CN115830460A - 一种用于河道防汛的实时监控方法及系统 - Google Patents
一种用于河道防汛的实时监控方法及系统 Download PDFInfo
- Publication number
- CN115830460A CN115830460A CN202310120419.XA CN202310120419A CN115830460A CN 115830460 A CN115830460 A CN 115830460A CN 202310120419 A CN202310120419 A CN 202310120419A CN 115830460 A CN115830460 A CN 115830460A
- Authority
- CN
- China
- Prior art keywords
- river
- flood
- early warning
- waterline
- flow rate
- 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
- Alarm Systems (AREA)
- Emergency Alarm Devices (AREA)
Abstract
一种用于河道防汛的实时监控方法及系统,属于计算机视觉应用的技术领域。包括:预设获取河道视频的规则;利用非汛正常期的河道视频训练图像分割模型;计算非汛正常期时河流与河岸间的位置关系;在目标场景中设置预警水线和报警水线;获得当前场景的河流掩膜和背景掩膜;判断所述河流掩膜的最小外接矩形与预警水线和报警水线之间是否相交以判断河流水位是否异常;获得只保留河流的可见光视频;获取非汛正常期的河流流速、设置预警流速和报警流速;综合河流流速和河流水位即判断是否发生洪水或是否有可能发生洪水。本发明通过分割算法计算河流与河岸之间的位置关系并通过光流法计算河水流速,结合水位高度实现洪涝灾害的自动预警和报警。
Description
技术领域
本发明涉及一种用于河道防汛的实时监控方法及系统,属于计算机视觉应用的技术领域。
背景技术
我国地域广大,河流众多,从春汛、夏汛到秋汛、冬汛,由于季节性变化会导致河流水位上涨、流速加快,此时亦是洪水易发时期。洪涝灾害如不能得到及时发现、及时治理会产生极大的危害,造成社会经济的损失甚至威胁到广大群众的人身安全。
由于汛期洪涝灾害具有突发性以及不确定性,人力巡查需要耗费大量的人力物力,且人力巡查也具有一定的危险性,因此,通过各种方式进行预测、评估、预警或是对易发地段进行监控则成为主要的解决方式,而目前大多数方法均是对汛期洪水及其的危险性进行预测或评估,其准确性不高,且难以应对突发状况。
中国发明专利文献CN113836478A公开一种基于平滩流量的凌汛期河道适宜封河流量计算方法,并具体公开:步骤S1,获取原始数据;步骤S2,计算河段历年平滩流量,获得河段历年平滩流量变化趋势;步骤S3,获取河段历年实际封河流量和稳封期实测流量;步骤S4,建立不出险封河流量与平滩流量的关系;步骤S5,建立出险封河流量与平滩流量关系;步骤S6, 获得河段封河流量的上限值;步骤S7,获得河段内水资源利用需求与封河流量、稳封期实测流量的关系;步骤S8,计算历年河段稳封期的佛汝德数Fr,建立历年河段佛汝德数与稳封期实测流量的关系;步骤S9,根据S8中佛汝德数与稳封期实测流量的关系,结合S4、S5、S6和S7步中获得的数据关系,确定避免冰塞发生的适宜封河流量。
中国发明专利文献CN113935609A公开一种长河段多溃口凌汛洪水淹没联合风险评估方法并具体公开:步骤S1,收集研究区域的河道实测断面、堤防设计资料、堤外区域地形资料、耕地与建筑房屋分布资料;步骤S2,依据层次分析法,建立目标层、准则层与指标层三层递阶结构的长河段多溃口凌汛洪水淹没联合风险评估指标体系;步骤S3,根据防凌专家经验,以主观因素为主导,对选定的溃口险工段赋予凌汛期堤防危险度,凌汛期堤防危险度赋值范围为0~1,凌汛期堤防危险度越大代表凌汛期堤防越容易发生溃决;步骤S4,建立凌汛溃堤洪水耦合计算模型,设定出入流条件和模型糙率计算参数,模拟相同条件下不同溃口位置凌汛洪水淹没过程;步骤S5,长河段多溃口凌汛洪水淹没联合风险度计算;步骤S6,长河段多溃口凌汛洪水淹没联合风险区划与评估。
中国发明专利文献CN114936702A公开一种汛期可降水量变化趋势和周期变化特征分析方法,并具体公开:步骤S1,提取平原、山区和丘陵等不同地形汛期近十年来的可降水量数据,汛期主要以夏季为主,包括6-8月;步骤S2,为了验证数据的准确性,将卫星数据与多个站点数据进行逐月比对以及做皮尔逊相关性分析,最终选取较为可靠的数据来源;步骤S3,用主成分分析法来对站点数据汛期的降水量进行主成分分析,然后将典型的主成分分析结果使用空间聚类,最终得出空间聚类结果,从而确定出不同分区域的汛期降水情况;步骤S4,根据前一个步骤的分区结果来选取出降水量变化比较明显的区域,绘制其月平均可降水量振幅图,然后研究该区域降水量的时空分布特征,包括其降水量的年际变化、空间变化、周期变化规律等等;步骤S5,根据降水量变化较为明显的区域数据来绘制可降水量小波方差图,并且绘制主周期趋势图,分析这个区域降水量的最典型变化规律;步骤S6,由降水量变化较为明显的区域数据绘制小波系数实部等值线图,根据等值线图分析降水量的周期变化规律;步骤S7,为了对降水量周期性典型区域来进行预测,于是利用典型区域的已有数据对模型进行预测,最终得到一个训练好的模型;步骤S8,对预测的时间序列模型进行误差检验,观察其滞后阶的自相关结果。
综上可知,目前大多数方法都是针对汛期的预测或危险性评估,依赖于历年的汛期数据,且预测和评估结果存在一定的偶然性与不确定性,且当汛期突发洪水时,预测与危险性评估也往往难以有效实现。
发明内容
针对现有技术的不足,本发明公开一种用于河道防汛的实时监控方法。
本发明还公开一种实现上述监控方法的系统。
本发明利用智能化设备对河道信息进行采集和处理,不仅能节省人力、避免在水利工作中存在的危险,同时保证水利监测的实时性和便捷性。
本发明详细的技术方案如下:
一种用于河道防汛的实时监控方法,其特征在于,包括:
步骤S1,预设获取河道视频的规则:
通过所述监控设备在固定时间间隔内获取河道视频;
步骤S2,利用非汛正常期的河道视频训练图像分割模型;
步骤S3,计算非汛正常期时河流与河岸间的位置关系;
步骤S4,在目标场景中设置预警水线和报警水线:
在所述河流与河岸之间的像素距离上设置预警水线,在预警水线与河岸之间设置报警水线;并将所述预警水线、报警水线分别与目标场景进行匹配,以使在目标场景中实时显示预警水线和报警水线;本技术方案通过对非汛正常期时采集到河流与河岸间的像素距离,以此距离按照实际防汛要求设置预警水线和报警水线,例如,选择在所述河流与河岸之间的像素距离上,且靠近河岸一侧的3/4处设置一条预警水线,最后再将该规则设置的预警水线和报警水线匹配到所述的目标场景(汛期时河流图像)中,由此自动判断出目标场景中的水位是否超过预警水线、报警水线,同时将自动判断结果引用至后续的防洪报警决策中;
步骤S5,使用训练好的图像分割模型对所述当前部署位置的实时视频进行分割处理,获得当前场景的分割掩膜视频:包括河流掩膜和背景掩膜;
步骤S6,获取所述分割掩膜视频中河流掩膜的最小外接矩形,判断所述河流掩膜的最小外接矩形与预警水线和报警水线之间是否相交,可得知当前部署位置的河流水位是否异常:
当所述河流掩膜的最小外接矩形与预警水线和报警水线同时相交时,则判断河流水位超限,报警;
当所述河流掩膜的最小外接矩形只与预警水线相交时,则判断河流水位异常,预警;
步骤S7,对所述分割掩膜视频与当前部署位置的视频进行处理,获得只保留河流的可见光视频,所述处理方法是根据掩膜图像中河流的位置,对可见光视频中其余部位像素置0;
步骤S9,综合河流流速和河流水位即判断当前部署位置是否发生洪水或是否有可能发生洪水:
当实时监测到河流水位达到报警水线时,则判断当前部署位置:发生了洪水;
当实时监测到河流流速达到报警流速时、但河流水位介于预警水线和报警水线之间时,则判断当前部署位置:可能发生洪水;
当实时监测到河流流速达到预警流速时、且河流水位达到预警水线时,则判断当前部署位置:可能发生洪水;
当实时监测到河流水位达到预警水线、但河流流速未达到预警流速时,则判断当前部署位置:水位增长,需要注意;
当实时监测到河流流速达到预警流速、但河流水位未达到预警水线时,则判断当前部署位置:流速过快,需要注意;
当实时监测到河流流速未达到预警流速、且河流水位未达到预警水线时,则判断当前部署位置:水位、流速均正常。
根据本发明优选的,在所述步骤S1中,预设获取河道视频的规则还包括:获取目标河流历年来汛期洪水易发位置,在汛期洪水易发位置或易发位置上游部署监控设备。
根据本发明优选的,在所述步骤S2利用非汛正常期的河道视频训练图像分割模型具体包括:对所述河道视频,通过抽帧的方式提取当前部署位置相应河道的可见光图像,并对非汛正常期的所述可见光图像分别进行河流与河岸的人工预标注,最后训练图像分割模型;优选的,本发明中训练图像分割模型的训练方法可选用现有的图像分割算法,例如,利用DeeplabV3plus进行训练。
根据本发明优选的,在所述步骤S3计算非汛正常期时河流与河岸间的位置关系具体包括:根据所述可见光图像,通过像素距离计算获取非汛正常期时河流与河岸间的位置关系,即河流与河岸间的像素距离。
根据本发明优选的,所述步骤S8中,此处所述光流法采用常规的光流法即可,LK光流法计算速度快且对图像噪声不敏感,其他光流法也可适用;
所述预警流速为:
所述报警流速为:
所述河流预警期是指实际水位到达预警水线,所述河流报警期是指实际水位到达报警水线;
为预警水线像素高度;为报警水线像素高度;为非汛正常期河流像素高度;为预警期河面的像素宽度;为报警期河面的像素宽度;为非汛正常期河面的像素宽度;为实际距离与像素距离之间的映射,可依据实际安装位置测得,为定值;
一种实现上述监控方法的系统,其特征在于,包括:监控设备和平台;所述监控设备通过网络与所述平台通信;
所述监控设备用于拍摄河流视频并传输到所述平台;
所述平台中加载有所述用于河道防汛的实时监控方法,利用所述监控方法对接收到的河流视频进行处理,最终通过平台反馈对应河流的预警或报警结果。
本发明的技术优势在于:
1. 本发明无需人工操作,自动预警、报警,减少人工巡查中可能存在的危险性。
2. 本发明实时性高,能及时预测水位信息和流速信息。
3. 本发明准确性高,无需通过历年数据计算是否可能发生洪涝灾害。
4. 本发明通过分割算法计算河流与河岸之间的位置关系并通过光流法计算河水流速,结合水位高度与水流速度实现洪涝灾害的自动预警和报警。
附图说明
图1是本发明所述方法的流程示意图;
图2是本发明所述系统的模块示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下将结合附图和实例,对本发明作进一步详细说明。
需要说明的是,在本发明的描述中,术语“上”、“下”、“左”、“右”、“竖”、“横”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。
实施例1、
如图1所示,一种用于河道防汛的实时监控方法,包括:
步骤S1,预设获取河道视频的规则:
获取目标河流历年来汛期洪水易发位置,在汛期洪水易发位置或易发位置上游部署监控设备;通过所述监控设备在固定时间间隔内获取河道视频;
步骤S2,利用非汛正常期的河道视频训练图像分割模型:
对所述河道视频,通过抽帧的方式提取当前部署位置相应河道的可见光图像,并对非汛正常期的所述可见光图像分别进行河流与河岸的人工预标注,最后训练图像分割模型;优选的,本发明中训练图像分割模型的训练方法可选用现有的图像分割算法,例如,利用DeeplabV3plus进行训练;
步骤S3,计算非汛正常期时河流与河岸间的位置关系:
根据所述可见光图像,通过像素距离计算获取非汛正常期时河流与河岸间的位置关系,即河流与河岸间的像素距离;
步骤S4,在目标场景中设置预警水线和报警水线:
在所述河流与河岸之间的像素距离上设置预警水线,在预警水线与河岸之间设置报警水线;并将所述预警水线、报警水线分别与目标场景进行匹配,以使在目标场景中实时显示预警水线和报警水线;本技术方案通过对非汛正常期时采集到河流与河岸间的像素距离,以此距离按照实际防汛要求设置预警水线和报警水线,例如,选择在所述河流与河岸之间的像素距离上,且靠近河岸一侧的3/4处设置一条预警水线,最后再将该规则设置的预警水线和报警水线匹配到所述的目标场景(汛期时河流图像)中,由此自动判断出目标场景中的水位是否超过预警水线、报警水线,同时将自动判断结果引用至后续的防洪报警决策中;
步骤S5,使用训练好的图像分割模型对所述当前部署位置的实时视频进行分割处理,获得当前场景的分割掩膜视频:包括河流掩膜和背景掩膜;
步骤S6,获取所述分割掩膜视频中河流掩膜的最小外接矩形,判断所述河流掩膜的最小外接矩形与预警水线和报警水线之间是否相交,可得知当前部署位置的河流水位是否异常:
当所述河流掩膜的最小外接矩形与预警水线和报警水线同时相交时,则判断河流水位超限,报警;
当所述河流掩膜的最小外接矩形只与预警水线相交时,则判断河流水位异常,预警;
步骤S7,对所述分割掩膜视频与当前部署位置的视频进行处理,获得只保留河流的可见光视频,所述处理方法是根据掩膜图像中河流的位置,对可见光视频中其余部位像素置0;
步骤S9,综合河流流速和河流水位即判断当前部署位置是否发生洪水或是否有可能发生洪水:
当实时监测到河流水位达到报警水线时,则判断当前部署位置:发生了洪水;
当实时监测到河流流速达到报警流速时、但河流水位介于预警水线和报警水线之间时,则判断当前部署位置:可能发生洪水;
当实时监测到河流流速达到预警流速时、且河流水位达到预警水线时,则判断当前部署位置:可能发生洪水;
当实时监测到河流水位达到预警水线、但河流流速未达到预警流速时,则判断当前部署位置:水位增长,需要注意;
当实时监测到河流流速达到预警流速、但河流水位未达到预警水线时,则判断当前部署位置:流速过快,需要注意;
当实时监测到河流流速未达到预警流速、且河流水位未达到预警水线时,则判断当前部署位置:水位、流速均正常。
实施例2、
如实施例1所述一种用于河道防汛的实时监控方法,所述步骤S8还包括:
所述预警流速为:
所述报警流速为:
所述河流预警期是指实际水位到达预警水线,所述河流报警期是指实际水位到达报警水线;
为预警水线像素高度;为报警水线像素高度;为非汛正常期河流像素高度;为预警期河面的像素宽度;为报警期河面的像素宽度;为非汛正常期河面的像素宽度;为实际距离与像素距离之间的映射,可依据实际安装位置测得,为定值;
实施例3、
如图2所示,一种实现上述监控方法的系统,包括:监控设备和平台;所述监控设备通过网络与所述平台通信;
所述监控设备用于拍摄河流视频并传输到所述平台;
所述平台中加载有所述用于河道防汛的实时监控方法,利用所述监控方法对接收到的河流视频进行处理,最终通过平台反馈对应河流的预警或报警结果。
以上实施例仅用以说明本发明的技术方案,而非对其进行限制;尽管参照前述实施例对本发明进行了详细的说明,对于本领域的普通技术人员来说,依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明所要求保护的技术方案的精神和范围。
Claims (6)
1.一种用于河道防汛的实时监控方法,其特征在于,包括:
步骤S1,预设获取河道视频的规则:
通过监控设备在固定时间间隔内获取河道视频;
步骤S2,利用非汛正常期的河道视频训练图像分割模型;
步骤S3,计算非汛正常期时河流与河岸间的位置关系;
步骤S4,在目标场景中设置预警水线和报警水线:
在所述河流与河岸之间的像素距离上设置预警水线,在预警水线与河岸之间设置报警水线;并将所述预警水线、报警水线分别与目标场景进行匹配,以使在目标场景中实时显示预警水线和报警水线;
步骤S5,使用训练好的图像分割模型对当前部署位置的实时视频进行分割处理,获得当前场景的分割掩膜视频:包括河流掩膜和背景掩膜;
步骤S6,获取所述分割掩膜视频中河流掩膜的最小外接矩形,判断所述河流掩膜的最小外接矩形与预警水线和报警水线之间是否相交:
当所述河流掩膜的最小外接矩形与预警水线和报警水线同时相交时,则判断河流水位超限,报警;
当所述河流掩膜的最小外接矩形只与预警水线相交时,则判断河流水位异常,预警;
步骤S7,对所述分割掩膜视频与当前部署位置的视频进行处理,获得只保留河流的可见光视频;
步骤S9,综合河流流速和河流水位即判断当前部署位置是否发生洪水或是否有可能发生洪水:
当实时监测到河流水位达到报警水线时,则判断当前部署位置:发生了洪水;
当实时监测到河流流速达到报警流速时、但河流水位介于预警水线和报警水线之间时,则判断当前部署位置:可能发生洪水;
当实时监测到河流流速达到预警流速时、且河流水位达到预警水线时,则判断当前部署位置:可能发生洪水;
当实时监测到河流水位达到预警水线、但河流流速未达到预警流速时,则判断当前部署位置:水位增长,需要注意;
当实时监测到河流流速达到预警流速、但河流水位未达到预警水线时,则判断当前部署位置:流速过快,需要注意;
当实时监测到河流流速未达到预警流速、且河流水位未达到预警水线时,则判断当前部署位置:水位、流速均正常。
2.根据权利要求1所述一种用于河道防汛的实时监控方法,其特征在于,在所述步骤S1中,预设获取河道视频的规则还包括:获取目标河流历年来汛期洪水易发位置,在汛期洪水易发位置或易发位置上游部署监控设备。
3.根据权利要求1所述一种用于河道防汛的实时监控方法,其特征在于,在所述步骤S2利用非汛正常期的河道视频训练图像分割模型具体包括:对所述河道视频,提取当前部署位置相应河道的可见光图像,并对非汛正常期的所述可见光图像分别进行河流与河岸的人工预标注,最后训练图像分割模型。
4.根据权利要求1所述一种用于河道防汛的实时监控方法,其特征在于,在所述步骤S3计算非汛正常期时河流与河岸间的位置关系具体包括:通过像素距离计算获取非汛正常期时河流与河岸间的位置关系,即河流与河岸间的像素距离。
6.一种监控系统,应用权利要求1-5任意一项所述用于河道防汛的实时监控方法,其特征在于,包括:监控设备和平台;所述监控设备通过网络与所述平台通信;
所述监控设备用于拍摄河流视频并传输到所述平台;
所述平台中加载有所述用于河道防汛的实时监控方法,利用所述监控方法对接收到的河流视频进行处理,最终通过平台反馈对应河流的预警或报警结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310120419.XA CN115830460B (zh) | 2023-02-16 | 2023-02-16 | 一种用于河道防汛的实时监控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310120419.XA CN115830460B (zh) | 2023-02-16 | 2023-02-16 | 一种用于河道防汛的实时监控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115830460A true CN115830460A (zh) | 2023-03-21 |
CN115830460B CN115830460B (zh) | 2023-05-16 |
Family
ID=85521545
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310120419.XA Active CN115830460B (zh) | 2023-02-16 | 2023-02-16 | 一种用于河道防汛的实时监控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115830460B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116822969A (zh) * | 2023-08-30 | 2023-09-29 | 安徽金海迪尔信息技术有限责任公司 | 基于模型组合的水利模型云计算方法与系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170277815A1 (en) * | 2016-03-23 | 2017-09-28 | River Analyzer Inc. d/b/a Fresh Water Map | Granular river attributes and predictions using acoustic doppler current profiler data from river floats |
CN110532952A (zh) * | 2019-08-30 | 2019-12-03 | 四川大学 | 基于gis定位技术的洪灾风险预警及撤离系统 |
CN112147365A (zh) * | 2020-09-30 | 2020-12-29 | 中国水利水电科学研究院 | 一种基于深度学习的河道流速视频监测装置及方法 |
CN114677594A (zh) * | 2022-04-15 | 2022-06-28 | 智洋创新科技股份有限公司 | 一种基于深度学习的河流水位的智能识别算法 |
CN115588277A (zh) * | 2022-10-08 | 2023-01-10 | 广州市水务规划勘测设计研究院有限公司 | 一种水利防汛监测系统 |
-
2023
- 2023-02-16 CN CN202310120419.XA patent/CN115830460B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170277815A1 (en) * | 2016-03-23 | 2017-09-28 | River Analyzer Inc. d/b/a Fresh Water Map | Granular river attributes and predictions using acoustic doppler current profiler data from river floats |
CN110532952A (zh) * | 2019-08-30 | 2019-12-03 | 四川大学 | 基于gis定位技术的洪灾风险预警及撤离系统 |
CN112147365A (zh) * | 2020-09-30 | 2020-12-29 | 中国水利水电科学研究院 | 一种基于深度学习的河道流速视频监测装置及方法 |
CN114677594A (zh) * | 2022-04-15 | 2022-06-28 | 智洋创新科技股份有限公司 | 一种基于深度学习的河流水位的智能识别算法 |
CN115588277A (zh) * | 2022-10-08 | 2023-01-10 | 广州市水务规划勘测设计研究院有限公司 | 一种水利防汛监测系统 |
Non-Patent Citations (2)
Title |
---|
R.J. PALLY ET AL.: "Application of image processing and convolutional neural networks for flood image classification and semantic segmentation" * |
张丝苇: "基于大尺度粒子图像测速技术的山区河道流量测验研究" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116822969A (zh) * | 2023-08-30 | 2023-09-29 | 安徽金海迪尔信息技术有限责任公司 | 基于模型组合的水利模型云计算方法与系统 |
CN116822969B (zh) * | 2023-08-30 | 2023-11-17 | 安徽金海迪尔信息技术有限责任公司 | 基于模型组合的水利模型云计算方法与系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115830460B (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112327698B (zh) | 一种基于物联网的洪水灾害预警系统及方法 | |
CN113155102B (zh) | 一种河流综合治理系统 | |
Goel et al. | Assessment of sediment deposition rate in Bargi Reservoir using digital image processing | |
KR102168024B1 (ko) | 머신러닝을 이용한 홍수 또는 가뭄 위험 분석 장치 및 방법 | |
KR101345186B1 (ko) | 도로 침수 모니터링 시스템 및 그 방법 | |
CN110929946A (zh) | 基于地表水文过程的农业洪涝灾害监测预报系统及方法 | |
CN108133578A (zh) | 山洪灾害险情动态预警方法、精细化分级监测预警方法 | |
CN115830460A (zh) | 一种用于河道防汛的实时监控方法及系统 | |
CN116821272B (zh) | 一种城市内涝智慧监控预警方法及系统 | |
WO2015193043A1 (en) | Flash flooding detection system | |
CN111866452A (zh) | 一种滑坡堰塞坝应急处置的视频实时监测系统及方法 | |
CN115186943A (zh) | 一种城市排水内涝预测建模方法、系统、电子设备 | |
KR20180074572A (ko) | 위험수위를 예측하는 속도감응형 수위 시스템 | |
KR101934283B1 (ko) | 복수의 카테고리로 구분되는 해안의 특성을 고려한 총수위 예측 방법 및 이를 이용한 서버 | |
US11842617B2 (en) | Flood warning method | |
CN116682237B (zh) | 一种基于人工智能的智能防汛预警方法及平台 | |
CN113792638A (zh) | 基于Parallelogram-YOLOv4的火电厂雨排口污染物识别方法 | |
KR102533185B1 (ko) | Cctv 카메라 영상을 이용한 하천 종합 안전관리 장치 | |
CN107588808A (zh) | 一种基于河长制管理的河流安全监测系统 | |
CN112987808B (zh) | 一种管网管理方法及数字管网系统 | |
CN113310515B (zh) | 一种基于机器视觉的尾矿库排洪设施监测系统及监测方法 | |
Cecilia et al. | In situ and crowd-sensing techniques for monitoring flows in ephemeral streams | |
CN115619211A (zh) | 利用数字孪生技术提升流域水库群风险防控能力的系统 | |
Keve | Space-time ice monitoring of the Hungarian Lower-Danube | |
CN114821974A (zh) | 一种偏僻山区用暴雨预警监测方法及系统 |
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 |