一种自适应河道生态流量计算方法及系统技术方案

本发明专利技术提供一种自适应河道生态流量计算方法及系统，涉及图像处理技术领域，方法包括：获取遥感影像；提取遥感影像中的地物要素；通过Geohash编码算法，将地物要素的地理坐标转化为二进制的Geohash编码；通过Geohash编码与深度神经网络进行嵌套，构建GeohashNet网络模型；通过GeohashNet网络模型，自适应地提取遥感影像中的河道水面宽度；根据河道水面宽度，计算不同断面的集水面积；根据不同断面的集水面积，计算不同断面的生态流量。在本发明专利技术中，通过Geohash编码与深度神经网络进行嵌套，考虑众多地表地物在特定空间尺度上具有相同的区域特性，使得深度神经网络能够充分学习复杂的空间特征，提升影像地物要素提取的准确性，进而提升河道生态流量计算的准确性。

【技术实现步骤摘要】

本专利技术涉及图像处理，尤其涉及一种自适应河道生态流量计算方法及系统。

技术介绍

1、计算河道生态流量具有重要的生态、环境和水资源管理意义，目前主要通过人工测量的方式获取，费时费力、效率低，相比人工测量，应用无人机技术进行河道生态流量确定，降低人力、财力、物力等成本。根据无人机影像可获取河宽、比降、糙率等水力参数，进而换算出河道生态流量。

2、当前，对遥感影像进行地物要素提取时，影像通常被划分为规整的小尺寸图像块，然后再分别单独地送入深度神经网络(deep neural networks,dnns)进行预测。从地理位置信息的角度来说,其潜在假设是这些图像是彼此互相独立与地理位置无关的。

3、然而，众所周知的是众多地表地物在某种空间尺度上是具有相同的区域特性的。尤其是waldo tobler在地理学第一定律(first law of geography)中提及:“everythingis related to everything else,but near things are more related than distantth本文档来自技高网...

【技术保护点】

1.一种自适应河道生态流量计算方法，其特征在于，包括：

2.根据权利要求1所述的自适应河道生态流量计算方法，其特征在于，所述S4具体为：通过所述Geohash编码与深度神经网络的特征空间进行嵌套，构建GeohashNet网络模型；

3.根据权利要求1所述的自适应河道生态流量计算方法，其特征在于，所述S4具体为：通过所述Geohash编码与深度神经网络的参数空间进行嵌套，构建GeohashNet网络模型；

4.根据权利要求1所述的自适应河道生态流量计算方法，其特征在于，所述S4具体为：通过所述Geohash编码与深度神经网络的残差校正进行嵌套，构建Geo...

【技术特征摘要】

1.一种自适应河道生态流量计算方法，其特征在于，包括：

2.根据权利要求1所述的自适应河道生态流量计算方法，其特征在于，所述s4具体为：通过所述geohash编码与深度神经网络的特征空间进行嵌套，构建geohashnet网络模型；

3.根据权利要求1所述的自适应河道生态流量计算方法，其特征在于，所述s4具体为：通过所述geohash编码与深度神经网络的参数空间进行嵌套，构建geohashnet网络模型；

4.根据权利要求1所述的自适应河道生态流量计算方法，其特征在于，所述s4具体为：通过所述geohash编码与深度神经网络的残差校正进行嵌套，构建geohashnet网络模型；

5.根据权利要求1所述的自适应河道生态流量计算方法，其特征在于，所述s7具体为：

...

【专利技术属性】
技术研发人员：王国强，阿膺兰，薛宝林，王运涛，王立波，
申请(专利权)人：北京师范大学，
类型：发明
国别省市：