CN117474212B - 一种基于遥感技术的地下水资源评价方法 - Google Patents
一种基于遥感技术的地下水资源评价方法 Download PDFInfo
- Publication number
- CN117474212B CN117474212B CN202311785848.5A CN202311785848A CN117474212B CN 117474212 B CN117474212 B CN 117474212B CN 202311785848 A CN202311785848 A CN 202311785848A CN 117474212 B CN117474212 B CN 117474212B
- Authority
- CN
- China
- Prior art keywords
- area
- water
- evaluation
- remote sensing
- groundwater
- 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
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 214
- 238000011156 evaluation Methods 0.000 title claims abstract description 130
- 238000005516 engineering process Methods 0.000 title claims abstract description 21
- 239000003673 groundwater Substances 0.000 claims abstract description 61
- 238000000034 method Methods 0.000 claims abstract description 29
- 230000008878 coupling Effects 0.000 claims abstract description 22
- 238000010168 coupling process Methods 0.000 claims abstract description 22
- 238000005859 coupling reaction Methods 0.000 claims abstract description 22
- 238000013210 evaluation model Methods 0.000 claims abstract description 22
- 239000002352 surface water Substances 0.000 claims description 27
- 230000001502 supplementing effect Effects 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 14
- 238000001228 spectrum Methods 0.000 claims description 12
- 230000035772 mutation Effects 0.000 claims description 10
- 230000008020 evaporation Effects 0.000 claims description 6
- 238000001704 evaporation Methods 0.000 claims description 6
- 230000035515 penetration Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 5
- 230000003020 moisturizing effect Effects 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 4
- 239000002689 soil Substances 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims 1
- 230000008859 change Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Software Systems (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Geometry (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Remote Sensing (AREA)
- Development Economics (AREA)
- Computer Graphics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种基于遥感技术的地下水资源评价方法,涉及地下水资源评价技术领域,有效的提高了地下水资源评估的准确性。本发明包括以下步骤:通过红外遥感技术获取评价区的红外图像数据,进而确定评价区内不同类型的地下水分布区域,将评价区中的地下水分布区域分为浅层补给区和深层储存区,并设置评价周期,获取不同时间段内的雷达遥感图像,根据雷达遥感图像获取浅层补给区的补水潜力和深层储存区的储水能力,建立地表水‑地下水耦合评估模型,将补水潜力以及储水能力输入至地表水‑地下水耦合评估模型,进而判断评价区内各个地下水分布区域的地下水资源潜力。
Description
技术领域
本发明涉及地下水资源评价技术领域,具体是一种基于遥感技术的地下水资源评价方法。
背景技术
地下水资源评价是指对地下水资源进行系统、综合和科学的评估和分析,旨在了解地下水的分布、质量、可开发潜力等特征,以及对地下水系统进行可持续管理和保护的过程。
现有地下水资源评价技术存在以下缺陷:
地球物理勘探:地球物理勘探通过测量地下的物理性质(如密度、电阻率、声波速度等)来推断地下水的存在与分布情况。然而,地球物理勘探存在成本较高、解释结果需要专业知识等缺陷。
数值模拟:利用数学模型对地下水系统进行模拟,以预测地下水资源的分布、流动规律和变化趋势。但是,数值模拟需要大量的数据支撑,并且对模型参数的准确性要求较高。
怎样在降低勘测成本的同时,提高地下水资源评估数据的准确性是现有技术的难点,为此提供一种基于遥感技术的地下水资源评价方法。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种基于遥感技术的地下水资源评价方法。
为了实现上述目的,本发明提供如下技术方案:
一种基于遥感技术的地下水资源评价方法,所述评价方法包括以下步骤:
S1、通过红外遥感技术获取评价区的红外图像数据,进而确定评价区的多个地下水分布区域;
S2、将评价区中的地下水分布区域分为浅层补给区和深层储存区,并设置评价周期,进而通过雷达遥感技术获取若干个评价周期内浅层补给区和深层储存区的雷达遥感图像;
S3、建立时空坐标系,并根据雷达遥感图像建立浅层补给区和深层储存区的三维图像模型,将浅层补给区和深层储存区的三维图像模型映射于时空坐标系上,进而获得浅层补给区的补水潜力和深层储存区的储水能力;
S4、根据预存的若干份地下水历史状况记录建立地表水-地下水耦合评估模型;
S5、将浅层补给区的补水潜力以及深层储存区的储水能力输入至地表水-地下水耦合评估模型,进而判断评价区内各个地下水分布区域的地下水资源潜力。
进一步的,所述地下水分布区域的确认过程包括:
在评价区内建立无人机循环飞行路线,在无人机上安装红外遥感装置以及雷达遥感装置,设置若干个无人机按照无人机循环飞行路线进行飞行,通过红外遥感装置扫描评价区,获得对应无人机循环飞行路线覆盖的红外图像数据;
将全部红外图像数据按照其在评价区对应的地理位置进行重叠拼接,进而得到评价区红外图像数据;
进而设置温度区间阈值,将评价区红外图像数据中温度不在温度区间阈值内的区域标注为不存在地下水区域,将评价区红外图像数据中温度不在温度区间阈值内的区域标注为地下水分布区域。
进一步的,所述深层储存区的雷达遥感图像的获取过程包括:
对评价区内的各个地下水分布区域设置编号S1、S2、……、Sn,其中n为大于0的自然数;
将各个地下水分布区域设置为浅层补给区和深层储存区,设置评价周期,在评价周期开始时,调取无人机在地下水分布区域上进行循环飞行,通过雷达遥感装置向地下水分布区域空间发送雷达激光信号,根据雷达遥感装置接收到的雷达激光反射信号发生的突变次数判断是否停止;
在雷达激光信号穿过土壤区域进入深层储存区前,部分雷达激光信号会经过浅层补给区向深层储存区输送水资源的通道,进而对雷达遥感装置接收到的雷达激光反射信号产生多次局部突变;
进而当雷达遥感装置采集到三次突变的雷达激光反射信号频谱时,停止向地下水分布区域发送雷达激光信号,进而在评价周期结束时,根据雷达激光反射信号频谱生成浅层补给区和深层储存区的雷达遥感图像,以及浅层补给区与深层储存区连接区域的雷达遥感图像。
进一步的,所述浅层补给区的补水潜力的获取过程包括:
根据浅层补给区与深层储存区之间雷达遥感图像建立二者之间的输送三维图像模型,所述输送三维图像模型分为补给层、输送层以及接收层,其中补给层与接收层分别设置有若干个通道口,输送层内设置有H个输送通道,H为大于0的自然数;
当浅层补给区向深层储存区输送水资源时,雷达激光信号会对输送通道中的水资源产生多次反射突变,进而根据各个评价周期内的雷达激光反射信号频谱,获取各个评价周期内浅层补给区向深层储存区输送水资源总量,进而动态显示于输送三维图像模型中;
建立时空坐标系,并将输送三维图像模型映射于时空坐标系上,进而根据不同评价周期内输送三维图像模型在各个时间节点内,补给层通过输送层内的各个输送通道向接收层的水资源总量获取对应评价周期内的补给水流速V以及单位含水量;
进而对应评价周期内的浅层补给区的补给水流速V计算补水潜力q,其中补水潜力q的计算公式为:q=∂(θH)/∂t + div(V) ,θ表示各个输送通道的单位含水量,t表示评价周期的时间长度,div(V)是地下水流量的散度;
将浅层补给区全部评价周期内的补水潜力进行累加取平均值,进而得到对应地下水分布区域的补水潜力Qj,其中Qj表示编号为Sj的地下水补给区域的补水潜力,j为小于等于n且大于0的自然数。
进一步的,所述深层储存区的储水能力的获取过程包括:
将深层储存区的雷达激光反射信号频谱中出现第一次明显突变与最后一次明显突变区域的部分进行截取,进而建立对深层储存区的三维图像模型,获得三维图像模型体积,进而以三维图像模型体积作为对应深层储存区的储水能力U,进而根据评价周期开始以及评价周期结束时的贮水量,计算评价周期内深层储存区的水资源流动体积f,f=Num结束-Num开始+Num补水,将深层储存区的全部评价周期内的水资源流动体积F进行累加取平均值,进而得到对应地下水分布区域的补水潜力Fj。
进一步的,所述地表水-地下水耦合评估模型的建立过程包括:
所述地表水流动状况包括地表水蒸发量a1、地表水渗透量a2以及地表水补给量A;地下水流动状况包括地下水存储量B和地下水流动量b;
进而根据地表水蒸发量a1、地表水渗透量a2以及地表水补给量A建立地表水节点,根据地下水流动状况包括地下水存储量B和地下水流动量b建立地下水节点,将地表水节点与地下水节点进行相连得到评估节点,同时根据内部包含的数据计算对应评估节点的时空水资源变化量P,P=(A+B-a1-a2-b)/(A+B+1);
将全部评估节点的时空水资源变化量P进行正态分布,选取正态分布曲线的50%中间区间设定为一般潜力,选取正态分布曲线的左侧的25%区间设定为低潜力,右端的25%区间设定为高潜力;
建立地表水-地下水耦合评估模型,将全部评估节点输入至地表水-地下水耦合评估模型中。
进一步的,判断所述地下水分布区域的地下水资源潜力的过程包括:
将浅层补给区的补水潜力以及深层储存区的储水能力和水资源流动体积输入至地表水-地下水耦合评估模型,计算对应地下水分布区域的潜力值W,W=(Q+U)/F,当F为0,则地下水分布区域的潜力值W=0;
根据潜力值W所在时空水资源变化量P的区间,进而判断地下水分布区域的潜力状况。
与现有技术相比,本发明的有益效果是:
本发明通过红外遥感技术获取评价区的红外图像数据,进而确定评价区的多个地下水分布区域,将评价区中的地下水分布区域分为浅层补给区和深层储存区,并设置评价周期,获取若干个评价周期内的雷达遥感图像,有效的提高了获取地下水分布区域的遥感图像数据的效率;
本发明根据雷达遥感图像获取浅层补给区的补水潜力和深层储存区的储水能力,建立地表水-地下水耦合评估模型,将补水潜力以及储水能力输入至地表水-地下水耦合评估模型,进而判断评价区内各个地下水分布区域的地下水资源潜力,有效的提高了对地下水分布区域的水资源潜力评估准确率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明的方法流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行详细的描述。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的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。
实施例1、
如图1所示,一种基于遥感技术的地下水资源评价方法,所述评价方法包括以下步骤:
S1、通过红外遥感技术获取评价区的红外图像数据,进而确定评价区的多个地下水分布区域;
S2、将评价区中的地下水分布区域分为浅层补给区和深层储存区,并设置评价周期,进而通过雷达遥感技术获取若干个评价周期内浅层补给区和深层储存区的雷达遥感图像;
S3、建立时空坐标系,并根据雷达遥感图像建立浅层补给区和深层储存区的三维图像模型,将浅层补给区和深层储存区的三维图像模型映射于时空坐标系上,进而获得浅层补给区的补水潜力和深层储存区的储水能力;
S4、根据预存的若干份地下水历史状况记录建立地表水-地下水耦合评估模型;
S5、将浅层补给区的补水潜力以及深层储存区的储水能力输入至地表水-地下水耦合评估模型,进而判断评价区内各个地下水分布区域的地下水资源潜力。
实施例2、
本实施例是对实施例1的进一步的限定,所述步骤S1通过以下步骤实现:
在评价区的边缘位置设置K个识别杆,根据各个识别杆在评价区的地理位置分布,各个识别杆之间相互发送测距激光,进而各个识别杆选取对应测距激光响应时间的识别杆进行匹配,K为大于0的自然数;
根据相互匹配的识别杆所处位置建立无人机循环飞行路线,需要说明的是,由于各条无人机循环飞行路线根据评价区的边缘位置的识别杆作为起始位置,进而使得各条无人机循环飞行路线之间存在交叉位置;
在无人机上安装红外遥感装置以及雷达遥感装置,进而根据遥感装置的扫描范围判断全部无人机循环飞行路线是否可以完全覆盖评价区,若不能,则对离未扫描区域最近的无人机循环飞行路线进行调整,直到其可覆盖未扫描区域为止;
当全部无人机循环飞行路线可覆盖全部检查区域后,设置若干个无人机按照无人机循环飞行路线进行飞行,同时通过红外遥感装置扫描评价区,获得对应无人机循环飞行路线覆盖的红外图像数据;
将全部红外图像数据按照其在评价区对应的地理位置进行重叠拼接,进而得到评价区红外图像数据;
当区域地下存在地下水时,其对应的红外图像数据与不存在地下水的区域的区域存在明显差异,进而设置温度区间阈值;
将评价区红外图像数据中温度不在温度区间阈值内的区域标注为不存在地下水区域;
将评价区红外图像数据中温度不在温度区间阈值内的区域标注为地下水分布区域。
实施例3、
本实施例是对实施例1的进一步的限定,所述步骤S2通过以下步骤实现:
对评价区内的各个地下水分布区域设置编号S1、S2、……、Sn,其中n为大于0的自然数;
将各个地下水分布区域设置为浅层补给区和深层储存区,所述浅层补给区包括地下水分布区域在地理表面位置的植被、河流等可为深层储存区输送水资源的区域,所述深层储存区包括地下存储水资源的内置空间区域;
设置评价周期,在评价周期开始时,调取无人机在地下水分布区域上进行循环飞行,通过雷达遥感装置向地下水分布区域空间发送雷达激光信号,由于深层储存区是独立于地下分布区域空间的立体空间,其内部存储有地下水;
进而当雷达激光信号穿过土壤区域进入深层储存区时,雷达遥感装置接收到的雷达激光反射信号发生第一次明显突变,当雷达激光信号接触到深层储存区内的地下水时,雷达遥感装置接收到的雷达激光反射信号发生第二次明显突变,并保持一段时间的相对稳定,当雷达激光信号穿过深层储存区底部再次进入土壤区域时,雷达遥感装置接收到的雷达激光反射信号发生第三次明显突变;
需要说明的是,在雷达激光信号穿过土壤区域进入深层储存区前,部分雷达激光信号会经过浅层补给区向深层储存区输送水资源的通道,进而对雷达遥感装置接收到的雷达激光反射信号产生多次局部突变;
进而当雷达遥感装置采集到三次明显突变的雷达激光反射信号频谱时,停止向地下水分布区域发送雷达激光信号,进而在评价周期结束时,根据雷达激光反射信号频谱生成浅层补给区和深层储存区的雷达遥感图像,以及浅层补给区与深层储存区连接区域的雷达遥感图像。
实施例4、
本实施例是对实施例1的进一步的限定,所述步骤S3通过以下步骤实现:
所述根据浅层补给区与深层储存区之间的雷达激光反射信号频谱,获得对应浅层补给区的补水潜力的过程包括:
根据浅层补给区与深层储存区之间的雷达遥感图像建立二者之间的输送三维图像模型,所述输送三维图像模型分为补给层、输送层以及接收层,其中补给层与接收层分别设置有若干个通道口,输送层内设置有H个输送通道,H为大于0的自然数
当浅层补给区向深层储存区输送水资源时,雷达激光信号会对输送通道中的水资源产生多次反射突变,进而根据各个评价周期内的雷达激光反射信号频谱,获取各个评价周期内浅层补给区向深层储存区输送水资源总量,进而动态显示于输送三维图像模型中;
建立时空坐标系,并将输送三维图像模型映射于时空坐标系上,进而根据不同评价周期内输送三维图像模型在各个时间节点内,补给层通过输送层内的各个输送通道向接收层的水资源总量获取对应评价周期内的补给水流速V以及单位含水量;
进而对应评价周期内的浅层补给区的补给水流速V计算补水潜力q,其中补水潜力q的计算公式为:q=∂(θH)/∂t + div(V) ,θ表示各个输送通道的单位含水量,t表示评价周期的时间长度,div(V)是地下水流量的散度;
将浅层补给区全部评价周期内的补水潜力进行累加取平均值,进而得到对应地下水分布区域的补水潜力Qj,其中Qj表示编号为Sj的地下水补给区域的补水潜力,j为小于等于n且大于0的自然数。
所述深层储存区的储水能力的获取过程包括:
将深层储存区的雷达激光反射信号频谱中出现第一次明显突变与最后一次明显突变区域的部分进行截取,进而建立对深层储存区的三维图像模型,获得三维图像模型体积,进而以三维图像模型体积作为对应深层储存区的储水能力U,根据评价周期内浅层补给区补给水流速V以及单位含水量获得总补水量,进而根据评价周期开始以及评价周期结束时的贮水量,计算评价周期内深层储存区的水资源流动体积f,=Num结束-Num开始+Num补水,将深层储存区的全部评价周期内的水资源流动体积f进行累加取平均值,进而得到对应地下水分布区域的水资源流动体积F。
实施例5、
本实施例是对实施例1的进一步的限定,所述步骤S4通过以下步骤实现:
所述地下水历史状况记录中包括地下水分布区域在评价周期内的地表水流动状况和地下水流动状况;
所述地表水流动状况包括地表水蒸发量a1、地表水渗透量a2以及地表水补给量A;地下水流动状况包括地下水存储量B和地下水流动量b;
进而根据地表水蒸发量a1、地表水渗透量a2以及地表水补给量A建立地表水节点,根据地下水流动状况包括地下水存储量B和地下水流动量b建立地下水节点,将地表水节点与地下水节点进行相连得到评估节点,同时根据内部包含的数据计算对应评估节点的时空水资源变化量P,P=(A+B-a1-a2-b)/(A+B+1);
建立地表水-地下水耦合评估模型,所述地表水-地下水耦合评估模型设置评估层和结果输出层;
将全部评估节点输入至地表水-地下水耦合评估模型中的评估层,设置评估决策,所述评估决策包括:
将全部评估节点的时空水资源变化量P进行正态分布,选取正态分布曲线的50%中间区间设定为一般潜力,选取正态分布曲线的左侧的25%区间设定为低潜力,右端的25%区间设定为高潜力。
实施例6、
本实施例是对实施例1的进一步的限定,所述步骤S5通过以下步骤实现:
将浅层补给区的补水潜力以及深层储存区的储水能力和水资源流动体积输入至地表水-地下水耦合评估模型,计算对应地下水分布区域的潜力值W,W=(Q+U)/F,当F为0,则地下水分布区域的潜力值W=0;
根据潜力值W所在时空水资源变化量P的区间,进而判断地下水分布区域的潜力状况。
以上实施例仅用以说明本发明的技术方法而非限制,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法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (6)
1.一种基于遥感技术的地下水资源评价方法,其特征在于,所述评价方法包括以下步骤:
S1、通过红外遥感技术获取评价区的红外图像数据,进而确定评价区的多个地下水分布区域;
S2、将评价区中的地下水分布区域分为浅层补给区和深层储存区,并设置评价周期,进而通过雷达遥感技术获取若干个评价周期内浅层补给区和深层储存区的雷达遥感图像;
S3、建立时空坐标系,并根据雷达遥感图像建立浅层补给区和深层储存区的三维图像模型,将浅层补给区和深层储存区的三维图像模型映射于时空坐标系上,进而获得浅层补给区的补水潜力和深层储存区的储水能力;
所述浅层补给区的补水潜力的获取过程包括:根据浅层补给区与深层储存区之间的雷达遥感图像建立二者之间的输送三维图像模型,所述输送三维图像模型分为补给层、输送层以及接收层,其中补给层与接收层分别设置有若干个通道口,输送层内设置有H个输送通道,H为大于0的自然数;
根据各个评价周期内的雷达遥感图像,获取各个评价周期内浅层补给区向深层储存区输送水资源总量,进而动态显示于输送三维图像模型中;
根据不同评价周期内输送三维图像模型在各个时间节点内补给层通过输送层内的各个输送通道向接收层输送的水资源总量,获取对应评价周期内的补给水流速V以及单位含水量;
进而根据对应评价周期内的浅层补给区的补给水流速V计算补水潜力q,其中补水潜力q的计算公式为:q=∂(θH)/∂t + div(V) ,θ表示各个输送通道的单位含水量,t表示评价周期的时间长度,div(V)是地下水流量的散度,将浅层补给区全部评价周期内的补水潜力进行累加取平均值,进而得到对应地下水分布区域的补水潜力Qj,其中Qj表示编号为Sj的地下水分布区域的补水潜力,j为小于等于n且大于0的自然数;
S4、根据预存的若干份地下水历史状况记录建立地表水-地下水耦合评估模型;
S5、将浅层补给区的补水潜力Q以及深层储存区的储水能力U输入至地表水-地下水耦合评估模型,进而判断评价区内各个地下水分布区域的地下水资源潜力。
2.根据权利要求1所述的一种基于遥感技术的地下水资源评价方法,其特征在于,所述地下水分布区域的确认过程包括:
在评价区内建立无人机循环飞行路线,在无人机上安装红外遥感装置以及雷达遥感装置,设置若干个无人机按照无人机循环飞行路线进行飞行,通过红外遥感装置扫描评价区,获得对应无人机循环飞行路线覆盖的红外图像数据;
将全部红外图像数据按照其在评价区对应的地理位置进行重叠拼接,进而得到评价区红外图像数据;
进而设置温度区间阈值,将红外图像数据中温度不在温度区间阈值内的区域标注为不存在地下水分布区域,将红外图像数据中温度在温度区间阈值内的区域标注为地下水分布区域。
3.根据权利要求2所述的一种基于遥感技术的地下水资源评价方法,其特征在于,所述深层储存区的雷达遥感图像的获取过程包括:
对评价区内的各个地下水分布区域设置编号S1、S2、……、Sn,其中n为大于0的自然数;
将各个地下水分布区域设置为浅层补给区和深层储存区,设置评价周期,在评价周期开始时,调取无人机在地下水分布区域上进行循环飞行,进而通过雷达遥感装置向地下水分布区域空间发送雷达激光信号,根据雷达遥感装置接收到的雷达激光反射信号发生的明显突变次数,判断是否停止发送雷达激光信号;
在雷达激光信号穿过土壤区域进入深层储存区前,部分雷达激光信号会经过浅层补给区向深层储存区输送水资源的通道,进而对雷达遥感装置接收到的雷达激光反射信号产生多次局部突变;
进而当雷达遥感装置采集到三次明显突变的雷达激光反射信号频谱时,停止向地下水分布区域发送雷达激光信号,进而在评价周期结束时,根据雷达激光反射信号频谱生成深层储存区的雷达遥感图像,以及浅层补给区与深层储存区连接区域的雷达遥感图像。
4.根据权利要求3所述的一种基于遥感技术的地下水资源评价方法,其特征在于,所述储水能力的获取过程包括:
将深层储存区的雷达激光反射信号频谱中出现第一次明显突变与最后一次明显突变区域的部分进行截取,进而建立深层储存区的三维图像模型,获得三维图像模型体积,进而以三维图像模型体积作为对应深层储存区的储水能力U,根据评价周期开始以及评价周期结束时的贮水量,计算评价周期内深层储存区的水资源流动体积f,f=Num结束-Num开始+Num补水,将深层储存区的全部评价周期内的水资源流动体积f进行累加取平均值,进而得到对应地下水分布区域的水资源流动体积Fj,其中Num结束、Num开始和Num补水分别表示评价周期结束时、评价周期开始时的贮水量以及整个评价周期内浅层补给区的总补水量。
5.根据权利要求4所述的一种基于遥感技术的地下水资源评价方法,其特征在于,所述地表水-地下水耦合评估模型的建立过程包括:
所述地表水流动状况包括地表水蒸发量a1、地表水渗透量a2以及地表水补给量A,地下水流动状况包括地下水存储量B和地下水流动量b;
进而根据地表水蒸发量a1、地表水渗透量a2以及地表水补给量A建立地表水节点,根据地下水流动状况包括地下水存储量B和地下水流动量b建立地下水节点,将地表水节点与地下水节点进行相连得到评估节点,同时根据内部包含的数据计算对应评估节点的时空水资源变化量P,P=(A+B-a1-a2-b)/(A+B+1);
将全部评估节点的时空水资源变化量P进行正态分布,选取正态分布曲线的中间50%区间设定为一般潜力,选取正态分布曲线的左侧的25%区间设定为低潜力,右端的25%区间设定为高潜力;
建立地表水-地下水耦合评估模型,将全部评估节点输入至地表水-地下水耦合评估模型中。
6.根据权利要求5所述的一种基于遥感技术的地下水资源评价方法,其特征在于,判断所述地下水分布区域的地下水资源潜力的过程包括:
将浅层补给区的补水潜力以及深层储存区的储水能力和水资源流动体积输入至地表水-地下水耦合评估模型,计算对应地下水分布区域的潜力值W,W=(Q+U)/F;
当F为0,则地下水分布区域的潜力值W=0;
根据潜力值W所在时空水资源变化量P的区间,进而判断地下水分布区域的潜力状况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311785848.5A CN117474212B (zh) | 2023-12-25 | 2023-12-25 | 一种基于遥感技术的地下水资源评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311785848.5A CN117474212B (zh) | 2023-12-25 | 2023-12-25 | 一种基于遥感技术的地下水资源评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117474212A CN117474212A (zh) | 2024-01-30 |
CN117474212B true CN117474212B (zh) | 2024-04-09 |
Family
ID=89639869
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311785848.5A Active CN117474212B (zh) | 2023-12-25 | 2023-12-25 | 一种基于遥感技术的地下水资源评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117474212B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118297288B (zh) * | 2024-06-05 | 2024-08-13 | 清华大学 | 一种全遥感流域水资源量评估方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109522655A (zh) * | 2018-11-19 | 2019-03-26 | 武汉大学 | 基于变饱和水分运动系统的区域地下水补给量计算方法 |
CN110688609A (zh) * | 2019-09-26 | 2020-01-14 | 中国水利水电科学研究院 | 一种黄土塬区浅层地下水补给-排泄单元划分方法 |
CN111540050A (zh) * | 2020-04-30 | 2020-08-14 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队 | 一种耦合地质与地下水模型的四维地质建模方法与系统 |
JPWO2020217531A1 (zh) * | 2019-04-26 | 2020-10-29 | ||
CN116415843A (zh) * | 2023-03-02 | 2023-07-11 | 河南省航空物探遥感中心 | 用于弱网络环境的多模态遥感辅助矿山生态环境评价方法 |
-
2023
- 2023-12-25 CN CN202311785848.5A patent/CN117474212B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109522655A (zh) * | 2018-11-19 | 2019-03-26 | 武汉大学 | 基于变饱和水分运动系统的区域地下水补给量计算方法 |
JPWO2020217531A1 (zh) * | 2019-04-26 | 2020-10-29 | ||
CN110688609A (zh) * | 2019-09-26 | 2020-01-14 | 中国水利水电科学研究院 | 一种黄土塬区浅层地下水补给-排泄单元划分方法 |
CN111540050A (zh) * | 2020-04-30 | 2020-08-14 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队 | 一种耦合地质与地下水模型的四维地质建模方法与系统 |
CN116415843A (zh) * | 2023-03-02 | 2023-07-11 | 河南省航空物探遥感中心 | 用于弱网络环境的多模态遥感辅助矿山生态环境评价方法 |
Non-Patent Citations (2)
Title |
---|
包气带在干旱半干旱地区地下水补给研究中的应用;庞忠和;黄天明;杨硕;袁利娟;;工程地质学报;20180215(01);全文 * |
我国北方主要平原地下水潜力评价;陈德华;陈浩;张薇;;地下水;20090325(02);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117474212A (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117474212B (zh) | 一种基于遥感技术的地下水资源评价方法 | |
Journel | Modelling uncertainty and spatial dependence: stochastic imaging | |
EP0674189B1 (en) | Methods for generating numerical models from seismic information | |
Landa et al. | A methodology for history matching and the assessment of uncertainties associated with flow prediction | |
Cantelmo et al. | An adaptive bi-level gradient procedure for the estimation of dynamic traffic demand | |
Bruin et al. | Assessing fitness for use: the expected value of spatial data sets | |
Bulygina et al. | Estimating the uncertain mathematical structure of a water balance model via Bayesian data assimilation | |
Wong et al. | Sensitivity of a hydraulic model to channel erosion uncertainty during extreme flooding | |
Cai et al. | Modeling road centerlines and predicting lengths in 3‐D using LIDAR point cloud and planimetric road centerline data | |
FR2807842A1 (fr) | Methode de simulation de positionnement de steamer, et d'aide a la navigation | |
CN101999086A (zh) | 用于确定地震数据质量的方法 | |
Antoniazza et al. | Revisiting the morphological method in two‐dimensions to quantify bed‐material transport in braided rivers | |
CN111998859B (zh) | 一种路径规划方法、装置、电子设备及路径指示系统 | |
AU2020104491B4 (en) | System and method for building reservoir property models | |
Bárdossy et al. | Is precipitation responsible for the most hydrological model uncertainty? | |
Qi et al. | Effect of autocorrelation function model on spatial prediction of geological interfaces | |
CN106125133B (zh) | 一种基于气云区约束下的精细速度建模方法 | |
Wang et al. | Study of AI based methods for characterization of geotechnical site investigation data | |
Dey | Role of river bathymetry in hydraulic modeling of river channels | |
Sen et al. | Unsupervised extraction of urban features from airborne lidar data by using self-organizing maps | |
Rheinwalt et al. | A Network‐Based Flow Accumulation Algorithm for Point Clouds: Facet‐Flow Networks (FFNs) | |
CN110226109B (zh) | 增强的地质服务表征 | |
Mallet et al. | Minimax filtering for sequential aggregation: Application to ensemble forecast of ozone analyses | |
Vanneste et al. | Data-driven ground models: the road to fully-integrated site characterization and design | |
CN114820969A (zh) | 一种三维地质模型构建方法 |
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 |