CN115376013A - 一种基于卫星遥感监测的资源普查系统 - Google Patents

一种基于卫星遥感监测的资源普查系统 Download PDF

Info

Publication number
CN115376013A
CN115376013A CN202210846927.1A CN202210846927A CN115376013A CN 115376013 A CN115376013 A CN 115376013A CN 202210846927 A CN202210846927 A CN 202210846927A CN 115376013 A CN115376013 A CN 115376013A
Authority
CN
China
Prior art keywords
data
area
module
water
water area
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
Application number
CN202210846927.1A
Other languages
English (en)
Other versions
CN115376013B (zh
Inventor
张卫平
岑全
向荣
黄筱雨
张思琪
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.)
Global Digital Group Co Ltd
Original Assignee
Global Digital Group 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 Global Digital Group Co Ltd filed Critical Global Digital Group Co Ltd
Priority to CN202210846927.1A priority Critical patent/CN115376013B/zh
Publication of CN115376013A publication Critical patent/CN115376013A/zh
Application granted granted Critical
Publication of CN115376013B publication Critical patent/CN115376013B/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
    • 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
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • 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
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/30—Assessment of water resources

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Remote Sensing (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Image Processing (AREA)
  • Multimedia (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • General Engineering & Computer Science (AREA)
  • Astronomy & Astrophysics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)

Abstract

本发明提供了一种基于卫星遥感监测的资源普查系统，包括资源编号模块、遥感检测模块、数据分析模块、数据存储模块和数据统计模块，所述遥感检测模块通过卫星拍摄地面图像数据并获取其中的水域区域，所述资源编号模块给每个水域区域赋予编号，所述数据分析模块对每个水域区域进行详细的图像分析，所述数据存储模块给每个水域区域创建存储空间用于保存对应水域区域的分析数据，所述数据统计模块从所述数据存储模块中调用数据进行统计得到水利资源普查数据；本系统通过卫星获得水资源分布的准确数据，结合地理位置对水资源进行编号，然后对一个地区的水资源分布数据进行快速提取并处理，得到全面又精准的普查结果。

Description

一种基于卫星遥感监测的资源普查系统
技术领域
本发明涉及地理信息数据库领域，具体涉及一种基于卫星遥感监测的资源普查系统。
背景技术
一个国家或地区的政府对辖区内资源的数量、质量、分布状况及开发利用和保护等情况所进行的全面调查，包括土地资源普查、水资源普查、矿产资源普查、生物资源普查、气候资源普查、旅游资源普查、海洋资源普查等，通常情况下，需要派遣人员实地进行测量获得资源数据，效率低下，数据不完整；水资源是能够通过卫星遥感识别的一种，现需要一种依靠卫星遥感技术进行水资源普查的系统，提高水资源的普查效果。
现在已经开发出了很多资源普查系统，经过我们大量的检索与参考，发现现有的资源普查系统有如公开号为CN107315774B所公开的系统，这些系统一般包括与营配调外围系统进行数据通信的主站系统、与主站系统进行数据通信的智能移动终端系统；普查方法包括存量数据提取、普查任务生成、数据采集、数据质量核查、普查结果生成五个步骤，具有拓扑完整性好、数据真实、质量高的优点，能够提升设备全生命周期的精益化管理水平，实现设备用户资源的精细化管理，为营配调各项业务融合提供真实准确的基础数据支撑和保障。但该系统仅仅是利用互联网对数据进行处理，第一手的数据仍然需要实地测量获得，普查的效率仍存在可提升的空间。
发明内容
本发明的目的在于，针对所存在的不足，提出了一种基于卫星遥感监测的资源普查系统。
本发明采用如下技术方案：
一种基于卫星遥感监测的资源普查系统，包括资源编号模块、遥感检测模块、数据分析模块、数据存储模块和数据统计模块，所述遥感检测模块通过卫星拍摄地面图像数据并获取其中的水域区域，所述资源编号模块给每个水域区域赋予编号，所述数据分析模块对每个水域区域进行详细的图像分析，所述数据存储模块给每个水域区域创建存储空间用于保存对应水域区域的分析数据，所述数据统计模块从所述数据存储模块中调用数据进行统计得到水利资源普查数据；
所述遥感检测模块获取由卫星通过水体反射率绘制的地面图像，并根据下述步骤得到水域区域：
S1、获取地面图像中灰度值低于阈值的像素点；
S2、排除零散的像素点，获得由这些像素点构成的连通区域；
S3、计算连通区域中的灰度变化幅度，删去变化幅度过大的连通区域；
S4、获取连通区域的纹理特征，删去纹理不一致的连通区域；
S5、将剩下的连通区域作为水域区域；
所述资源编号模块将地图切分成方块，每个方块的位置信息用
Figure 312671DEST_PATH_IMAGE001
表示，其中，x表示方块的横序号，y表示方块的纵序号，每个水域区域占据多至少一个方块，所述资源编号模块将方块的位置信息组合构成水域区域的编号
Figure 854510DEST_PATH_IMAGE002
，其中，
Figure 228991DEST_PATH_IMAGE003
为该水域区域占据的第m个方块的位置信息；
所述数据分析模块根据由水体反射率绘制的地图获得每个编号的水域区域的面积，记为
Figure 856282DEST_PATH_IMAGE004
，所述数据分析模块根据
Figure 489257DEST_PATH_IMAGE004
计算出水域区域的实时相对水量
Figure 26549DEST_PATH_IMAGE005
：
Figure 696565DEST_PATH_IMAGE006
；
其中，
Figure 935785DEST_PATH_IMAGE007
为实时相对深度值，H为相对深度值；
所述数据存储模块将每个水域区域的实时相对水量V和面积
Figure 982238DEST_PATH_IMAGE004
保存在所述数据存储模块中；
所述数据统计模块根据下式计算出一个地区的水资源可利用指数P：
Figure 639616DEST_PATH_IMAGE008
；
其中，
Figure 605167DEST_PATH_IMAGE009
为平均相对实时水量，
Figure 941470DEST_PATH_IMAGE010
为该地区包含的水域区域的面积极限小值，
Figure 666981DEST_PATH_IMAGE011
为该地区包含的水域区域的面积极限大值，
Figure 37919DEST_PATH_IMAGE012
为该地区包含的水域区域的面积最小值，
Figure 174371DEST_PATH_IMAGE013
为该地区包含的水域区域的面积最大值；
进一步的，在步骤S3中，所述遥感检测模块计算出每个像素点的变化值
Figure 263550DEST_PATH_IMAGE014
：
Figure 527172DEST_PATH_IMAGE015
；
其中，
Figure 752617DEST_PATH_IMAGE016
表示坐标为
Figure 331409DEST_PATH_IMAGE017
的像素点的灰度值；
统计出变化值超过灰度阈值的像素点数量
Figure 517671DEST_PATH_IMAGE018
，以及连通区域的像素点总数量
Figure 709618DEST_PATH_IMAGE019
，当比值
Figure 179782DEST_PATH_IMAGE020
超过变化阈值时，判定该连通区域变化幅度过大；
进一步的，在步骤S4中，所述遥感检测模块计算出每个像素点的变化方向
Figure 533403DEST_PATH_IMAGE021
：
Figure 206961DEST_PATH_IMAGE022
；
所述遥感检测模块计算出每个像素点的纹理连贯指数
Figure 327233DEST_PATH_IMAGE023
：
Figure 527270DEST_PATH_IMAGE024
统计出纹理连贯指数超过连贯阈值的像素点数量
Figure 927158DEST_PATH_IMAGE025
，当比值
Figure 478226DEST_PATH_IMAGE026
超过纹理阈值时，判定该连通区域纹理不一致；
进一步的，所述数据统计模块内设有位置转换单元、数据检索单元和数据计算单元，用户在所述数据统计模块中输入需要普查的区域信息和时间信息，所述位置转换单元将区域信息转换为方块的位置信息，所述数据检索单元根据位置信息和时间信息在所述数据存储模块中获取对应水域区域的存储数据，所述数据计算单元对所述数据检索单元获得的存储数据进行计算处理；
进一步的，所述面积极限小值
Figure 136609DEST_PATH_IMAGE027
、面积极限大值
Figure 332098DEST_PATH_IMAGE028
、面积最小值
Figure 27521DEST_PATH_IMAGE029
和面积最大值
Figure 924939DEST_PATH_IMAGE030
的公式分别为：
Figure 996800DEST_PATH_IMAGE031
；
Figure 46796DEST_PATH_IMAGE032
；
Figure 178700DEST_PATH_IMAGE033
；
Figure 563414DEST_PATH_IMAGE034
。
本发明所取得的有益效果是：
本系统通过卫星获取水体反射率的图像，基于该图像识别水域区域，能够快速地获取全面的水资源分布数据，结合水域所在的地理信息对水域区域进行编号，能够从编号直接反映出对应水域的位置特征，使得在统计时能够快速的获得需要的水域数据，本系统对水面升降进行分析得到实时相对水量，并结合水面面积的变化得到水资源可利用指数，该指数能够准确地反应出该地水资源的充足和稳定程度。
为使能更进一步了解本发明的特征及技术内容，请参阅以下有关本发明的详细说明与附图，然而所提供的附图仅用于提供参考与说明，并非用来对本发明加以限制。
附图说明
图1为本发明整体结构框架示意图；
图2为本发明水域区域的判断获取流程示意图；
图3为本发明水域区域的编号示意图；
图4为本发明水域区域的相对深度值获取流程示意图；
图5为本发明相对深度值的计算图示示意图。
具体实施方式
以下是通过特定的具体实施例来说明本发明的实施方式，本领域技术人员可由本说明书所公开的内容了解本发明的优点与效果。本发明可通过其他不同的具体实施例加以施行或应用，本说明书中的各项细节也可基于不同观点与应用，在不悖离本发明的精神下进行各种修饰与变更。另外，本发明的附图仅为简单示意说明，并非依实际尺寸的描绘，事先声明。以下的实施方式将进一步详细说明本发明的相关技术内容，但所公开的内容并非用以限制本发明的保护范围。
实施例一。
本实施例提供了一种基于卫星遥感监测的资源普查系统，结合图1，包括资源编号模块、遥感检测模块、数据分析模块、数据存储模块和数据统计模块，所述遥感检测模块通过卫星拍摄地面图像数据并获取其中的水域区域，所述资源编号模块给每个水域区域赋予编号，所述数据分析模块对每个水域区域进行详细的图像分析，所述数据存储模块给每个水域区域创建存储空间用于保存对应水域区域的分析数据，所述数据统计模块从所述数据存储模块中调用数据进行统计得到水利资源普查数据；
所述遥感检测模块获取由卫星通过水体反射率绘制的地面图像，并根据下述步骤得到水域区域：
S1、获取地面图像中灰度值低于阈值的像素点；
S2、排除零散的像素点，获得由这些像素点构成的连通区域；
S3、计算连通区域中的灰度变化幅度，删去变化幅度过大的连通区域；
S4、获取连通区域的纹理特征，删去纹理不一致的连通区域；
S5、将剩下的连通区域作为水域区域；
所述资源编号模块将地图切分成方块，每个方块的位置信息用
Figure 314332DEST_PATH_IMAGE035
表示，其中，x表示方块的横序号，y表示方块的纵序号，每个水域区域占据至少一个方块，所述资源编号模块将方块的位置信息组合构成水域区域的编号
Figure 77889DEST_PATH_IMAGE036
，其中，
Figure 505328DEST_PATH_IMAGE037
为该水域区域占据的第m个方块的位置信息；
所述数据分析模块根据由水体反射率绘制的地图获得每个编号的水域区域的面积，记为
Figure 987125DEST_PATH_IMAGE038
，所述数据分析模块根据
Figure 276155DEST_PATH_IMAGE038
计算出水域区域的实时相对水量
Figure 425377DEST_PATH_IMAGE039
：
Figure 289296DEST_PATH_IMAGE040
；
其中，
Figure 133756DEST_PATH_IMAGE041
为实时相对深度值，H为相对深度值；
所述数据存储模块将每个水域区域的实时相对水量V和面积
Figure 351110DEST_PATH_IMAGE038
保存在所述数据存储模块中；
所述数据统计模块根据下式计算出一个地区的水资源可利用指数P：
Figure 497050DEST_PATH_IMAGE042
；
其中，
Figure 282604DEST_PATH_IMAGE043
为平均相对实时水量，
Figure 738993DEST_PATH_IMAGE044
为该地区包含的水域区域的面积极限小值，
Figure 619093DEST_PATH_IMAGE045
为该地区包含的水域区域的面积极限大值，
Figure 742907DEST_PATH_IMAGE046
为该地区包含的水域区域的面积最小值，
Figure 168203DEST_PATH_IMAGE047
为该地区包含的水域区域的面积最大值；
在步骤S3中，所述遥感检测模块计算出每个像素点的变化值
Figure 502101DEST_PATH_IMAGE048
：
Figure 61259DEST_PATH_IMAGE049
；
其中，
Figure 649366DEST_PATH_IMAGE050
表示坐标为
Figure 635776DEST_PATH_IMAGE051
的像素点的灰度值；
统计出变化值超过灰度阈值的像素点数量
Figure 191392DEST_PATH_IMAGE052
，以及连通区域的像素点总数量
Figure 288661DEST_PATH_IMAGE053
，当比值
Figure 996854DEST_PATH_IMAGE054
超过变化阈值时，判定该连通区域变化幅度过大；
在步骤S4中，所述遥感检测模块计算出每个像素点的变化方向
Figure 544378DEST_PATH_IMAGE055
：
Figure 197077DEST_PATH_IMAGE022
；
所述遥感检测模块计算出每个像素点的纹理连贯指数
Figure 238982DEST_PATH_IMAGE056
：
Figure 926315DEST_PATH_IMAGE057
统计出纹理连贯指数超过连贯阈值的像素点数量
Figure 379162DEST_PATH_IMAGE058
，当比值
Figure 519157DEST_PATH_IMAGE059
超过纹理阈值时，判定该连通区域纹理不一致；
所述数据统计模块内设有位置转换单元、数据检索单元和数据计算单元，用户在所述数据统计模块中输入需要普查的区域信息和时间信息，所述位置转换单元将区域信息转换为方块的位置信息，所述数据检索单元根据位置信息和时间信息在所述数据存储模块中获取对应水域区域的存储数据，所述数据计算单元对所述数据检索单元获得的存储数据进行计算处理；
所述面积极限小值
Figure 99174DEST_PATH_IMAGE060
、面积极限大值
Figure 765647DEST_PATH_IMAGE061
、面积最小值
Figure 264762DEST_PATH_IMAGE062
和面积最大值
Figure 767418DEST_PATH_IMAGE063
的公式分别为：
Figure 275760DEST_PATH_IMAGE064
；
Figure 796740DEST_PATH_IMAGE065
；
Figure 466756DEST_PATH_IMAGE066
；
Figure 722288DEST_PATH_IMAGE067
。
实施例二。
本实施例包含了实施例一中的全部内容，提供了一种基于卫星遥感监测的资源普查系统，包括资源编号模块、遥感检测模块、数据分析模块、数据存储模块和数据统计模块，所述遥感检测模块通过卫星拍摄地面图像数据并获取其中的水域区域，所述资源编号模块给每个水域区域赋予编号，所述数据分析模块对每个水域区域进行详细的图像分析，所述数据存储模块给每个水域区域创建存储空间用于保存对应水域区域的分析数据，所述数据统计模块从所述数据存储模块中调用数据进行统计得到水利资源普查数据；
结合图2，所述遥感检测模块获取由卫星通过水体反射率绘制的地面图像，并根据下述步骤得到水域区域：
S1、获取地面图像中灰度值低于阈值的像素点；
S2、排除零散的像素点，获得由这些像素点构成的连通区域；
S3、计算连通区域中的灰度变化幅度，删去变化幅度过大的连通区域；
S4、获取连通区域的纹理特征，删去纹理不一致的连通区域；
S5、将剩下的连通区域作为水域区域；
在步骤S3中，所述遥感检测模块计算出每个像素点的变化值
Figure 899234DEST_PATH_IMAGE068
：
Figure 415666DEST_PATH_IMAGE049
；
其中，
Figure 131950DEST_PATH_IMAGE069
表示坐标为
Figure 733832DEST_PATH_IMAGE070
的像素点的灰度值；
统计出变化值超过灰度阈值的像素点数量
Figure 443031DEST_PATH_IMAGE071
，以及连通区域的像素点总数量
Figure 954915DEST_PATH_IMAGE072
，当比值
Figure 966733DEST_PATH_IMAGE073
超过变化阈值时，判定该连通区域变化幅度过大；
在步骤S4中，所述遥感检测模块计算出每个像素点的变化方向
Figure 180546DEST_PATH_IMAGE074
：
Figure 568802DEST_PATH_IMAGE075
；
所述遥感检测模块计算出每个像素点的纹理连贯指数：
Figure 669613DEST_PATH_IMAGE076
统计出纹理连贯指数超过连贯阈值的像素点数量
Figure 117912DEST_PATH_IMAGE077
，当比值
Figure 819021DEST_PATH_IMAGE078
超过纹理阈值时，判定该连通区域纹理不一致；
结合图3，所述资源编号模块将地图切分成方块，每个方块的位置信息用
Figure 886334DEST_PATH_IMAGE079
表示，其中，x表示方块的横序号，y表示方块的纵序号，每个水域区域占据至少一个方块，所述资源编号模块将方块的位置信息组合构成水域区域的编号
Figure 231864DEST_PATH_IMAGE080
，其中，
Figure 241278DEST_PATH_IMAGE081
为该水域区域占据的第m个方块的位置信息，当一个水域区域占据的方块数量m超过最大值
Figure 180415DEST_PATH_IMAGE082
时，将水域区域分段，使得每个获得编号的水域区域占据的方块数量不超过
Figure 35107DEST_PATH_IMAGE082
；
结合图4，所述数据分析模块根据卫星拍摄的实景地图获得每个编号的水域区域的相对深度值
Figure 500724DEST_PATH_IMAGE083
，所述相对变化值的获取过程包括如下步骤：
S21、将水域区域某一预设时刻的实景地图作为标准图，标准图中的水域区域的相对深度值记为0；
S22、获取待处理的实景地图，称为目标图，截取所述标准图与所述目标图中同一位置的水域边缘图像信息；
S23、获取所述水域边缘图像信息中的岸坡角度
Figure 900612DEST_PATH_IMAGE084
以及水面位差值
Figure 576313DEST_PATH_IMAGE085
；
S24、结合图5，计算出目标图中水域区域的相对深度值
Figure 844483DEST_PATH_IMAGE086
：
Figure 39972DEST_PATH_IMAGE087
；
所述数据分析模块根据由水体反射率绘制的地图获得每个编号的水域区域的面积，记为
Figure 975DEST_PATH_IMAGE088
，表示该水域区域的相对深度值为H时的水域区域面积，所述数据分析模块根据计算出水域区域的实时相对水量
Figure 163972DEST_PATH_IMAGE089
：
Figure 845620DEST_PATH_IMAGE090
；
其中，
Figure 20250DEST_PATH_IMAGE091
为实时相对深度值，表示在某一时刻的水域区域的相对深度值；
所述数据存储模块将每个水域区域的实时相对水量V和面积
Figure 270928DEST_PATH_IMAGE088
保存在所述数据存储模块中；
所述数据统计模块内设有位置转换单元、数据检索单元和数据计算单元，用户在所述数据统计模块中输入需要普查的区域信息和时间信息，所述位置转换单元将区域信息转换为方块的位置信息，所述数据检索单元根据位置信息和时间信息在所述数据存储模块中获取对应水域区域的存储数据，所述数据计算单元对所述数据检索单元获得的存储数据进行计算处理；
所述数据计算单元计算出面积极限小值
Figure 531008DEST_PATH_IMAGE092
和面积极限大值
Figure 16347DEST_PATH_IMAGE093
：
Figure 435696DEST_PATH_IMAGE094
；
Figure 738501DEST_PATH_IMAGE095
；
所述数据计算单元计算出面积最小值
Figure 95665DEST_PATH_IMAGE096
和面积最大值
Figure 774908DEST_PATH_IMAGE097
：
Figure 783184DEST_PATH_IMAGE098
；
Figure 397836DEST_PATH_IMAGE099
；
所述数据计算单元根据下式计算出该区域的水资源可利用指数P：
Figure 366929DEST_PATH_IMAGE100
；
其中，
Figure 443338DEST_PATH_IMAGE101
为平均相对实时水量。
以上所公开的内容仅为本发明的优选可行实施例，并非因此局限本发明的保护范围，所以凡是运用本发明说明书及附图内容所做的等效技术变化，均包含于本发明的保护范围内，此外，随着技术发展其中的元素可以更新的。

Claims (5)

1.一种基于卫星遥感监测的资源普查系统，其特征在于，包括资源编号模块、遥感检测模块、数据分析模块、数据存储模块和数据统计模块，所述遥感检测模块通过卫星拍摄地面图像数据并获取其中的水域区域，所述资源编号模块给每个水域区域赋予编号，所述数据分析模块对每个水域区域进行详细的图像分析，所述数据存储模块给每个水域区域创建存储空间用于保存对应水域区域的分析数据，所述数据统计模块从所述数据存储模块中调用数据进行统计得到水利资源普查数据；
所述遥感检测模块获取由卫星通过水体反射率绘制的地面图像，并根据下述步骤得到水域区域：
S1、获取地面图像中灰度值低于阈值的像素点；
S2、排除零散的像素点，获得由这些像素点构成的连通区域；
S3、计算连通区域中的灰度变化幅度，删去变化幅度过大的连通区域；
S4、获取连通区域的纹理特征，删去纹理不一致的连通区域；
S5、将剩下的连通区域作为水域区域；
所述资源编号模块将地图切分成若干个方块，每个方块的位置信息用
Figure 599999DEST_PATH_IMAGE001
表示，其中，x表示方块的横序号，y表示方块的纵序号，每个水域区域占据至少一个方块，所述资源编号模块将方块的位置信息组合构成水域区域的编号
Figure 654543DEST_PATH_IMAGE002
，其中，
Figure 225333DEST_PATH_IMAGE003
为该水域区域占据的第m个方块的位置信息；
所述数据分析模块根据由水体反射率绘制的地图获得每个编号的水域区域的面积，记为
Figure 405908DEST_PATH_IMAGE004
，所述数据分析模块根据
Figure 743348DEST_PATH_IMAGE004
计算出水域区域的实时相对水量
Figure 793344DEST_PATH_IMAGE005
：
Figure 49882DEST_PATH_IMAGE006
；
其中，
Figure 44382DEST_PATH_IMAGE007
为实时相对深度值，H为相对深度值；
所述数据存储模块将每个水域区域的实时相对水量V和面积
Figure 60880DEST_PATH_IMAGE008
保存在所述数据存储模块中；
所述数据统计模块根据下式计算出一个地区的水资源可利用指数P：
Figure 90016DEST_PATH_IMAGE009
；
其中，
Figure 251876DEST_PATH_IMAGE010
为平均相对实时水量，
Figure 140197DEST_PATH_IMAGE011
为该地区包含的水域区域的面积极限小值，
Figure 819440DEST_PATH_IMAGE012
为该地区包含的水域区域的面积极限大值，
Figure 827717DEST_PATH_IMAGE013
为该地区包含的水域区域的面积最小值，
Figure 35844DEST_PATH_IMAGE014
为该地区包含的水域区域的面积最大值。
2.如权利要求1所述的一种基于卫星遥感监测的资源普查系统，其特征在于，在步骤S3中，所述遥感检测模块计算出每个像素点的变化值
Figure 880303DEST_PATH_IMAGE015
：
Figure 487871DEST_PATH_IMAGE016
；
其中，
Figure 491599DEST_PATH_IMAGE017
表示坐标为
Figure 11573DEST_PATH_IMAGE018
的像素点的灰度值；
统计出变化值超过灰度阈值的像素点数量
Figure 858175DEST_PATH_IMAGE019
，以及连通区域的像素点总数量
Figure 613642DEST_PATH_IMAGE020
，当比值
Figure 612822DEST_PATH_IMAGE021
超过变化阈值时，判定该连通区域变化幅度过大。
3.如权利要求2所述的一种基于卫星遥感监测的资源普查系统，其特征在于，在步骤S4中，所述遥感检测模块计算出每个像素点的变化方向
Figure 428331DEST_PATH_IMAGE022
：
Figure 231071DEST_PATH_IMAGE023
；
所述遥感检测模块计算出每个像素点的纹理连贯指数
Figure 931174DEST_PATH_IMAGE024
：
Figure 643915DEST_PATH_IMAGE025
统计出纹理连贯指数超过连贯阈值的像素点数量
Figure 20538DEST_PATH_IMAGE026
，当比值
Figure 451520DEST_PATH_IMAGE027
超过纹理阈值时，判定该连通区域纹理不一致。
4.如权利要求3所述的一种基于卫星遥感监测的资源普查系统，其特征在于，所述数据统计模块内设有位置转换单元、数据检索单元和数据计算单元，用户在所述数据统计模块中输入需要普查的区域信息和时间信息，所述位置转换单元将区域信息转换为方块的位置信息，所述数据检索单元根据位置信息和时间信息在所述数据存储模块中获取对应水域区域的存储数据，所述数据计算单元对所述数据检索单元获得的存储数据进行计算处理。
5.如权利要求4所述的一种基于卫星遥感监测的资源普查系统，其特征在于，所述面积极限小值
Figure 689734DEST_PATH_IMAGE028
、面积极限大值
Figure 387475DEST_PATH_IMAGE029
、面积最小值
Figure 951311DEST_PATH_IMAGE030
和面积最大值
Figure 869589DEST_PATH_IMAGE031
的公式分别为：
Figure 160762DEST_PATH_IMAGE032
；
Figure 989040DEST_PATH_IMAGE033
；
Figure 317253DEST_PATH_IMAGE034
；
Figure 847461DEST_PATH_IMAGE035
。
CN202210846927.1A 2022-07-19 2022-07-19 一种基于卫星遥感监测的资源普查系统 Active CN115376013B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210846927.1A CN115376013B (zh) 2022-07-19 2022-07-19 一种基于卫星遥感监测的资源普查系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210846927.1A CN115376013B (zh) 2022-07-19 2022-07-19 一种基于卫星遥感监测的资源普查系统

Publications (2)

Publication Number Publication Date
CN115376013A true CN115376013A (zh) 2022-11-22
CN115376013B CN115376013B (zh) 2023-01-06

Family

ID=84062653

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210846927.1A Active CN115376013B (zh) 2022-07-19 2022-07-19 一种基于卫星遥感监测的资源普查系统

Country Status (1)

Country Link
CN (1) CN115376013B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105243367A (zh) * 2015-10-12 2016-01-13 水利部水利信息中心 一种基于卫星遥感数据的水体范围监测方法和装置
CN107421510A (zh) * 2017-08-28 2017-12-01 爱易成技术(天津)有限公司 一种水文监测设备及方法
JP2018059888A (ja) * 2016-09-29 2018-04-12 Ｊｘ金属探開株式会社 金属鉱床の探鉱方法、資源開発方法、採鉱方法、二次硫化銅の産出方法、資源産出方法、鉱山開発方法およびボーリング方法
CN109086649A (zh) * 2018-05-29 2018-12-25 国网新疆电力有限公司信息通信公司 卫星遥感图像水体识别方法
US20190041377A1 (en) * 2017-02-22 2019-02-07 Hohai University Method for measuring a mudflat elevation by remotely sensed water content
US20200311842A1 (en) * 2019-03-28 2020-10-01 China Waterborne Transport Research Institute Method for tracking, monitoring and evaluating ecological impact of channel project based on long-term time series satellite remote sensing data
CN112285710A (zh) * 2020-09-21 2021-01-29 河南大学 一种多源遥感水库蓄水量估算方法与装置
CN114527253A (zh) * 2022-03-02 2022-05-24 山东省水利科学研究院 海水入侵分层监测装置及方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105243367A (zh) * 2015-10-12 2016-01-13 水利部水利信息中心 一种基于卫星遥感数据的水体范围监测方法和装置
JP2018059888A (ja) * 2016-09-29 2018-04-12 Ｊｘ金属探開株式会社 金属鉱床の探鉱方法、資源開発方法、採鉱方法、二次硫化銅の産出方法、資源産出方法、鉱山開発方法およびボーリング方法
US20190041377A1 (en) * 2017-02-22 2019-02-07 Hohai University Method for measuring a mudflat elevation by remotely sensed water content
CN107421510A (zh) * 2017-08-28 2017-12-01 爱易成技术(天津)有限公司 一种水文监测设备及方法
CN109086649A (zh) * 2018-05-29 2018-12-25 国网新疆电力有限公司信息通信公司 卫星遥感图像水体识别方法
US20200311842A1 (en) * 2019-03-28 2020-10-01 China Waterborne Transport Research Institute Method for tracking, monitoring and evaluating ecological impact of channel project based on long-term time series satellite remote sensing data
CN112285710A (zh) * 2020-09-21 2021-01-29 河南大学 一种多源遥感水库蓄水量估算方法与装置
CN114527253A (zh) * 2022-03-02 2022-05-24 山东省水利科学研究院 海水入侵分层监测装置及方法

Also Published As

Publication number Publication date
CN115376013B (zh) 2023-01-06

Similar Documents

Publication Publication Date Title
Skidmore Terrain position as mapped from a gridded digital elevation model
CN107063197B (zh) 一种基于空间信息技术的水库特征曲线提取方法
CN113378686B (zh) 一种基于目标中心点估计的两阶段遥感目标检测方法
CN111028255A (zh) 基于先验信息与深度学习的农田区域预筛选方法及装置
CN111179152A (zh) 一种道路标识识别方法及装置、介质、终端
CN114612488A (zh) 建筑物单体化信息提取方法、计算机装置及存储介质
CN109579791B (zh) 一种快速高效水土保持淤地坝调查与评估方法
CN115452759B (zh) 一种基于卫星遥感数据的河湖健康指标评价方法及系统
CN114241464A (zh) 基于深度学习的跨视角影像实时匹配地理定位方法及系统
CN116168246A (zh) 一种用于铁路工程的弃渣场识别方法、装置、设备及介质
Gómez‐Gutiérrez et al. Using visibility analysis to improve point density and processing time of SfM‐MVS techniques for 3D reconstruction of landforms
CN114663485A (zh) 一种输电线路图像和点云数据的处理方法和系统
CN114004950A (zh) 一种基于BIM与LiDAR技术的路面病害智能识别与管理方法
Kumar et al. A two-stage algorithm for ground filtering of airborne laser scanning data
CN115376013B (zh) 一种基于卫星遥感监测的资源普查系统
CN112166688B (zh) 基于小卫星的沙漠与沙漠化土地监测方法
CN108052629A (zh) 一种基于高精度dem数据的快速海陆判断方法
CN107301658A (zh) 一种无人机影像与大规模旧时相影像快速匹配定位的方法
CN112284287B (zh) 一种基于结构表面灰度特征的立体视觉三维位移测量方法
CN115035417A (zh) 一种基于Sentinel-2卫星影像的海草分布图生成方法
CN115240076A (zh) 一种基于卫星遥感图像目标识别的城市内涝风险评估算法
Sun et al. Check dam extraction from remote sensing images using deep learning and geospatial analysis: A case study in the Yanhe River Basin of the Loess Plateau, China
CN110751398B (zh) 一种区域生态质量评价方法及装置
CN112082475A (zh) 活立木的种类识别方法与材积测量方法
CN115424131B (zh) 一种云检测最优阈值选取方法、云检测方法及系统

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