CN112579725A - 一种河湖多源异构数据聚合关联方法及系统 - Google Patents

一种河湖多源异构数据聚合关联方法及系统 Download PDF

Info

Publication number
CN112579725A
CN112579725A CN202110000859.2A CN202110000859A CN112579725A CN 112579725 A CN112579725 A CN 112579725A CN 202110000859 A CN202110000859 A CN 202110000859A CN 112579725 A CN112579725 A CN 112579725A
Authority
CN
China
Prior art keywords
river
data
lake
area
dem
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
Application number
CN202110000859.2A
Other languages
English (en)
Other versions
CN112579725B (zh
Inventor
单森华
林明
封敏
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.)
Istrong Technology Co ltd
Original Assignee
Istrong Technology Co ltd
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 Istrong Technology Co ltd filed Critical Istrong Technology Co ltd
Priority to CN202110000859.2A priority Critical patent/CN112579725B/zh
Publication of CN112579725A publication Critical patent/CN112579725A/zh
Application granted granted Critical
Publication of CN112579725B publication Critical patent/CN112579725B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种河湖多源异构数据聚合关联方法及系统，该方法包括：将区域的数字高程模型数据DEM进行填洼处理；计算水流的路径及方向；获取区域的整体集水面积；获取河流网络网格，进而得到全域的河流水系；根据流域划分需要，生成n个注水区域；往注水区域内加水，获取流域产汇流边界；针对有经纬度的多源异构数据计算其产汇流区域S1；以流域S1为根节点设定河湖目录，建立河流的对象实体，实现河流与上、下游支流的关联关系；对具备经纬度的数据类型进行归类抽象，建设相关的数据库表；针对没有经纬度的多源异构数据，结合业务关系进行数据聚类；输出并展示流域的聚类信息。该方法及系统有利于实现流域关联数据的快速、精准推荐与展示。

Description

一种河湖多源异构数据聚合关联方法及系统
技术领域
本发明属于河湖数据处理技术领域，具体涉及一种河湖多源异构数据聚合关联方法及系统。
背景技术
随着国家的不断发展，生态环境保护愈发受到重视，在河湖生态环境保护方面，需要收集大量的信息，而且由于数据类型多样，包含结构化、半结构化以及非结构化数据，目前有部分技术是用于多源异构数据的融合，但较难运用在流域中，而流域中主要的展示技术是根据数据的类型进行分类展示，较少将流域作为一个整体，进行数据的关联与分析。
公开号为CN109308311A的专利“一种多源异构数据融合系统”主要是通过将多源异构数据，经过规范化处理融合，数据应用以及数据展示方面涉及较少。公开号为CN108021670A的专利“多源异构数据融合系统及方法”主要应用于航空行业的多源异构数据的存储、搜索、分析，使用的技术主要是数据库引擎算法方面的技术，多源异构数据的关联展示方面涉及较少。以上技术方案都无法应用于河湖数据的关联分析。
发明内容
本发明的目的在于提供一种河湖多源异构数据聚合关联方法及系统，该方法及系统有利于实现流域关联数据的快速、精准推荐与展示。
为实现上述目的，本发明采用的技术方案是：一种河湖多源异构数据聚合关联方法，包括以下步骤：
1）将区域的数字高程模型数据DEM进行填洼处理，得到无洼地的数字高程模型数据DEM；
2）对填洼处理后的DEM进行网格化处理，计算水流的路径及方向，得到与DEM维数相同的水流方向矩阵；
3）根据流向计算各网格的汇流面积，通过计算每个网格的汇流累积量，形成汇流累积量矩阵，推及整个DEM，得到区域的整体集水面积；
4）基于需要提取河网密度情况设置一阈值，根据阈值大小得到每个网格的河流网络，进而得到全域的河流水系图；
5）根据流域划分需要，生成n个注水区域；
6）提取注水区域的边界，往注水区域内加水，当该注水区域与相邻注水区域合并时，记录下此时的边界，该边界即为该区域的流域产汇流边界；
7）针对有经纬度的多源异构数据，以经纬度作为依据，计算得到该经纬度所属的产汇流区域S1；
8）以流域S1为根节点设定河湖目录，依次以主外键关系建立河流的对象实体，实现河流与上游支流、下游支流一对多、多对一的关联关系；
9）针对S1区域内的结构化、半结构化、非结构化的多源异构数据，以具备空间属性的河湖关联模型为基础，对具备经纬度的数据类型进行归类抽象，建设相关的数据库表；
10）针对没有经纬度的多源异构数据，结合业务关系进行数据聚类；
11）输出并展示流域的聚类信息。
进一步地，所述步骤1中，采用M&V 算法进行填洼处理，其方法为：首先用一极大值水面淹没原始DEM，再迭代移除DEM上多余的水，得到填洼后的数字高程模型数据DEM。
进一步地，所述步骤2中，采用D8算法计算水流的路径及方向，其方法为：首先将DEM数据进行网格化处理，在3×3的DEM网格上，计算中心网格与各相邻网格之间的距离权落差，取距离权落差最大的网格为中心网格的流出网格，即为水流的方向。
进一步地，所述步骤6中，通过分水岭算法提取注水区域的边界。
进一步地，所述步骤8中，以主外键关系建立河流的对象实体，支持基于链表结构的层级模型对象拓展。
进一步地，所述步骤10中，针对没有经纬度的多源异构数据进行数据聚类后，根据关联模型算法不断完善。
本发明还提供了一种河湖多源异构数据聚合关联系统，包括存储器、处理器以及存储于存储器上并能够在处理器上运行的计算机程序，当处理器运行该计算机程序时，实现所述的方法步骤。
相较于现有技术，本发明具有以下有益效果：本发明基于DEM地图处理技术，先通过D8算法与分水岭算法得到流域产汇流面积，提高流域面积划分的效率与精度；在此基础上将流域产汇流面积内的多源异构数据进行聚类，根据要素间的关联关系梳理整合，最终将流域关联数据的快速、精准推荐与展示，实现业务与技术的有效结合，可以较好地应用于水利行业。
附图说明
图1是本发明实施例的方法实现流程图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步的详细说明。
如图1所示，本发明提供了一种河湖多源异构数据聚合关联方法，包括以下步骤：
1）将区域的数字高程模型数据DEM进行填洼处理，得到无洼地的数字高程模型数据DEM。
其中，采用M&V 算法进行填洼处理，其方法为：首先用一极大值水面淹没原始DEM，再迭代移除DEM上多余的水，得到填洼后的数字高程模型数据DEM。
2）对填洼处理后的DEM进行网格化处理，计算水流的路径及方向，得到与DEM维数相同的水流方向矩阵。
其中，采用D8算法计算水流的路径及方向，其方法为：首先将DEM数据进行网格化处理，在3×3的DEM网格上，计算中心网格与各相邻网格之间的距离权落差（即网格中心点落差除以网格中心点之间的距离），取距离权落差最大的网格为中心网格的流出网格，即为水流的方向。
3）根据流向计算各网格的汇流面积，通过计算每个网格的汇流累积量，形成汇流累积量矩阵，推及整个DEM，得到区域的整体集水面积。
4）基于需要提取河网密度情况设置一阈值，根据阈值大小得到每个网格的河流网络，然后推及整个大区域，进而得到全域的河流水系图。
5）根据流域划分需要，通过一定规则生成n个最初的注水区域。
6）通过分水岭算法提取注水区域的边界，往注水区域内加水，当当该注水区域与相邻注水区域合并时，记录下此时的边界，该边界即为该区域的流域产汇流边界。
7）针对有经纬度的多源异构数据，以经纬度作为依据，计算得到该经纬度所属的产汇流区域S1。
8）以流域S1为根节点设定河湖目录，依次以主外键关系建立河流的对象实体，支持基于链表结构的层级模型对象拓展，实现河流与上游支流、下游支流一对多、多对一的关联关系。
9）针对S1区域内的结构化、半结构化、非结构化的多源异构数据，以具备空间属性的河湖关联模型为基础，对具备经纬度的数据类型进行归类抽象，建设相关的数据库表。
10）针对没有经纬度的多源异构数据，结合业务关系进行数据聚类。即通过业务的关联关系分析，例如流域-河长-巡河等关联关系，将这类数据进行聚类，并且能够根据关联模型算法，不断完善。
11）以流域河段为目标整体，输出并展示流域的聚类信息。
本发明还提供了用于实现上述方法的河湖多源异构数据聚合关联系统，包括存储器、处理器以及存储于存储器上并能够在处理器上运行的计算机程序，当处理器运行该计算机程序时，实现上述方法步骤。
以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。

Claims (7)

1.一种河湖多源异构数据聚合关联方法，其特征在于，包括以下步骤：
1）将区域的数字高程模型数据DEM进行填洼处理，得到无洼地的数字高程模型数据DEM；
2）对填洼处理后的DEM进行网格化处理，计算水流的路径及方向，得到与DEM维数相同的水流方向矩阵；
3）根据流向计算各网格的汇流面积，通过计算每个网格的汇流累积量，形成汇流累积量矩阵，推及整个DEM，得到区域的整体集水面积；
4）基于需要提取河网密度情况设置一阈值，根据阈值大小得到每个网格的河流网络，进而得到全域的河流水系图；
5）根据流域划分需要，生成n个注水区域；
6）提取注水区域的边界，往注水区域内加水，当该注水区域与相邻注水区域合并时，记录下此时的边界，该边界即为该区域的流域产汇流边界；
7）针对有经纬度的多源异构数据，以经纬度作为依据，计算得到该经纬度所属的产汇流区域S1；
8）以流域S1为根节点设定河湖目录，依次以主外键关系建立河流的对象实体，实现河流与上游支流、下游支流一对多、多对一的关联关系；
9）针对S1区域内的结构化、半结构化、非结构化的多源异构数据，以具备空间属性的河湖关联模型为基础，对具备经纬度的数据类型进行归类抽象，建设相关的数据库表；
10）针对没有经纬度的多源异构数据，结合业务关系进行数据聚类；
11）输出并展示流域的聚类信息。
2.根据权利要求1所述的一种河湖多源异构数据聚合关联方法，其特征在于，所述步骤1中，采用M&V 算法进行填洼处理，其方法为：首先用一极大值水面淹没原始DEM，再迭代移除DEM上多余的水，得到填洼后的数字高程模型数据DEM。
3.根据权利要求1所述的一种河湖多源异构数据聚合关联方法，其特征在于，所述步骤2中，采用D8算法计算水流的路径及方向，其方法为：首先将DEM数据进行网格化处理，在3×3的DEM网格上，计算中心网格与各相邻网格之间的距离权落差，取距离权落差最大的网格为中心网格的流出网格，即为水流的方向。
4.根据权利要求1所述的一种河湖多源异构数据聚合关联方法，其特征在于，所述步骤6中，通过分水岭算法提取注水区域的边界。
5.根据权利要求1所述的一种河湖多源异构数据聚合关联方法，其特征在于，所述步骤8中，以主外键关系建立河流的对象实体，支持基于链表结构的层级模型对象拓展。
6.根据权利要求1所述的一种河湖多源异构数据聚合关联方法，其特征在于，所述步骤10中，针对没有经纬度的多源异构数据进行数据聚类后，根据关联模型算法不断完善。
7.一种河湖多源异构数据聚合关联系统，其特征在于，包括存储器、处理器以及存储于存储器上并能够在处理器上运行的计算机程序，当处理器运行该计算机程序时，实现如权利要求1-6任一项所述的方法步骤。
CN202110000859.2A 2021-01-04 2021-01-04 一种河湖多源异构数据聚合关联方法及系统 Active CN112579725B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110000859.2A CN112579725B (zh) 2021-01-04 2021-01-04 一种河湖多源异构数据聚合关联方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110000859.2A CN112579725B (zh) 2021-01-04 2021-01-04 一种河湖多源异构数据聚合关联方法及系统

Publications (2)

Publication Number Publication Date
CN112579725A true CN112579725A (zh) 2021-03-30
CN112579725B CN112579725B (zh) 2022-11-15

Family

ID=75144620

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110000859.2A Active CN112579725B (zh) 2021-01-04 2021-01-04 一种河湖多源异构数据聚合关联方法及系统

Country Status (1)

Country Link
CN (1) CN112579725B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103049464A (zh) * 2012-03-30 2013-04-17 北京峰盛博远科技有限公司 基于空间对象类化模型及网格体索引的异构地理空间数据管理技术
CN103489053A (zh) * 2013-05-13 2014-01-01 湖南云控科技有限公司 一种基于云计算与专家系统的智能水资源管控平台
CN103488736A (zh) * 2013-09-18 2014-01-01 中国科学技术大学 一种多源地理空间信息关联模型的构建方法及系统
KR101906858B1 (ko) * 2017-06-28 2018-10-12 홍익대학교 산학협력단 수치모형 및 침수선 보간을 이용한 하천 범람 예측 방법
CN108804804A (zh) * 2018-06-05 2018-11-13 中国水利水电科学研究院 一种基于数字河网的大数量子流域快速编码方法
CN109242291A (zh) * 2018-08-28 2019-01-18 天津大学 河湖流域水环境智慧管理方法
CN109344865A (zh) * 2018-08-24 2019-02-15 山东省环境规划研究院 一种多数据源的数据融合方法
CN110580616A (zh) * 2019-10-30 2019-12-17 中国科学院地理科学与资源研究所 一种基于5g及物联网的人工智能云计算水环境管理平台
CN110910006A (zh) * 2019-11-19 2020-03-24 昆明市生态环境科学研究院 一种区域再生水资源综合利用的多源数据处理方法
CN112017282A (zh) * 2020-07-15 2020-12-01 中山大学 面向数字高程模型的任意断面集水区边界与河网提取方法
CN112165513A (zh) * 2020-09-11 2021-01-01 武汉大学 一种流域水环境水生态智慧化管理的云边协同平台架构

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103049464A (zh) * 2012-03-30 2013-04-17 北京峰盛博远科技有限公司 基于空间对象类化模型及网格体索引的异构地理空间数据管理技术
CN103489053A (zh) * 2013-05-13 2014-01-01 湖南云控科技有限公司 一种基于云计算与专家系统的智能水资源管控平台
CN103488736A (zh) * 2013-09-18 2014-01-01 中国科学技术大学 一种多源地理空间信息关联模型的构建方法及系统
KR101906858B1 (ko) * 2017-06-28 2018-10-12 홍익대학교 산학협력단 수치모형 및 침수선 보간을 이용한 하천 범람 예측 방법
CN108804804A (zh) * 2018-06-05 2018-11-13 中国水利水电科学研究院 一种基于数字河网的大数量子流域快速编码方法
CN109344865A (zh) * 2018-08-24 2019-02-15 山东省环境规划研究院 一种多数据源的数据融合方法
CN109242291A (zh) * 2018-08-28 2019-01-18 天津大学 河湖流域水环境智慧管理方法
CN110580616A (zh) * 2019-10-30 2019-12-17 中国科学院地理科学与资源研究所 一种基于5g及物联网的人工智能云计算水环境管理平台
CN110910006A (zh) * 2019-11-19 2020-03-24 昆明市生态环境科学研究院 一种区域再生水资源综合利用的多源数据处理方法
CN112017282A (zh) * 2020-07-15 2020-12-01 中山大学 面向数字高程模型的任意断面集水区边界与河网提取方法
CN112165513A (zh) * 2020-09-11 2021-01-01 武汉大学 一种流域水环境水生态智慧化管理的云边协同平台架构

Also Published As

Publication number Publication date
CN112579725B (zh) 2022-11-15

Similar Documents

Publication Publication Date Title
CN103729478B (zh) 基于MapReduce的LBS兴趣点发现方法
CN103236086B (zh) 一种顾及地表水文上下文的多尺度dem建模方法
CN103678670B (zh) 一种微博热词与热点话题挖掘系统及方法
CN108446293A (zh) 一种基于城市多源异构数据构建城市画像的方法
CN106021508A (zh) 基于社交媒体的突发事件应急信息挖掘方法
CN102289487B (zh) 基于主题模型的网络突发热点事件检测方法
CN110866123A (zh) 基于数据模型构建数据图谱的方法及构建数据图谱的系统
CN101299834A (zh) 基站位置核查的方法
CN105740245A (zh) 频繁项集挖掘方法
CN106326923B (zh) 一种顾及位置重复和密度峰值点的签到位置数据聚类方法
CN105608624A (zh) 基于用户体验的微博大数据兴趣社区分析优化方法
CN109739943A (zh) 面向自然资源矢量地表覆盖变化统计处理方法
CN111507415A (zh) 一种基于分布密度的多源大气数据聚类方法
CN101685456A (zh) 一种搜索的方法、系统和装置
CN102567488A (zh) 基于云计算机框架的电动汽车数据挖掘系统与挖掘方法
Yang et al. Ultra-short-term multi-step wind power prediction based on fractal scaling factor transformation
CN109947948B (zh) 一种基于张量的知识图谱表示学习方法及系统
CN112579725B (zh) 一种河湖多源异构数据聚合关联方法及系统
WO2018196214A1 (zh) 一种地理影响民居建筑形态的统计系统及统计方法
CN107276807B (zh) 一种基于社区动态紧密度的层次化网络社区树剪枝方法
CN106815320B (zh) 基于拓展三维直方图的调研大数据可视化建模方法及系统
US11836637B2 (en) Construction method of human-object-space interaction model based on knowledge graph
CN105677850A (zh) 一种基于神经网络模型的上下文感知音乐推荐方法
Liu et al. Study on disaster information management system compatible with VGI and crowdsourcing
CN115841071A (zh) 基于水循环动态知识图谱的数字孪生流域场景建模方法

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