CN114299136A - 淤地坝泥沙淤积量的测量方法、装置、计算机及存储介质 - Google Patents
淤地坝泥沙淤积量的测量方法、装置、计算机及存储介质 Download PDFInfo
- Publication number
- CN114299136A CN114299136A CN202111676560.5A CN202111676560A CN114299136A CN 114299136 A CN114299136 A CN 114299136A CN 202111676560 A CN202111676560 A CN 202111676560A CN 114299136 A CN114299136 A CN 114299136A
- Authority
- CN
- China
- Prior art keywords
- silt
- deposition
- dam
- sediment
- detected
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种淤地坝泥沙淤积量的测量方法,包括:基于若干个实体空沟道构建初始空沟道模型,在初始空沟道模型中模拟修建淤地坝,得到若干个目标空沟道模型;对若干个目标空沟道模型进行不同泥沙淤积深度的泥沙淤积过程模拟,确定多组泥沙淤积面积和泥沙淤积体积,得到淤积样本集;对淤积样本集进行拟合,得到泥沙淤积面积‑泥沙淤积体积的目标关系式;获取待测淤地坝的泥沙淤积面积;根据待测淤地坝的泥沙淤积面积和目标关系式,得到待测淤地坝的泥沙淤积体积,根据泥沙淤积体积得到待测淤地坝的泥沙淤积量。还提供一种淤地坝泥沙淤积量的测量装置、计算机及存储介质。弥补了传统方法在效率、成本、精度等方面的缺陷,适用性更广。
Description
技术领域
本发明涉及水土监测技术领域,尤其涉及一种淤地坝泥沙淤积量的测量方法、装置、计算机及存储介质。
背景技术
淤地坝是指在水土流失地区各级沟道中,以拦泥淤地为目的而修建的坝工建筑物,其在保持水土流失、减少黄河泥沙及发展农业生产等方面发挥了重要作用。获取淤地坝泥沙淤积量信息,对淤地坝拦沙效益评价、土壤侵蚀研究及黄河水沙变化预测等具有重要意义。
目前国内外估算淤地坝泥沙淤积量的方法主要包括以下几种:(1)监测资料推算法,根据淤地坝修建设计资料和实地监测数据总结淤地坝淤积规律,推算出泥沙淤积量;(2)库容曲线法,利用差分GPS技术或全站仪得到淤积面高程,结合地形图拟合库容曲线估算淤地坝泥沙淤积量;(3)几何法,通过打钻、挖土壤剖面或高密度电阻率成像等方法获取淤地坝中淤积泥沙深度,再结合几何算法公式计算淤地坝泥沙淤积量;(4)地形法,使用全站仪、三维激光扫描仪、无人机等专业设备对淤地坝进行详细测量以估算淤地坝中累积泥沙量。
但是,由于建坝资料缺失或不全、黄土高原沟道形态复杂、泥沙淤积体呈不规则形状等问题,通过以上传统方法估算淤地坝泥沙淤积量存在一定的局限性。例如,黄土高原大部分早期修建的淤地坝缺少建坝资料和实测数据,所以监测资料推算法应用范围非常有限;几何法通常将泥沙淤积视为锥形以计算泥沙淤积量,但在实际中泥沙淤积体为不规则形状,将其视为锥形会大大增加估算结果的误差。尽管库容曲线法和地形法在计算泥沙淤积量精度上有所提高,但需借助测量仪器对泥沙淤积体及其邻近区域进行高精度测量,且需要大量人力物力来获取高精度地形数据。因此,这些传统方法在效率、成本、精度等方面都存在一定的局限性且难以实现高效应用。
发明内容
针对现有技术中所存在的不足,本发明提供一种淤地坝泥沙淤积量的测量方法、装置、计算机及存储介质。
第一方面,在一个实施例中,本发明提供一种淤地坝泥沙淤积量的测量方法,包括:
基于若干个实体空沟道构建若干个初始空沟道模型,在初始空沟道模型中模拟修建对应的淤地坝,得到若干个目标空沟道模型;
分别对若干个目标空沟道模型进行不同泥沙淤积深度的泥沙淤积过程模拟,确定多组泥沙淤积面积和泥沙淤积体积,得到淤积样本集;
对淤积样本集进行拟合,得到对应的泥沙淤积面积-泥沙淤积体积的目标关系式;
获取待测淤地坝的泥沙淤积面积;
根据待测淤地坝的泥沙淤积面积和目标关系式,得到待测淤地坝的泥沙淤积体积,根据待测淤地坝的泥沙淤积体积得到待测淤地坝的泥沙淤积量。
第二方面,在一个实施例中,本发明提供一种淤地坝泥沙淤积量的测量装置,包括:
模型构建模块,用于基于若干个实体空沟道构建若干个初始空沟道模型,在初始空沟道模型中模拟修建对应的淤地坝,得到若干个目标空沟道模型;
样本获取模块,用于分别对若干个目标空沟道模型进行不同泥沙淤积深度的泥沙淤积过程模拟,确定多组泥沙淤积面积和泥沙淤积体积,得到淤积样本集;
关系式生成模块,用于对淤积样本集进行拟合,得到对应的泥沙淤积面积-泥沙淤积体积的目标关系式;
泥沙淤积面积获取模块,用于获取待测淤地坝的泥沙淤积面积;
泥沙淤积量确定模块,用于根据待测淤地坝的泥沙淤积面积和目标关系式,得到待测淤地坝的泥沙淤积体积,根据待测淤地坝的泥沙淤积体积得到待测淤地坝的泥沙淤积量。
第三方面,在一个实施例中,本发明提供一种计算机,包括存储器和处理器,存储器中储存有计算机程序,计算机程序被处理器执行时,使得处理器执行如下步骤:
基于若干个实体空沟道构建若干个初始空沟道模型,在初始空沟道模型中模拟修建对应的淤地坝,得到若干个目标空沟道模型;
分别对若干个目标空沟道模型进行不同泥沙淤积深度的泥沙淤积过程模拟,确定多组泥沙淤积面积和泥沙淤积体积,得到淤积样本集;
对淤积样本集进行拟合,得到对应的泥沙淤积面积-泥沙淤积体积的目标关系式;
获取待测淤地坝的泥沙淤积面积;
根据待测淤地坝的泥沙淤积面积和目标关系式,得到待测淤地坝的泥沙淤积体积,根据待测淤地坝的泥沙淤积体积得到待测淤地坝的泥沙淤积量。
第四方面,在一个实施例中,本发明提供一种存储介质,储存有计算机程序,计算机程序被处理器执行时,使得处理器执行如下步骤:
基于若干个实体空沟道构建若干个初始空沟道模型,在初始空沟道模型中模拟修建对应的淤地坝,得到若干个目标空沟道模型;
分别对若干个目标空沟道模型进行不同泥沙淤积深度的泥沙淤积过程模拟,确定多组泥沙淤积面积和泥沙淤积体积,得到淤积样本集;
对淤积样本集进行拟合,得到对应的泥沙淤积面积-泥沙淤积体积的目标关系式;
获取待测淤地坝的泥沙淤积面积;
根据待测淤地坝的泥沙淤积面积和目标关系式,得到待测淤地坝的泥沙淤积体积,根据待测淤地坝的泥沙淤积体积得到待测淤地坝的泥沙淤积量。
通过上述淤地坝泥沙淤积量的测量方法、装置、计算机及存储介质,利用泥沙淤积体积和泥沙淤积面积变化趋势相关的特性,预先通过大量淤积样本来得到对应的关系式,从而在实际应用过程中,只需要获取待测淤地坝的泥沙淤积面积,然后直接带入关系式,得到对应的泥沙淤积体积及淤积量。整个测量过程十分简单,效率极高;泥沙淤积面积是唯一需要在测量过程中获取的参数,并且可以借助一些外部设备轻松获取得到的,因此需要花费的成本极低;同一区域的沟道具有地貌相似性,针对实体空沟道进行建模,模拟泥沙淤积过程,拟合泥沙淤积面积和泥沙淤积体积的关系得到目标关系式,并在实际应用中使用该目标关系式来测量同一区域沟道的泥沙淤积量,弥补了传统方法在效率、成本、精度等方面的缺陷;通过对淤积样本构成的离散点进行拟合,使得到的目标关系式具备良好的映射效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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。
其中:
图1为本发明一个实施例中淤地坝泥沙淤积量的测量方法的流程示意图;
图2为本发明一个实施例中在初始空沟道模型中模拟修建淤地坝的示意图;
图3为本发明一个实施例中不同泥沙淤积深度对应不同泥沙淤积面积的示意图;
图4为本发明一个实施例中样本曲线的示意图;
图5为本发明另一个实施例中淤地坝泥沙淤积量的测量方法的流程示意图;
图6为本发明一个实施例中淤地坝泥沙淤积量的测量装置的结构示意图;
图7为本发明一个实施例中计算机的内部结构示意图。
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。
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
第一方面,如图1所示,在一个实施例中,本发明提供一种淤地坝泥沙淤积量的测量方法,包括:
步骤102,基于若干个实体空沟道构建若干个初始空沟道模型,在初始空沟道模型中模拟修建对应的淤地坝,得到若干个目标空沟道模型。
其中,同一区域的沟道具有地貌相似性,针对实体空沟道进行建模,模拟泥沙淤积过程,拟合泥沙淤积面积和泥沙淤积体积的关系得到目标关系式,并在实际应用中使用该目标关系式来测量同一区域沟道的泥沙淤积量,弥补了传统方法在效率、成本、精度等方面的缺陷。
其中,尤其空沟道基本都是未使用状态,因此需要在初始空沟道模型的基础上模拟修建对应的淤地坝,进而才能得到带有淤地坝的目标空沟道模型。
其中,选取黄土高原丘陵沟壑区选取43条典型的空沟道,通过大疆精灵4RTK(P4RTK)无人机获取这些空沟道的影像信息。P4RTK配有型号为FC6310R的相机,该相机具有1英寸CMOS,分辨率为4864×3648,有效像素2000万传感器。P4RTK携带一个多频全球导航卫星系统(GNSS)接收机,具有实时运动学(RTK)功能,影像传感器精度垂直为1.5cm+1ppm(RMS),水平为1cm+1ppm(RMS),可提供厘米级高精度准确定位;该无人机配备了一个连接到RKT基站的RKT接收器;该无人机图像通过RTK系统和后处理运动学(PPK)地理参考方法进行地理参考。通过多次预飞行,将飞行高度、航向重叠率和旁向重叠率参数分别设置为100米、80%和70%,以确保最佳拍摄效果。
其中,使用AgisoftPhotoscan处理无人机传回的影像信息。影像信息的处理过程包括对齐照片、优化对齐方式、生成密点云、分类地面点、生成网格、构建DEM(DigitalElevation Model,数字高程模型)和Orthomosaic。通过上述步骤,获得了这些空沟道高分辨率的DEM数据,分辨率为0.12~0.24m,总误差为0.06~0.15m。为了减少DEM数据分辨率对模拟泥沙淤积过程的误差,将空沟道的DEM统一重采样为0.2m。
其中,在本实施例中,通过无人机摄影测量处理后可生成高分辨率沟道DEM,高分辨的沟道DEM可直接的观察建坝前沟道地貌。可以基于DEM得到的初始空沟道模型来模拟修建对应的淤地坝。具体的,将上一步处理生成的DEM数据导入ArcGIS 10.5软件,并在合适的位置(通常是沟道的出口)添加淤地坝坝梁矢量图层,用于拦截淤积的泥沙。
其中,如图2所示,通过以上步骤,在空沟道上模拟修建了淤地坝,此时淤地坝处于初始状态,泥沙还未开始淤积。其中,在图2中:(a)表示为淤地坝修建前的原始地形,(b)表示为淤地坝修建后的原始地形。
步骤104,分别对若干个目标空沟道模型进行不同泥沙淤积深度的泥沙淤积过程模拟,确定多组泥沙淤积面积和泥沙淤积体积,得到淤积样本集。
其中,泥沙淤积过程模拟主要是基于淹没分析原理进行的;具体的,将构建好的模板空沟道模型导入QGIS(Quantum Geographic Information System,桌面地理信息系统)软件中,利用QGIS软件水文建模中的fill a lake工具来模拟所有选定空沟道的淤积过程;更具体的,如图3所示,将种子点设置在目标空沟道模型中的淤地坝的底部,即流域的最低点,在模拟过程中,通过以预设深度间隔(比如1m、2m等)不断增加泥沙淤积深度,从而获得多组泥沙淤积面积和泥沙淤积体积。其中,在图3中:(a)表示为泥沙淤积深度为5m,(b)表示为泥沙淤积深度为17m。
通过针对同一沟道进行不同泥沙淤积深度的模拟来得到对应的多组泥沙淤积面积和泥沙淤积体积,表征了实际沟道的泥沙淤积过程,更加符合实际,因此基于此得到的目标关系式具备良好的映射效果,提高了测量的精度。此外,通过淤积模拟的方式来获得对应的淤积样本,避免了在利用历史监测资料来获得淤积样本的方案中,当历史监测资料缺少时导致的无法获得淤积样本的问题。
步骤106,对淤积样本集进行拟合,得到对应的泥沙淤积面积-泥沙淤积体积的目标关系式。
其中,可以基于多种函数的曲线特征对淤积样本集进行拟合,选出一种拟合度最优的函数;最终,基于泥沙淤积体积和泥沙淤积面积的变化趋势,更加符合幂函数,因此采用幂函数的曲线特征进行拟合,得到的样本曲线和淤积样点对应的离散点的相关度更高。
其中,得到样本曲线后,即可输出对应的目标关系式。
其中,如图4所示,对应拟合得到的目标关系式如式(1):
y=5.24x1.40#(1)
在式(1)中,y为泥沙淤积体积,单位为104m3,x为泥沙淤积面积,单位为hm2;如表1所示,表1示出了本发明中的测量方法与现有其他测量方法的测量结果偏差情况,从百分比偏差的平均值时可以看出,本发明中的测量方法与现有其他测量方法的效果基本一致,但本发明中的测量方法更加简单,成本更低,效率更高。
表1关系曲线准确性验证
步骤108,获取待测淤地坝的泥沙淤积面积。
其中,在该步骤中,可以通过无人机航拍或卫星遥测的方式获取淤地坝的整体影像,然后通过图像识别处理,计算对应的泥沙淤积面积。比如通过边缘检测等算法对影像进行分割,提取淤积区域,进而根据相应比例进行换算,得到泥沙淤积面积大小。
其中,边缘检测等可以使用各种训练好的机器模型,从而将影像作为机器模型的输入,直接输出面积大小,机器模型采用的算法包括线性回归、逻辑回归、线性判别分析、分类和回归树、K近邻、学习矢量量化、支持向量机、bagging(Bootstrap aggregating,引导聚集算法)和随机森林、Boosting(提升方法,一种可以用来减小监督式学习中偏差的机器学习算法)和AdaBoost(弱分类器)中的一种或多种。
步骤110,根据待测淤地坝的泥沙淤积面积和目标关系式,得到待测淤地坝的泥沙淤积体积,根据待测淤地坝的泥沙淤积体积得到待测淤地坝的泥沙淤积量。
其中,确定了目标关系式后,直接将待测淤地坝的泥沙淤积面积带入式中,即可得到对应的泥沙淤积体积;需要注意的是,本步骤中所提的泥沙淤积量可以是体积大小,因此可以直接将得到的泥沙淤积体积作为泥沙淤积量,若泥沙淤积量表示为质量或其他类型,则需要结合土壤容重进行计算,本步骤的泥沙淤积体积和泥沙淤积量不构成任何限定。
通过上述淤地坝泥沙淤积量的测量方法,利用泥沙淤积体积和泥沙淤积面积变化趋势相关的特性,预先通过大量淤积样本来得到对应的关系式,从而在实际应用过程中,只需要获取待测淤地坝的泥沙淤积面积,然后直接带入关系式,得到对应的泥沙淤积体积及泥沙淤积量。整个测量过程十分简单,效率极高;此外,泥沙淤积面积是唯一需要在测量过程中获取的参数,并且可以借助一些外部设备轻松获取得到的,因此需要花费的成本极低。
如图5所示,在一个实施例中,本发明提供一种淤地坝泥沙淤积量的测量方法,主要包括以下四个步骤:
(1)获取所选空沟道的高分辨率数字高程模型(DEM)数据;
(2)模拟修建淤地坝;
(3)模拟泥沙淤积过程;
(4)拟合泥沙淤积面积和泥沙淤积体积关系式。
第二方面,如图6所示,在一个实施例中,本发明提供一种淤地坝泥沙淤积量的测量装置,包括:
模型构建模块602,用于基于若干个实体空沟道构建若干个初始空沟道模型,在初始空沟道模型中模拟修建对应的淤地坝,得到若干个目标空沟道模型;
样本获取模块604,用于分别对若干个目标空沟道模型进行不同泥沙淤积深度的泥沙淤积过程模拟,确定多组泥沙淤积面积和泥沙淤积体积,得到淤积样本集;
关系式生成模块606,用于对淤积样本集进行拟合,得到对应的泥沙淤积面积-泥沙淤积体积的目标关系式;
泥沙淤积面积获取模块608,用于获取待测淤地坝的泥沙淤积面积;
泥沙淤积量确定模块610,用于根据待测淤地坝的泥沙淤积面积和目标关系式,得到待测淤地坝的泥沙淤积体积,根据待测淤地坝的泥沙淤积体积得到待测淤地坝的泥沙淤积量。
通过上述淤地坝泥沙淤积量的测量装置,利用泥沙淤积体积和泥沙淤积面积变化趋势相关的特性,预先通过大量淤积样本来得到对应的关系式,从而在实际应用过程中,只需要获取待测淤地坝的泥沙淤积面积,然后直接带入关系式,得到对应的泥沙淤积体积及泥沙淤积量。整个测量过程十分简单,效率极高;泥沙淤积面积是唯一需要在测量过程中获取的参数,并且可以借助一些外部设备轻松获取得到的,因此需要花费的成本极低;同一区域的沟道具有地貌相似性,针对实体空沟道进行建模,模拟泥沙淤积过程,拟合泥沙淤积面积和泥沙淤积体积的关系得到目标关系式,并在实际应用中使用该目标关系式来测量同一区域沟道的泥沙淤积量,弥补了传统方法在效率、成本、精度等方面的缺陷;通过对淤积样本构成的离散点进行拟合,使得到的目标关系式具备良好的映射效果。在一个实施例中,模型构建模块包括:
影像信息获取模块,用于获取待测淤地坝所在流域的若干个实体空沟道的若干个影像信息;
DEM数据模块,用于对若干个影像信息进行处理,得到对应的若干个DEM数据,建立若干个初始空沟道模型。
在一个实施例中,样本获取模块具体用于基于淹没分析原理对若干个目标空沟道模型进行不同泥沙淤积深度的泥沙淤积过程模拟。
在一个实施例中,关系式生成模块具体用于基于幂函数的曲线特征对淤积样本集进行拟合,得到对应的样本曲线;根据样本曲线,得到对应的目标关系式。
在一个实施例中,泥沙淤积面积获取模块包括:
整体影像获取模块,用于获取待测淤地坝的整体影像;
图像识别模块,用于对整体影像进行图像识别,计算得到待测淤地坝的泥沙淤积面积。
在一个实施例中,本发明提供一种计算机,该计算机的内部结构示意图如图7所示。该计算机包括通过系统总线连接的处理器、存储器和网络接口。其中,存储器包括非易失性存储介质和内存储器。该计算机的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器执行淤地坝的淤积量测量方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行淤地坝的淤积量测量方法。本领域技术人员可以理解,图7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的限定,具体的计算机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。
在一个实施例中,本发明提供的一种淤地坝的淤积量测量方法可以实现为一种计算机程序的形式,计算机程序可在如图7所示的计算机上运行。计算机的存储器中可存储组成一种淤地坝的淤积量测量装置的各个程序模块。比如,模型构建模块602、样本获取模块604、关系式生成模块606、泥沙淤积面积获取模块608、泥沙淤积量确定模块610。
第三方面,在一个实施例中,本发明提供一种计算机,包括存储器和处理器,存储器中储存有计算机程序,计算机程序被处理器执行时,使得处理器执行如下步骤:
基于若干个实体空沟道构建若干个初始空沟道模型,在初始空沟道模型中模拟修建对应的淤地坝,得到若干个目标空沟道模型;
分别对若干个目标空沟道模型进行不同泥沙淤积深度的泥沙淤积过程模拟,确定多组泥沙淤积面积和泥沙淤积体积,得到淤积样本集;
对淤积样本集进行拟合,得到对应的泥沙淤积面积-泥沙淤积体积的目标关系式;
获取待测淤地坝的泥沙淤积面积;
根据待测淤地坝的泥沙淤积面积和目标关系式,得到待测淤地坝的泥沙淤积体积,根据泥沙淤积体积得到待测淤地坝的泥沙淤积量。
通过上述计算机,利用泥沙淤积体积和泥沙淤积面积变化趋势相关的特性,预先通过大量淤积样本来得到对应的关系式,从而在实际应用过程中,只需要获取待测淤地坝的泥沙淤积面积,然后直接带入关系式,得到对应的泥沙淤积体积及泥沙淤积量。整个测量过程十分简单,效率极高;泥沙淤积面积是唯一需要在测量过程中获取的参数,并且可以借助一些外部设备轻松获取得到的,因此需要花费的成本极低;同一区域的沟道具有地貌相似性,针对实体空沟道进行建模,模拟泥沙淤积过程,拟合泥沙淤积面积和泥沙淤积体积的关系得到目标关系式,并在实际应用中使用该目标关系式来测量同一区域沟道的泥沙淤积量,弥补了传统方法在效率、成本、精度等方面的缺陷;通过对淤积样本构成的离散点进行拟合,使得到的目标关系式具备良好的映射效果。
在一个实施例中,基于若干个实体空沟道构建若干个初始空沟道模型,包括:
获取待测淤地坝所在流域的若干个实体空沟道的若干个影像信息;
对若干个影像信息进行处理,得到对应的若干个DEM数据,建立若干个初始空沟道模型。
在一个实施例中,分别对若干个目标空沟道模型进行不同泥沙淤积深度的泥沙淤积过程模拟,包括:
基于淹没分析原理对若干个目标空沟道模型进行不同泥沙淤积深度的泥沙淤积过程模拟。
在一个实施例中,对淤积样本集进行拟合,得到对应的泥沙淤积面积-泥沙淤积体积的目标关系式,包括:
基于幂函数的曲线特征对淤积样本集进行拟合,得到对应的样本曲线;
根据样本曲线,得到对应的目标关系式。
在一个实施例中,获取待测淤地坝的泥沙淤积面积,包括:
获取待测淤地坝的整体影像;
对整体影像进行图像识别,计算得到待测淤地坝的泥沙淤积面积。
第四方面,在一个实施例中,本发明提供一种存储介质,储存有计算机程序,计算机程序被处理器执行时,使得处理器执行如下步骤:
基于若干个实体空沟道构建若干个初始空沟道模型,在初始空沟道模型中模拟修建对应的淤地坝,得到若干个目标空沟道模型;
分别对若干个目标空沟道模型进行不同泥沙淤积深度的泥沙淤积过程模拟,确定多组泥沙淤积面积和泥沙淤积体积,得到淤积样本集;
对淤积样本集进行拟合,得到对应的泥沙淤积面积-泥沙淤积体积的目标关系式;
获取待测淤地坝的泥沙淤积面积;
根据待测淤地坝的泥沙淤积面积和目标关系式,得到待测淤地坝的泥沙淤积体积,根据待测淤地坝的泥沙淤积体积得到待测淤地坝的泥沙淤积量。
通过上述存储介质,利用泥沙淤积体积和泥沙淤积面积变化趋势相关的特性,预先通过大量淤积样本来得到对应的关系式,从而在实际应用过程中,只需要获取待测淤地坝的泥沙淤积面积,然后直接带入关系式,得到对应的泥沙淤积体积及泥沙淤积量。整个测量过程十分简单,效率极高;泥沙淤积面积是唯一需要在测量过程中获取的参数,并且可以借助一些外部设备轻松获取得到的,因此需要花费的成本极低;同一区域的沟道具有地貌相似性,针对实体空沟道进行建模,模拟泥沙淤积过程,拟合泥沙淤积面积和泥沙淤积体积的关系得到目标关系式,并在实际应用中使用该目标关系式来测量同一区域沟道的泥沙淤积量,弥补了传统方法在效率、成本、精度等方面的缺陷;通过对淤积样本构成的离散点进行拟合,使得到的目标关系式具备良好的映射效果。
在一个实施例中,基于若干个实体空沟道构建若干个初始空沟道模型,包括:
获取待测淤地坝所在流域的若干个实体空沟道的若干个影像信息;
对若干个影像信息进行处理,得到对应的若干个DEM数据,建立若干个初始空沟道模型。
在一个实施例中,分别对若干个目标空沟道模型进行不同泥沙淤积深度的泥沙淤积过程模拟,包括:
基于淹没分析原理对若干个目标空沟道模型进行不同泥沙淤积深度的泥沙淤积过程模拟。
在一个实施例中,对淤积样本集进行拟合,得到对应的泥沙淤积面积-泥沙淤积体积的目标关系式,包括:
基于幂函数的曲线特征对淤积样本集进行拟合,得到对应的样本曲线;
根据样本曲线,得到对应的目标关系式。
在一个实施例中,获取待测淤地坝的泥沙淤积面积,包括:
获取待测淤地坝的整体影像;
对整体影像进行图像识别,计算得到待测淤地坝的泥沙淤积面积。
本领域普通技术人员可以理解实现上述实施例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,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明的保护范围应以所附权利要求为准。
Claims (10)
1.一种淤地坝泥沙淤积量的测量方法,其特征在于,包括:
基于若干个实体空沟道构建若干个初始空沟道模型,在所述初始空沟道模型中模拟修建对应的淤地坝,得到若干个目标空沟道模型;
分别对若干个所述目标空沟道模型进行不同泥沙淤积深度的泥沙淤积过程模拟,确定多组泥沙淤积面积和泥沙淤积体积,得到淤积样本集;
对所述淤积样本集进行拟合,得到对应的泥沙淤积面积-泥沙淤积体积的目标关系式;
获取待测淤地坝的泥沙淤积面积;
根据所述待测淤地坝的泥沙淤积面积和所述目标关系式,得到所述待测淤地坝的泥沙淤积体积,根据所述待测淤地坝的泥沙淤积体积得到所述待测淤地坝的泥沙淤积量。
2.根据权利要求1所述的淤地坝泥沙淤积量的测量方法,其特征在于,所述基于若干个实体空沟道构建若干个初始空沟道模型,包括:
获取所述待测淤地坝所在流域的若干个所述实体空沟道的若干个影像信息;
对若干个所述影像信息进行处理,得到对应的若干个DEM数据,建立若干个所述初始空沟道模型。
3.根据权利要求1所述的淤地坝泥沙淤积量的测量方法,其特征在于,所述分别对若干个所述目标空沟道模型进行不同泥沙淤积深度的泥沙淤积过程模拟,包括:
基于淹没分析原理对若干个所述目标空沟道模型进行不同泥沙淤积深度的泥沙淤积过程模拟。
4.根据权利要求1所述的淤地坝泥沙淤积量的测量方法,其特征在于,所述对所述淤积样本集进行拟合,得到对应的泥沙淤积面积-泥沙淤积体积的目标关系式,包括:
基于幂函数的曲线特征对所述淤积样本集进行拟合,得到对应的样本曲线;
根据所述样本曲线,得到对应的所述目标关系式。
5.根据权利要求1所述的淤地坝泥沙淤积量的测量方法,其特征在于,所述获取待测淤地坝的泥沙淤积面积,包括:
获取所述待测淤地坝的整体影像;
对所述整体影像进行图像识别,计算得到所述待测淤地坝的泥沙淤积面积。
6.一种淤地坝泥沙淤积量的测量装置,其特征在于,包括:
模型构建模块,用于基于若干个实体空沟道构建若干个初始空沟道模型,在所述初始空沟道模型中模拟修建对应的淤地坝,得到若干个目标空沟道模型;
样本获取模块,用于分别对若干个所述目标空沟道模型进行不同泥沙淤积深度的泥沙淤积过程模拟,确定多组泥沙淤积面积和泥沙淤积体积,得到淤积样本集;
关系式生成模块,用于对所述淤积样本集进行拟合,得到对应的泥沙淤积面积-泥沙淤积体积的目标关系式;
泥沙淤积面积获取模块,用于获取待测淤地坝的泥沙淤积面积;
泥沙淤积量确定模块,用于根据所述待测淤地坝的泥沙淤积面积和所述目标关系式,得到所述待测淤地坝的泥沙淤积体积,根据所述待测淤地坝的泥沙淤积体积得到所述待测淤地坝的泥沙淤积量。
7.根据权利要求6所述的淤地坝泥沙淤积量的测量装置,其特征在于,所述模型构建模块包括:
影像信息获取模块,用于获取所述待测淤地坝所在流域的若干个所述实体空沟道的若干个影像信息;
DEM数据模块,用于对若干个所述影像信息进行处理,得到对应的若干个DEM数据,建立若干个所述初始空沟道模型。
8.根据权利要求6所述的淤地坝泥沙淤积量的测量装置,其特征在于,所述面积获取模块包括:
整体影像获取模块,用于获取所述待测淤地坝的整体影像;
图像识别模块,用于对所述整体影像进行图像识别,计算得到所述待测淤地坝的泥沙淤积面积。
9.一种计算机,包括存储器和处理器,所述存储器中储存有计算机程序,其特征在于,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1-5任一项所述的淤地坝泥沙淤积量的测量方法的步骤。
10.一种存储介质,储存有计算机程序,其特征在于,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1-5任一项所述的淤地坝泥沙淤积量的测量方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111676560.5A CN114299136B (zh) | 2021-12-31 | 2021-12-31 | 淤地坝泥沙淤积量的测量方法、装置、计算机及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111676560.5A CN114299136B (zh) | 2021-12-31 | 2021-12-31 | 淤地坝泥沙淤积量的测量方法、装置、计算机及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114299136A true CN114299136A (zh) | 2022-04-08 |
CN114299136B CN114299136B (zh) | 2023-03-24 |
Family
ID=80975384
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111676560.5A Active CN114299136B (zh) | 2021-12-31 | 2021-12-31 | 淤地坝泥沙淤积量的测量方法、装置、计算机及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114299136B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102852114A (zh) * | 2012-09-13 | 2013-01-02 | 中国水电顾问集团北京勘测设计研究院 | 一种水库泥沙淤积的计算方法 |
CN103278115A (zh) * | 2012-12-27 | 2013-09-04 | 北京地拓科技发展有限公司 | 一种基于dem计算淤地坝淤积量的方法及系统 |
CN105654488A (zh) * | 2015-12-31 | 2016-06-08 | 西北农林科技大学 | 一种基于gis的淤地坝拦淤量估算方法 |
CN108427654A (zh) * | 2018-01-26 | 2018-08-21 | 黄河流域水土保持生态环境监测中心 | 一种中型以上淤地坝已淤积库容快速演算方法 |
WO2018153143A1 (zh) * | 2017-02-22 | 2018-08-30 | 河海大学 | 一种利用遥感含水量测量滩涂高程的方法 |
CN109579791A (zh) * | 2018-11-29 | 2019-04-05 | 中国水利水电科学研究院 | 一种快速高效水土保持淤地坝调查与评估方法 |
CN113672872A (zh) * | 2021-08-24 | 2021-11-19 | 四创科技有限公司 | 一种基于遥感影像的平原河网水量置换率计算方法及终端 |
-
2021
- 2021-12-31 CN CN202111676560.5A patent/CN114299136B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102852114A (zh) * | 2012-09-13 | 2013-01-02 | 中国水电顾问集团北京勘测设计研究院 | 一种水库泥沙淤积的计算方法 |
CN103278115A (zh) * | 2012-12-27 | 2013-09-04 | 北京地拓科技发展有限公司 | 一种基于dem计算淤地坝淤积量的方法及系统 |
CN105654488A (zh) * | 2015-12-31 | 2016-06-08 | 西北农林科技大学 | 一种基于gis的淤地坝拦淤量估算方法 |
WO2018153143A1 (zh) * | 2017-02-22 | 2018-08-30 | 河海大学 | 一种利用遥感含水量测量滩涂高程的方法 |
CN108427654A (zh) * | 2018-01-26 | 2018-08-21 | 黄河流域水土保持生态环境监测中心 | 一种中型以上淤地坝已淤积库容快速演算方法 |
CN109579791A (zh) * | 2018-11-29 | 2019-04-05 | 中国水利水电科学研究院 | 一种快速高效水土保持淤地坝调查与评估方法 |
CN113672872A (zh) * | 2021-08-24 | 2021-11-19 | 四创科技有限公司 | 一种基于遥感影像的平原河网水量置换率计算方法及终端 |
Non-Patent Citations (1)
Title |
---|
汪亚峰等: "基于差分GPS技术的淤地坝泥沙淤积量估算", 《农业工程学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114299136B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cucchiaro et al. | Monitoring topographic changes through 4D-structure-from-motion photogrammetry: application to a debris-flow channel | |
Westaway et al. | The development of an automated correction procedure for digital photogrammetry for the study of wide, shallow, gravel‐bed rivers | |
Lane et al. | Estimation of erosion and deposition volumes in a large, gravel‐bed, braided river using synoptic remote sensing | |
Pavlova | Analysis of elevation interpolation methods for creating digital elevation models | |
CN109579791B (zh) | 一种快速高效水土保持淤地坝调查与评估方法 | |
CN109341665B (zh) | 一种淤地坝淤积状况调查系统和方法 | |
Khattab et al. | Generate reservoir depths mapping by using digital elevation model: A case study of Mosul dam lake, Northern Iraq | |
CN110929415A (zh) | 一种针对高原地区u型河谷水下未知地形精确模拟方法 | |
CN110207676A (zh) | 一种田沟塘参数的获取方法及装置 | |
Zeybek et al. | Investigation of landslide detection using radial basis functions: a case study of the Taşkent landslide, Turkey | |
CN117195603B (zh) | 基于高分辨率遥感要素的洪涝灾害推演方法、设备及介质 | |
CN114299136B (zh) | 淤地坝泥沙淤积量的测量方法、装置、计算机及存储介质 | |
Zandbergen | The effect of cell resolution on depressions in digital elevation models | |
DeLong et al. | Regional‐Scale Landscape Response to an Extreme Precipitation Event From Repeat Lidar and Object‐Based Image Analysis | |
Partama et al. | A simple and empirical refraction correction method for UAV-based shallow-water photogrammetry | |
CN116448078A (zh) | 基于无人机倾斜摄影技术的矿山储量估算地形剖面方法 | |
Massuel et al. | Deriving bathymetries from unmanned aerial vehicles: a case study of a small intermittent reservoir | |
CN110363857B (zh) | 降雨过程中土壤侵蚀地表形态dem构建、观测方法及装置 | |
Zhao et al. | Comparison of two different methods for determining flow direction in catchment hydrological modeling | |
CN113432549A (zh) | 一种基于无人机摄影测量的潮沟三维参量提取方法及系统 | |
ElSahabi et al. | Performance evaluation of GIS interpolation techniques to generate 3D bed surfaces profiles of lake nubia | |
CN116385683B (zh) | 一种三维小流域沟道分形维数计算方法及系统 | |
CN112925040B (zh) | 砂岩储层渗透率各向异性参数预测方法及装置 | |
Yakar et al. | The effect of grid resolution in defining terrain surface | |
Brydsten et al. | Digital elevation models for site investigation programme in Forsmark |
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 |