CN115222134B - 基于数字孪生的生产建设活动扰动变化预测方法及系统 - Google Patents

基于数字孪生的生产建设活动扰动变化预测方法及系统 Download PDF

Info

Publication number
CN115222134B
CN115222134B CN202210879888.5A CN202210879888A CN115222134B CN 115222134 B CN115222134 B CN 115222134B CN 202210879888 A CN202210879888 A CN 202210879888A CN 115222134 B CN115222134 B CN 115222134B
Authority
CN
China
Prior art keywords
remote sensing
disturbance
array
satellite remote
sensing image
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
CN202210879888.5A
Other languages
English (en)
Other versions
CN115222134A (zh
Inventor
伍容容
王爱青
吉鹏飞
丁晓燕
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.)
Guangdong Infinite Array Technology Co ltd
Original Assignee
Guangdong Infinite Array Technology Co ltd
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 Guangdong Infinite Array Technology Co ltd filed Critical Guangdong Infinite Array Technology Co ltd
Priority to CN202210879888.5A priority Critical patent/CN115222134B/zh
Publication of CN115222134A publication Critical patent/CN115222134A/zh
Application granted granted Critical
Publication of CN115222134B publication Critical patent/CN115222134B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/16—Real estate
    • G06Q50/165—Land development
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/176—Urban or other man-made structures
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Astronomy & Astrophysics (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Remote Sensing (AREA)
  • Databases & Information Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及遥感地理信息技术领域，尤其涉及一种基于数字孪生的生产建设活动扰动变化预测方法及系统，包括：从预设的空间数据库中读取生产建设活动扰动图斑矢量；获取图斑矢量在其外包矩形缓冲区内的卫星遥感影像；根据所述卫星遥感影像，建立基于数字孪生技术的图斑变化预测数字孪生模型；基于所述图斑变化预测数字孪生模型，预测生产建设活动扰动的持续扰动概率。本发明根据数字孪生技术的思路，建立图斑变化预测数字孪生模型，并计算生产建设活动扰动图斑的持续扰动概率，基于持续扰动概率进行警报，从而提高遥感监管工作中对生产建设项目/非生产建设项目判别的准确率。

Description

基于数字孪生的生产建设活动扰动变化预测方法及系统
技术领域
本发明涉及遥感地理信息技术领域，尤其涉及一种基于数字孪生的生产建设活动扰动变化预测方法及系统。
背景技术
为及时精准发现、依法查处人为水土流失违法违规行为，水利部自2020年起，要求各省级水行政主管部门每年组织开展覆盖全省的生产建设项目水土保持卫星遥感监管工作，通过该工作及时、精准发现人为水土流失违法违规行为，并对现场核查认定为违法违规的项目，由地方水行政主管部门或相应的执法部门及时依法查处，进而切实保护好生态环境。
生产建设项目水土保持卫星遥感监管是以某一区域为监管范围，在卫星遥感影像上采用人机交互解译或者面向对象分类解译等方法，开展区域内所有生产建设项目扰动图斑解译和勾绘。
其中，遥感图像解译是依据遥感图像所呈现的各种光谱信息特征，通过综合分析推理和判断，识别地物信息的过程。然而，在某一个光谱区间，不同类型的地物会呈现出相同的光谱特征，此种现象即为异物同谱现象，异物同谱现象给遥感监管的解译工作带来了技术上的困难，具体表现为：生产建设项目对象和非生产建设项目对象在同一卫星遥感影像中有时会表现出相似的光谱特征，从而导致生产建设项目水土保持卫星遥感监管工作在遥感解译时，会因异物同谱而错误地把“非生产建设项目”解译为“生产建设项目”，并推送给现场工作人员进行核查，如此一来，该现象不同程度地加重了现场核查工作人员的时间消耗和工作成本。
发明内容
针对上述技术问题，本发明提出了一种基于数字孪生的生产建设活动扰动变化预测方法及系统，以利用数字孪生技术的思路，建立数字孪生模型，并计算生产建设活动扰动图斑的持续扰动概率，基于持续扰动概率进行警报，从而提高遥感监管工作中对生产建设项目/非生产建设项目判别的准确率。
本发明的第一个目的在于提供一种基于数字孪生的生产建设活动扰动变化预测方法，所述方法包括：
从预设的空间数据库中读取生产建设活动扰动图斑矢量；
获取所述生产建设活动扰动图斑矢量在其外包矩形缓冲区内的卫星遥感影像；
根据所述卫星遥感影像，建立基于数字孪生技术的图斑变化预测数字孪生模型；
基于所述图斑变化预测数字孪生模型，预测生产建设活动扰动的持续扰动概率。
在进一步的实施方案中，所述获取所述生产建设活动扰动图斑矢量在其外包矩形缓冲区内的卫星遥感影像的步骤包括：
获取当前生产建设活动扰动图斑矢量在其外包矩形缓冲区内的第一卫星遥感影像和第二卫星遥感影像；其中，所述第一卫星遥感影像包括历史最靠近当前时间节点的卫星遥感影像数据，所述第二卫星遥感影像包括历史次最靠近当前时间节点的卫星遥感影像数据；
分别读取所述第一卫星遥感影像和所述第二卫星遥感影像中的数据，生成对应的第一卫星遥感影像数组和第二卫星遥感影像数组。
在进一步的实施方案中，所述根据所述卫星遥感影像，建立基于数字孪生技术的图斑变化预测数字孪生模型的步骤包括：
分别计算所述第一卫星遥感影像数组的第一比值建筑指数数组和所述第二卫星遥感影像数组的第二比值建筑指数数组；
将所述第一比值建筑指数数组和所述第二比值建筑指数数组分别进行二值化处理，得到对应的第一二值化数组和第二二值化数组；
对所述第一二值化数组和所述第二二值化数组分别进行主成分分析，得到对应的第一主成分值和第二主成分值；
根据所述第一主成分值和所述第二主成分值，计算得到趋势因子。
在进一步的实施方案中，所述第一比值建筑指数数组的计算公式为：
Figure BDA0003763845440000031
所述第二比值建筑指数数组的计算公式为：
Figure BDA0003763845440000032
式中，I1为第一比值建筑指数数组；I2为第二比值建筑指数数组；B1_n为第一卫星遥感影像数组中的近红外波段反射率值或DN值；B1_r为第一卫星遥感影像数组中的红波段反射率值或DN值；B1_g为第一卫星遥感影像数组中的绿波段反射率值或DN值；B2_n为第二卫星遥感影像数组中的近红外波段反射率值或DN值；B2_r为第二卫星遥感影像数组中的红波段反射率值或DN值；B2_g为第二卫星遥感影像数组中的绿波段反射率值或DN值；α为土壤调节因子，取值范围为[0，1]；β为水体调节因子，取值范围为[0，1]。
在进一步的实施方案中，所述二值化处理的计算公式为：
Figure BDA0003763845440000033
Figure BDA0003763845440000034
式中，BA1表示第一二值化数组；I1表示第一比值建筑指数数组；BA2表示第二二值化数组；I2表示第二比值建筑指数数组。
在进一步的实施方案中，所述第一主成分值的计算公式为：
Figure BDA0003763845440000035
/>
其中，pc1表示第一主成分值；N1表示第一二值化数组的元素个数；BA1_i表示第一二值化数组的第i个元素；
所述第二主成分值的计算公式为：
Figure BDA0003763845440000041
其中，pc2表示第二主成分值；N2表示第二二值化数组的元素个数；BA2_j表示第二二值化数组的第j个元素。
在进一步的实施方案中，所述趋势因子的计算公式为：
Figure BDA0003763845440000042
式中，δ表示趋势因子；pc1表示第一主成分值；pc2表示第二主成分值。
在进一步的实施方案中，所述持续扰动概率的计算公式为：
Figure BDA0003763845440000043
式中，P表示持续扰动概率；δ表示趋势因子。
在进一步的实施方案中，所述基于所述图斑变化预测数字孪生模型，预测生产建设活动扰动的持续扰动概率的步骤之后，所述方法还包括：
判断所述持续扰动概率与预设的扰动阈值的关系；
若所述持续扰动概率大于预设的扰动阈值，则提示该图斑为生产建设项目，否则提示该图斑为非生产建设项目。
本发明的第二个目的在于提供一种基于数字孪生的生产建设活动扰动变化预测系统，所述系统包括：
矢量读取模块，用于从预设的空间数据库中读取生产建设活动扰动图斑矢量；
遥感影像获取模块，用于获取所述生产建设活动扰动图斑矢量在其外包矩形缓冲区内的卫星遥感影像；
孪生模型建立模块，用于根据所述卫星遥感影像，建立基于数字孪生技术的图斑变化预测数字孪生模型；
扰动变化预测模块，用于基于所述图斑变化预测数字孪生模型，预测生产建设活动扰动的持续扰动概率；
所述系统还包括：
报警模块，用于判断所述持续扰动概率与预设的扰动阈值的关系，若所述持续扰动概率大于预设的扰动阈值，则提示该图斑为生产建设项目，否则提示该图斑为非生产建设项目。
本发明的第三个目的在于提供一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现上述的基于数字孪生的生产建设活动扰动变化预测方法。
本发明的第四个目的在于提供一种存储介质，存储有计算机可执行程序，所述计算机可执行程序执行时，实现上述的基于数字孪生技术的生产建设活动扰动变化预测方法。
本发明相对于现有技术具有如下的有益效果：
1、本发明基于数字孪生技术的生产建设活动扰动变化预测，可有效解决异物同谱现象给遥感监管解译工作带来的技术困难，提高生产建设项目地物和非生产建设项目地物的识别正确率，进而降低现场遥感监管核查工作人员的时间消耗和工作成本。
2、本发明通过建立生产建设活动扰动图斑变化预测数字孪生模型，实现了数字化表达生产建设活动扰动图斑变化趋势目的。
附图说明
图1是本发明一实施例提供的基于数字孪生的生产建设活动扰动变化预测方法流程示意图；
图2是本发明一实施例提供的具有异物同谱现象遥感影像对比图；
图3是本发明一实施例提供的生产建设项目和非生产建设项目误判实例图，该卫星遥感影像为第一卫星遥感影像；
图4是本发明一实施例提供的生产建设项目和非生产建设项目误判实例图，该卫星遥感影像为第二卫星遥感影像；
图5是本发明一实施例提供的通过本发明方法计算得出地物为非生产建设项目并发出系统提示的实例图；
图6是本发明一实施例提供的基于数字孪生的生产建设活动扰动变化预测系统的结构示意图；
图7是本发明一实施例提供的电子设备的结构示意图。
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。
目前常用的操作方式有如下技术问题：遥感图像解译是依据遥感图像所呈现的各种光谱信息特征，通过综合分析推理和判断，识别地物信息的过程。然而，在某一个光谱区间，不同类型的地物会呈现出相同的光谱特征，此种现象即为异物同谱现象，异物同谱现象给遥感监管的解译工作带来了技术上的困难，具体表现为：生产建设项目对象和非生产建设项目对象在同一卫星遥感影像中有时会表现出相似的光谱特征，从而导致生产建设项目水土保持卫星遥感监管工作在进行遥感解译时，会因异物同谱而错误地把“非生产建设项目”解译为“生产建设项目”，并推送给现场工作人员进行核查，如此一来，该现象不同程度地加重了现场核查工作人员的时间消耗和工作成本。
为了解决上述问题，下面将通过以下具体的实施例对本申请实施例提供的一种基于数字孪生的生产建设活动扰动变化预测方法进行详细介绍和说明。
参照图1，示出了本发明一实施例提供的一种基于数字孪生的生产建设活动扰动变化预测方法的流程示意图。
在一种可选的实施例中，所述方法可以适用于生产建设项目水土保持天地一体化监管系统，该系统可以与各类水土保持信息管理系统、各类生产建设项目水土保持遥感监管系统、生产建设项目水土保持区域监管系统、生产建设项目水土保持监督性监测系统、水土保持综合治理工程精细化监管系统、水土流失遥感调查系统通过数据接口相连接，并共享各个系统的数据库。
在作为示例的生产建设项目水土保持天地一体化监管系统数据库中，存有当年生产建设活动扰动图斑33020个、各类生产建设项目地物遥感解译标志对象2736个以及相应区域各时相遥感影像12期。
其中，作为示例的，所述基于数字孪生的生产建设活动扰动变化预测方法，可以包括：
S11、从预设的空间数据库中读取生产建设活动扰动图斑矢量S。
在一实施例中，预设的空间数据库包括生产建设项目水土保持天地一体化监管系统数据库；在实际操作时，遍历生产建设项目水土保持天地一体化监管系统数据库，获取当年生产建设活动扰动图斑矢量33020个。
在一可选的实施例中，各类生产建设项目地物遥感解译标志对象类型包括：公路工程、露天非金属矿、铁路工程、井采煤矿、涉水交通工程、井采金属矿、机场工程、井采非金属矿、火电工程、油气开采工程、核电工程、油气管道工程、风电工程、油气储存与加工工程、输变电工程、工业园区工程、其他电力工程、城市轨道交通工程、水利枢纽工程、城市管网工程、灌区工程、房地产工程、引调水工程、其他城建工程、堤防工程、林浆纸一体化工程、蓄滞洪区工程、农林开发工程、其他小型水利工程、加工制造类项目、水电枢纽工程、社会事业类项目、露天煤矿、信息产业类项目、露天金属矿、其它行业项目。
S12、获取所述生产建设活动扰动图斑矢量S在其外包矩形缓冲区内的卫星遥感影像。
在本实施例中，所述获取所述生产建设活动扰动图斑矢量S在其外包矩形缓冲区内的卫星遥感影像的步骤可以包括：
S121、对每个扰动图斑矢量S，分别获取当前生产建设活动扰动图斑矢量S在其外包矩形缓冲区内的第一卫星遥感影像和第二卫星遥感影像；其中，第一卫星遥感影像包括历史最靠近当前时间节点的卫星遥感影像数据，第二卫星遥感影像包括历史次最靠近当前时间节点的卫星遥感影像数据；
S122、分别将读取所述第一卫星遥感影像和所述第二卫星遥感影像中的数据，生成对应的第一卫星遥感影像数组B1和第二卫星遥感影像数组B2。
S13、根据所述卫星遥感影像，建立基于数字孪生技术的图斑变化预测数字孪生模型。
在本实施例中，可以对上述33020个扰动图斑矢量及其外包缓冲区对应的66040个卫星遥感影像数组，逐一建立对应的生产建设活动扰动图斑变化预测数字孪生模型，进而能利用数字孪生模型进行生产建设活动扰动的持续扰动概率预测。
其中，步骤S13可以包括：
S131、分别计算第一卫星遥感影像数组B1的第一比值建筑指数数组I1和第二卫星遥感影像数组B2的第二比值建筑指数数组I2；
在一可选的实施例中，所述第一比值建筑指数数组I1、第二比值建筑指数数组I2的计算公式为：
Figure BDA0003763845440000081
Figure BDA0003763845440000082
式中，B1_n为第一卫星遥感影像近红外波段反射率值或DN值；B1_r为第一卫星遥感影像红波段反射率值或DN值；B1_g为第一卫星遥感影像绿波段反射率值或DN值；B2_n为第二卫星遥感影像近红外波段反射率值或DN值；B2_r为第二卫星遥感影像红波段反射率值或DN值；B2_g为第二卫星遥感影像绿波段反射率值或DN值；α为土壤调节因子，取值范围为[0，1]，本实施例优先将α取值为0.8；β为水体调节因子，取值范围为[0，1]，本实施例优先将β取值为0.2。
S132、将所述第一比值建筑指数数组I1和所述第二比值建筑指数数组I2分别进行二值化处理，得到对应的第一二值化数组BA1和第二二值化数组BA2；
在一可选的实施例中，所述二值化处理的计算方法如下式所示：
Figure BDA0003763845440000091
Figure BDA0003763845440000092
S133、对第一二值化数组BA1、第二二值化数组BA2分别进行主成分分析，得到第一主成分值pc1和第二主成分值pc2；
在一可选的实施例中，所述第一主成分值的计算公式为：
Figure BDA0003763845440000093
其中，N1为第一二值化数组BA1的元素个数；BA1_i为第一二值化数组BA1的第i个元素。
所述第二主成分值的计算公式为：
Figure BDA0003763845440000094
其中，N2为第二二值化数组BA2的元素个数，BA2_j为第二二值化数组BA2的第j个元素。
S134、根据所述第一主成分值pc1和所述第二主成分值pc2，计算得到趋势因子。
在一可选的实施例中，所述趋势因子δ的计算方法如下式所示：
Figure BDA0003763845440000095
/>
S14、基于所述图斑变化预测数字孪生模型，预测生产建设活动扰动的持续扰动概率。
优选地，所述持续扰动概率的计算方法如下式所示：
Figure BDA0003763845440000096
式中，P为生产建设活动扰动的持续扰动概率，经上述计算算得33020个扰动图斑的持续扰动概率数组P[]，由于数据量比较大，在此不一一列举。
在一实施例中，所述基于所述图斑变化预测数字孪生模型，预测生产建设活动扰动的持续扰动概率的步骤之后，所述方法还包括：
判断所述持续扰动概率与预设的扰动阈值的关系，并根据判断结果执行相应的提示操作，具体为：
判断生产建设活动扰动的持续扰动概率是否大于预设的扰动阈值，若持续扰动概率值大于预设的扰动阈值，说明该图斑植被覆盖度在降低，图斑所对应的地块由于各种可能的原因，已经开始出现水土流失风险，可在相应图斑旁边以弹出气泡形式提示用户，该图斑大概率为生产建设项目，辅助用户作出正确判断和勾绘；否则，应提示用户该图斑大概率为非生产建设项目。需要说明的是，在作为示例的生产建设项目水土保持天地一体化监管系统数据库中，本实施例优先将预设的扰动阈值为0.5。
如图2～图5所示，分别示出了本发明一实施例提供的具有异物同谱现象遥感影像对比图、本发明一实施例提供的生产建设项目和非生产建设项目误判实例图、本发明一实施例提供的通过本发明方法计算得出地物为非生产建设项目并发出系统提示的实例图。
在一实施例中，示出的图斑对应的地物实际上为撂荒地，属于“非生产建设项目”，但是，由于卫星遥感监管人员在解译过程中，受到异物同谱现象的干扰，容易得出该图斑为“生产建设项目”进而判定为“疑似未批先建”，再进而在现场核查阶段将该图斑下发并要求进行现场核查，具体如图3所示。
在一实施例中，由于上述生产建设活动扰动的持续扰动概率为0.28低于预设的报警阈值为0.5，系统执行对应的提示操作，从而避免了误判，进而减少了现场核查工作人员的时间消耗和工作成本，具体如图5所示。
需要说明的是，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
参照图6，示出了本发明一实施例提供的一种基于数字孪生的生产建设活动扰动变化预测系统的结构示意图，所述系统包括：
矢量读取模块601，用于从预设的空间数据库中读取生产建设活动扰动图斑矢量；
遥感影像获取模块602，用于获取所述生产建设活动扰动图斑矢量在其外包矩形缓冲区内的卫星遥感影像；
孪生模型建立模块603，用于根据所述卫星遥感影像，建立基于数字孪生技术的图斑变化预测数字孪生模型；
扰动变化预测模块604，用于基于所述图斑变化预测数字孪生模型，预测生产建设活动扰动的持续扰动概率。
在一实施例中，所述本实施例提供的一种基于数字孪生的生产建设活动扰动变化预测系统还包括报警模块；所述报警模块用于判断所述持续扰动概率与预设的扰动阈值的关系，若所述持续扰动概率大于预设的扰动阈值，则提示该图斑为生产建设项目，否则提示该图斑为非生产建设项目。
需要说明的是，上述基于数字孪生的生产建设活动扰动变化预测系统适用于上述实施的基于数字孪生的生产建设活动扰动变化预测方法。
上述各个模块的具体实施操作方式可参照上述实施例的内容，为了避免重复，在此不再赘述。
本发明实施例提供了一种示例性实施例，一种电子设备，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如上所述的一种基于数字孪生的生产建设活动扰动变化预测方法。
本发明实施例提供一种示例性实施例，一种计算机可读存储介质，所述基于数字孪生的生产建设活动扰动变化预测方法的存储介质用于存储一个或多个计算机程序，所述一个或多个计算机程序包括程序代码，当所述计算机程序在计算机上运行时，所述程序代码用于执行上述基于数字孪生的生产建设活动扰动变化预测方法。
本申请实施例的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质的更具体的示例至少(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式只读存储器(CDROM)。另外，计算机可读存储介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
本发明提出一种基于数字孪生的生产建设活动扰动变化预测方法及系统，所述方法利用数学孪生技术的思路，建立生产建设活动扰动图斑变化预测数字孪生模型；基于数字孪生模型预测生产建设活动扰动图斑的持续扰动概率；判断所述图斑的持续扰动概率与预设的扰动阈值的关系，并根据图斑的持续扰动概率与预设的扰动阈值的关系，执行对应的提示操作。本发明根据数字孪生技术的思路，建立数字孪生模型，并计算生产建设活动扰动图斑的持续扰动概率，基于持续扰动概率进行警报，最终，达到提高遥感监管工作中对生产建设项目/非生产建设项目判别的准确率的目的。
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，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (11)

1.一种基于数字孪生的生产建设活动扰动变化预测方法，其特征在于，所述方法包括：
从预设的空间数据库中读取生产建设活动扰动图斑矢量；
获取所述生产建设活动扰动图斑矢量在其外包矩形缓冲区内的卫星遥感影像；
根据所述卫星遥感影像，建立基于数字孪生技术的图斑变化预测数字孪生模型；
基于所述图斑变化预测数字孪生模型，预测生产建设活动扰动的持续扰动概率；
其中，所述根据所述卫星遥感影像，建立基于数字孪生技术的图斑变化预测数字孪生模型的步骤包括：
分别计算第一卫星遥感影像数组的第一比值建筑指数数组和第二卫星遥感影像数组的第二比值建筑指数数组；其中，所述第一卫星遥感影像数组和所述第二卫星遥感影像数组为从当前生产建设活动扰动图斑矢量在其外包矩形缓冲区内获取到的第一卫星遥感影像和第二卫星遥感影像中读取的数据；所述第一比值建筑指数数组根据第一卫星遥感影像数组中的近红外波段、红波段、绿波段的反射率值或DN值的组合比值计算得到；所述第二比值建筑指数数组根据第二卫星遥感影像数组中的近红外波段、红波段、绿波段的反射率值或DN值的组合比值计算得到；
将所述第一比值建筑指数数组和所述第二比值建筑指数数组分别进行二值化处理，得到对应的第一二值化数组和第二二值化数组；
对所述第一二值化数组和所述第二二值化数组分别进行主成分分析，得到对应的第一主成分值和第二主成分值；
根据所述第一主成分值和所述第二主成分值，计算得到趋势因子。
2.根据权利要求1所述的一种基于数字孪生的生产建设活动扰动变化预测方法，其特征在于，所述获取所述生产建设活动扰动图斑矢量在其外包矩形缓冲区内的卫星遥感影像的步骤包括：
获取当前生产建设活动扰动图斑矢量在其外包矩形缓冲区内的第一卫星遥感影像和第二卫星遥感影像；其中，所述第一卫星遥感影像包括历史最靠近当前时间节点的卫星遥感影像数据，所述第二卫星遥感影像包括历史次最靠近当前时间节点的卫星遥感影像数据；
分别读取所述第一卫星遥感影像和所述第二卫星遥感影像中的数据，生成对应的第一卫星遥感影像数组和第二卫星遥感影像数组。
3.根据权利要求1所述的一种基于数字孪生的生产建设活动扰动变化预测方法，其特征在于：
所述第一比值建筑指数数组的计算公式为：
Figure FDA0004159243470000021
所述第二比值建筑指数数组的计算公式为：
Figure FDA0004159243470000022
式中，I1为第一比值建筑指数数组；I2为第二比值建筑指数数组；B1_n为第一卫星遥感影像数组中的近红外波段反射率值或DN值；B1_r为第一卫星遥感影像数组中的红波段反射率值或DN值；B1_g为第一卫星遥感影像数组中的绿波段反射率值或DN值；B2_n为第二卫星遥感影像数组中的近红外波段反射率值或DN值；B2_r为第二卫星遥感影像数组中的红波段反射率值或DN值；B2_g为第二卫星遥感影像数组中的绿波段反射率值或DN值；α为土壤调节因子，取值范围为[0，1]；β为水体调节因子，取值范围为[0，1]。
4.根据权利要求1所述的一种基于数字孪生的生产建设活动扰动变化预测方法，其特征在于，所述二值化处理的计算公式为：
Figure FDA0004159243470000031
Figure FDA0004159243470000032
式中，BA1表示第一二值化数组；I1表示第一比值建筑指数数组；BA2表示第二二值化数组；I2表示第二比值建筑指数数组。
5.根据权利要求1所述的一种基于数字孪生的生产建设活动扰动变化预测方法，其特征在于：
所述第一主成分值的计算公式为：
Figure FDA0004159243470000033
其中，pc1表示第一主成分值；N1表示第一二值化数组的元素个数；BA1_i表示第一二值化数组的第i个元素；
所述第二主成分值的计算公式为：
Figure FDA0004159243470000034
其中，pc2表示第二主成分值；N2表示第二二值化数组的元素个数；BA2_j表示第二二值化数组的第j个元素。
6.根据权利要求1所述的一种基于数字孪生的生产建设活动扰动变化预测方法，其特征在于，所述趋势因子的计算公式为：
Figure FDA0004159243470000035
式中，δ表示趋势因子；pc1表示第一主成分值；pc2表示第二主成分值。
7.根据权利要求1所述的一种基于数字孪生的生产建设活动扰动变化预测方法，其特征在于，所述持续扰动概率的计算公式为：
Figure FDA0004159243470000041
式中，P表示持续扰动概率；δ表示趋势因子。
8.根据权利要求1-7任意一项所述的一种基于数字孪生的生产建设活动扰动变化预测方法，其特征在于，所述基于所述图斑变化预测数字孪生模型，预测生产建设活动扰动的持续扰动概率的步骤之后，所述方法还包括：
判断所述持续扰动概率与预设的扰动阈值的关系；
若所述持续扰动概率大于预设的扰动阈值，则提示该图斑为生产建设项目，否则提示该图斑为非生产建设项目。
9.一种基于数字孪生的生产建设活动扰动变化预测系统，其特征在于，所述系统包括：
矢量读取模块，用于从预设的空间数据库中读取生产建设活动扰动图斑矢量；
遥感影像获取模块，用于获取所述生产建设活动扰动图斑矢量在其外包矩形缓冲区内的卫星遥感影像；
孪生模型建立模块，用于根据所述卫星遥感影像，建立基于数字孪生技术的图斑变化预测数字孪生模型；
扰动变化预测模块，用于基于所述图斑变化预测数字孪生模型，预测生产建设活动扰动的持续扰动概率；
所述系统还包括：
报警模块，用于判断所述持续扰动概率与预设的扰动阈值的关系，若所述持续扰动概率大于预设的扰动阈值，则提示该图斑为生产建设项目，否则提示该图斑为非生产建设项目；
其中，所述根据所述卫星遥感影像，建立基于数字孪生技术的图斑变化预测数字孪生模型的步骤包括：
分别计算第一卫星遥感影像数组的第一比值建筑指数数组和第二卫星遥感影像数组的第二比值建筑指数数组；其中，所述第一卫星遥感影像数组和所述第二卫星遥感影像数组为从当前生产建设活动扰动图斑矢量在其外包矩形缓冲区内获取到的第一卫星遥感影像和第二卫星遥感影像中读取的数据；所述第一比值建筑指数数组根据第一卫星遥感影像数组中的近红外波段、红波段、绿波段的反射率值或DN值的组合比值计算得到；所述第二比值建筑指数数组根据第二卫星遥感影像数组中的近红外波段、红波段、绿波段的反射率值或DN值的组合比值计算得到；
将所述第一比值建筑指数数组和所述第二比值建筑指数数组分别进行二值化处理，得到对应的第一二值化数组和第二二值化数组；
对所述第一二值化数组和所述第二二值化数组分别进行主成分分析，得到对应的第一主成分值和第二主成分值；
根据所述第一主成分值和所述第二主成分值，计算得到趋势因子。
10.一种电子设备，其特征在于，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如权利要求1-8任意一项所述的一种基于数字孪生的生产建设活动扰动变化预测方法。
11.一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可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1-8任意一项所述的一种基于数字孪生的生产建设活动扰动变化预测方法。
CN202210879888.5A 2022-07-25 2022-07-25 基于数字孪生的生产建设活动扰动变化预测方法及系统 Active CN115222134B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210879888.5A CN115222134B (zh) 2022-07-25 2022-07-25 基于数字孪生的生产建设活动扰动变化预测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210879888.5A CN115222134B (zh) 2022-07-25 2022-07-25 基于数字孪生的生产建设活动扰动变化预测方法及系统

Publications (2)

Publication Number Publication Date
CN115222134A CN115222134A (zh) 2022-10-21
CN115222134B true CN115222134B (zh) 2023-05-23

Family

ID=83613075

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210879888.5A Active CN115222134B (zh) 2022-07-25 2022-07-25 基于数字孪生的生产建设活动扰动变化预测方法及系统

Country Status (1)

Country Link
CN (1) CN115222134B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114581794A (zh) * 2022-05-06 2022-06-03 北京百度网讯科技有限公司 地理数字孪生信息获取方法、装置、电子设备及存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110738679A (zh) * 2019-10-21 2020-01-31 山东省国土测绘院 基于遥感影像变化自动提取的地理省情监测方法及系统
US20210173969A1 (en) * 2019-12-04 2021-06-10 Johnson Controls Technology Company Multifactor analysis of building microenvironments
CN113139511B (zh) * 2021-05-13 2021-12-31 珠江水利委员会珠江流域水土保持监测中心站 水土保持生产建设项目扰动图斑提取方法、介质和设备
CN113688532B (zh) * 2021-08-30 2023-11-21 苏州同元软控信息技术有限公司 矿山灾害预警方法以及装置、存储介质、电子装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114581794A (zh) * 2022-05-06 2022-06-03 北京百度网讯科技有限公司 地理数字孪生信息获取方法、装置、电子设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于遥感的"天空地"一体化城市动态监测;陈利 等;《测绘与空间地理信息》(第06期);第143-145页 *

Also Published As

Publication number Publication date
CN115222134A (zh) 2022-10-21

Similar Documents

Publication Publication Date Title
US11562224B2 (en) 1D-CNN-based distributed optical fiber sensing signal feature learning and classification method
CN103491351A (zh) 违章建筑物的智能视频监控方法
CN101976061A (zh) 重大环境风险源监控系统构建方法
Zhang et al. Novel method for industrial sewage outfall detection: Water pollution monitoring based on web crawler and remote sensing interpretation techniques
CN114458967A (zh) 存储器、油气管道监测预警方法、装置和设备
Li et al. RoadID: a dedicated deep convolutional neural network for multipavement distress detection
CN115654381A (zh) 一种基于图神经网络的供水管道漏损检测方法
CN114021766A (zh) 一种基于物联网和大数据的城市水安全预测方法
CN112418506A (zh) 基于机器学习的海岸带湿地生态安全格局优化方法、装置
Mambo et al. An assessment of land degradation in the Save catchment of Zimbabwe
CN115222134B (zh) 基于数字孪生的生产建设活动扰动变化预测方法及系统
CN109254287B (zh) 基于合成孔径雷达影像检测输电导线的方法
CN111881566B (zh) 基于实景仿真的滑坡位移检测方法及装置
CN117433440A (zh) 一种基于激光点云的巷道形变实时检测方法、装置及存储介质
CN116912068A (zh) 一种基于面域形变观测的滑坡预警方法
CN116822352A (zh) 基于grnn神经网络的井下防水密闭墙工况预测方法及系统
CN115630336A (zh) 基于域自适应迁移学习的无样本库区滑坡易发性预测方法
CN112907567B (zh) 基于空间推理方法的sar图像有序人造构筑物提取方法
Kozińska et al. A review of methods in the field of detecting illegal open-pit mining activities
CN112071009B (zh) 光纤管道预警系统及其方法
Halabisky et al. The wetland intrinsic potential tool: mapping wetland intrinsic potential through machine learning of multi-scale remote sensing proxies of wetland indicators
Su et al. Sea oil spill detection method using SAR imagery combined with object-Based image analysis and fuzzy logic
CN117195664B (zh) 一种地下管线监测预警方法和系统
Owen et al. Accuracy of Computer Vision Hough Line Transform for Water Level Measurement
CN113449120B (zh) 一种结合空间信息的管线安全综合监管方法

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Wu Rongrong

Inventor after: Wang Aiqing

Inventor after: Ji Pengfei

Inventor after: Ding Xiaoyan

Inventor before: Wu Rongrong

GR01 Patent grant
GR01 Patent grant