CN113434621B - 基于ArcGIS的水土资源专题地图生成方法、装置、设备及介质 - Google Patents
基于ArcGIS的水土资源专题地图生成方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113434621B CN113434621B CN202110711793.8A CN202110711793A CN113434621B CN 113434621 B CN113434621 B CN 113434621B CN 202110711793 A CN202110711793 A CN 202110711793A CN 113434621 B CN113434621 B CN 113434621B
- Authority
- CN
- China
- Prior art keywords
- information
- block
- map
- reference map
- water
- 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
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- 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
- G06F16/24—Querying
- G06F16/248—Presentation of query results
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Remote Sensing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了基于ArcGIS的水土资源专题地图生成方法、装置、设备及介质，方法包括：对输入的初始地图进行分割得到多个基准地图区块并获取对应的基准信息，对基准地图区块的基准信息进行整合处理得到基准整合信息，根据区块分析模型对基准整合信息进行分析得到对应的地质类型，结合环境信息获取每一基准地图区块的地块特征信息并分析得到对应的水土流失系数，在ArcGIS软件中基于水土流失系数及初始地图生成对应的水土资源整合地图。本发明属于图像智能处理技术领域，可对初始地图及环境信息进行整合分析以得到每一基准地图区块的水土流失系数并智能生成水土资源整合地图，可实现更准确、全面地对初始地图区域内的水土资源状况进行分析。
Description
技术领域
本发明涉及图像智能处理技术领域，尤其涉及一种基于ArcGIS的水土资源专题地图生成方法、装置、设备及介质。
背景技术
随着环保意识的提高，越来越多的人意识到环境保护的重要性，水土流失是指在水力、风力、重力及冻融等自然营力和人类活动作用下，水土资源和土地生产力的破坏和损失，包括土地表层侵蚀及水的损失。为实现对目标区域的环境状况进行监测，可通过无人机或卫星采集相应目标区域的图像，然而所采集的图像通常仅能够反映目标区域的基本环境状况，而无法直观体现目标区域的水土资源状况，导致难以准确、全面地对目标区域的水土流失情况进行实时监测。因此，现有的技术方法中存在无法准确地获取水土流失情况的问题。
发明内容
本发明实施例提供了一种基于ArcGIS的水土资源专题地图生成方法、装置、设备及介质，旨在解决现有技术方法中所存在的无法准确地获取水土流失情况的问题。
第一方面，本发明实施例提供了一种基于ArcGIS的水土资源专题地图生成方法，其包括：
若接收到所输入的初始地图，根据预置的基准尺寸对所述初始地图进行分割得到对应的多个基准地图区块；
从所述初始地图中采集每一所述基准地图区块的基准信息；
根据预置的整合规则对每一所述基准地图区块的基准信息与相邻基准地图区块的基准信息进行整合处理，得到每一所述基准地图区块的基准整合信息；
根据预置的区块分析模型对每一所述基准地图区块的基准整合信息进行分析得到每一所述基准地图区块的地质类型；
根据预存的环境信息、所述基准整合信息及每一所述基准地图区块的地质类型获取与每一所述基准地图区块对应的地块特征信息；
根据预置的水土资源分析模型对每一所述地块特征信息进行分析，得到每一所述基准地图区块对应的水土流失系数；
在ArcGIS软件中对每一所述基准地图区块的水土流失系数进行整合以生成与所述初始地图对应的水土资源整合地图。
第二方面，本发明实施例提供了一种基于ArcGIS的水土资源专题地图生成装置，其包括：
初始地图分割单元，用于若接收到所输入的初始地图，根据预置的基准尺寸对所述初始地图进行分割得到对应的多个基准地图区块；
基准信息获取单元，用于从所述初始地图中采集每一所述基准地图区块的基准信息；
基准整合信息获取单元，用于根据预置的整合规则对每一所述基准地图区块的基准信息与相邻基准地图区块的基准信息进行整合处理，得到每一所述基准地图区块的基准整合信息；
地质类型获取单元，用于根据预置的区块分析模型对每一所述基准地图区块的基准整合信息进行分析得到每一所述基准地图区块的地质类型；
地块特征信息获取单元，用于根据预存的环境信息、所述基准整合信息及每一所述基准地图区块的地质类型获取与每一所述基准地图区块对应的地块特征信息；
水土流失系数获取单元，用于根据预置的水土资源分析模型对每一所述地块特征信息进行分析，得到每一所述基准地图区块对应的水土流失系数；
整合地图生成单元，用于在ArcGIS软件中对每一所述基准地图区块的水土流失系数进行整合以生成与所述初始地图对应的水土资源整合地图。
第三方面，本发明实施例又提供了一种计算机设备，其包括存储器、处理器及存储在所述存储器上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上述第一方面所述的基于ArcGIS的水土资源专题地图生成方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其中所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的基于ArcGIS的水土资源专题地图生成方法。
本发明实施例提供了一种基于ArcGIS的水土资源专题地图生成方法、装置、设备及介质。对输入的初始地图进行分割得到多个基准地图区块并获取对应的基准信息，对基准地图区块的基准信息进行整合处理得到基准整合信息，根据区块分析模型对基准整合信息进行分析得到对应的地质类型，结合环境信息获取每一基准地图区块的地块特征信息并分析得到对应的水土流失系数，在ArcGIS软件中基于水土流失系数及初始地图生成对应的水土资源整合地图。通过上述方法，可对初始地图及环境信息进行整合分析以得到每一基准地图区块的水土流失系数并智能生成水土资源整合地图，可实现更准确、全面地对初始地图区域内的水土资源状况进行分析。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于ArcGIS的水土资源专题地图生成方法的流程示意图；
图2为本发明实施例提供的基于ArcGIS的水土资源专题地图生成方法的子流程示意图；
图3为本发明实施例提供的基于ArcGIS的水土资源专题地图生成方法的另一子流程示意图；
图4为本发明实施例提供的基于ArcGIS的水土资源专题地图生成方法的另一子流程示意图；
图5为本发明实施例提供的基于ArcGIS的水土资源专题地图生成方法的另一子流程示意图；
图6为本发明实施例提供的基于ArcGIS的水土资源专题地图生成方法的另一流程示意图；
图7为本发明实施例提供的基于ArcGIS的水土资源专题地图生成方法的另一流程示意图；
图8为本发明实施例提供的基于ArcGIS的水土资源专题地图生成装置的示意性框图；
图9为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
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，显然，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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
请参阅图1，图1是本发明实施例提供的基于ArcGIS的水土资源专题地图生成方法的流程示意图；该基于ArcGIS的水土资源专题地图生成方法应用于用户终端或管理服务器中，该基于ArcGIS的水土资源专题地图生成方法通过安装于用户终端或管理服务器中的应用软件进行执行，用户终端即是可接收无人机或卫星等高空设备所采集的初始地图以对其进行分析并生成水土资源整合地图的终端设备，例如台式电脑、笔记本电脑、平板电脑或手机等，管理服务器即是可接收无人机或卫星等高空设备所采集的初始地图以对其进行分析并生成水土资源整合地图的服务器端，如企业或政府部门所构建的服务器，其中，用户终端或管理服务器中均可运行ArcGIS软件。如图1所示，该方法包括步骤S110～S170。
S110、若接收到所输入的初始地图，根据预置的基准尺寸对所述初始地图进行分割得到对应的多个基准地图区块。
若接收到所输入的初始地图，根据预置的基准尺寸对所述初始地图进行分割得到对应的多个基准地图区块。可通过无线网络通信连接接收无人机或卫星等高空设备所采集的初始地图，可根据基准尺寸对初始地图进行分割处理，得到对应的多个基准地图区块。其中，初始地图可以是对国家、某一省份、某一城市或城市中某一区域进行图像采集所形成的地图。
在一实施例中，如图2所示，步骤S110包括子步骤S111和S112。
S111、确定所述初始地图的整体尺寸；S112、根据所述基准尺寸将所述整体尺寸对应的区域分割为不重叠的多个基准地图区块。
首先可根据基准地图的比例尺及初始地图的标称尺寸确定对应的整体尺寸，整体尺寸即为基准地图所表示的实际尺寸。例如，比例尺为1:5000，初始地图的标称尺寸为0.6×0.9米，则整体尺寸为3000×4500米。
可根据基准尺寸及整体尺寸将初始地图对应的区域分割为不重叠的多个基准地图区块，则每一基准地图区块所表示的实际面积均与基准尺寸对应的面积相等。例如，若基准尺寸为15×15米，则可根据基准尺寸将整体尺寸对应的区域分割为多个基准地图区块，每一基准地图区块的尺寸均为15×15米，且任意两个基准地图区块不相重叠。
S120、从所述初始地图中采集每一所述基准地图区块的基准信息。
从所述初始地图中采集每一所述基准地图区块的基准信息。其中，所述初始地图包括光谱图像及高程图像，光谱图像即为采用可成像的光谱对相应区域进行扫描所得到的图像信息，高程图像即是对相应区域进行绝对高程测量所得到的图像信息，可从光谱图像及高程图像中获取与每一基准地图区块对应的基准信息，其中，所述基准信息包括区块色彩信息、反射系数及区块高程信息。
在一实施例中，如图3所示，步骤S120包括子步骤S121、S122、S123和S124。
S121、对所述光谱图像进行图像转换处理得到对应的明度图像。
具体的，所采集得到的光谱图像为RGB彩色图像，RGB彩色图像即是采用RGB色彩模式进行记载的图像，RGB色彩模式包含红色(R)、绿色(G)、蓝色(B)三个颜色通道，则光谱图像中的每一个像素点均包含与三个颜色通道分别对应的三个色度值。RGB色彩模式的图像可对应进行图像转换处理得到明度色彩模式(HSV色彩模式)进行记载的图像，HSV色彩模式即色相(Hue)、饱和度(Saturation)、明度(Value)，则以HSV色彩模型记载的图像中每一像素点均包含与色相、饱和度及明度对应的三个特征值。也即是将图像中以RGB色彩模式进行表示的每一像素点转换为以明度色彩模式进行表示的像素点，从而将光谱图像转换为对应的明度图像，则明度图像的图像尺寸与光谱图像的图像尺寸相同，仅仅是像素点的色彩模式发生了改变。
S122、从所述光谱图像中获取与每一所述基准地图区块对应的区块色彩信息。
可从光谱图像中获取每一基准地图区块对应的区块色彩信息，区块色彩信息也即包括每一基准地图区块在光谱图像中所覆盖的多个像素点的色彩信息，具体的，可获取基准地图区块在光谱图像中对应的每一像素点在三个颜色通道分别对应的色度值，并计算基准地图区块在每一颜色通道的色度平均值，则所得到的每一基准地图区块的色彩信息中包含三个颜色通道的色度平均值。
S123、从所述明度图像中获取与每一所述基准地图区块对应的反射系数。
可从明度图像中获取每一基准地图区块对应的反射系数，反射系数可用于对区域的光反射率进行量化表征，反射系数越大，则表明光反射率越高，反射系数越小，则表明光反射率越低。具体的，可获取每一基准地图区块在光谱图像中对应的多个像素点的在饱和度及明度对应的两个特征值，计算基准地图区块在光谱图像中对应的每一像素点的饱和度平均值及明度平均值，并根据预存的反射系数计算公式对每一基准地图区块的饱和度平均值及明度平均值进行计算，计算结果即为每一基准地图区块对应的反射系数。其中，反射系数计算公式可采用公式(1)进行表示：
Fr＝(Sr 2+Vr 2)×(eSr+eVr)/e|Sr-Vr| (1)；
其中，Sr即为第r个基准地图区块的饱和度平均值，Vr即为第r个基准地图区块的明度平均值，Fr即为计算得到的第r个基准地图区块对应的反射系数。
S124、从所述高程图像中获取与每一所述基准地图区块对应的区块高程信息。
可从高程地图中获取每一基准地图区块所对应的区块高程信息，具体的，可从高程地图中获取每一基准地图区块的海拔、坡度及坡向作为对应的区块高程信息，海拔即为基准地图区块相对于海平面的高度，坡度即为基准地图区块整体的倾斜角度，坡向即为基准地图区块整体的倾斜方向。
S130、根据预置的整合规则对每一所述基准地图区块的基准信息与相邻基准地图区块的基准信息进行整合处理，得到每一所述基准地图区块的基准整合信息。
根据预置的整合规则对每一所述基准地图区块的基准信息与相邻基准地图区块的基准信息进行整合处理，得到每一所述基准地图区块的基准整合信息。在对基准地图区块进行分析的过程中，需要同时考虑基准地图区块及周边相邻的其他基准地图区块，因此可根据预先配置的整合规则对所得到的基准信息进行整合，也即是对每一基准地图区块的基准信息与向量基准地图区块的基准信息进行整合处理，则可得到每一基准地图区块的基准整合信息，其中，所述整合规则包括掩膜计算公式及高程信息计算公式。
在一实施例中，如图4所示，步骤S130包括子步骤S131、S132、S133和S134。
S131、根据所述掩膜计算公式及每一所述基准地图区块的区块高程信息分别计算得到每一所述基准地图区块的整合掩膜。
可根据掩膜计算公式对每一基准地图区块的区块高程信息分别计算，对一个基准地图区块的区块高程信息进行计算可得到对应的一个整合掩膜。具体的，若基准地图区块不位于初始地图的边缘，则与基准地图区块相邻的基准地图区块有八个，也即分别对应八个方向，可将每一基准地图区块的区块高程信息中的坡向所指向的一个基准地图区块的方向确定为主增方向，将与主增方向相邻的两个方向确定为次增方向，将与主增垂直的两个方向确定为基准方向，将与主增方向相反的一个方向确定为主减方向，将与主减方向相邻的两个方向确定为次减方向，根据上述规则即可确定与基准地图区块相邻的基准地图区块对应所指向的八个方向的具体分类，根据掩膜计算公式中与每一方向对应的计算式对基准地图区块的坡度进行计算，即可得到包含八个方向分别对应的八个计算值的整合掩膜。具体的，与主增方向对应的计算式可采用公式(2)进行表示：
Ya＝eP/90 (2)；
其中，P即为基准地图区块的坡度，P的取值范围为[0,89]，Ya即为与主增方向对应的计算值。
与次增方向对应的计算式可采用公式(3)进行表示：
Yb＝eP/180 (3)；
其中，P即为基准地图区块的坡度，Yb即为与次增方向对应的计算值。
基准方向的计算值统一为“1”。与主减方向对应的计算式可采用公式(4)进行表示：
Yc＝e-P/90 (4)；
其中，P即为基准地图区块的坡度，Yc即为与主减方向对应的计算值。
与次减方向对应的计算式可采用公式(5)进行表示：
Yd＝e-P/180 (5)；
其中，P即为基准地图区块的坡度，Yd即为与次减方向对应的计算值。
例如，若某一基准地图区块的坡向为130°，坡度为22°，则确定该基准地图区块的主增方向为右下，可根据与该基准地图区块相邻的基准地图区块对应所指向的八个方向的具体分类及该坡度值，对应计算得到八个方向分别对应的计算值作为整合掩膜，整合掩膜所包含的计算值如表1所示。
| 0.7831 | 0.8850 | 1 |
| 0.8850 | - | 1.1300 |
| 1 | 1.1300 | 1.2769 |
表1
S132、根据每一所述基准地图区块的整合掩膜对相邻基准地图区块的基准信息进行整合计算得到每一所述基准地图区块的整合计算信息。
可根据某一基准地图区块的整合掩膜，对该基准地图区块相邻的其它基准地图区块的基准信息进行整合计算，得到与该基准地图区块的整合计算信息。具体的，可根据基准地图区块的整合掩膜对与该基准地图区块相邻的多个基准地图区块的区块色彩信息、反射系数分别进行整合计算，也即是将整合掩膜中的计算值与相应基准地图区块的区块色彩信息及反射系数分别相乘得到相应整合计算值，将所得到的多个整合计算值作为对应的整合计算信息，若基准地图区块不位于初始地图的边缘，则整合计算信息中包含与八个基准地图区块分别对应的32个整合计算值，若基准地图区块位于初始地图的边缘，则整合计算信息中所包含整合计算值的数量为与该基准地图区相邻的基准地图区块数量的四倍。
S133、根据所述高程信息计算公式对每一所述基准地图区块的区块高程信息及相邻基准地图区块的区块高程信息进行计算得到所述基准地图区块的高程整合信息。
可根据高程信息计算公式对每一基准地图区块的区块高程信息及相邻基准地图区块的区块高程信息进行计算，具体的，可对基准地图区块的海拔与相邻的多个基准地图区块的海拔进行平均计算，得到对应的海拔平均值，根据高程信息计算公式及海拔平均值进一步计算得到对应的海拔方差值，将每一基准地图区块对应的海拔平均值及海拔方差值作为对应的高程整合信息。若基准地图区块不位于初始地图的边缘，则可对基准地图区块的海拔与相邻的八个基准地图区块的海拔进行平均计算得到对应的海拔平均值，根据高程信息计算公式、海拔平均值及九个基准地图区块的海拔计算得到对应的海拔方差值。
S134、将每一所述基准地图区块的基准信息、整合计算信息及高程整合信息确定为对应的基准整合信息。
将每一基准地图区块的基准信息以及计算得到的与相应基准地图区块对应的整合计算信息、高程整合信息确定进行组合，即可得到与该基准地图区块对应的基准整合信息，则每一基准地图区块均可对应获取得到一份基准整合信息。
S140、根据预置的区块分析模型对每一所述基准地图区块的基准整合信息进行分析得到每一所述基准地图区块的地质类型。
根据预置的区块分析模型对每一所述基准地图区块的基准整合信息进行分析得到每一所述基准地图区块的地质类型。可根据区块分析模型对每一基准地图区块的基准整合信息进行分析，以根据模型所输出的分析信息确定每一基准地图区块的地质类型。具体的，区块分析模型可以是基于神经网络所构建的智能分析模型，区块分析模型可由一个输入层、多个中间层及一个输出层组成，输入层与中间层之间、中间层与前后相邻的其他中间层之间、中间层与输出层之间均通过关联公式进行关联，例如某一关联公式可表示为y＝k×x+h，k和h即为该关联公式中的参数值。输入层中包含的输入节点的数量与每一基准地图区块的基准整合信息中包含数值的数量相等，则基准整合信息中的每一个数值均与一个输入节点相对应，输出层包含多个输出节点，每一输出节点均与一个地质分类相对应，将每一基准地图区块的基准整合信息依次输入区块分析模型进行分析，即可从其输出层获取所输出的分析信息，根据分析信息即可确定与每一基准地图区块对应的地质类型。
在使用区块分析模型进行分析之前，还可通过预存的训练数据库对初始区块分析模型进行训练，以得到训练后的区分分析模型，通过训练过程可大幅提高使用区分分析模型对基准地图区块的基准整合信息进行分析的准确性。
在一实施例中，如图5所示，步骤S140包括子步骤S141和S142。
S141、将每一所述基准地图区块的基准整合信息分别输入所述区块分析模型，得到每一所述基准地图区块的分析信息。
将每一基准地图区块的基准整合信息从区块分析模型的输入层依次输入，通过区块分析模型中多个关联公式的分析计算，即可从输出层获取所输出的分析信息，分析信息中包含与每一输出节点对应的匹配值，匹配值即可对输入的基准地图区块的基准整合信息与相应输出节点的地质分类之间的匹配度进行表征，匹配值可采用一个小数进行表示，匹配值的取值范围均为[0，1]。
S142、根据每一所述基准地图区块的分析信息确定每一所述基准地图区块的地质类型。
可基于每一基准地图区块的分析信息确定每一基准地图区块的地质类型，具体的，可获取分析信息中匹配值最大的一个地质分类作为与分析信息对应的基准地图区块的地质类型。
S150、根据预存的环境信息、所述基准整合信息及每一所述基准地图区块的地质类型获取与每一所述基准地图区块对应的地块特征信息。
根据预存的环境信息、所述基准整合信息及每一所述基准地图区块的地质类型获取与每一所述基准地图区块对应的地块特征信息。可根据环境信息及每一基准地图区块的地质类型、基准整合信息获取对应的地块特征信息，其中，地块特征信息中包含环境特征值及每一基准地图区块的地质特征值、相邻基准地图区块的地质特征值。环境信息即为相应区域的年降水量、维度、平均日照时长、年平均气温、年度温差等与环境相关的信息，可基于地质类型获取每一基准地图区块对应的地质特征值，基于环境信息获取对应的环境特征值，将环境特征值与相应地质特征值进行组合即可得到每一基准地图区块的地块特征信息。
在一实施例中，如图6所示，步骤S150包括子步骤S151、S152和S153。
S151、对每一所述基准地图区块的地质类型及所述基准整合信息进行转换得到与每一所述基准地图区块对应的地质特征值。
可根据地质类型与相应类型编码的对应关系，将每一基准地图区块的地质类型对应转换为对应的类型编码值，类型编码值为一个具体的数字，则每一基准地图区块的地质类型均可采用对应的一个类型编码值进行表示。
例如，与“水域”这一地质类型对应的类型编码值为“0.30”、与“山地-覆盖树木”对应的类型编码值为“0.77”、“山地-覆盖杂草”对应的类型编码值为“0.72”。
可对每一基准地图区块的海拔、坡度及坡向进行对应转换，得到相应特征值，如将海拔/10000所得到的数值作为特征值，将坡度/90作为相应特征值，将坡向/360作为相应特征值。并对每一基准地图区块的基准整合信息中的平均海拔、海拔方差对应进行转换，得到相应特征值。将每一基准地图区块的类型编码值及海拔、坡度、坡向、平均海拔、海拔方差分别对应的特征值作为每一基准地图区块的地质特征值。
S152、对所述环境信息进行转换得到对应的环境特征值。
可对环境信息进行转换，得到对应的环境特征值，具体的，可根据特征值转换公式对环境信息中每一项环境数值分别进行计算，得到对应的环境特征值，则环境信息中的每一环境数值均可得到对应的一个环境特征值。其中，特征值转换公式可采用公式(6)进行表示：
其中，t为环境信息中的某一项环境数值，z为与该环境数值对应的基准值，S即为计算得到的环境特征值。
例如，对与“平均日照时长”对应的环境数值为14.3h，对应的基准值为13.5h，则根据上述公式可计算得到对应的环境特征值为0.4285。
此外，若初始地图为国家、某一省份对应的地图，则需要分别对每一基准地图区块对应的环境信息进行转换，得到与每一基准地图区块各自所对应的环境特征值。若初始地图为某一城市或城市的某一区域对应的地图，则可获取与该城市对应的环境信息进行转换，得到城市整体的环境特征值。
S153、将所述环境特征值、每一所述基准地图区块的地质特征值与相邻基准地图区块的地质特征值进行组合，得到每一所述基准地图区块的地块特征信息。
将某一基准地图区块对应的环境特征值、地质特征值，与该基准地图区块相邻的其它基准地图区块的地质特征值进行组合，即可得到与该基准地图区块对应的地质特征信息，则地质特征信息中包含多个维度对应的特征值。采用上述方法可依次获取得到与每一基准地图区块对应的地块特征信息。
S160、根据预置的水土资源分析模型对每一所述地块特征信息进行分析，得到每一所述基准地图区块对应的水土流失系数。
根据预置的水土资源分析模型对每一所述地块特征信息进行分析，得到每一所述基准地图区块对应的水土流失系数。具体的，水土资源分析模型可以是基于神经网络所构建的智能分析模型，水土资源分析模型也可由一个输入层、多个中间层及一个输出层组成，输入层与中间层之间、中间层与前后相邻的其他中间层之间、中间层与输出层之间均通过关联公式进行关联。输入层中包含的输入节点的数量与每一地块特征信息中包含特征值的数量相等，输出层中仅包含一个输出节点，将每一基准地图区块的地块特征信息依次输入水土资源分析模型进行分析，即可从其输出层获取所输出的水土流失系数，水土流失系数即可对与所输入的地块特征信息对应的基准地图区块将来的水土流失程度进行预测评估。
S170、在ArcGIS软件中对每一所述基准地图区块的水土流失系数进行整合以生成与所述初始地图对应的水土资源整合地图。
在ArcGIS软件中对每一所述基准地图区块的水土流失系数进行整合以生成与所述初始地图对应的水土资源整合地图。可将每一基准地图区块对应的水土流失系数整合至初始地图中，以生成对应的水土资源整合地图进行显示，则通过水土资源整合地图可方便察看每一具体区块的地质类型及相应水土流失程度的预测信息。
在一实施例中，如图7所示，步骤S170包括子步骤S171、S172、S173和S174。
S171、判断相邻的两个所述基准地图区块的地质类型是否相同，以根据判断结果获取地质类型相同的多个所述基准地图区块组成的区块连通域。
可对相邻的两个基准地图区块的地质类型是否相同进行判断，若相同，则合并相邻的两个基准地图区块得到连通域；若不相同，则不进行合并。依据上述判断结果即可得到地质类型相同的多个基准地图区块组成的区块连通域。
S172、对每一所述区块连通域包含的多个基准地图区块的水土流失系数进行平均计算，得到每一所述区块连通域的系数平均值。
每一基准地图区块均对应一个水土流失系数，则可对区块连通域所包含的多个基准地图区块的水土流失系数进行平均计算，得到对应的系数平均值。
S173、根据预置的映射关系确定与所述基准地图区块的水土流失系数及所述区块连通域的系数平均值分别对应的表征颜色。
用户终端或管理服务器中还预存有映射关系，每一水土流失系数可与一个具体的表征颜色相映射，可根据该映射关系确定与单个基准地图区块的水土流失系数对应的表征颜色，并根据映射关系确定与包含多个基准地图区块的区块连通域的系数平均值对应的表征颜色。
S174、在所述ArcGIS软件中将所述基准地图区块的表征颜色及所述区块连通域的表征颜色分别整合至所述初始地图中对应位置进行填充显示，以生成对应的水土资源整合地图。
将单个基准地图区块的表征颜色整合至初始地图中与单个基准地图区块相对应的位置进行填充显示，并将每一区块连通域的表征颜色整合至初始地图中与每一区块连通域相对应的位置进行填充显示，即可在初始地图基础上生成对应的水土资源整合地图。与此同时，还可将单个基准地图区块的地质类型及区块连通域的地质类型在水土资源整合地图中相应位置进行标识，以提高水土资源整合地图对各种信息进行整合显示的效率。
在本发明实施例所提供的基于ArcGIS的水土资源专题地图生成方法中，对输入的初始地图进行分割得到多个基准地图区块并获取对应的基准信息，对基准地图区块的基准信息进行整合处理得到基准整合信息，根据区块分析模型对基准整合信息进行分析得到对应的地质类型，结合环境信息获取每一基准地图区块的地块特征信息并分析得到对应的水土流失系数，在ArcGIS软件中基于水土流失系数及初始地图生成对应的水土资源整合地图。通过上述方法，可对初始地图及环境信息进行整合分析以得到每一基准地图区块的水土流失系数并智能生成水土资源整合地图，可实现更准确、全面地对初始地图区域内的水土资源状况进行分析。
本发明实施例还提供一种基于ArcGIS的水土资源专题地图生成装置，该基于ArcGIS的水土资源专题地图生成装置可配置于用户终端或管理服务器中，该基于ArcGIS的水土资源专题地图生成装置用于执行前述的基于ArcGIS的水土资源专题地图生成方法的任一实施例。具体地，请参阅图8，图8为本发明实施例提供的基于ArcGIS的水土资源专题地图生成装置的示意性框图。
如图8所示，基于ArcGIS的水土资源专题地图生成装置100包括初始地图分割单元110、基准信息获取单元120、基准整合信息获取单元130、地质类型获取单元140、地块特征信息获取单元150、水土流失系数获取单元160和整合地图生成单元170。
初始地图分割单元110，用于若接收到所输入的初始地图，根据预置的基准尺寸对所述初始地图进行分割得到对应的多个基准地图区块。
在一实施例中，所述初始地图分割单元110包括子单元：尺寸确定单元，用于确定所述初始地图的整体尺寸；分割单元，用于根据所述基准尺寸将所述整体尺寸对应的区域分割为不重叠的多个基准地图区块。
基准信息获取单元120，用于从所述初始地图中采集每一所述基准地图区块的基准信息。
在一实施例中，所述基准信息获取单元120包括子单元：图像转换处理单元，用于对所述光谱图像进行图像转换处理得到对应的明度图像；区域色彩信息获取单元，用于从所述光谱图像中获取与每一所述基准地图区块对应的区块色彩信息；反射系数获取单元，用于从所述明度图像中获取与每一所述基准地图区块对应的反射系数。区块高程信息获取单元，用于从所述高程图像中获取与每一所述基准地图区块对应的区块高程信息。
基准整合信息获取单元130，用于根据预置的整合规则对每一所述基准地图区块的基准信息与相邻基准地图区块的基准信息进行整合处理，得到每一所述基准地图区块的基准整合信息。
在一实施例中，所述基准整合信息获取单元130包括子单元：整合掩膜获取单元，用于根据所述掩膜计算公式及每一所述基准地图区块的区块高程信息分别计算得到每一所述基准地图区块的整合掩膜；整合计算信息获取单元，用于根据每一所述基准地图区块的整合掩膜对相邻基准地图区块的基准信息进行整合计算得到每一所述基准地图区块的整合计算信息。高程整合信息获取单元，用于根据所述高程信息计算公式对每一所述基准地图区块的区块高程信息及相邻基准地图区块的区块高程信息进行计算得到所述基准地图区块的高程整合信息；基准整合信息确定单元，用于将每一所述基准地图区块的基准信息、整合计算信息及高程整合信息确定为对应的基准整合信息。
地质类型获取单元140，用于根据预置的区块分析模型对每一所述基准地图区块的基准整合信息进行分析得到每一所述基准地图区块的地质类型。
在一实施例中，所述地质类型获取单元140包括子单元：分析信息获取单元，用于将每一所述基准地图区块的基准整合信息分别输入所述区块分析模型，得到每一所述基准地图区块的分析信息；地质类型确定单元，用于根据每一所述基准地图区块的分析信息确定每一所述基准地图区块的地质类型。
地块特征信息获取单元150，用于根据预存的环境信息、所述基准整合信息及每一所述基准地图区块的地质类型获取与每一所述基准地图区块对应的地块特征信息。
在一实施例中，所述地块特征信息获取单元150包括子单元：地质特征值获取单元，用于对每一所述基准地图区块的地质类型及所述基准整合信息进行转换得到与每一所述基准地图区块对应的地质特征值；环境特征值获取单元，用于对所述环境信息进行转换得到对应的环境特征值；特征值组合单元，用于将所述环境特征值、每一所述基准地图区块的地质特征值与相邻基准地图区块的地质特征值进行组合，得到每一所述基准地图区块的地块特征信息。
水土流失系数获取单元160，用于根据预置的水土资源分析模型对每一所述地块特征信息进行分析，得到每一所述基准地图区块对应的水土流失系数。
整合地图生成单元170，用于在ArcGIS软件中对每一所述基准地图区块的水土流失系数进行整合以生成与所述初始地图对应的水土资源整合地图。
在一实施例中，所述整合地图生成单元170包括子单元：区块连通域获取单元，用于判断相邻的两个所述基准地图区块的地质类型是否相同，以根据判断结果获取地质类型相同的多个所述基准地图区块组成的区块连通域；系数平均值获取单元，用于对每一所述区块连通域包含的多个基准地图区块的水土流失系数进行平均计算，得到每一所述区块连通域的系数平均值；表征颜色确定单元，用于根据预置的映射关系确定与所述基准地图区块的水土流失系数及所述区块连通域的系数平均值分别对应的表征颜色；填充显示单元，用于在所述ArcGIS软件中将所述基准地图区块的表征颜色及所述区块连通域的表征颜色分别整合至所述初始地图中对应位置进行填充显示，以生成对应的水土资源整合地图。
在本发明实施例所提供的基于ArcGIS的水土资源专题地图生成装置应用上述基于ArcGIS的水土资源专题地图生成方法，对输入的初始地图进行分割得到多个基准地图区块并获取对应的基准信息，对基准地图区块的基准信息进行整合处理得到基准整合信息，根据区块分析模型对基准整合信息进行分析得到对应的地质类型，结合环境信息获取每一基准地图区块的地块特征信息并分析得到对应的水土流失系数，在ArcGIS软件中基于水土流失系数及初始地图生成对应的水土资源整合地图。通过上述方法，可对初始地图及环境信息进行整合分析以得到每一基准地图区块的水土流失系数并智能生成水土资源整合地图，可实现更准确、全面地对初始地图区域内的水土资源状况进行分析。
上述基于ArcGIS的水土资源专题地图生成装置可以实现为计算机程序的形式，该计算机程序可以在如图9所示的计算机设备上运行。
请参阅图9，图9是本发明实施例提供的计算机设备的示意性框图。该计算机设备可以是用于执行基于ArcGIS的水土资源专题地图生成方法以对失真图像集中的图像进行质量评价的用户终端或管理服务器。
参阅图9，该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括存储介质503和内存储器504。
该存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032被执行时，可使得处理器502执行基于ArcGIS的水土资源专题地图生成方法，其中，存储介质503可以为易失性的存储介质或非易失性的存储介质。
该处理器502用于提供计算和控制能力，支撑整个计算机设备500的运行。
该内存储器504为存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行基于ArcGIS的水土资源专题地图生成方法。
该网络接口505用于进行网络通信，如提供数据信息的传输等。本领域技术人员可以理解，图9中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备500的限定，具体的计算机设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
其中，所述处理器502用于运行存储在存储器中的计算机程序5032，以实现上述的基于ArcGIS的水土资源专题地图生成方法中对应的功能。
本领域技术人员可以理解，图9中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定，在其他实施例中，计算机设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。例如，在一些实施例中，计算机设备可以仅包括存储器及处理器，在这样的实施例中，存储器及处理器的结构及功能与图9所示实施例一致，在此不再赘述。
应当理解，在本发明实施例中，处理器502可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在本发明的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为易失性或非易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序，其中计算机程序被处理器执行时实现上述的基于ArcGIS的水土资源专题地图生成方法中所包含的步骤。
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，上述描述的设备、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为逻辑功能划分，实际实现时可以有另外的划分方式，也可以将具有相同功能的单元集合成一个单元，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外，在本发明各个实施例中的各功能单元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，也可以是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。
所述集成的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存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个计算机可读存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的计算机可读存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种基于ArcGIS的水土资源专题地图生成方法，其特征在于，所述方法包括：
若接收到所输入的初始地图，根据预置的基准尺寸对所述初始地图进行分割得到对应的多个基准地图区块；
从所述初始地图中采集每一所述基准地图区块的基准信息；
根据预置的整合规则对每一所述基准地图区块的基准信息与相邻基准地图区块的基准信息进行整合处理，得到每一所述基准地图区块的基准整合信息；
根据预置的区块分析模型对每一所述基准地图区块的基准整合信息进行分析得到每一所述基准地图区块的地质类型；
根据预存的环境信息、所述基准整合信息及每一所述基准地图区块的地质类型获取与每一所述基准地图区块对应的地块特征信息；
根据预置的水土资源分析模型对每一所述地块特征信息进行分析，得到每一所述基准地图区块对应的水土流失系数；
在ArcGIS软件中对每一所述基准地图区块的水土流失系数进行整合以生成与所述初始地图对应的水土资源整合地图；
所述初始地图包括光谱图像及高程图像，所述基准信息包括区块色彩信息、反射系数及区块高程信息，所述从所述初始地图中采集每一所述基准地图区块的基准信息，包括：
对所述光谱图像进行图像转换处理得到对应的明度图像；
从所述光谱图像中获取与每一所述基准地图区块对应的区块色彩信息；
从所述明度图像中获取与每一所述基准地图区块对应的反射系数；
从所述高程图像中获取与每一所述基准地图区块对应的区块高程信息；
所述整合规则包括掩膜计算公式及高程信息计算公式，所述根据预置的整合规则对每一所述基准地图区块的基准信息与相邻基准地图区块的基准信息进行整合处理，得到每一所述基准地图区块的基准整合信息，包括：
根据所述掩膜计算公式及每一所述基准地图区块的区块高程信息分别计算得到每一所述基准地图区块的整合掩膜；
根据每一所述基准地图区块的整合掩膜对相邻基准地图区块的基准信息进行整合计算得到每一所述基准地图区块的整合计算信息；
根据所述高程信息计算公式对每一所述基准地图区块的区块高程信息及相邻基准地图区块的区块高程信息进行计算得到所述基准地图区块的高程整合信息；
将每一所述基准地图区块的基准信息、整合计算信息及高程整合信息确定为对应的基准整合信息；
所述根据预存的环境信息、所述基准整合信息及每一所述基准地图区块的地质类型获取与每一所述基准地图区块对应的地块特征信息，包括：
对每一所述基准地图区块的地质类型及所述基准整合信息进行转换得到与每一所述基准地图区块对应的地质特征值；
对所述环境信息进行转换得到对应的环境特征值；
将所述环境特征值、每一所述基准地图区块的地质特征值与相邻基准地图区块的地质特征值进行组合，得到每一所述基准地图区块的地块特征信息。
2.根据权利要求1所述的基于ArcGIS的水土资源专题地图生成方法，其特征在于，所述根据预置的基准尺寸对所述初始地图进行分割得到对应的多个基准地图区块，包括：
确定所述初始地图的整体尺寸；
根据所述基准尺寸将所述整体尺寸对应的区域分割为不重叠的多个基准地图区块。
3.根据权利要求1所述的基于ArcGIS的水土资源专题地图生成方法，其特征在于，所述根据预置的区块分析模型对每一所述基准地图区块的基准整合信息进行分析得到每一所述基准地图区块的地质类型，包括：
将每一所述基准地图区块的基准整合信息分别输入所述区块分析模型，得到每一所述基准地图区块的分析信息；
根据每一所述基准地图区块的分析信息确定每一所述基准地图区块的地质类型。
4.根据权利要求1所述的基于ArcGIS的水土资源专题地图生成方法，其特征在于，所述在ArcGIS软件中对每一所述基准地图区块的水土流失系数进行整合以生成与所述初始地图对应的水土资源整合地图，包括：
判断相邻的两个所述基准地图区块的地质类型是否相同，以根据判断结果获取地质类型相同的多个所述基准地图区块组成的区块连通域；
对每一所述区块连通域包含的多个基准地图区块的水土流失系数进行平均计算，得到每一所述区块连通域的系数平均值；
根据预置的映射关系确定与所述基准地图区块的水土流失系数及所述区块连通域的系数平均值分别对应的表征颜色；
在所述ArcGIS软件中将所述基准地图区块的表征颜色及所述区块连通域的表征颜色分别整合至所述初始地图中对应位置进行填充显示，以生成对应的水土资源整合地图。
5.一种基于ArcGIS的水土资源专题地图生成装置，其特征在于，所述装置包括：
初始地图分割单元，用于若接收到所输入的初始地图，根据预置的基准尺寸对所述初始地图进行分割得到对应的多个基准地图区块；
基准信息获取单元，用于从所述初始地图中采集每一所述基准地图区块的基准信息；
基准整合信息获取单元，用于根据预置的整合规则对每一所述基准地图区块的基准信息与相邻基准地图区块的基准信息进行整合处理，得到每一所述基准地图区块的基准整合信息；
地质类型获取单元，用于根据预置的区块分析模型对每一所述基准地图区块的基准整合信息进行分析得到每一所述基准地图区块的地质类型；
地块特征信息获取单元，用于根据预存的环境信息、所述基准整合信息及每一所述基准地图区块的地质类型获取与每一所述基准地图区块对应的地块特征信息；
水土流失系数获取单元，用于根据预置的水土资源分析模型对每一所述地块特征信息进行分析，得到每一所述基准地图区块对应的水土流失系数；
整合地图生成单元，用于在ArcGIS软件中对每一所述基准地图区块的水土流失系数进行整合以生成与所述初始地图对应的水土资源整合地图；
所述初始地图包括光谱图像及高程图像，所述基准信息获取单元包括子单元：
图像转换处理单元，用于对所述光谱图像进行图像转换处理得到对应的明度图像；
区域色彩信息获取单元，用于从所述光谱图像中获取与每一所述基准地图区块对应的区块色彩信息；
反射系数获取单元，用于从所述明度图像中获取与每一所述基准地图区块对应的反射系数；
区块高程信息获取单元，用于从所述高程图像中获取与每一所述基准地图区块对应的区块高程信息；
所述整合规则包括掩膜计算公式及高程信息计算公式，所述基准整合信息获取单元包括子单元：
整合掩膜获取单元，用于根据所述掩膜计算公式及每一所述基准地图区块的区块高程信息分别计算得到每一所述基准地图区块的整合掩膜；
整合计算信息获取单元，用于根据每一所述基准地图区块的整合掩膜对相邻基准地图区块的基准信息进行整合计算得到每一所述基准地图区块的整合计算信息；
高程整合信息获取单元，用于根据所述高程信息计算公式对每一所述基准地图区块的区块高程信息及相邻基准地图区块的区块高程信息进行计算得到所述基准地图区块的高程整合信息；
基准整合信息确定单元，用于将每一所述基准地图区块的基准信息、整合计算信息及高程整合信息确定为对应的基准整合信息；
所述地块特征信息获取单元包括子单元：
地质特征值获取单元，用于对每一所述基准地图区块的地质类型及所述基准整合信息进行转换得到与每一所述基准地图区块对应的地质特征值；
环境特征值获取单元，用于对所述环境信息进行转换得到对应的环境特征值；
特征值组合单元，用于将所述环境特征值、每一所述基准地图区块的地质特征值与相邻基准地图区块的地质特征值进行组合，得到每一所述基准地图区块的地块特征信息。
6.一种计算机设备，包括存储器、处理器及存储在所述存储器上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中任一项所述的基于ArcGIS的水土资源专题地图生成方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的基于ArcGIS的水土资源专题地图生成方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110711793.8A CN113434621B (zh) | 2021-06-25 | 2021-06-25 | 基于ArcGIS的水土资源专题地图生成方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110711793.8A CN113434621B (zh) | 2021-06-25 | 2021-06-25 | 基于ArcGIS的水土资源专题地图生成方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113434621A CN113434621A (zh) | 2021-09-24 |
| CN113434621B true CN113434621B (zh) | 2022-02-15 |
Family
ID=77755286
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110711793.8A Active CN113434621B (zh) | 2021-06-25 | 2021-06-25 | 基于ArcGIS的水土资源专题地图生成方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113434621B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108108420A (zh) * | 2017-12-15 | 2018-06-01 | 南京林业大学 | 一种水土流失调查采样方法及装置 |
| CN110363356A (zh) * | 2019-07-17 | 2019-10-22 | 长安大学 | 一种面向生态的水土资源时空优化配置方法 |
| CN210572759U (zh) * | 2019-08-07 | 2020-05-19 | 河北春雨信息科技有限公司 | 一种水土保持遥感监测系统 |
| CN112394160A (zh) * | 2020-12-01 | 2021-02-23 | 太湖流域管理局太湖流域水土保持监测中心站 | 一种水土流失动态监测野外调查信息移动采集系统及方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1203955A4 (en) * | 1999-07-08 | 2003-07-02 | Omron Tateisi Electronics Co | SOIL MEASUREMENT INSTRUMENT, ASSOCIATED DEVICE AND METHOD, PROGRAM AND DATA RECORDING MEDIA, APPLICATION QUANTITY APPARATUS AND ASSOCIATED CALCULATION DEVICE, CONTROL METHOD THEREOF AND D-SYSTEM AID FOR AGRICULTURAL WORK |
| KR100750749B1 (ko) * | 2005-11-29 | 2007-08-30 | 대한민국 | Ｇｉｓ를 이용한 식물자원 수량화 방법 |
| CN204515417U (zh) * | 2015-03-16 | 2015-07-29 | 昆明云图科技有限公司 | 基于gis的水土流失地理信息采集器 |
| CN111207762B (zh) * | 2019-12-31 | 2021-12-07 | 深圳一清创新科技有限公司 | 地图生成方法、装置、计算机设备和存储介质 |
| CN112364112A (zh) * | 2020-11-13 | 2021-02-12 | 广东飞达交通工程有限公司 | 高速公路两侧水土情况分析方法 |
-
2021
- 2021-06-25 CN CN202110711793.8A patent/CN113434621B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108108420A (zh) * | 2017-12-15 | 2018-06-01 | 南京林业大学 | 一种水土流失调查采样方法及装置 |
| CN110363356A (zh) * | 2019-07-17 | 2019-10-22 | 长安大学 | 一种面向生态的水土资源时空优化配置方法 |
| CN210572759U (zh) * | 2019-08-07 | 2020-05-19 | 河北春雨信息科技有限公司 | 一种水土保持遥感监测系统 |
| CN112394160A (zh) * | 2020-12-01 | 2021-02-23 | 太湖流域管理局太湖流域水土保持监测中心站 | 一种水土流失动态监测野外调查信息移动采集系统及方法 |
Non-Patent Citations (2)
| Title |
|---|
| "基于GIS的水土保持大数据多维可视化方案";夏庆飞;《中国优秀博硕士学位论文全文数据库(硕士)农业科技辑》;20181015;D043-15 * |
| "基于RS和GI S的区域水土流失快速评价研究";贺金兰 等;《乡村科技》;20180630;第125-126页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113434621A (zh) | 2021-09-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Coburn et al. | A multiscale texture analysis procedure for improved forest stand classification | |
| Trygonis et al. | photoQuad: a dedicated seabed image processing software, and a comparative error analysis of four photoquadrat methods | |
| Touati et al. | An energy-based model encoding nonlocal pairwise pixel interactions for multisensor change detection | |
| Frery et al. | Classifying multifrequency fully polarimetric imagery with multiple sources of statistical evidence and contextual information | |
| US7221798B2 (en) | Method for selecting representative endmember components from spectral data | |
| Renza et al. | A new approach to change detection in multispectral images by means of ERGAS index | |
| Finlayson et al. | The reproduction angular error for evaluating the performance of illuminant estimation algorithms | |
| CN109410171B (zh) | 一种用于雨天图像的目标显著性检测方法 | |
| Lu et al. | Land-use and land-cover change detection | |
| JP2019537151A (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
| Sowmya et al. | Land cover classification using reformed fuzzy C-means | |
| JP6943251B2 (ja) | 画像処理装置、画像処理方法及びコンピュータ読み取り可能記録媒体 | |
| Karvonen | Baltic sea ice concentration estimation from c-band dual-polarized sar imagery by image segmentation and convolutional neural networks | |
| Dungan | Toward a comprehensive view of uncertainty in remote sensing analysis | |
| Teodoro et al. | Identification of beach hydromorphological patterns/forms through image classification techniques applied to remotely sensed data | |
| CN113434621B (zh) | 基于ArcGIS的水土资源专题地图生成方法、装置、设备及介质 | |
| Yordanov et al. | Deforestation mapping using Sentinel-1 and object-based Random Forest classification on Google Earth Engine | |
| Kalbi et al. | Estimation of forest attributes in the Hyrcanian forests, comparison of advanced space-borne thermal emission and reflection radiometer and satellite poure I’observation de la terre-high resolution grounding data by multiple linear, and classification and regression tree regression models | |
| Richards et al. | Image classification methodologies | |
| Liu | Supervised classification and unsupervised classification | |
| Ziegelmeier et al. | Stratifying high-dimensional data based on proximity to the convex hull boundary | |
| Taha | Assessment of urbanization encroachment over Al-Monib island using fuzzy post classification comparison and urbanization metrics | |
| Apriyanto et al. | Examining the object-based and pixel-based image analyses for developing stand volume estimator model | |
| US7321691B1 (en) | Method for selecting representative endmember components from spectral data | |
| Toure et al. | Best-performing color space for land-sea segmentation |
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 |