) * | 2023-11-10 | 2024-03-08 | 中国地质大学(武汉) | 一种高精度多时序水深反演方法、计算设备及存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004076972A1 (ja) * | 2003-02-27 | 2004-09-10 | Mitsubishi Denki Kabushiki Kaisha | 水位計測システム |
KR101307232B1 (ko) * | 2011-11-30 | 2013-09-11 | 한국수자원공사 | 하천홍수 상황인지시스템 및 컴퓨터로 판독 가능한 기록매체 |
CN103791890A (zh) * | 2014-01-28 | 2014-05-14 | 河海大学 | 一种滩涂湿地地形快速测量的遥感遥测方法 |
CN104050474A (zh) * | 2014-06-10 | 2014-09-17 | 上海海洋大学 | 一种基于LiDAR数据的海岛岸线自动提取方法 |
CN107146227A (zh) * | 2017-05-04 | 2017-09-08 | 江苏省水利科学研究院 | 一种利用高分遥感技术监测水域岸线变化的方法 |
CN110232683A (zh) * | 2019-06-10 | 2019-09-13 | 北京工业大学 | 一种基于无人机点云的滑坡检测方法 |
CN111277243A (zh) * | 2020-02-06 | 2020-06-12 | 中国地质大学(武汉) | 一种面向水深提取的光子计数激光雷达自适应滤波算法 |
-
2021
- 2021-01-28 CN CN202110115349.XA patent/CN112433227B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112433227A (zh) | 2021-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112433227B (zh) | 一种水容量变化监测方法、系统、终端设备及存储介质 | |
EP2772883B1 (en) | Road-surface height shape estimation method and system | |
Gomez-Gutierrez et al. | Using 3D photo-reconstruction methods to estimate gully headcut erosion | |
Hengl et al. | Mathematical and digital models of the land surface | |
Cobby et al. | Image processing of airborne scanning laser altimetry data for improved river flood modelling | |
Westaway et al. | Remote survey of large-scale braided, gravel-bed rivers using digital photogrammetry and image analysis | |
US8295554B2 (en) | Method of deriving digital terrain models from digital surface models | |
Xu et al. | Deriving highly accurate shallow water bathymetry from Sentinel-2 and ICESat-2 datasets by a multitemporal stacking method | |
Niculiță et al. | Using UAV and LiDAR data for gully geomorphic changes monitoring | |
CN110335355B (zh) | 一种大型浅水湖泊水面高自动计算方法 | |
Hamshaw et al. | Application of unmanned aircraft system (UAS) for monitoring bank erosion along river corridors | |
CN108564532B (zh) | 大尺度地距星载sar图像镶嵌方法 | |
CN106197383A (zh) | 一种海冰体积的遥感估算方法 | |
Guerin et al. | Automatic detection of elevation changes by differential DSM analysis: Application to urban areas | |
Coleman et al. | Holes in the ocean: Filling voids in bathymetric lidar data | |
CN114612773B (zh) | 一种适用于sar和光学影像的高效海冰运动提取方法及系统 | |
Noto et al. | Integration of fuzzy logic and image analysis for the detection of gullies in the Calhoun Critical Zone Observatory using airborne LiDAR data | |
Tătui et al. | Nearshore sandbars crest position dynamics analysed based on Earth Observation data | |
Huang et al. | High-resolution satellite images combined with hydrological modeling derive river discharge for headwaters: A step toward discharge estimation in ungauged basins | |
CN114387408A (zh) | 数字高程模型的生成方法、装置及计算机可读存储介质 | |
Bacalhau et al. | Bathymetry of reservoirs using altimetric data associated to optical images | |
CN113516764B (zh) | 基于数字高程模型的湖库水下三维地形模拟方法及装置 | |
CN112270693B (zh) | 一种飞行时间深度相机运动伪差检测方法和装置 | |
Cipolletti et al. | Border extrapolation using fractal attributes in remote sensing images | |
CN113920274A (zh) | 场景点云处理方法及装置、无人机、遥测终端和存储介质 |
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 |