System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及植被修复评估,具体是一种边坡植被生态修复稳定性监测方法。
技术介绍
1、边坡植被生态修复对于环境保护和生态平衡具有重要意义,这个过程涉及在边坡地区种植植被,以修复受损的生态系统和提高地区的生态质量。边坡植被生态修复的意义包括防止水土流失:植被可以有效固定土壤,减少雨水对土壤的冲刷,从而防止水土流失。这对于保护水源和维持地表水的清洁至关重要。增强地质稳定性:植物根系有助于增加边坡的稳定性,降低滑坡和崩塌的风险,特别是在多雨或地质脆弱的地区。改善生态环境:恢复植被有助于重建生态系统,为野生动植物提供栖息地和食物来源,促进生物多样性。
2、边坡植被生态修复是一个长时间的持续过程,需要不断地巡检监测,当修复区较多,巡检资源较少时,巡检过程会涉及到顺序问题,现有的巡检方式大都采用固定顺序,顺序清晰简单,但是与实际情况的契合度不高,如何确定一种灵活的巡检顺序,提高与实际情况的契合度是本专利技术技术方案想要解决的技术问题。
技术实现思路
1、本专利技术的目的在于提供一种边坡植被生态修复稳定性监测方法,以解决上述
技术介绍
中提出的问题。
2、为实现上述目的,本专利技术提供如下技术方案:
3、一种边坡植被生态修复稳定性监测方法,所述方法包括:
4、查询修复区的空间形状及资源投入量,根据所述空间形状及资源投入量确定水文点;
5、在水文点处安装水文设备,监测水文数据,根据水文数据确定修复区的识别频率;
6、基于识别频率获
7、比对不同修复区的时域预测模型中的参数向量,根据参数向量对修复区进行聚类;
8、比对同类修复区的空间形状及资源投入量,确定修复区的人工检测优先级;所述人工检测优先级用于表征修复区的人工检测顺序。
9、作为本专利技术进一步的方案:所述查询修复区的空间形状及资源投入量,根据所述空间形状及资源投入量确定水文点的步骤包括:
10、根据同一运动高度的无人机定点采集修复区的高度;点位密度由工作方预先设定;
11、实时输出高度,根据高度建立空间形状;
12、查询修复区的资源投入量,根据资源投入量确定横向间距和纵向间距;所述横向间距和纵向间距采用百比数值;
13、基于所述纵向间距沿空间形状的边界确定等距线,根据横向间距在等距线上截取水文点位。
14、作为本专利技术进一步的方案:所述在水文点处安装水文设备,监测水文数据,根据水文数据确定修复区的识别频率的步骤包括:
15、在水文点位处安装水文设备,由水文设备采集水文数据并上传;
16、根据时间顺序排列水文数据并拟合,得到每个水文点位的水文波动函数;
17、计算每一水文波动函数的极值,根据预设的极值范围对极值进行分类;
18、根据每类极值的数量确定修复区的基准频率;
19、根据所有水文波动函数对应的基准频率确定识别频率;
20、其中,所述识别频率与所有基准频率的均值及不同基准频率的差值相关。
21、作为本专利技术进一步的方案:所述基于识别频率获取遥感影像,对遥感影像进行识别,构建含有时间跨度的时域预测模型的步骤包括:
22、基于识别频率获取遥感影像,对遥感影像进行绝对辐射校正;
23、计算绝对辐射校正后的遥感影像的增强型植被指数;其中,计算出的增强型植被指数含有时间标签,所述时间标签由遥感影像的获取时间确定;
24、接收管理方输入的时间跨度,查询时间跨度内的增强型植被指数,构建训练集;
25、基于训练集训练自回归模型,得到含有时间跨度的时域预测模型。
26、作为本专利技术进一步的方案:所述对遥感影像进行绝对辐射校正的过程包括:
27、lγ=gain×dn+bias;
28、式中,lγ是辐射亮度,gain和bias是校正参数,dn是遥感影像的像素值。
29、作为本专利技术进一步的方案:所述计算绝对辐射校正后的遥感影像的增强型植被指数的过程包括:
30、
31、式中,nir表示近红外波段的反射率,red表示红光波段的反射率,blue表示蓝光波段的反射率,g为增益因子,c1和c2为校正大气散射的系数,l是用于调整土壤和植被的密度影响的修正系数。
32、作为本专利技术进一步的方案:所述时域预测模型为:
33、
34、式中,xt是时刻t的观测值,c是常数项,是模型参数,εt是误差项。
35、作为本专利技术进一步的方案:所述比对不同修复区的时域预测模型中的参数向量,根据参数向量对修复区进行聚类的步骤包括:
36、提取不同修复区的时域预测模型中的参数向量;
37、计算所述参数向量间的向量距离,根据向量距离对修复区进行聚类;
38、所述向量距离的计算过程采用欧式距离。
39、作为本专利技术进一步的方案:所述比对同类修复区的空间形状及资源投入量,确定修复区的人工检测优先级的步骤包括:
40、读取同类修复区中每一个修复区的空间形状,计算空间面积;
41、读取每一个修复区的资源投入量,根据资源投入量和空间面积计算单位投入量;
42、根据所述单位投入量的逆序确定相对优先级;
43、读取并计算同类修复区的平均参数向量,根据所述平均参数向量读取绝对优先级,根据绝对优先级和相对优先级确定每个修复区的人工检测优先级。
44、作为本专利技术进一步的方案:所述读取并计算同类修复区的平均参数向量,根据所述平均参数向量读取绝对优先级,根据绝对优先级和相对优先级确定每个修复区的人工检测优先级的步骤包括:
45、构建参数向量-绝对优先级的样本集,根据样本集训练神经网络模型;所述参数向量为每个修复区的特征,所述绝对优先级为管理方输入的标签;
46、当需要确定某类修复区的绝对优先级时,读取所有修复区的参数向量,计算平均参数向量,输入训练好的神经网络模型,得到绝对优先级;
47、根据绝对优先级和相对优先级确定每个修复区的人工检测优先级。
48、与现有技术相比,本专利技术的有益效果是:本专利技术通过安装水文设备采集水文数据,对水文数据进行识别,确定遥感图像的获取频率,对获取到的遥感图像进行识别,构建时域预测模型,基于时域预测模型确定各个修复区的巡检顺序,不仅契合已有修复状态,还能够契合未来修复状态,与实际情况的契合度极高,极大地提高了灵活度。
本文档来自技高网...【技术保护点】
1.一种边坡植被生态修复稳定性监测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的边坡植被生态修复稳定性监测方法,其特征在于,所述查询修复区的空间形状及资源投入量,根据所述空间形状及资源投入量确定水文点的步骤包括:
3.根据权利要求1所述的边坡植被生态修复稳定性监测方法,其特征在于,所述在水文点处安装水文设备,监测水文数据,根据水文数据确定修复区的识别频率的步骤包括:
4.根据权利要求1所述的边坡植被生态修复稳定性监测方法,其特征在于,所述基于识别频率获取遥感影像,对遥感影像进行识别,构建含有时间跨度的时域预测模型的步骤包括:
5.根据权利要求4所述的边坡植被生态修复稳定性监测方法,其特征在于,所述对遥感影像进行绝对辐射校正的过程包括:
6.根据权利要求4所述的边坡植被生态修复稳定性监测方法,其特征在于,所述计算绝对辐射校正后的遥感影像的增强型植被指数的过程包括:
7.根据权利要求4所述的边坡植被生态修复稳定性监测方法,其特征在于,所述时域预测模型为:
8.根据权利要求1所述的边坡植被生
9.根据权利要求8所述的边坡植被生态修复稳定性监测方法,其特征在于,所述比对同类修复区的空间形状及资源投入量,确定修复区的人工检测优先级的步骤包括:
10.根据权利要求9所述的边坡植被生态修复稳定性监测方法,其特征在于,所述读取并计算同类修复区的平均参数向量,根据所述平均参数向量读取绝对优先级,根据绝对优先级和相对优先级确定每个修复区的人工检测优先级的步骤包括:
...【技术特征摘要】
1.一种边坡植被生态修复稳定性监测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的边坡植被生态修复稳定性监测方法,其特征在于,所述查询修复区的空间形状及资源投入量,根据所述空间形状及资源投入量确定水文点的步骤包括:
3.根据权利要求1所述的边坡植被生态修复稳定性监测方法,其特征在于,所述在水文点处安装水文设备,监测水文数据,根据水文数据确定修复区的识别频率的步骤包括:
4.根据权利要求1所述的边坡植被生态修复稳定性监测方法,其特征在于,所述基于识别频率获取遥感影像,对遥感影像进行识别,构建含有时间跨度的时域预测模型的步骤包括:
5.根据权利要求4所述的边坡植被生态修复稳定性监测方法,其特征在于,所述对遥感影像进行绝对辐射校正的过程包括:
6.根据权利要求4所述的边坡植被生态...
【专利技术属性】
技术研发人员:曾伟,袁峰均,史正军,
申请(专利权)人:深圳市仙湖植物园深圳市园林研究中心,
类型:发明
国别省市:
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。