CN113762083B - 识别微地形类型的方法、装置、终端设备以及存储介质 - Google Patents
识别微地形类型的方法、装置、终端设备以及存储介质 Download PDFInfo
- Publication number
- CN113762083B CN113762083B CN202110908095.7A CN202110908095A CN113762083B CN 113762083 B CN113762083 B CN 113762083B CN 202110908095 A CN202110908095 A CN 202110908095A CN 113762083 B CN113762083 B CN 113762083B
- Authority
- CN
- China
- Prior art keywords
- area
- topography
- terrain
- water
- water body
- 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
- 238000012876 topography Methods 0.000 title claims abstract description 133
- 238000000034 method Methods 0.000 title claims abstract description 25
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 162
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 12
- 238000004590 computer program Methods 0.000 claims description 22
- 210000000746 body region Anatomy 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 15
- 238000009825 accumulation Methods 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 239000002352 surface water Substances 0.000 claims description 8
- 230000001174 ascending effect Effects 0.000 claims description 4
- 210000003323 beak Anatomy 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000008239 natural water Substances 0.000 description 2
- 241000132092 Aster Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Image Processing (AREA)
Abstract
本发明涉及地理信息技术领域,公开了一种识别微地形类型的方法、装置、终端设备以及存储介质。方法包括:获取地理信息数据;根据卫星影像数据提取真实水体边界,并建立水域缓冲区;根据DEM数据与地表流水物理模拟算法,提取山脊、山谷、垭口和山坡地形区;根据序列风向观测数据,计算待识别区域的冬季主风向;根据山坡地形区与冬季主风向的夹角,将山坡地形区划分迎风坡地形区和背风坡地形区;对水域缓冲区、山脊地形区、山谷地形区、垭口地形区、迎风坡地形区、背风坡地形区进行栅格叠加分析,得到待识别区域的微地形类型。本发明能够实现识别大型水域分布区域的微地形类型。
Description
技术领域
本发明涉及地理信息技术领域,尤其涉及一种识别微地形类型的方法、装置、终端设备以及存储介质。
背景技术
微地形是指在小尺度范围内,对局部气候环境有显著影响的相对微小的地表形态。由于微地形对局地气候的影响,使得同一山体的不同部位的水文气象条件存在较大差异,且明显区别于一般地形。高海拔山区极易出现显著的微地形特征,在冷季位于微地形区的输电线路常常形成较厚的覆冰现象,严重可造成输电线路跳闸、损坏等线路灾害。
目前,随着GIS技术的应用和普及,以高精度数字高程模型(Digital ElevationModel, DEM)为基础,流域及大尺度气象要素为辅助资料的微地形划分方式逐步被应用到输电线路工程勘察设计中。但是,现有的划分微地形(地理特征线)方法仅局限于山谷、山脊、鞍部等地理因子,没有引入水文气象因素。大型湖泊、水库以及河流周边区域一直是导致输电线路覆冰的重要因素,因此有必要对大型水体及其周边地区微地形进行有效地识别和划分。
发明内容
本发明提供了一种识别微地形类型的方法、装置、终端设备以及存储介质,以实现识别大型水域分布区域的微地形类型。
第一方面,本发明提供了一种识别微地形类型的方法,包括:
获取待识别区域内的地理信息数据;其中,所述地理信息数据包括区域内DEM数据、卫星影像数据以及气象观测站收集的序列风向观测数据;
根据所述卫星影像数据提取真实水体边界,并根据所述真实水体边界建立水域缓冲区;
根据所述DEM数据与地表流水物理模拟算法,提取山脊地形区、山谷地形区、垭口地形区和山坡地形区;
根据所述序列风向观测数据,计算待识别区域的冬季主风向;
根据所述山坡地形区与所述冬季主风向的夹角,将所述山坡地形区划分迎风坡地形区和背风坡地形区;
对所述水域缓冲区、山脊地形区、山谷地形区、垭口地形区、迎风坡地形区、背风坡地形区进行栅格叠加分析,得到待识别区域的微地形类型。
在第一方面的第一种实现方式中,所述根据所述卫星影像数据提取真实水体边界,具体包括:
对所述卫星影像数据进行预处理,得到校正影像数据;
根据所述校正影像数据,计算改进归一化差异水体指数,得到划分阈值;其中,所述划分阈值用于划分水体区域和非水体区域;
对所述水体区域进行矢量化处理,得到真实水体边界。
在第一方面的第二种实现方式中,所述根据所述DEM数据与地表流水物理模拟算法,得到山脊地形区、山谷地形区、垭口地形区和山坡地形区,具体包括:
根据DEM计算区域正地形与区域负地形;
根据DEM计算第一汇流累积量,将所述第一汇流累积量为零的区域作为待识别山脊区;
根据所述区域正地形与所述待识别山脊区进行叠加计算,消除伪山脊栅格单元,得到山脊地形区;
根据区域高程最大值减去DEM数据实现DEM数据翻转,得到反地形DEM;
根据所述反地形DEM计算第二汇流累积量,将所述第二汇流累积量为零的区域作为待识别山谷区;
根据所述区域负地形与所述待识别山谷区进行叠加计算,消除伪山谷栅格单元,得到山谷地形区;
对所述山脊地形区与所述山谷地形区进行叠加求交分析,将所述山脊地形区与所述山谷地形区重叠区域作为垭口地形区;
根据所述DEM数据,将所述山脊地形区、山谷地形区以及垭口地形区外的区域作为山坡地形区。
在第一方面的第三种实现方式中,在计算第一汇流累积量之前,还包括:
根据所述真实水体边界识别真实洼地和伪洼地,对所述伪洼地进行DEM洼地填充处理。
在第一方面的第四种实现方式中,所述根据所述山坡地形区与所述冬季主风向的夹角,将所述山坡地形区划分迎风坡地形区和背风坡地形区,具体包括:
对所述山坡地形区进行栅格二值化处理,得到栅格坡向;
判断所述栅格坡向与所述冬季主风向的夹角,若所述夹角小于90°,则为迎风坡地形区;若所述夹角大于90°,则为背风坡地形区。
第二方面,本发明提供了一种识别微地形类型的装置,包括:
数据获取模块,用于获取待识别区域内的地理信息数据;其中,所述地理信息数据包括区域内DEM数据、卫星影像数据以及气象观测站收集的序列风向观测数据;
水域构建模块,用于根据所述卫星影像数据提取真实水体边界,并根据所述真实水体边界建立水域缓冲区;
地形划分模块,用于根据所述DEM数据与地表流水物理模拟算法,提取山脊地形区、山谷地形区、垭口地形区和山坡地形区;
风向计算模块,用于根据所述序列风向观测数据,计算待识别区域的冬季主风向;
山坡划分模块,用于根据所述山坡地形区与所述冬季主风向的夹角,将所述山坡地形区划分迎风坡地形区和背风坡地形区;
微地形生成模块,用于对所述水域缓冲区、山脊地形区、山谷地形区、垭口地形区、迎风坡地形区、背风坡地形区进行叠加分析,得到待识别区域的微地形类型。
在第二方面的第一种实现方式中,所述水域构建模块包括:
预处理单元,用于对所述卫星影像数据进行预处理,得到校正影像数据;
阈值计算单元,用于根据所述校正影像数据,计算改进归一化差异水体指数,得到划分阈值;其中,所述划分阈值用于划分水体区域和非水体区域;
水体边界提取单元,用于对所述水体区域进行矢量化处理,得到真实水体边界;
水域构建单元,用于根据所述真实水体边界建立水域缓冲区。
在第二方面的第二种实现方式中,所述装置还包括:
洼地填充模块,用于根据所述真实水体边界识别真实洼地和伪洼地,对所述伪洼地进行DEM洼地填充处理。
第三方面,本发明还提供了一种终端设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面及第一方面实现方式中所述的识别微地形类型的方法。
第四方面,本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述第一方面及第一方面实现方式中所述的识别微地形类型的方法。
相比于现有技术,本发明具有如下有益效果:
本发明通过卫星影像数据提取真实水体边界,并根据所述真实水体边界建立水域缓冲区,能够提高水域缓冲区的构建精度;根据DEM数据与地表流水物理模拟算法,得到山脊地形区、山谷地形区、垭口地形区和山坡地形区,并将山坡地形区划分为迎风坡地形区和背风坡地形区,以此实现考虑大型自然水体变化影响的同时,识别大型水域分布区域的微地形类型。
附图说明
图1是本发明第一实施例提供的识别微地形类型的方法流程示意图;
图2是基于Landsat ETM+卫星影像进行水域缓冲区分析结果示意图;
图3是微地形类型识别结果示意图;
图4是本发明第二实施例提供的识别微地形类型的装置结构示意图。
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,所描述的实施例仅仅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作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。
参照图1,本发明第一实施例提供了一种识别微地形类型的方法,包括以下步骤:
S11,获取待识别区域内的地理信息数据;其中,所述地理信息数据包括区域内DEM数据、卫星影像数据以及气象观测站收集的序列风向观测数据。
S12,根据所述卫星影像数据提取真实水体边界,并根据所述真实水体边界建立水域缓冲区。
S13,根据所述DEM数据与地表流水物理模拟算法,提取山脊地形区、山谷地形区、垭口地形区和山坡地形区。
S14,根据所述序列风向观测数据,计算待识别区域的冬季主风向。
S15,根据所述山坡地形区与所述冬季主风向的夹角,将所述山坡地形区划分迎风坡地形区和背风坡地形区。
S16,对所述水域缓冲区、山脊地形区、山谷地形区、垭口地形区、迎风坡地形区、背风坡地形区进行栅格叠加分析,得到待识别区域的微地形类型。
在步骤S11中,需要获取待识别区域内的地理信息数据。其中,所述地理信息数据包括区域内DEM数据、卫星影像数据以及气象观测站收集的序列风向观测数据。具体地,DEM数据可以选取ASTER GDEM 30米的数据,卫星影像数据可以选取近实时的Landsat ETM+卫星遥感影像数据,序列风向观测数据可以选取四个国家级气象观测站长时间(2013~2020年)的序列风向观测数据。
在步骤S12中,根据所述卫星影像数据提取真实水体边界,具体可以采用以下步骤:
S121,对所述卫星影像数据进行预处理,得到校正影像数据。
S122,根据所述校正影像数据,计算改进归一化差异水体指数,得到划分阈值;其中,所述划分阈值用于划分水体区域和非水体区域。
S123,对所述水体区域进行矢量化处理,得到真实水体边界。
在步骤S121中,对收集的多景Landsat ETM+卫星影像数据进行预处理。具体地,预处理包括影像拼接、掩膜裁剪、辐射定标和大气校正,得到校正影像数据。
在步骤S122中,根据所述校正影像数据,计算改进归一化差异水体指数(MNDWI),具体计算公式如下:
式中,Green为绿光波段,MIR为中红外波段,在Landsat ETM+影像中分别为第2和第5波段。
需要说明的是,在本实施例中,基于计算的MNDWI结果不断调整划分阈值,最终以MNDVI= 0.2734为划分阈值划分水体和非水体区域,即MNDWI>0.2734为水体,否则为非水体,最后将提取的水体区域进行矢量化得到真实水体边界,也就是步骤S123中的内容。
进一步地,在得到真实水体边界之后,基于水体矢量数据计算水面面积,根据水体的面积大小确定每个水体的缓冲距离,剔除面积较小的水体,进行水域缓冲区分析,得到待识别区域内的水域缓冲区,分析结果如图2所示。
在步骤S13中,根据所述DEM数据,基于地表流水物理模拟算法,结合地理信息平台(GIS),得到山脊地形区、山谷地形区、垭口地形区和山坡地形区,具体包括以下步骤:
根据DEM计算区域正地形与区域负地形。
根据DEM计算第一汇流累积量,将所述第一汇流累积量为零的区域作为待识别山脊区。
根据所述区域正地形与所述待识别山脊区进行叠加计算,消除伪山脊栅格单元,得到山脊地形区。
根据区域高程最大值减去DEM数据实现DEM数据翻转,得到反地形DEM;
根据所述反地形DEM计算第二汇流累积量,将所述第二汇流累积量为零的区域作为待识别山谷区。
根据所述区域负地形与所述待识别山谷区进行叠加计算,消除伪山谷栅格单元,得到山谷地形区。
对所述山脊地形区与所述山谷地形区进行叠加求交分析,将所述山脊地形区与所述山谷地形区重叠区域作为垭口地形区。
根据所述DEM数据,将所述山脊地形区、山谷地形区以及垭口地形区外的区域作为山坡地形区。
其中,在根据DEM计算区域正地形与区域负地形时,需要计算均值DEM。优选地,在计算均值DEM时选择8×8邻域进行邻域分析。
优选地,在计算第一汇流累积量之前,根据步骤S12中得到的真实水体边界识别真实洼地和伪洼地,对所述伪洼地进行DEM洼地填充处理。
在步骤S14和S15中,根据所述序列风向观测数据,计算待识别区域的冬季主风向。根据所述山坡地形区与所述冬季主风向的夹角,将所述山坡地形区划分迎风坡地形区和背风坡地形区。
具体地,对所述山坡地形区进行栅格二值化处理,得到栅格坡向。判断所述栅格坡向与所述冬季主风向的夹角,若所述夹角小于90°,则为迎风坡地形区;若所述夹角大于90°,则为背风坡地形区。
优选地,根据气象观测站实测的长时间序列风向观测数据,计算站点区域的平均冬季主风向,例如,可以选取2013~2020年的序列冬季风向观测数据。以步骤S13中提取的山坡地形区为例,搜索每个栅格坡向的邻近气象站点冬季主风向,以邻近气象站点冬季主风向作为判别迎风坡地形区和背风坡地形区的依据。
在步骤S16中,对所述水域缓冲区、山脊地形区、山谷地形区、垭口地形区、迎风坡地形区、背风坡地形区进行叠加分析,得到待识别区域的微地形类型。
具体地,对水域缓冲区、山脊地形区、山谷地形区、垭口地形区、迎风坡地形区以及背风坡地形区进行图像二值化,基于地理信息平台(GIS)对二值化图像进行栅格叠加分析,获取每个待分像元的具体微地形类型。
需要说明的是,考虑到大型水域是造成冬季覆冰的重要因素,本发明实施例将大型水域附近区域微地形类型划分为9类,包括:山脊、山谷、垭口、迎风坡、背风坡、水汽上行区、山脊-水汽区、山谷-水汽区、垭口-水汽区。
为了便于对本发明的理解,下面将对9种微地形类型做更进一步的描述,具体判别方法如下:
若山脊地形区位于水体缓冲区内,则该山脊地形区定义为山脊-水汽区,否则定义为山脊;
若山谷地形区位于水体缓冲区内,则该山谷地形区定义为山谷-水汽区,否则定义为山谷;
若垭口地形区位于水体缓冲区内,则该垭口地形区定义为垭口-水汽区,否则定义为垭口;
若迎风坡地形区位于水体缓冲区内,则该迎风坡地形区定义为水汽上行区,否则定义为迎风坡;
背风坡地形区受水域影响较小,不做特殊处理。
如图3所示,为本实施例中微地形类型识别结果示意图。
进一步地,微地形类型能够为架空输电线路的冬季覆冰监测、防冰部署提供地形参考,可以根据所述微地形类型,进行该区域输电线路的冬季覆冰监测或防冰部署。在一种实施方式中,可以基于划分的9种微地形类型,有针对性的对水汽较多的区域进行重点监控,例如,对水汽上行区内的输电线路加大巡检力度或完善防冰部署等,本发明对具体的覆冰监测方式不做具体限定。
本发明通过卫星影像数据提取真实水体边界,并根据所述真实水体边界建立水域缓冲区,能够提高水域缓冲区的构建精度。根据DEM数据与地表流水物理模拟算法,得到山脊地形区、山谷地形区、垭口地形区和山坡地形区,并将山坡地形区划分为迎风坡地形区和背风坡地形区,以此实现考虑大型自然水体变化影响的同时,识别大型水域分布区域的微地形类型,从而进行该区域架空输电线路的冬季覆冰监测和防冰部署。
参照图4,本发明第二实施例提供了一种识别微地形类型的装置装置,包括:
数据获取模块,用于获取待识别区域内的地理信息数据;其中,所述地理信息数据包括区域内DEM数据、卫星影像数据以及气象观测站收集的序列风向观测数据;
水域构建模块,用于根据所述卫星影像数据提取真实水体边界,并根据所述真实水体边界建立水域缓冲区;
地形划分模块,用于根据所述DEM数据与地表流水物理模拟算法,提取山脊地形区、山谷地形区、垭口地形区和山坡地形区;
风向计算模块,用于根据所述序列风向观测数据,计算待识别区域的冬季主风向;
山坡划分模块,用于根据所述山坡地形区与所述冬季主风向的夹角,将所述山坡地形区划分迎风坡地形区和背风坡地形区;
微地形生成模块,用于对所述水域缓冲区、山脊地形区、山谷地形区、垭口地形区、迎风坡地形区、背风坡地形区进行栅格叠加分析,得到待识别区域的微地形类型。
优选地,所述水域构建模块包括:
预处理单元,用于对所述卫星影像数据进行预处理,得到校正影像数据;
阈值计算单元,用于根据所述校正影像数据,计算改进归一化差异水体指数,得到划分阈值;其中,所述划分阈值用于划分水体区域和非水体区域;
水体边界提取单元,用于对所述水体区域进行矢量化处理,得到真实水体边界;
水域构建单元,用于根据所述真实水体边界建立水域缓冲区。
优选地,所述装置还包括:
洼地填充模块,用于根据所述真实水体边界识别真实洼地和伪洼地,对所述伪洼地进行DEM洼地填充处理。
本发明实施例还提供了一种终端设备。该终端设备包括:处理器、存储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,例如识别微地形类型的方法程序。所述处理器执行所述计算机程序时实现上述各个识别微地形类型的方法实施例中的步骤,例如图1所示的步骤S11。或者,所述处理器执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能,例如数据获取模块模块。
示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
所述终端设备可以是桌上型计算机、笔记本、掌上电脑及智能平板等计算设备。所述终端设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,上述部件仅仅是终端设备的示例,并不构成对终端设备的限定,可以包括比上述更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal 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。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,所述处理器是所述终端设备的控制中心,利用各种接口和线路连接整个终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中,所述终端设备集成的模块/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计算机可读存储介质中,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。所述计算机可读介质可以包括: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 Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读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,计算机可读介质不包括电载波信号和电信信号。
需说明的是,以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。另外,本发明提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步的详细说明,应当理解,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围。特别指出,对于本领域技术人员来说,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种识别微地形类型的方法,其特征在于,包括:
获取待识别区域内的地理信息数据;其中,所述地理信息数据包括区域内DEM数据、卫星影像数据以及气象观测站收集的序列风向观测数据;
根据所述卫星影像数据提取真实水体边界,并根据所述真实水体边界建立水域缓冲区;
根据所述DEM数据与地表流水物理模拟算法,提取山脊地形区、山谷地形区、垭口地形区和山坡地形区;
根据所述序列风向观测数据,计算待识别区域的冬季主风向;
根据所述山坡地形区与所述冬季主风向的夹角,将所述山坡地形区划分迎风坡地形区和背风坡地形区;
对所述水域缓冲区、山脊地形区、山谷地形区、垭口地形区、迎风坡地形区、背风坡地形区进行栅格叠加分析,得到待识别区域的微地形类型,将所述待识别区域的微地形类型划分为9类,包括:山脊、山谷、垭口、迎风坡、背风坡、水汽上行区、山脊-水汽区、山谷-水汽区、垭口-水汽区;
其中,所述根据所述卫星影像数据提取真实水体边界,具体包括:
对所述卫星影像数据进行预处理,得到校正影像数据;
根据所述校正影像数据,计算改进归一化差异水体指数,得到划分阈值;其中,所述划分阈值为0.2734,当所述改进归一化差异水体指数大于所述划分阈值时为水体区域,当所述改进归一化差异水体指数小于或等于所述划分阈值时为非水体区域;
对所述水体区域进行矢量化处理,得到真实水体边界;
在得到所述真实水体边界之后,基于水体矢量数据计算水面面积,根据水体的面积大小确定每个水体的缓冲距离,剔除不符合要求的水体,进行水域缓冲区分析,得到待识别区域内的水域缓冲区。
2.根据权利要求1所述的识别微地形类型的方法,其特征在于,所述根据所述DEM数据与地表流水物理模拟算法,得到山脊地形区、山谷地形区、垭口地形区和山坡地形区,具体包括:
根据DEM计算区域正地形与区域负地形;
根据DEM计算第一汇流累积量,将所述第一汇流累积量为零的区域作为待识别山脊区;
根据所述区域正地形与所述待识别山脊区进行叠加计算,消除伪山脊栅格单元,得到山脊地形区;
根据区域高程最大值减去DEM数据实现DEM数据翻转,得到反地形DEM;
根据所述反地形DEM计算第二汇流累积量,将所述第二汇流累积量为零的区域作为待识别山谷区;
根据所述区域负地形与所述待识别山谷区进行叠加计算,消除伪山谷栅格单元,得到山谷地形区;
对所述山脊地形区与所述山谷地形区进行叠加求交分析,将所述山脊地形区与所述山谷地形区重叠区域作为垭口地形区;
根据所述DEM数据,将所述山脊地形区、山谷地形区以及垭口地形区外的区域作为山坡地形区。
3.根据权利要求2所述的识别微地形类型的方法,其特征在于,在计算第一汇流累积量之前,还包括:
根据所述真实水体边界识别真实洼地和伪洼地,对所述伪洼地进行DEM洼地填充处理。
4.根据权利要求1所述的识别微地形类型的方法,其特征在于,所述根据所述山坡地形区与所述冬季主风向的夹角,将所述山坡地形区划分迎风坡地形区和背风坡地形区,具体包括:
对所述山坡地形区进行栅格二值化处理,得到栅格坡向;
判断所述栅格坡向与所述冬季主风向的夹角,若所述夹角小于90°,则为迎风坡地形区;若所述夹角大于90°,则为背风坡地形区。
5.一种识别微地形类型的装置,其特征在于,包括:
数据获取模块,用于获取待识别区域内的地理信息数据;其中,所述地理信息数据包括区域内DEM数据、卫星影像数据以及气象观测站收集的序列风向观测数据;
水域构建模块,用于根据所述卫星影像数据提取真实水体边界,并根据所述真实水体边界建立水域缓冲区;
地形划分模块,用于根据所述DEM数据与地表流水物理模拟算法,提取山脊地形区、山谷地形区、垭口地形区和山坡地形区;
风向计算模块,用于根据所述序列风向观测数据,计算待识别区域的冬季主风向;
山坡划分模块,用于根据所述山坡地形区与所述冬季主风向的夹角,将所述山坡地形区划分迎风坡地形区和背风坡地形区;
微地形生成模块,用于对所述水域缓冲区、山脊地形区、山谷地形区、垭口地形区、迎风坡地形区、背风坡地形区进行栅格叠加分析,得到待识别区域的微地形类型,将所述待识别区域的微地形类型划分为9类,包括:山脊、山谷、垭口、迎风坡、背风坡、水汽上行区、山脊-水汽区、山谷-水汽区、垭口-水汽区;
其中,所述根据所述卫星影像数据提取真实水体边界,具体包括:
对所述卫星影像数据进行预处理,得到校正影像数据;
根据所述校正影像数据,计算改进归一化差异水体指数,得到划分阈值;其中,所述划分阈值为0.2734,当所述改进归一化差异水体指数大于所述划分阈值时为水体区域,当所述改进归一化差异水体指数小于或等于所述划分阈值时为非水体区域;
对所述水体区域进行矢量化处理,得到真实水体边界;
在得到所述真实水体边界之后,基于水体矢量数据计算水面面积,根据水体的面积大小确定每个水体的缓冲距离,剔除不符合要求的水体,进行水域缓冲区分析,得到待识别区域内的水域缓冲区。
6.根据权利要求5所述的识别微地形类型的装置,其特征在于,所述水域构建模块包括:
预处理单元,用于对所述卫星影像数据进行预处理,得到校正影像数据;
阈值计算单元,用于根据所述校正影像数据,计算改进归一化差异水体指数,得到划分阈值;其中,所述划分阈值用于划分水体区域和非水体区域;
水体边界提取单元,用于对所述水体区域进行矢量化处理,得到真实水体边界;
水域构建单元,用于根据所述真实水体边界建立水域缓冲区。
7.根据权利要求5所述的识别微地形类型的装置,其特征在于,所述装置还包括:
洼地填充模块,用于根据所述真实水体边界识别真实洼地和伪洼地,对所述伪洼地进行DEM洼地填充处理。
8.一种终端设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至4中任意一项所述的识别微地形类型的方法。
9.一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包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至4中任意一项所述的识别微地形类型的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110908095.7A CN113762083B (zh) | 2021-08-09 | 2021-08-09 | 识别微地形类型的方法、装置、终端设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110908095.7A CN113762083B (zh) | 2021-08-09 | 2021-08-09 | 识别微地形类型的方法、装置、终端设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113762083A CN113762083A (zh) | 2021-12-07 |
CN113762083B true CN113762083B (zh) | 2024-04-19 |
Family
ID=78788784
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110908095.7A Active CN113762083B (zh) | 2021-08-09 | 2021-08-09 | 识别微地形类型的方法、装置、终端设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113762083B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114926599A (zh) * | 2022-05-27 | 2022-08-19 | 甘肃省水利水电勘测设计研究院有限责任公司 | 一种地形曲面轻量化方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110032779A (zh) * | 2019-03-26 | 2019-07-19 | 重庆大学 | 微地形模型及采用其的输电线覆冰风险识别方法 |
CN110335350A (zh) * | 2019-06-21 | 2019-10-15 | 南京师范大学 | 基于地形特征的虚拟地形生成方法 |
CN110657834A (zh) * | 2019-08-26 | 2020-01-07 | 中国电力科学研究院有限公司 | 一种微地形区域电网输电线路覆冰状态判断方法及装置 |
CN111738104A (zh) * | 2020-06-04 | 2020-10-02 | 中国电力工程顾问集团西南电力设计院有限公司 | 一种基于地理信息系统提取地形类别的方法 |
CN112528871A (zh) * | 2020-12-14 | 2021-03-19 | 中科海慧(天津)科技有限公司 | 河道采砂识别方法、装置、电子设备及存储介质 |
-
2021
- 2021-08-09 CN CN202110908095.7A patent/CN113762083B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110032779A (zh) * | 2019-03-26 | 2019-07-19 | 重庆大学 | 微地形模型及采用其的输电线覆冰风险识别方法 |
CN110335350A (zh) * | 2019-06-21 | 2019-10-15 | 南京师范大学 | 基于地形特征的虚拟地形生成方法 |
CN110657834A (zh) * | 2019-08-26 | 2020-01-07 | 中国电力科学研究院有限公司 | 一种微地形区域电网输电线路覆冰状态判断方法及装置 |
CN111738104A (zh) * | 2020-06-04 | 2020-10-02 | 中国电力工程顾问集团西南电力设计院有限公司 | 一种基于地理信息系统提取地形类别的方法 |
CN112528871A (zh) * | 2020-12-14 | 2021-03-19 | 中科海慧(天津)科技有限公司 | 河道采砂识别方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
""一带一路"区域水电站工程生态环境影响遥感监测";龚围 等;《地球信息科学》;第22卷(第7期);第1424-1436页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113762083A (zh) | 2021-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Garousi‐Nejad et al. | Terrain analysis enhancements to the height above nearest drainage flood inundation mapping method | |
Tong et al. | An approach for flood monitoring by the combined use of Landsat 8 optical imagery and COSMO-SkyMed radar imagery | |
Samarasinghea et al. | Application of remote sensing and GIS for flood risk analysis: a case study at Kalu-Ganga River, Sri Lanka | |
Dano Umar et al. | Geographic information system and remote sensing applications in flood hazards management: A review | |
CN103530499A (zh) | 山区地表温度基线构建的一种方法及应用 | |
CN111274918A (zh) | 基于多源遥感影像的河流干涸断流监测方法和装置 | |
CN111797571B (zh) | 滑坡易发性评价方法、装置、设备和存储介质 | |
CN110334623B (zh) | 一种基于Sentinel-2A卫星遥感影像提取崩岗信息的方法 | |
CN113762083B (zh) | 识别微地形类型的方法、装置、终端设备以及存储介质 | |
CN114612793B (zh) | 基于水边线高频次观测的多时相遥感海岸线与潮滩检测方法 | |
CN111881816A (zh) | 一种长时序的河湖围埂养殖区域监测方法 | |
Rastogi et al. | Urban sprawl analysis using shannon’s entropy and fractal analysis: A case study on Tiruchirappalli city, India | |
CN115423968B (zh) | 基于点云数据和实景三维模型的输电通道优化方法 | |
CN111369178A (zh) | 一种基于生态大数据的矿区生态修复指导系统 | |
CN110569733B (zh) | 基于遥感大数据平台的湖泊长时序连续水域变化重建方法 | |
CN116188994A (zh) | 淤地坝识别方法、装置、电子设备及存储介质 | |
CN113963314A (zh) | 降雨量监测方法、装置、计算机设备及存储介质 | |
CN113496182B (zh) | 基于遥感影像的道路提取方法及装置、存储介质及设备 | |
CN113191292A (zh) | 一种溃决洪水淹没范围快速提取方法 | |
CN114594503B (zh) | 一种浅海地形反演方法、计算机设备及存储介质 | |
CN112711793B (zh) | 一种削山建设识别方法及装置 | |
CN113989677A (zh) | 一种山区河流提取方法及系统 | |
CN107480422B (zh) | 地下水易污染性监测评价方法及装置 | |
CN116468269B (zh) | 一种洪涝高风险区识别方法、装置、设备及存储介质 | |
CN115100534B (zh) | 森林优势树种识别方法、装置、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 | ||
GR01 | Patent grant |