一种基于多源遥感数据和深度学习的河流流量测算方法技术

本发明专利技术公开了一种基于多源遥感数据和深度学习的河流流量测算方法，属于水资源监测技术领域。包括以下步骤：获取原始遥感影像，并对所述原始遥感影像进行几何校正和大气校正，获取校准后的多光谱影像；利用近红外和绿色波段计算归一化差异水体指数NDWI，并将归一化差异水体指数NDWI与校获取校准后的多光谱影像相结合，形成包含RGB、NDWI和高程信息的多通道输入张量，作为多源输入数据；改进UNet模型；通过改进的UNet模型利用所述多源输入数据，生成水体概率图；基于水体概率图，提取河流的特征向量，并通过XGBoos机器学习回归模型预测河流流量。通过本发明专利技术有助于提高水资源监测和管理的效率和准确性。

【技术实现步骤摘要】

本专利技术涉及水资源监测，更具体的说是涉及一种基于多源遥感数据和深度学习的河流流量测算方法。

技术介绍

1、河流流量的准确估算对水资源管理、洪水预警和生态保护具有重要意义。传统的河流流量监测主要依赖于地面测量站，但由于这些测量站的空间分布不均匀，加之人力物力成本高，难以及时、全面地获取河流流量信息。这种局限性导致在水资源管理和防灾减灾方面面临挑战，影响了整体流程的精度和可靠性。

2、现有的遥感技术为河流流量估算提供了新的途径，但也存在一些问题。首先，传统的ndwi(归一化差异水体指数)计算方法和模型融合不够充分。通常情况下，ndwi被直接计算并作为单独的输入通道使用，未能充分利用ndwi与其他光谱通道之间的关联性。将ndwi作为预处理步骤，可能引入额外的计算误差和数据冗余，且缺乏一种在模型内部动态学习和提取ndwi特征的有效机制，限制了水体分割的精度。其次，unet模型在处理复杂场景时也表现出一定的局限性。由于其结构相对简单，在面对多源遥感数据和复杂背景(如高噪声环境)时，可能无法充分捕获数据中的深层特征，特别是在融合高程数据和光谱指数方面。u本文档来自技高网...

【技术保护点】

1.一种基于多源遥感数据和深度学习的河流流量测算方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于多源遥感数据和深度学习的河流流量测算方法，其特征在于，对所述原始遥感影像进行几何校正，包括：

3.根据权利要求2所述的一种基于多源遥感数据和深度学习的河流流量测算方法，其特征在于，对校正后的遥感影像进行大气校正，获取校准后的多光谱数据，包括：

4.根据权利要求1所述的一种基于多源遥感数据和深度学习的河流流量测算方法，其特征在于，所述利用近红外和绿色波段计算归一化差异水体指数NDWI，公式为：

5.根据权利要求1所述的一种基于多源...

【技术特征摘要】

1.一种基于多源遥感数据和深度学习的河流流量测算方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于多源遥感数据和深度学习的河流流量测算方法，其特征在于，对所述原始遥感影像进行几何校正，包括：

3.根据权利要求2所述的一种基于多源遥感数据和深度学习的河流流量测算方法，其特征在于，对校正后的遥感影像进行大气校正，获取校准后的多光谱数据，包括：

4.根据权利要求1所述的一种基于多源遥感数据和深度学习的河流流量测算方法，其特征在于，所述利用近红外和绿色波段计算归一化差异水体指数ndwi，公式为：

5.根据权利要求1所述的一种基于多源遥感数据和深度学习的河流流量测算方法，其特征在于，所述改进unet模型，包括：

6.根据权利要求1所述的一种基于多源遥感数据和深度学习的河流流量测算方法，其特征在于，所述通过改进的u...

【专利技术属性】
技术研发人员：王宣入，周子力，黄靖，王海龙，吴宇雷，刘峰，刘猛，
申请(专利权)人：雅江清能生态环保成都有限公司，
类型：发明
国别省市：