The invention relates to a method for extracting farmland ditch network, realizes automatic extraction of ditch area from high precision DEM and establishes point-to-line ditch network. Five topographic features derived from DEM (slope, curvature, roughness, slope direction and slope texture) are used to learn the maximum entropy model of the whole region, and the probabilistic grid of canals is obtained by classifying the whole region with statistical learning model. After binarization of probabilistic grid, the noise is eliminated and the grid area of canals is obtained. After vectorization of the grid, the center line is extracted and the linear channel is obtained. According to the elevation information of the network node, the channel network with both topological structure and upstream and downstream relationship is established. This method automatically and quickly extracts the ditch network from high-precision DEM and adds the attributes of upstream and downstream basins to the network without complicated manual intervention. It can be used in subsequent hydrological analysis and application, making the monitoring and management of farmland ditches more automatic and convenient.
【技术实现步骤摘要】
一种农田沟渠网络自动提取方法
本专利技术涉及高精度DEM自动提取农田沟渠网络的方法。
技术介绍
我国作为农业大国,农业是推动经济发展的重要力量。在现代农业发展的进程中,农田水利发挥着至关重要的作用。农田水利设施不仅可用于农业灌溉与供水,还可以抵抗洪水等自然灾害的侵害。只有建设好农田水利设施,才能实现农业经济发展并保障国家的粮食安全。由沟渠组成的水利网络是农田水利设施的重要组成部分。农田沟渠网络能够调节农田生态系统水分平衡,改变流域水文情势,在防洪治涝、保障农业生产等方面起着重要的作用。同时,作为农业生态系统的组成部分,沟渠网络对于维持农业生态系统平衡和流域生态系统健康有着重要作用。然而现阶段我国农田水利存在较多问题。农田水利设施建成较早,使用至今已经损坏严重,且不能适应现代农业生产需求。以此同时,新修建的农田水利设施由于缺乏技术知识,没有进行良好的专业维护和管理。农田水利设施未发挥其应有的作用与功能。随着现代化农业的发展,农田水利也需向标准化和自动化推进。利用新兴的科学技术辅助水利建设管理,动态合理配置资源并提高作物产量,用以加速我国现代化农业的发展进程。沟渠网络的自动化提取可以支持管理者对农田水利情况进行及时可靠的监督与管理。遥感技术可以快速获取大范围的对地观测数据,为农田监测管理提供了重要数据支持。目前,遥感图像已应用于农田提取、洪水淹没区提取、农田灌溉设施的提取等。但大多数农田要素提取都是依靠遥感图像的光谱信息,而要素间的细节差异信息表达不完全。农田的高精度DEM数据在详细表达农田高程信息的同时,也涵盖了田块间的田坎、沟渠等细节信息,可以作为农田沟渠 ...
【技术保护点】
1.一种农田沟渠网络自动提取方法,包括以下步骤:第一步:地形特征提取——从原始DEM数据中提取以下5个地形特征:坡度、曲率、粗糙度、坡向值、坡向纹理值;所述坡向值表示像元拟合平面的朝向,为当前像元与八邻域像元拟合平面的朝向角度值;坡向纹理值表示指定大小的区域内坡向变化程度,将坡向值均分为8个方向:正北、东北、正东、东南、正南、西南、正西和西北,水平平面单独为一类,坡向纹理值取指定大小的区域内坡向在纵向和横向方向上的变化次数之和;第二步:模型学习——目视选取沟渠样本点,根据原始DEM高程数据加上5个地形特征,合计6个特征进行最大熵模型学习,得到概率分布模型;第三步:模型分类——根据学习得的模型对全区域栅格进行分类,得到沟渠概率栅格;第四步:剔除噪声——对概率栅格二值化后剔除噪声,得到沟渠栅格区域;第五步:建立沟渠网络——将沟渠栅格矢量化后提取中心线,得到线状沟渠并建立点‑线沟渠网络;第六步:上下游分析——针对沟渠网络,依据网络弧段的起始点和终止点的高程判断其上下游关系,建立同时具有拓扑结构和上下游关系的渠道网络。
【技术特征摘要】
1.一种农田沟渠网络自动提取方法,包括以下步骤:第一步:地形特征提取——从原始DEM数据中提取以下5个地形特征:坡度、曲率、粗糙度、坡向值、坡向纹理值;所述坡向值表示像元拟合平面的朝向,为当前像元与八邻域像元拟合平面的朝向角度值;坡向纹理值表示指定大小的区域内坡向变化程度,将坡向值均分为8个方向:正北、东北、正东、东南、正南、西南、正西和西北,水平平面单独为一类,坡向纹理值取指定大小的区域内坡向在纵向和横向方向上的变化次数之和;第二步:模型学习——目视选取沟渠样本点,根据原始DEM高程数据加上5个地形特征,合计6个特征进行最大熵模型学习,得到概率分布模型;第三步:模型分类——根据学习得的模型对全区域栅格进行分类,得到沟渠概率栅格;第四步:剔除噪声——对概率栅格二值化后剔除噪声,得到沟渠栅格区域;第五步:建立沟渠网络——将沟渠栅格矢量化后提取中心线,得到线状沟渠并建立点-线沟渠网络;第六步:上下游分析——针对沟渠网络,依据网络弧段的起始点和终止点的高程判断其上下游关系,建立同时具有拓扑结构和上下游关系的渠道网络。2.根据权利要求1所述的农田沟渠网络自动提取方法,其特征在于:第一步中,坡度表示地表单元陡缓的程度,是每个像元值在从该像元到与其相邻的八个像元方向上的最大变化率;曲率表示每个像元的表面曲率,将该像元与八个相邻像元进行表面拟合,拟合表面的中心像元处的二阶导数即为该象元的曲率;粗糙度表示地表区域内的地形起伏变化大小,指在一个特定的区域内,地表面积与其投...
【专利技术属性】
技术研发人员:王结臣,盛彩英,钱天陆,席唱白,迟瑶,
申请(专利权)人:南京大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。