CN113674410A - 斜坡单元等级的描述方法、装置、计算机设备及存储介质 - Google Patents
斜坡单元等级的描述方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113674410A CN113674410A CN202110854889.XA CN202110854889A CN113674410A CN 113674410 A CN113674410 A CN 113674410A CN 202110854889 A CN202110854889 A CN 202110854889A CN 113674410 A CN113674410 A CN 113674410A
- Authority
- CN
- China
- Prior art keywords
- slope unit
- unit
- space
- result
- slope
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000001914 filtration Methods 0.000 claims abstract description 85
- 230000004931 aggregating effect Effects 0.000 claims abstract description 11
- 238000004590 computer program Methods 0.000 claims description 19
- 230000002159 abnormal effect Effects 0.000 claims description 18
- 230000002776 aggregation Effects 0.000 claims description 12
- 238000004220 aggregation Methods 0.000 claims description 12
- 238000009499 grossing Methods 0.000 claims description 11
- 238000004090 dissolution Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 11
- 230000000875 corresponding effect Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000003628 erosive effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011284 combination treatment Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000000366 juvenile effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000008239 natural water Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000013097 stability assessment Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Remote Sensing (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了斜坡单元等级的描述方法、装置、计算机设备及存储介质。所述方法包括:对斜坡单元预警等级的空间进行滤波,以得到滤波空间;对滤波空间进行聚集和溶解,以得到斜坡单元结果;将行政区划与所述斜坡单元结果进行叠加,以得到叠加结果;确定所述行政区划的中心与叠加结果中的斜坡单元的中心;根据所述行政区划的中心以及叠加结果中的斜坡单元的中心计算两者的距离和方位角,以形成描述结果。通过实施本发明实施例的方法可实现精准描述聚集区域和行政区的关系。
Description
技术领域
本发明涉及地质灾害预警技术领域,更具体地说是指斜坡单元等级的描述方法、装置、计算机设备及存储介质。
背景技术
我国拥有丰富的水力资源,河流、水库众多,为我国的经济建设,国防事业,生态建设提供了内生动力,但自然水流对河岸、库岸的侵蚀作用,使得岸坡稳定性降低,产生滑坡、塌岸等地质灾害,造成人员伤亡、经济财产的损失,以及建设场地失稳、生态环境劣化等;为了预防灾害的发生,需要把握水流对岸坡侵蚀性影响程度、开展相应的岸坡稳定性评估,从而确保人民的财产安全,工程建设的稳定可靠,保护河岸的生态。
在地址灾害危险性区域中常用的单元类型包括斜坡单元,斜坡单元是滑坡、崩塌等地质灾害发育的基本单元,并且在各类控制或影响因素中,河流和河谷的发育阶段对滑坡、崩塌的形成具有明显的控制作用,因此,采用基于幼年期沟谷划分的斜坡单元作为评价单元,可以与地质环境条件紧密联系,综合体现各类控制或影响因素的作用,使评价结果更贴近于实际,因此,在满足DEM(数字高程模型,Digital Elevation Model)精度要求的前提下,斜坡单元划分适用于地质灾害危险性划分。
在以斜坡单元为基本评价单元的地质灾害气象风险预警中,存在从斜坡单元风险等级向行政区转换的问题,现有的方式是采用取行政区内所有斜坡单元等级分位数的方法将斜坡单元等级的描述至行政区,现有的方式虽然定级简单但无法较精确描述聚集区域和行政区的关系。
因此,有必要设计一种新的方法,实现可精准描述聚集区域和行政区的关系。
发明内容
本发明的目的在于克服现有技术的缺陷,提供斜坡单元等级的描述方法、装置、计算机设备及存储介质。
为实现上述目的,本发明采用以下技术方案:斜坡单元等级的描述方法,包括:
对斜坡单元预警等级的空间进行滤波,以得到滤波空间;
对滤波空间进行聚集和溶解,以得到斜坡单元结果;
将行政区划与所述斜坡单元结果进行叠加,以得到叠加结果;
确定所述行政区划的中心与叠加结果中的斜坡单元的中心;
根据所述行政区划的中心以及叠加结果中的斜坡单元的中心计算两者的距离和方位角,以形成描述结果。
其进一步技术方案为:所述描述结果用于描述斜坡单元结果所在区域和行政区划的关系。
其进一步技术方案为:所述对斜坡单元预警等级的空间进行滤波,包括:
构建空间邻接关系;
采用众数滤波方式对所述斜坡单元预警等级的空间进行异常值平滑和去除,以得到中间空间;
计算所述中间空间的斜坡单元计算全局莫兰指数;
判断所述全局莫兰指数是否大于设定的阈值;
若所述全局莫兰指数不大于设定的阈值,则利用所述中间空间更新斜坡单元预警等级的空间,并执行所述采用众数滤波方式对所述斜坡单元预警等级的空间进行异常值平滑和去除,以得到中间空间;
若所述全局莫兰指数大于设定的阈值,则确定所述中间空间为滤波空间。
其进一步技术方案为:所述对滤波空间进行聚集和溶解,以得到斜坡单元结果,包括:
提取滤波空间内设定预警等级的斜坡单元,以得到目标斜坡单元;
对所述目标斜坡单元进行空值赋值,以得到矢量数据;
对矢量数据计算局部莫兰指数;
根据所述局部莫兰指数提取具有显著正相关的斜坡单元;
溶解提取的斜坡单元对应的矢量数据,以得到斜坡单元结果。
其进一步技术方案为:所述设定预警等级包括(0,1)等级、(0,2)等级、(0,3)等级以及(0,4)等级。
本发明还提供了斜坡单元等级的描述装置,包括:
滤波单元,用于对斜坡单元预警等级的空间进行滤波,以得到滤波空间;
聚集溶解单元,用于对滤波空间进行聚集和溶解,以得到斜坡单元结果;
叠加单元,用于将行政区划与所述斜坡单元结果进行叠加,以得到叠加结果;
中心确定单元,用于确定所述行政区划的中心与叠加结果中的斜坡单元的中心;
描述结果生成单元,用于根据所述行政区划的中心以及叠加结果中的斜坡单元的中心计算两者的距离和方位角,以形成描述结果。
其进一步技术方案为:所述滤波单元包括:
关系构建子单元,用于构建空间邻接关系;
众数滤波子单元,用于采用众数滤波方式对所述斜坡单元预警等级的空间进行异常值平滑和去除,以得到中间空间;
全局指数子单元,用于计算所述中间空间的斜坡单元计算全局莫兰指数;
判断子单元,用于判断所述全局莫兰指数是否大于设定的阈值;
更新子单元,用于若所述全局莫兰指数不大于设定的阈值,则利用所述中间空间更新斜坡单元预警等级的空间,并执行所述采用众数滤波方式对所述斜坡单元预警等级的空间进行异常值平滑和去除,以得到中间空间;
空间确定子单元,用于若所述全局莫兰指数大于设定的阈值,则确定所述中间空间为滤波空间。
其进一步技术方案为:所述聚集溶解单元包括:
第一提取子单元,用于提取滤波空间内设定预警等级的斜坡单元,以得到目标斜坡单元;
赋值子单元,用于对所述目标斜坡单元进行空值赋值,以得到矢量数据;
局部指数计算子单元,用于对矢量数据计算局部莫兰指数;
第二提取子单元,用于根据所述局部莫兰指数提取具有显著正相关的斜坡单元;
溶解子单元,用于溶解提取的斜坡单元对应的矢量数据,以得到斜坡单元结果。
本发明还提供了一种计算机设备,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现上述述的方法。
本发明还提供了一种存储介质,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可实现上述的方法。
本发明与现有技术相比的有益效果是:本发明通过带有斜坡单元预警等级的空间进行滤波、聚集和溶解,以得到聚集后的空间,即斜坡单元结果,再将行政区划与所述斜坡单元结果进行叠加,确定叠加的两者的中心,利用两个中心计算所述行政区划的中心与叠加结果中的斜坡单元之间的距离和方位角,利用距离和方位角形成描述结果,实现可精准描述聚集区域和行政区的关系
下面结合附图和具体实施例对本发明作进一步描述。
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斜坡单元等级的描述方法的应用场景示意图;
图2为本发明实施例提供的斜坡单元等级的描述方法的流程示意图;
图3为本发明实施例提供的斜坡单元等级的描述方法的子流程示意图;
图4为本发明实施例提供的斜坡单元等级的描述方法的子流程示意图;
图5为本发明实施例提供的斜坡单元与行政区划的示意图;
图6为本发明实施例提供的斜坡单元与行政区划的细节示意图;
图7为本发明实施例提供的叠加结果的示意图;
图8为本发明实施例提供的斜坡单元等级的描述装置的示意性框图;
图9为本发明实施例提供的斜坡单元等级的描述装置的滤波单元的示意性框图;
图10为本发明实施例提供的斜坡单元等级的描述装置的聚集溶解单元的示意性框图;
图11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和图2,图1为本发明实施例提供的斜坡单元等级的描述方法的应用场景示意图。图2为本发明实施例提供的斜坡单元等级的描述方法的示意性流程图。该斜坡单元等级的描述方法应用于服务器中。该服务器与终端进行数据交互,服务器对斜坡单元预警等级的空间进行滤波、聚集和溶解,再与划分的行政区划进行叠加,确定两者的中心计算距离和方位角,采用距离和方位角进行关系的描述。
图2是本发明实施例提供的斜坡单元等级的描述方法的流程示意图。如图2所示,该方法包括以下步骤S110至S150。
S110、对斜坡单元预警等级的空间进行滤波,以得到滤波空间。
在本实施例中,滤波空间是指对斜坡单元预警等级的空间中斜坡单元的异常值的平滑和去除,且斜坡单元的全局莫兰指数大于设定的阈值的空间。
在一实施例中,请参阅图3,上述的步骤S110可包括步骤S111~S116。
S111、构建空间邻接关系。
在本实施例中,借助空间邻接关系可以将斜坡单元预警等级所涉及的空间进行合并,形成斜坡单元预警等级的空间,构建空间邻接关系主要是确定斜坡单元之间的相邻程度。
S112、采用众数滤波方式对所述斜坡单元预警等级的空间进行异常值平滑和去除,以得到中间空间。
众数滤波需要满足两个条件才能发生替换:具有近似值的相邻像元数必须足够多(达到所有像元的半数及以上),并且这些像元在滤波器内核周围必须是连续的。第二个条件与像元的空间连通性有关,目的是将像元的空间模式的破坏程度降到最低。众数滤波方式根据相邻像元数据值的众数替换栅格中的像元,可以快速且准确地进行空间内的异常值平滑和去除。
S113、计算所述中间空间的斜坡单元计算全局莫兰指数。
在本实施例中,全局莫兰指数能够检测空间是否出现了集聚。全局莫兰指数用来描述所有的空间单元即当前的斜坡单元在整个区域上与周边地区的平均关联程度。
全局莫兰指数能够表示空间单元的相关性,其实就是用空间单元的邻接权重指数乘以空间单元间属性值的偏差。前者对应着各地区在空间上的位置关系,后者对应着各地区属性值之间的差异,两者作乘积,再求和,就得到了所有地区在整个空间上的相关性程度。只有当两个相邻空间单元同时大于或者小于空间单元均值时,全局莫兰指数才为正,当两空间单元偏离均值越大时,全局莫兰指数的值就越大。全局莫兰指数的数值分布在[-1,1]间,全局莫兰指数大于0时,表示数据呈现空间正相关,即属性值越大越容易聚集在一起;全局莫兰指数为0时,空间呈随机性,局部区域可能会出现聚集现象,即存在局部相关;全局莫兰指数小于0时,表示数据呈现空间负相关,即属性值越大越不容易聚集在一起,空间差异较大。
在显著性为0.05水平下,当满足|Z|>1.96或P值小于0.05时,即可拒绝原假设H0:数据呈随机分布,认为全局莫兰指数显著有效。
S114、判断所述全局莫兰指数是否大于设定的阈值;
S115、若所述全局莫兰指数不大于设定的阈值,则利用所述中间空间更新斜坡单元预警等级的空间,并执行所述步骤S112;
S116、若所述全局莫兰指数大于设定的阈值,则确定所述中间空间为滤波空间。
当全局莫兰指数大于设定阈值,则表明当前的中间空间已经去除了异常值,且是具备斜坡单元预警等级的最佳的空间。
S120、对滤波空间进行聚集和溶解,以得到斜坡单元结果。
在本实施例中,斜坡单元结果是指对滤波空间进行聚集和溶解形成的空间。
在一实施例中,请参阅图4,上述的步骤S120可包括步骤S121~S125。
S121、提取滤波空间内设定预警等级的斜坡单元,以得到目标斜坡单元。
在本实施例中,所述设定预警等级包括(0,1)等级、(0,2)等级、(0,3)等级以及(0,4)等级。目标斜坡单元是指滤波空间内预警等级是预设等级的斜坡单元。
S122、对所述目标斜坡单元进行空值赋值,以得到矢量数据。
在本实施例中,矢量数据是指对目标斜坡单元进行空值赋值0所形成的4个新的数据。
S123、对矢量数据计算局部莫兰指数。
在本实施例中,如果全局有自相关出现,可继续做局部自相关;局部莫兰指数会显示出现集聚的具体区域,便可根据该局部莫兰指数进行斜坡单元的溶解,当局部莫兰指数显著正相关则表明斜坡单元是出现集聚的具体区域。
S124、根据所述局部莫兰指数提取具有显著正相关的斜坡单元;
S125、溶解提取的斜坡单元对应的矢量数据,以得到斜坡单元结果。
具体地,具体地,将所述局部莫兰指数显著正相关的斜坡单元中邻接的斜坡单元进行合并,以得到斜坡单元。
在进行溶解时,将邻接的斜坡单元合并,不邻接的斜坡单元保持不变,从而进行局部莫兰指数显著正相关的斜坡单元的合并处理。
S130、将行政区划与所述斜坡单元结果进行叠加,以得到叠加结果。
在本实施例中,叠加结果是指将斜坡单元结果与行政区划进行区域叠加,以得到的结果。
请参阅图5至图7,图5和图6展示了斜坡单元与行政区划,图7展示了斜坡单元结果与行政区划进行区域叠加后的结果。
S140、确定所述行政区划的中心与叠加结果中的斜坡单元的中心。
在本实施例中,对所述行政区划的中心与叠加结果中的斜坡单元的中心的确定,可以利用中心计算相关参数,以用数据展示行政区划与叠加结果中的斜坡单元的关系,斜坡单元携带有风险等级,便可将斜坡单元风险等级归结到行政区划内,且可用时间精准描述聚集区域和行政区的关系。
S150、根据所述行政区划的中心以及叠加结果中的斜坡单元的中心计算两者的距离和方位角,以形成描述结果。
在本实施例中,所述描述结果用于描述斜坡单元结果所在区域和行政区划的关系。
具体地,描述结果是指(距离,方位角),主要用于描述聚集区域和行政区的关系,聚集区域是指叠加结果中的斜坡单元所在的区域。
上述的斜坡单元等级的描述方法,通过带有斜坡单元预警等级的空间进行滤波、聚集和溶解,以得到聚集后的空间,即斜坡单元结果,再将行政区划与所述斜坡单元结果进行叠加,确定叠加的两者的中心,利用两个中心计算所述行政区划的中心与叠加结果中的斜坡单元之间的距离和方位角,利用距离和方位角形成描述结果,实现可精准描述聚集区域和行政区的关系。
图8是本发明实施例提供的一种斜坡单元等级的描述装置300的示意性框图。如图8所示,对应于以上斜坡单元等级的描述方法,本发明还提供一种斜坡单元等级的描述装置300。该斜坡单元等级的描述装置300包括用于执行上述斜坡单元等级的描述方法的单元,该装置可以被配置于服务器中。具体地,请参阅图8,该斜坡单元等级的描述装置300包括滤波单元301、聚集溶解单元302、叠加单元303、中心确定单元304以及描述结果生成单元305。
滤波单元301,用于对斜坡单元预警等级的空间进行滤波,以得到滤波空间;聚集溶解单元302,用于对滤波空间进行聚集和溶解,以得到斜坡单元结果;叠加单元303,用于将行政区划与所述斜坡单元结果进行叠加,以得到叠加结果;中心确定单元304,用于确定所述行政区划的中心与叠加结果中的斜坡单元的中心;描述结果生成单元305,用于根据所述行政区划的中心以及叠加结果中的斜坡单元的中心计算两者的距离和方位角,以形成描述结果。
在一实施例中,如图9所示,所述滤波单元301包括关系构建子单元301、众数滤波子单元302、全局指数子单元303、判断子单元304、更新子单元305以及空间确定子单元306。
关系构建子单元301,用于构建空间邻接关系;众数滤波子单元302,用于采用众数滤波方式对所述斜坡单元预警等级的空间进行异常值平滑和去除,以得到中间空间;全局指数子单元303,用于计算所述中间空间的斜坡单元计算全局莫兰指数;判断子单元304,用于判断所述全局莫兰指数是否大于设定的阈值;更新子单元305,用于若所述全局莫兰指数不大于设定的阈值,则利用所述中间空间更新斜坡单元预警等级的空间,并执行所述采用众数滤波方式对所述斜坡单元预警等级的空间进行异常值平滑和去除,以得到中间空间;空间确定子单元306,用于若所述全局莫兰指数大于设定的阈值,则确定所述中间空间为滤波空间。
在一实施例中,请参阅图10,所述聚集溶解单元302包括第一提取子单元3021、赋值子单元3022、局部指数计算子单元3023、第二提取子单元3024以及溶解子单元3025。
第一提取子单元3021,用于提取滤波空间内设定预警等级的斜坡单元,以得到目标斜坡单元;赋值子单元3022,用于对所述目标斜坡单元进行空值赋值,以得到矢量数据;局部指数计算子单元3023,用于对矢量数据计算局部莫兰指数;第二提取子单元3024,用于根据所述局部莫兰指数提取具有显著正相关的斜坡单元;溶解子单元3025,用于溶解提取的斜坡单元对应的矢量数据,以得到斜坡单元结果。
需要说明的是,所属领域的技术人员可以清楚地了解到,上述斜坡单元等级的描述装置300和各单元的具体实现过程,可以参考前述方法实施例中的相应描述,为了描述的方便和简洁,在此不再赘述。
上述斜坡单元等级的描述装置300可以实现为一种计算机程序的形式,该计算机程序可以在如图11所示的计算机设备上运行。
请参阅图11,图11是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是服务器,其中,服务器可以是独立的服务器,也可以是多个服务器组成的服务器集群。
参阅图11,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,存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032包括程序指令,该程序指令被执行时,可使得处理器502执行一种斜坡单元等级的描述方法。
该处理器502用于提供计算和控制能力,以支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质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执行一种斜坡单元等级的描述方法。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解,图11中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请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,以实现如下步骤:
对斜坡单元预警等级的空间进行滤波,以得到滤波空间;对滤波空间进行聚集和溶解,以得到斜坡单元结果;将行政区划与所述斜坡单元结果进行叠加,以得到叠加结果;确定所述行政区划的中心与叠加结果中的斜坡单元的中心;根据所述行政区划的中心以及叠加结果中的斜坡单元的中心计算两者的距离和方位角,以形成描述结果。
其中,所述描述结果用于描述斜坡单元结果所在区域和行政区划的关系。
在一实施例中,处理器502在实现所述对斜坡单元预警等级的空间进行滤波步骤时,具体实现如下步骤:
构建空间邻接关系;采用众数滤波方式对所述斜坡单元预警等级的空间进行异常值平滑和去除,以得到中间空间;计算所述中间空间的斜坡单元计算全局莫兰指数;判断所述全局莫兰指数是否大于设定的阈值;若所述全局莫兰指数不大于设定的阈值,则利用所述中间空间更新斜坡单元预警等级的空间,并执行所述采用众数滤波方式对所述斜坡单元预警等级的空间进行异常值平滑和去除,以得到中间空间;若所述全局莫兰指数大于设定的阈值,则确定所述中间空间为滤波空间。
在一实施例中,处理器502在实现所述对滤波空间进行聚集和溶解,以得到斜坡单元结果步骤时,具体实现如下步骤:
提取滤波空间内设定预警等级的斜坡单元,以得到目标斜坡单元;对所述目标斜坡单元进行空值赋值,以得到矢量数据;对矢量数据计算局部莫兰指数;根据所述局部莫兰指数提取具有显著正相关的斜坡单元;溶解提取的斜坡单元对应的矢量数据,以得到斜坡单元结果。
其中,所述设定预警等级包括(0,1)等级、(0,2)等级、(0,3)等级以及(0,4)等级。
应当理解,在本申请实施例中,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。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令,计算机程序可存储于一存储介质中,该存储介质为计算机可读存储介质。该程序指令被该计算机系统中的至少一个处理器执行,以实现上述方法的实施例的流程步骤。
因此,本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序,其中该计算机程序被处理器执行时使处理器执行如下步骤:
对斜坡单元预警等级的空间进行滤波,以得到滤波空间;对滤波空间进行聚集和溶解,以得到斜坡单元结果;将行政区划与所述斜坡单元结果进行叠加,以得到叠加结果;确定所述行政区划的中心与叠加结果中的斜坡单元的中心;根据所述行政区划的中心以及叠加结果中的斜坡单元的中心计算两者的距离和方位角,以形成描述结果。
其中,所述描述结果用于描述斜坡单元结果所在区域和行政区划的关系。
在一实施例中,所述处理器在执行所述计算机程序而实现所述对斜坡单元预警等级的空间进行滤波步骤时,具体实现如下步骤:
构建空间邻接关系;采用众数滤波方式对所述斜坡单元预警等级的空间进行异常值平滑和去除,以得到中间空间;计算所述中间空间的斜坡单元计算全局莫兰指数;判断所述全局莫兰指数是否大于设定的阈值;若所述全局莫兰指数不大于设定的阈值,则利用所述中间空间更新斜坡单元预警等级的空间,并执行所述采用众数滤波方式对所述斜坡单元预警等级的空间进行异常值平滑和去除,以得到中间空间;若所述全局莫兰指数大于设定的阈值,则确定所述中间空间为滤波空间。
在一实施例中,所述处理器在执行所述计算机程序而实现所述对滤波空间进行聚集和溶解,以得到斜坡单元结果步骤时,具体实现如下步骤:
提取滤波空间内设定预警等级的斜坡单元,以得到目标斜坡单元;对所述目标斜坡单元进行空值赋值,以得到矢量数据;对矢量数据计算局部莫兰指数;根据所述局部莫兰指数提取具有显著正相关的斜坡单元;溶解提取的斜坡单元对应的矢量数据,以得到斜坡单元结果。
其中,所述设定预警等级包括(0,1)等级、(0,2)等级、(0,3)等级以及(0,4)等级。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
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,各个单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。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。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。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。
该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,终端,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。
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 (10)
1.斜坡单元等级的描述方法,其特征在于,包括:
对斜坡单元预警等级的空间进行滤波,以得到滤波空间;
对滤波空间进行聚集和溶解,以得到斜坡单元结果;
将行政区划与所述斜坡单元结果进行叠加,以得到叠加结果;
确定所述行政区划的中心与叠加结果中的斜坡单元的中心;
根据所述行政区划的中心以及叠加结果中的斜坡单元的中心计算两者的距离和方位角,以形成描述结果。
2.根据权利要求1所述的斜坡单元等级的描述方法,其特征在于,所述描述结果用于描述斜坡单元结果所在区域和行政区划的关系。
3.根据权利要求1所述的斜坡单元等级的描述方法,其特征在于,所述对斜坡单元预警等级的空间进行滤波,包括:
构建空间邻接关系;
采用众数滤波方式对所述斜坡单元预警等级的空间进行异常值平滑和去除,以得到中间空间;
计算所述中间空间的斜坡单元计算全局莫兰指数;
判断所述全局莫兰指数是否大于设定的阈值;
若所述全局莫兰指数不大于设定的阈值,则利用所述中间空间更新斜坡单元预警等级的空间,并执行所述采用众数滤波方式对所述斜坡单元预警等级的空间进行异常值平滑和去除,以得到中间空间;
若所述全局莫兰指数大于设定的阈值,则确定所述中间空间为滤波空间。
4.根据权利要求1所述的斜坡单元等级的描述方法,其特征在于,所述对滤波空间进行聚集和溶解,以得到斜坡单元结果,包括:
提取滤波空间内设定预警等级的斜坡单元,以得到目标斜坡单元;
对所述目标斜坡单元进行空值赋值,以得到矢量数据;
对矢量数据计算局部莫兰指数;
根据所述局部莫兰指数提取具有显著正相关的斜坡单元;
溶解提取的斜坡单元对应的矢量数据,以得到斜坡单元结果。
5.根据权利要求4所述的斜坡单元等级的描述方法,其特征在于,所述设定预警等级包括(0,1)等级、(0,2)等级、(0,3)等级以及(0,4)等级。
6.斜坡单元等级的描述装置,其特征在于,包括:
滤波单元,用于对斜坡单元预警等级的空间进行滤波,以得到滤波空间;
聚集溶解单元,用于对滤波空间进行聚集和溶解,以得到斜坡单元结果;
叠加单元,用于将行政区划与所述斜坡单元结果进行叠加,以得到叠加结果;
中心确定单元,用于确定所述行政区划的中心与叠加结果中的斜坡单元的中心;
描述结果生成单元,用于根据所述行政区划的中心以及叠加结果中的斜坡单元的中心计算两者的距离和方位角,以形成描述结果。
7.根据权利要求6所述的斜坡单元等级的描述装置,其特征在于,所述滤波单元包括:
关系构建子单元,用于构建空间邻接关系;
众数滤波子单元,用于采用众数滤波方式对所述斜坡单元预警等级的空间进行异常值平滑和去除,以得到中间空间;
全局指数子单元,用于计算所述中间空间的斜坡单元计算全局莫兰指数;
判断子单元,用于判断所述全局莫兰指数是否大于设定的阈值;
更新子单元,用于若所述全局莫兰指数不大于设定的阈值,则利用所述中间空间更新斜坡单元预警等级的空间,并执行所述采用众数滤波方式对所述斜坡单元预警等级的空间进行异常值平滑和去除,以得到中间空间;
空间确定子单元,用于若所述全局莫兰指数大于设定的阈值,则确定所述中间空间为滤波空间。
8.根据权利要求6所述的斜坡单元等级的描述装置,其特征在于,所述聚集溶解单元包括:
第一提取子单元,用于提取滤波空间内设定预警等级的斜坡单元,以得到目标斜坡单元;
赋值子单元,用于对所述目标斜坡单元进行空值赋值,以得到矢量数据;
局部指数计算子单元,用于对矢量数据计算局部莫兰指数;
第二提取子单元,用于根据所述局部莫兰指数提取具有显著正相关的斜坡单元;
溶解子单元,用于溶解提取的斜坡单元对应的矢量数据,以得到斜坡单元结果。
9.一种计算机设备,其特征在于,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述的方法。
10.一种存储介质,其特征在于,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可实现如权利要求1至5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110854889.XA CN113674410B (zh) | 2021-07-28 | 斜坡单元等级的描述方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110854889.XA CN113674410B (zh) | 2021-07-28 | 斜坡单元等级的描述方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113674410A true CN113674410A (zh) | 2021-11-19 |
CN113674410B CN113674410B (zh) | 2024-05-24 |
Family
ID=
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050104884A1 (en) * | 2002-04-22 | 2005-05-19 | Kansei Iwata | Digital altimetric map drawing method and device |
CN110119556A (zh) * | 2019-04-30 | 2019-08-13 | 西安理工大学 | 一种区域水源涵养功能的时空演变分析方法 |
WO2021103323A1 (zh) * | 2019-11-29 | 2021-06-03 | 青岛理工大学 | 一种历史城市保护发展协同控制方案辅助设计系统 |
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050104884A1 (en) * | 2002-04-22 | 2005-05-19 | Kansei Iwata | Digital altimetric map drawing method and device |
CN110119556A (zh) * | 2019-04-30 | 2019-08-13 | 西安理工大学 | 一种区域水源涵养功能的时空演变分析方法 |
WO2021103323A1 (zh) * | 2019-11-29 | 2021-06-03 | 青岛理工大学 | 一种历史城市保护发展协同控制方案辅助设计系统 |
Non-Patent Citations (1)
Title |
---|
"云南省滑坡地质灾害危险性评价研究", 《中国博士学位论文全文数据库 基础科学辑》, pages 4 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108228722B (zh) | 破碎化区域采样点的地理空间分布均匀度检测方法 | |
Zaha et al. | Flume experiments on optimal arrangement of hybrid defense system comprising an embankment, moat, and emergent vegetation to mitigate inundating tsunami current | |
CN108492236A (zh) | 基于蒙特卡洛随机模拟的多重现期海啸灾害评估方法 | |
CN111461046B (zh) | 基于岸线数据的海岸侵蚀与淤积的自动化识别方法与装置 | |
CN115659614A (zh) | 基于三维场景模型的河床变化仿真推演方法、装置及设备 | |
Faudzi et al. | Two-dimensional simulation of sultan Abu Bakar dam release using HEC-RAS | |
CN113674410A (zh) | 斜坡单元等级的描述方法、装置、计算机设备及存储介质 | |
Sridharan et al. | Local-inertial shallow water model on unstructured triangular grids | |
CN113674410B (zh) | 斜坡单元等级的描述方法、装置、计算机设备及存储介质 | |
CN116029558A (zh) | 尾矿库安全风险预警方法、装置及电子设备 | |
CN113535874A (zh) | 斜坡单元划分方法、装置、计算机设备及存储介质 | |
CN108320324B (zh) | 一种城市变化监测方法及系统 | |
JP2018018302A (ja) | ポリゴン型地表面地物データ作成方法およびポリゴン型地表面地物データ作成プログラム | |
Najib et al. | An application of coastal erosion decision problem using interval type-2 fuzzy DEMATEL method | |
CN113887903B (zh) | 一种库岸边坡地质灾害风险排序方法、装置、计算机设备及计算机可读存储介质 | |
CN110837699B (zh) | 河流水系连通数据的确定方法、装置、设备及存储介质 | |
CN114943411A (zh) | 一种电力交易数据安全需求等级确定方法、装置及介质 | |
CN110630329B (zh) | 隧道开挖安全步距的预警方法及装置 | |
CN114565211A (zh) | 一种风险传递及叠加作用下梯级水库群溃坝风险后果评估方法 | |
CN108875163B (zh) | 一种评价三维裂缝网络连通性的方法和系统 | |
CN116993938A (zh) | 一种填洼数据处理方法、装置及电子设备 | |
Ramadhan et al. | Analysis of Tsunami Disaster Risk Level Using Grid-Based Method (Case Study: Coastal South Beach Blitar) | |
CN116383451B (zh) | 一种地图分割方法、装置、电子设备及存储介质 | |
CN113238295B (zh) | 古代河流沉积的原始河道比降分析方法、装置及设备 | |
CN115619219A (zh) | 堤坝风险预警方法、装置、计算机设备及存储介质 |
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 |