[发明专利]一种黄河流域淤地坝空间分布识别方法

说明书

本发明公开了一种黄河流域淤地坝空间分布识别方法，通过定期爬取淤地坝的信息以及构建深度学习模型对黄河流域的淤地坝进行识别，实现了黄河流域淤地坝空间分布识别。本发明能将已经建立和正在建设的淤地坝数据归纳进数据库中，不仅在拦泥、淤地、减灾、提高水资源利用率、促进农业退耕、结构调整和经济增长、改善丘陵山区交通和生活条件等方面发挥着十分关键的作用，一旦发生洪涝灾害，就能依据数据库信息，使用遥感影像依据属性坐标信息进行位置的确定，并依据及时获取的遥感信息，进行灾害预警、淤地坝损毁情况识别等灾情信息实时获取，具有重要的实际应用价值，为人们使用水利信息提供极大的便利。

技术领域

本发明属于网络科学领域，具体涉及一种黄河流域淤地坝空间分布识别方法。

背景技术

中国水资源丰富，尤其黄河流域，特殊的地貌条件和气候条件造成该区沟床下切、沟头延伸，水土流失严重。为了使水土流失这一世界难题得以解决，全球水利工作者们做出了许多努力和尝试，淤地坝是极为有效的工程措施。淤地坝通过“拦、蓄、淤”，既能将洪水、泥沙就地拦蓄，有效防止水土流失，又能淤泥造地，充分利用水沙资源，改变农业生产基本条件，改善当地生态环境，是一项独特的水土保持工程措施。然而，随着淤地坝不断投入使用，基本都是采用人工调查，并没有一个统一的方案将各地淤地坝信息进行整合管理、实现智能化和数字化管理，为数据的使用提供便捷的服务，仍需进一步的研究。

发明内容

针对现有技术中的上述不足，本发明提供的一种黄河流域淤地坝空间分布识别方法解决了现有技术中淤地坝信息依靠人工采集，费时费力的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种黄河流域淤地坝空间分布识别方法，包括以下步骤：

S1、采集黄河流域淤地坝工程信息以及若干黄河流域遥感图像，并将黄河流域遥感图像大小裁剪为224×224像素；

S2、采用人工标记的方式对黄河流域遥感图像中淤地坝部分进行标记，将标记后的黄河流域遥感图像保存为二值图像；

S3、构建深度学习模型；

S4、将原始黄河流域遥感图像和二值图像作为训练集对深度学习模型进行训练，并对深度学习模型进行剪枝操作；

S5、定期爬取黄河流域淤地坝工程信息，对黄河流域淤地坝工程信息进行更新，并构建黄河流域淤地坝全要素长时序数据集；

S6、定期获取黄河流域遥感图像，并将获取的黄河流域遥感图像输入深度学习模型进行淤地坝识别，得到识别结果；

S7、将全要素长时序数据集、识别结果和深度学习模型传输至云平台，完成黄河流域淤地坝空间分布识别。

进一步地，所述步骤S1中黄河流域淤地坝工程信息包括淤地坝维护信息和建设信息；所述步骤S1中黄河流域遥感图像包括航天遥感图像和低空遥感图像。

进一步地，所述步骤S3中深度学习模型包括依次连接的输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第三池化层、第四卷积层、第四池化层、第五卷积层、第五池化层、第一全连接层、第二全连接层、第三全连接层和输出层。

进一步地，每个所述卷积层的大小均为3×3×3、步长均为1以及有效填充padding的大小均为1；每个所述池化层均采用2×2的最大池化函数max pooling的方式；

所述第一卷积层的卷积核个数为64，所述第二卷积层的卷积核个数为128，所述第三卷积层的卷积核个数为256，所述四卷积层的卷积核个数为512，所述第五卷积层的卷积核个数为512；所述输出层为softmax层。

进一步地，所述步骤S4包括以下分步骤：