CN115035421B - 红树林生态固滩束沙方法、装置、设备及存储介质 - Google Patents

红树林生态固滩束沙方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115035421B
CN115035421B CN202210776397.8A CN202210776397A CN115035421B CN 115035421 B CN115035421 B CN 115035421B CN 202210776397 A CN202210776397 A CN 202210776397A CN 115035421 B CN115035421 B CN 115035421B
Authority
CN
China
Prior art keywords
beach
mangrove forest
flood
planting area
planting
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
Application number
CN202210776397.8A
Other languages
English (en)
Other versions
CN115035421A (zh
Inventor
吴尧
姚丽娟
吴娟
卢陈
何用
吴门伍
冷玉波
佟晓蕾
涂向阳
高时友
刘佳琪
林平
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.)
Pearl River Hydraulic Research Institute of PRWRC
Original Assignee
Pearl River Hydraulic Research Institute of PRWRC
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 Pearl River Hydraulic Research Institute of PRWRC filed Critical Pearl River Hydraulic Research Institute of PRWRC
Priority to CN202210776397.8A priority Critical patent/CN115035421B/zh
Publication of CN115035421A publication Critical patent/CN115035421A/zh
Application granted granted Critical
Publication of CN115035421B publication Critical patent/CN115035421B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/182—Network patterns, e.g. roads or rivers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Analysis (AREA)
  • Fluid Mechanics (AREA)
  • Mathematical Optimization (AREA)
  • Algebra (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Cultivation Of Plants (AREA)

Abstract

本发明涉及水利工程技术，揭露了一种红树林生态固滩束沙方法，包括：获取预设的河口湾区域的年度潮位和深槽走向，根据所述年度潮位确定红树林种植的滩面高程；利用预设的多维动力数值模型模拟洪水，得到所述洪水下的泄洪能力，确定红树林在浅滩的位置和范围；确定红树林的种植区域，提取所述种植区域的种植面积，以及根据所述滩面高程对所述种植区域的滩面进行高低调整；利用预设的红树林培植要求和所述种植面积确定红树林在所述平整滩面扦插的行距和株距；按照所述红树林的种植面积、所述行距和所述株距对河口湾进行固滩束沙。本发明还提出一种红树林生态固滩束沙装置、电子设备以及存储介质。本发明可以降低泥沙淤积的含量。

Description

红树林生态固滩束沙方法、装置、设备及存储介质
技术领域
本发明涉及水利工程技术领域，尤其涉及一种红树林生态固滩束沙方法、装置、电子设备及计算机可读存储介质。
背景技术
由于具备宽浅河口湾提供丰富沙源、潮流主导向上输沙、弱径流动力阻碍排沙的特点，滨海淤积型河流表现为长期淤积趋势，河道防洪能力持续被动降低，为了使河口湾的淤积减少，以进行红树林生态固滩束沙。
现有的红树林的研究领域聚焦于生态系统修复、种植技术本身、消浪减灾功能。但实际应用中，鲜少在其固沙特性上深入研究，尤其是利用这种功能对河口湾泥沙悬浮扬动、随涨潮流上涌的问题提出解决方案，从而使潮控河道泥沙淤积量较多。
发明内容
本发明提供一种红树林生态固滩束沙方法、装置及计算机可读存储介质，其主要目的在于解决进行淤积治理时的泥沙淤积量较多的问题。
为实现上述目的，本发明提供的一种红树林生态固滩束沙方法，包括：
获取预设的河口湾区域的年度潮位，根据所述年度潮位确定红树林种植的滩面高程，以及根据预设的地形资料获得所述河口湾的深槽走向；
利用预设的多维动力数值模型模拟洪水，得到所述洪水下的泄洪能力，以及根据所述泄洪能力和所述深槽走向确定红树林在浅滩的位置和范围；
根据所述滩面高程、所述位置和所述范围确定红树林的种植区域，提取所述种植区域的种植面积，以及根据所述滩面高程对所述种植区域的滩面进行高低调整，得到红树林种植的平整滩面；
利用预设的红树林培植要求和所述种植面积确定红树林在所述平整滩面扦插的行距和株距；
按照所述红树林的种植面积、所述行距和所述株距对河口湾进行固滩束沙。
可选地，所述根据所述年度潮位确定红树林种植的滩面高程，包括：
根据所述年度潮位统计一年中河口湾每月涨潮的最高水位；
计算一年内所述每月涨潮的最高水位的平均值；
利用如下算法根据所述最高水位的平均值确定滩面高程：
Figure BDA0003724365650000021
其中，Z为所述滩面高程，
Figure BDA0003724365650000022
为所述一年中每月涨潮的最高水位的所述平均值。
可选地，所述利用预设的多维动力数值模型模拟洪水，得到所述洪水下的泄洪能力，包括：
利用如下多维动力数值模型模拟洪水，得到洪峰流量：
Figure BDA0003724365650000023
其中，Q为所述洪峰流量，P为常数，S为暴雨特征参数，μ为汇流参数，τ为流域汇流时间，F为流域特征参数，t为各河段全面汇流时间；
根据所述洪峰流量获得对应的泄洪流量；
确定所述泄洪流量的最大值为所述泄洪能力。
可选地，所述根据所述泄洪能力和所述深槽走向确定红树林在浅滩的位置和范围，包括：
获得所述泄洪能力下的泄洪过程线；
利用如下蓄洪量算法根据所述泄洪过程线确定单位时间内的蓄洪量：
Figure BDA0003724365650000031
其中，V(H)为所述蓄洪量，H为指定水位的高程值，d为所述滩面高程，h为高程小于指定水位的滩面高程，t为单位时间；
根据所述蓄洪量和预设的库容曲线生成标准频率下的洪水水面线；
根据所述深槽走向确定河口湾的河道水面线；
根据所述洪水水面线和所述河道水面线确定红树林种植的位置和范围。
可选地，所述根据所述深槽走向确定河口湾的河道水面线，包括：
根据所述深槽走向确定河口湾的河段，以及对所述河段进行分段，得到分段河段；
按照如下水面线算法从上游到下游逐一计算所述分段河段的河段水面线：
Figure BDA0003724365650000032
其中，Z为所述分段河段地河段水面线，R为河段的断面水位，α为动能修正系数，δ为局部水头损失，Q为河段的过水流量，ΔS为河段长度，A为断面过水面积，K为断面的流量模数，g为断面的流速；
汇集所述分段河段的河段水面线为河口湾的河道水面线。
可选地，提取所述种植区域的种植面积，包括：
利用预设的遥感影像技术对所述种植区域进行识别，得到种植区域轮廓；
根据所述种植区域轮廓对所述种植区域的边缘进行标记，得到种植标记图像；
利用如下图像划分算法对所述种植标记图像进行网格划分，得到划分区域：
Figure BDA0003724365650000033
其中，S(u，v)未所述划分区域在坐标系X轴的坐标值为u，在Y轴的坐标值为v，Ri，j(u，v)为网格划分对应的有理基函数，
P为所述划分区域中单个网格区域面积。
统计所述划分区域的面积，将所述划分区域的面积叠加为红树林的种植面积。
可选地，所述利用预设的红树林培植要求和所述种植面积确定红树林在所述平整滩面扦插的行距和株距，包括：
根据所述红树林的培植要求将红树幼苗进行区域分类，得到分类幼苗；
根据所述种植面积获得种植红树幼苗的总量，以及根据所述种植面积对所述分类幼苗设置不同的行距；
根据所述种植面积、所述总量和所述行距得到种植的株距；
计算在所述行距和所述株距下红树林扦插的成活率；
选取所述成活率最高的行距和株距为所述平整滩面扦插的行距和株距。
为了解决上述问题，本发明还提供一种红树林生态固滩束沙装置，所述装置包括：
滩面高程确定模块，用于获取预设的河口湾区域的年度潮位，根据所述年度潮位确定红树林种植的滩面高程，以及根据预设的地形资料获得所述河口湾的深槽走向；
位置和范围确定模块，用于利用预设的多维动力数值模型模拟洪水，得到所述洪水下的泄洪能力，以及根据所述泄洪能力和所述深槽走向确定红树林在浅滩的位置和范围；
种植面积提取模块，用于根据所述滩面高程、所述位置和所述范围确定红树林的种植区域，提取所述种植区域的种植面积，以及根据所述滩面高程对所述种植区域的滩面进行高低调整，得到红树林种植的平整滩面；
行距和株距确定模块，用于利用预设的红树林培植要求和所述种植面积确定红树林在所述平整滩面扦插的行距和株距；
固滩束沙生成模块，用于按照所述红树林的种植面积、所述行距和所述株距对河口湾进行固滩束沙。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的红树林生态固滩束沙方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的红树林生态固滩束沙方法。
本发明实施例能够确定红树林种植的滩面高程、滩面位置和面积，并通过构建物理模型根据深槽走向调整红树林在浅滩的位置和范围，以及根据滩面高程对不平整的滩面进行调整，在平整滩面上进行红树林的种植，确定红树林种植的行距和株距以此来固滩束沙，在红树苗木种植后可用木棍捆绑主干、插入滩面以固定植株，降低了潮控河道泥沙的淤泥量。因此本发明提出的红树林生态固滩束沙方法，可以解决对潮控河道泥沙淤积量较多的问题。
附图说明
图1为本发明一实施例提供的红树林生态固滩束沙方法的流程示意图；
图2为本发明一实施例提供的确定种植位置和范围和的流程示意图；
图3为本发明一实施例提供的提取种植面积的流程示意图；
图4为本发明一实施例提供的红树林生态固滩束沙装置的功能模块图；
图5为本发明一实施例提供的实现所述红树林生态固滩束沙方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
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。
本申请实施例提供一种红树林生态固滩束沙方法。所述红树林生态固滩束沙方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述红树林生态固滩束沙方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的红树林生态固滩束沙方法的流程示意图。在本实施例中，所述红树林生态固滩束沙方法包括：
S1、获取预设的河口湾区域的年度潮位，根据所述年度潮位确定红树林种植的滩面高程，以及根据预设的地形资料获得所述河口湾的深槽走向；
本发明实施例中，可以通过网页爬取、查阅资料等方式获取所述预设的河口湾区域的年度潮位，其中，所述年度潮位是指在一年中河口湾区域受潮汐影响周期性涨落的水位，即潮水在一年中所达到的高度。
本发明实施例中，所述滩面高程是红树林在种植时滩面距河口湾水面零点以上的距离。
本发明实施例中，所述根据所述年度潮位确定红树林种植的滩面高程，包括：
根据所述年度潮位统计一年中河口湾每月涨潮的最高水位；
计算一年内所述每月涨潮的最高水位的平均值；
利用如下算法根据所述最高水位的平均值确定滩面高程：
Figure BDA0003724365650000071
其中，Z为所述滩面高程，
Figure BDA0003724365650000072
为所述一年中每月涨潮的最高水位的所述平均值。
本发明实施例中，所述深槽是一种普遍存在的河床地貌形态，弯曲型河道的弯顶上下端为深槽，深槽走向是河口湾区域深槽的方向。
本发明实施例中，所述地形资料包括河口湾区域的外形、河口形态、深槽位置、浅滩位置以此来确定河口湾区域的深槽走向，因此，根据地形资料得到河口湾与入汇径流的主要水沙输运通道位置，即深槽位置。
详细地，所述获得所述河口湾的深槽走向可以通过所述地形资料对河口湾区域的地貌进行深入研究，从而得到河口湾区域的深槽走向。
S2、利用预设的多维动力数值模型模拟洪水，得到所述洪水下的泄洪能力，以及根据所述泄洪能力和所述深槽走向确定红树林在浅滩的位置和范围；
本发明实施例中，所述数学模型用来模拟防洪标准频率下的洪水，记录靠近河口的下部河段的水面线，得到泄洪能力满足要求时最靠近径流口门处的红树林种植的位置和范围。所述数学模型是二维水动力数值模型，该模型主要是求解控制水流运动规律的N-S方程，考虑了潮汐动力、径流、海底摩擦、风、水流紊动、柯氏力等因素共同作用下的流场变化情况。所述数学模型则主要提供洪水的洪峰流量。
本发明实施例中，所述利用预设的多维动力数值模型模拟洪水，得到所述洪水下的泄洪能力，包括：
利用如下多维动力数值模型模拟洪水，得到洪峰流量：
Figure BDA0003724365650000081
其中，Q为所述洪峰流量，P为常数，S为暴雨特征参数，μ为汇流参数，τ为流域汇流时间，F为流域特征参数，t为各河段全面汇流时间；
根据所述洪峰流量获得对应的泄洪流量；
确定所述泄洪流量的最大值为所述泄洪能力。
根据所述洪峰流量可以确定需要泄洪的洪水流量，因此，所述泄洪流量最大值作为河口湾区域的泄洪能力。
本发明实施例中，参图2所示，所述根据所述泄洪能力和所述深槽走向确定红树林在浅滩的位置和范围，包括：
S21、获得所述泄洪能力下的泄洪过程线；
S22、利用如下蓄洪量算法根据所述泄洪过程线确定单位时间内的蓄洪量：
Figure BDA0003724365650000082
其中，V(H)为所述蓄洪量，H为指定水位的高程值，d为所述滩面高程，h为高程小于指定水位的滩面高程，t为单位时间；
S23、根据所述蓄洪量和预设的库容曲线生成标准频率下的洪水水面线；
S24、根据所述深槽走向确定河口湾的河道水面线；
S25、根据所述洪水水面线和所述河道水面线确定红树林种植的位置和范围。
详细地，所述库容曲线，设置预设的河口湾区域的滩面、滩面坡度、预设库内正常水位(汛期防洪限制水位)，预设洪水标准，预设最大洪水位，根据上述数据计算得出从库内正常水位涨到预设最大水位时，得到库容的增加量，从而得到库容曲线，因此，根据所述库容曲线可以确定可以得到水库水位，根据蓄洪量和所述水库水位可以获得洪水水面线。
详细的，所述根据所述深槽走向确定河口湾的河道水面线，包括：
根据所述深槽走向确定河口湾的河段，以及对所述河段进行分段，得到分段河段；
按照如下水面线算法从上游到下游逐一计算所述分段河段的河段水面线：
Figure BDA0003724365650000091
其中，Z为所述分段河段地河段水面线，R为河段的断面水位，α为动能修正系数，δ为局部水头损失，Q为河段的过水流量，ΔS为河段长度，A为断面过水面积，K为断面的流量模数，g为断面的流速；
汇集所述分段河段的河段水面线为河口湾的河道水面线。
本发明实施例中，所述根据所述洪水水面线和河道水面线确定红树林种植的位置和范围是指根据洪水水面线可以知道当有洪水时，树木可以避免被淹没，将洪水水面线与河道水面线进行对比，得到最适合种植树木的位置避免被冲击淹没，以此来确定红树林种植的位置和范围。
S3、根据所述滩面高程、所述位置和所述范围确定红树林的种植区域，提取所述种植区域的种植面积，以及根据所述滩面高程对所述种植区域的滩面进行高低调整，得到红树林种植的平整滩面；
本发明实施例中，根据红树林种植的所述滩面高程、所述位置和所述范围可以确定红树林种植的区域，但是要在种植区域上种植红树幼苗的总数，还需知道种植区域的面积，因此，要提取所述种植区域的种植面积。
本发明实施例中，参图3所示，提取所述种植区域的种植面积，包括：
S31、利用预设的遥感影像技术对所述种植区域进行识别，得到种植区域轮廓；
S32、根据所述种植区域轮廓对所述种植区域的边缘进行标记，得到种植标记图像；
S33、利用如下图像划分算法对所述种植标记图像进行网格划分，得到划分区域：
Figure BDA0003724365650000101
其中，S(u，v)未所述划分区域在坐标系X轴的坐标值为u，在Y轴的坐标值为v，Ri，j(u，v)为网格划分对应的有理基函数，P为所述划分区域中单个网格区域面积。
S34、统计所述划分区域的面积，将所述划分区域的面积叠加为红树林的种植面积。
详细地，所述利用预设的遥感影像技术对所述种植区域进行识别，得到种植区域轮廓，包括：
利用所述遥感影像技术提取所述种植区域的图像切片；
对所述图像切片进行特征提取，得到特征切片；
对所述特征切片进行识别，得到种植区域轮廓。
具体地，所述遥感影像技术具有快速、准确、客观等特点，已经成为动态获取多尺度作物种植面积信息及其空间分布状况的重要技术手段。
详细地，所述种植区域的边界是不规则的闭合边界，对所述种植标记图像进行划分，可以将所述种植标记图像划分为多个长方形，以此来确定每个划分区域的面积。
本发明实施例中，所述根据所述滩面高程对所述种植区域的滩面进行高低调整，得到红树林种植的平整滩面指对所述种植区域的滩面高于所述滩面高程的位置铲平，低于所述滩面高程的位置回填松软的淤泥，得到红树林种植的平整滩面，此外在红树林种植区边缘的滩面用木头篱笆围挡，以控制种植范围，并在红树幼苗生长期间起到消浪的作用。
S4、利用预设的红树林培植要求和所述种植面积确定红树林在所述平整滩面扦插的行距和株距；
本发明实施例中，所述红树林扦插的行距是指红树林行与行之间的距离，所述株距是两颗红树林之间的距离。
本发明其中一个实际应用场景中，红树林严格按照纬度进行分布，而分布及生长状态和栽植区域内的温度、沿河口湾特有的盐度等有着直接联系。红树林的成分以红树科的种类为主，红树科的种类非常繁多，一部分生长在内陆，一部分组成红树林，如红树属、木榄属、秋茄树属、角果木属等，因此，不同种类的红树林有不同的培植要求，根据不同的培植要求对红树林在所述平整滩面上扦插的行距和株距也会有所不同。
本发明实施例中，所述红树林的培植要求一定要按照红树幼苗实际来源的不同，将其划分成天然种苗或者是胚轴培植以及容器苗。不同种类的种植方式都具有着一定的使用范围，具体而言，使用胚轴栽植具有简便特性，若要培植规模偏大的红树林，则适宜选用这一方式，此外，红树幼苗扦插的行距和株距影响着幼苗的出苗率和总体成活率。
本发明实施例中，所述利用预设的红树林培植要求和所述种植面积确定红树林在所述平整滩面扦插的行距和株距，包括：
根据所述红树林的培植要求将红树幼苗进行区域分类，得到分类幼苗；
根据所述种植面积获得种植红树幼苗的总量，以及根据所述种植面积对所述分类幼苗设置不同的行距；
根据所述种植面积、所述总量和所述行距得到种植的株距；
计算在所述行距和所述株距下红树林扦插的成活率；
选取所述成活率最高的行距和株距为所述平整滩面扦插的行距和株距。
详细地，将不同种类红树幼苗的培植要求分配到一类，以便对红树幼苗的成活率的统计，便于确定红树林的行距和株距。若所述种植面积为600平方米，大概可以种植400棵红树幼苗，设置不同的行距分别为2米，3米，6米，则根据种植面积和行距可以计算在不同的行距下株距分别为0.75米、0.5米、0.25米。
具体地，影响红树林种植成活率的因素包括树苗的质量参差不齐，定植时裁剪枝干的方式不对，定根时浇水少，种植温度不合适等。
进一步地，所述计算不同所述行距和所述株距下红树林扦插的成活率，包括：统计所述行距和所述株距下红树幼苗的的成活数量；根据所述成活数量和所述总量计算所述成活率。
详细地，所述根据所述成活数量和所述总量计算所述成活率，包括：
利用如下算法根据所述成活数量和所述总量计算所述成活率：
Figure BDA0003724365650000121
其中，P为所述红树幼苗的成活率，T为所述成活数量，S为所述红树幼苗的总量。
进一步地，为了稳固浅滩，使红树幼苗种植时不易被淹没，可以阻挡沙子，可以在种植区域内扦插红树幼苗，靠近河口湾区域深槽的一侧滩面，种植区边缘以内3米的范围种植密度为内部区域的1.5倍。
S5、按照所述红树林的种植面积、所述行距和所述株距对河口湾进行固滩束沙。
本发明实施例中，所述按照所述红树林的种植面积、所述行距和所述株距对河口湾进行固滩束沙，包括：将红树幼苗按照所述种植面积、所述行距和所述株距扦插在滩面上；用预设的木棍对所述红树幼苗进行固定；根据固定的红树幼苗对河口湾进行固滩束沙。
本发明实施例中，为了避免体态较小的树苗种植后，被水浪和水面漂浮物冲走或者是倒伏，因此需要采取有效的方法使其固定。在种植树苗旁边的土壤上面插上竹竿，然后拿绳子把树苗和竹竿捆绑在一起使其固定，这样在涨潮落潮以及河水冲刷的时候，树苗才能不被冲倒，提高其成活率。
本发明实施例能够确定红树林种植的滩面高程、滩面位置和面积，并通过构建物理模型根据深槽走向调整红树林在浅滩的位置和范围，以及根据滩面高程对不平整的滩面进行调整，在平整滩面上进行红树林的种植，确定红树林种植的行距和株距以此来固滩束沙，在红树苗木种植后可用木棍捆绑主干、插入滩面以固定植株，降低了潮控河道泥沙的淤泥量。因此本发明提出的红树林生态固滩束沙方法，可以解决对潮控河道泥沙淤积量较多的问题。
如图4所示，是本发明一实施例提供的红树林生态固滩束沙装置的功能模块图。
本发明所述红树林生态固滩束沙装置100可以安装于电子设备中。根据实现的功能，所述红树林生态固滩束沙装置100可以包括滩面高程确定模块101、位置和范围确定模块102、种植面积提取模块103、行距和株距确定模块104及固滩束沙生成模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述滩面高程确定模块101，用于获取预设的河口湾区域的年度潮位，根据所述年度潮位确定红树林种植的滩面高程，以及根据预设的地形资料获得所述河口湾的深槽走向；
所述位置和范围确定模块102，用于利用预设的多维动力数值模型模拟洪水，得到所述洪水下的泄洪能力，以及根据所述泄洪能力和所述深槽走向确定红树林在浅滩的位置和范围；
所述种植面积提取模块103，用于根据所述滩面高程、所述位置和所述范围确定红树林的种植区域，提取所述种植区域的种植面积，以及根据所述滩面高程对所述种植区域的滩面进行高低调整，得到红树林种植的平整滩面；
所述行距和株距确定模块104，用于利用预设的红树林培植要求和所述种植面积确定红树林在所述平整滩面扦插的行距和株距；
所述固滩束沙生成模块105，用于按照所述红树林的种植面积、所述行距和所述株距对河口湾进行固滩束沙。
详细地，本发明实施例中所述红树林生态固滩束沙装置100中所述的各模块在使用时采用与上述图1至图3中所述的红树林生态固滩束沙方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图5所示，是本发明一实施例提供的实现红树林生态固滩束沙方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如红树林生态固滩束沙程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行红树林生态固滩束沙程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如红树林生态固滩束沙程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图中仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图中示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的红树林生态固滩束沙程序是多个指令的组合，在所述处理器10中运行时，可以实现：
获取预设的河口湾区域的年度潮位，根据所述年度潮位确定红树林种植的滩面高程，以及根据预设的地形资料获得所述河口湾的深槽走向；
利用预设的多维动力数值模型模拟洪水，得到所述洪水下的泄洪能力，以及根据所述泄洪能力和所述深槽走向确定红树林在浅滩的位置和范围；
根据所述滩面高程、所述位置和所述范围确定红树林的种植区域，提取所述种植区域的种植面积，以及根据所述滩面高程对所述种植区域的滩面进行高低调整，得到红树林种植的平整滩面；
利用预设的红树林培植要求和所述种植面积确定红树林在所述平整滩面扦插的行距和株距；
按照所述红树林的种植面积、所述行距和所述株距对河口湾进行固滩束沙。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1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存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，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)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取预设的河口湾区域的年度潮位，根据所述年度潮位确定红树林种植的滩面高程，以及根据预设的地形资料获得所述河口湾的深槽走向；
利用预设的多维动力数值模型模拟洪水，得到所述洪水下的泄洪能力，以及根据所述泄洪能力和所述深槽走向确定红树林在浅滩的位置和范围；
根据所述滩面高程、所述位置和所述范围确定红树林的种植区域，提取所述种植区域的种植面积，以及根据所述滩面高程对所述种植区域的滩面进行高低调整，得到红树林种植的平整滩面；
利用预设的红树林培植要求和所述种植面积确定红树林在所述平整滩面扦插的行距和株距；
按照所述红树林的种植面积、所述行距和所述株距对河口湾进行固滩束沙。
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，所述模块的划分，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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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，在本发明各个实施例中的各功能模块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，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (9)

1.一种红树林生态固滩束沙的方法，其特征在于，所述方法包括：
获取预设的河口湾区域的年度潮位，根据所述年度潮位确定红树林种植的滩面高程，以及根据预设的地形资料获得所述河口湾的深槽走向；
利用预设的多维动力数值模型模拟洪水，得到所述洪水下的泄洪能力，获取所述泄洪能力下的泄洪过程线，利用如下蓄洪量算法根据所述泄洪过程线确定单位时间内的蓄洪量：
Figure FDA0004006668330000011
其中，V为所述蓄洪量，H为指定水位的高程值，Z为所述滩面高程，h为高程小于指定水位的滩面高程，β为单位时间，根据所述蓄洪量和预设的库容曲线生成标准频率下的洪水水面线，根据所述深槽走向确定河口湾的河道水面线；根据所述洪水水面线和所述河道水面线确定红树林种植的位置和范围；
根据所述滩面高程、所述位置和所述范围确定红树林的种植区域，提取所述种植区域的种植面积，以及根据所述滩面高程对所述种植区域的滩面进行高低调整，得到红树林种植的平整滩面；
利用预设的红树林培植要求和所述种植面积确定红树林在所述平整滩面扦插的行距和株距；
按照所述红树林的种植面积、所述行距和所述株距对河口湾进行固滩束沙。
2.如权利要求1所述的红树林生态固滩束沙方法，其特征在于，所述根据所述年度潮位确定红树林种植的滩面高程，包括：
根据所述年度潮位统计一年中河口湾每月涨潮的最高水位；
计算一年内所述每月涨潮的最高水位的平均值；
利用如下算法根据所述最高水位的平均值确定滩面高程：
Figure FDA0004006668330000012
其中，Z为所述滩面高程，
Figure FDA0004006668330000021
为所述一年中每月涨潮的最高水位的所述平均值。
3.如权利要求1所述的红树林生态固滩束沙方法，其特征在于，所述利用预设的多维动力数值模型模拟洪水，得到所述洪水下的泄洪能力，包括：
利用如下多维动力数值模型模拟洪水，得到洪峰流量：
Figure FDA0004006668330000022
其中，Q为所述洪峰流量，P为常数，S为暴雨特征参数，μ为汇流参数，τ为流域汇流时间，F为流域特征参数，t为各河段全面汇流时间；
根据所述洪峰流量获得对应的泄洪流量；
确定所述泄洪流量的最大值为所述泄洪能力。
4.如权利要求1所述的红树林生态固滩束沙方法，其特征在于，所述根据所述深槽走向确定河口湾的河道水面线，包括：
根据所述深槽走向确定河口湾的河段，以及对所述河段进行分段，得到分段河段；
按照如下水面线算法从上游到下游逐一计算所述分段河段的河段水面线：
Figure FDA0004006668330000023
其中，L为所述分段河段的河段水面线，σ为河段的断面水位，α为动能修正系数，δ为局部水头损失，E为河段的过水流量，ΔS为河段长度，A为断面过水面积，K为断面的流量模数，g为断面的流速；
汇集所述分段河段的河段水面线为河口湾的河道水面线。
5.如权利要求1至4中任一项所述的红树林生态固滩束沙方法，其特征在于，提取所述种植区域的种植面积，包括：
利用预设的遥感影像技术对所述种植区域进行识别，得到种植区域轮廓；
根据所述种植区域轮廓对所述种植区域的边缘进行标记，得到种植标记图像；
利用如下图像划分算法对所述种植标记图像进行网格划分，得到划分区域：
Figure FDA0004006668330000031
其中，
Figure FDA0004006668330000032
为所述划分区域在坐标系X轴的坐标值为u，在Y轴的坐标值为V，Ri，j(u，v)为网格划分对应的有理基函数，w为所述划分区域中单个网格区域面积，i为坐标系X轴的划分单元，j为坐标系Y轴的划分单元，n为坐标系X轴的划分单元数量，m为坐标系Y轴的划分单元数量；
统计所述划分区域的面积，将所述划分区域的面积叠加为红树林的种植面积。
6.如权利要求1所述的红树林生态固滩束沙方法，其特征在于，所述利用预设的红树林培植要求和所述种植面积确定红树林在所述平整滩面扦插的行距和株距，包括：
根据所述红树林的培植要求将红树幼苗进行区域分类，得到分类幼苗；
根据所述种植面积获得种植红树幼苗的总量，以及根据所述种植面积对所述分类幼苗设置不同的行距；
根据所述种植面积、所述总量和所述行距得到种植的株距；
计算在所述行距和所述株距下红树林扦插的成活率；
选取所述成活率最高的行距和株距为所述平整滩面扦插的行距和株距。
7.一种红树林生态固滩束沙装置，其特征在于，所述装置包括：
滩面高程确定模块，用于获取预设的河口湾区域的年度潮位，根据所述年度潮位确定红树林种植的滩面高程，以及根据预设的地形资料获得所述河口湾的深槽走向；
位置和范围确定模块，用于利用预设的多维动力数值模型模拟洪水，得到所述洪水下的泄洪能力，获取所述泄洪能力下的泄洪过程线，利用如下蓄洪量算法根据所述泄洪过程线确定单位时间内的蓄洪量：
Figure FDA0004006668330000041
其中，V为所述蓄洪量，H为指定水位的高程值，Z为所述滩面高程，h为高程小于指定水位的滩面高程，β为单位时间，根据所述蓄洪量和预设的库容曲线生成标准频率下的洪水水面线，根据所述深槽走向确定河口湾的河道水面线；根据所述洪水水面线和所述河道水面线确定红树林种植的位置和范围；
种植面积提取模块，用于根据所述滩面高程、所述位置和所述范围确定红树林的种植区域，提取所述种植区域的种植面积，以及根据所述滩面高程对所述种植区域的滩面进行高低调整，得到红树林种植的平整滩面；
行距和株距确定模块，用于利用预设的红树林培植要求和所述种植面积确定红树林在所述平整滩面扦插的行距和株距；
固滩束沙生成模块，用于按照所述红树林的种植面积、所述行距和所述株距对河口湾进行固滩束沙。
8.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至6中任意一项所述的红树林生态固滩束沙方法。
9.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中任意一项所述的红树林生态固滩束沙方法。
CN202210776397.8A 2022-06-30 2022-06-30 红树林生态固滩束沙方法、装置、设备及存储介质 Active CN115035421B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210776397.8A CN115035421B (zh) 2022-06-30 2022-06-30 红树林生态固滩束沙方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210776397.8A CN115035421B (zh) 2022-06-30 2022-06-30 红树林生态固滩束沙方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN115035421A CN115035421A (zh) 2022-09-09
CN115035421B true CN115035421B (zh) 2023-02-21

Family

ID=83128764

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210776397.8A Active CN115035421B (zh) 2022-06-30 2022-06-30 红树林生态固滩束沙方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115035421B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116204836B (zh) * 2023-05-05 2023-07-11 珠江水利委员会珠江水利科学研究院 一种河口滩涂红树林宜林区筛选方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101929140A (zh) * 2009-04-02 2010-12-29 福州市规划设计研究院 非平原城市排洪规划设计方法
CN104186273A (zh) * 2014-06-23 2014-12-10 中国林业科学研究院热带林业研究所 高盐度深水海滩红树林的造林方法
CN106718461A (zh) * 2015-11-20 2017-05-31 高庆洋 一种红树林造林方法
CN110374081A (zh) * 2019-05-21 2019-10-25 中节能大地环境修复有限公司 一种植物固沙网及其使用方法
CN110646054A (zh) * 2019-10-06 2020-01-03 中水东北勘测设计研究有限责任公司 严寒地区江河水位连续自动监测方法
CN110710412A (zh) * 2019-10-25 2020-01-21 岭南生态文旅股份有限公司 一种红树林人工湿地防台风方法
CN111567301A (zh) * 2020-05-08 2020-08-25 中国科学院华南植物园 一种在深水裸滩种植红树林的方法
AU2020103139A4 (en) * 2020-10-30 2021-01-07 Gengyuan LIU Marine Ecological Monitoring And Its Assessment Methods
CN112199901A (zh) * 2020-09-14 2021-01-08 中国人民解放军火箭军研究院核技术研究所 一种无径流资料山区小流域山洪设计暴雨洪水计算方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112116785B (zh) * 2020-08-21 2022-08-19 中国瑞林工程技术股份有限公司 一种基于强降雨气象预报下尾矿库灾害预警方法及装置
CN113590676B (zh) * 2021-06-29 2023-03-24 长江水利委员会水文局 基于梯级联合等效防洪库容的流域防洪调度方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101929140A (zh) * 2009-04-02 2010-12-29 福州市规划设计研究院 非平原城市排洪规划设计方法
CN104186273A (zh) * 2014-06-23 2014-12-10 中国林业科学研究院热带林业研究所 高盐度深水海滩红树林的造林方法
CN106718461A (zh) * 2015-11-20 2017-05-31 高庆洋 一种红树林造林方法
CN110374081A (zh) * 2019-05-21 2019-10-25 中节能大地环境修复有限公司 一种植物固沙网及其使用方法
CN110646054A (zh) * 2019-10-06 2020-01-03 中水东北勘测设计研究有限责任公司 严寒地区江河水位连续自动监测方法
CN110710412A (zh) * 2019-10-25 2020-01-21 岭南生态文旅股份有限公司 一种红树林人工湿地防台风方法
CN111567301A (zh) * 2020-05-08 2020-08-25 中国科学院华南植物园 一种在深水裸滩种植红树林的方法
CN112199901A (zh) * 2020-09-14 2021-01-08 中国人民解放军火箭军研究院核技术研究所 一种无径流资料山区小流域山洪设计暴雨洪水计算方法
AU2020103139A4 (en) * 2020-10-30 2021-01-07 Gengyuan LIU Marine Ecological Monitoring And Its Assessment Methods

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
深圳河防洪能力影响因素分析;陈子珊等;《水利水电技术》;20150220(第02期);全文 *
黄河下游典型河段滩槽分界二维洪水数值模拟;张晓雷等;《水利水电技术》;20130720(第07期);全文 *

Also Published As

Publication number Publication date
CN115035421A (zh) 2022-09-09

Similar Documents

Publication Publication Date Title
Jensen Beyond irrigation efficiency
de Brito Ribeiro et al. Fisheries ecololgy and management of the Jaraqui (Semaprochilodus Taeniurus, S. Insignis) in central Amazonia
Dong et al. Effects of vegetation buffer strips on concentrated flow hydraulics and gully bed erosion based on in situ scouring experiments
Riis et al. Vegetation and flow regime in lowland streams
Lai et al. Effects of the normal operation of the Three Gorges Reservoir on wetland inundation in Dongting Lake, China: A modelling study
Picco et al. Medium‐term fluvial island evolution in a disturbed gravel‐bed river (Piave River, Northeastern Italian Alps)
CN107092786B (zh) 一种考虑河流不同状态的生态基流量计算方法及系统
Miao et al. Spatio-temporal variability of streamflow in the Yellow River: possible causes and implications
CN115035421B (zh) 红树林生态固滩束沙方法、装置、设备及存储介质
Politti et al. Evaluating climate change impacts on Alpine floodplain vegetation
Huang Hydrodynamic modeling and ecohydrological analysis of river inflow effects on Apalachicola Bay, Florida, USA
Wildayana Formulating Oil Palm Investment Decision in Tidal Wetlands of South Sumatra, Indonesia
Wu et al. Wetland area identification and waterbird protection management in consideration of lake topography and water level change
Rurek Characteristics of Beaver ponds and landforms induced by beaver activity, S Part of the Tuchola Pinewoods, Poland
CN116542459A (zh) 一种面向变动回水区鱼类产卵场生境重塑的生态调度方法
Martin Estimating freshwater inflow needs for Texas estuaries by mathematical programming
Fong et al. Pulsed flow wave attenuation on a regulated montane river
CN113449982A (zh) 基于控制性生态因子比尺的湖泊生态水文节律确定方法
Cruz et al. River‐Ditch Flow Statistical Relationships in a Traditionally Irrigated Valley Near Taos, New Mexico
Yang et al. Potential causes of salinity trend in seawater overlaying a mudflat inside a semi-enclosed bay
CN109271471A (zh) 一种基于矢量数据模型的南方丘陵区汇流网络构建方法
CN116882206B (zh) 淤泥质海床相邻岬湾沙滩泥化分界高程计算方法及装置
Gabr et al. Determination of the Canal Discharge Capacity Ratio and Roughness to Assess Its Maintenance Status: Application in Egypt
Sridhar et al. Estimation of the water balance using observed soil water in the Nebraska sandhills
CN108491634A (zh) 一种滩地防浪林种植不利于河道行洪的定量分析方法

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