【摘 要】
:
虚拟地理环境是地理学与多种信息技术结合的一个集成系统,与地球表层系统的地理环境相互对应关联,侧重对现实地理环境的表达、模拟、延伸与超越。洪水灾害过程是一个自然与人文多要素密切关联的复杂性系统,虚拟地理环境及相关理论与方法为洪水灾害过程的分析提供了新的视角。本报告列举相关的几个研究案例,对洪水灾害过程的多要素建模与模拟理论和方法体系进行了介绍。
论文部分内容阅读
虚拟地理环境是地理学与多种信息技术结合的一个集成系统,与地球表层系统的地理环境相互对应关联,侧重对现实地理环境的表达、模拟、延伸与超越。洪水灾害过程是一个自然与人文多要素密切关联的复杂性系统,虚拟地理环境及相关理论与方法为洪水灾害过程的分析提供了新的视角。本报告列举相关的几个研究案例,对洪水灾害过程的多要素建模与模拟理论和方法体系进行了介绍。
其他文献
针对水利工程环境复杂多样、地形起伏变化大等问题,探索免像控无人机技术在水利工程中的应用,大力助推河长制的高效实施与管理.结合无人机遥感技术快速、高效地特点,以某山区水库为应用实例,布设均匀分布10个地面检测点,采取免像控无人机遥感技术生产库区正摄影像图,通过检测点的实测坐标与解算坐标的精度分析,验证了无人机免像控技术在水利工程中应用的可行性.
无人机遥感技术是集智能、自动、高分辨率等为一体的新型技术,利用自主研发的无人机智能巡查作业系统及河长通APP在河长制中的应用,不仅能为河流巡查管理提供一种创新模式,提高河流巡查工作的灵活性、实时性与准确性,改变需要大量的人力、物力和时间的传统人工巡查方法,而且对河流污染源的解译和分类,以及河流关键水质参数的反演,为河流污染源的治理提供了针对性依据,对进一步治理河流具有指导意义.
本文综合考虑河道河网交错、分蓄滞泄、坡缓水大、主槽较窄及河滩较宽等特点;提出了具有层次和模块结构特点、一维与二维水流耦合模拟、水力学与水文学方法、理论模型与补充信息相结合的建模途径.运用RTK实测地形资料、RS遥感影像资料、河道两岸土地利用以及防洪保护对象范围等建立以ArcGIS为平台的三维数字地形模型(DTM).基于GIS,利用先进的水力模型系统(HEC-RAS),模拟一定标准下洪水在河道的演进
在水土流失监测、普查、消长分析等方面,离不开水土流失相关因子的提取.随着基于多视图几何的空三解算方法的出现和此类数据处理软件的成熟,使普通的微小型无人机获得了采集正射影像和DEM数据的能力,通过对正射影像的解译,可以获取土地利用、水保措施等信息,通过波段运算,可以评估植被覆盖,通过对DEM数据的计算,可以分析坡度坡长.相比卫星遥感和传统航空遥感,微小型无人机成本低、使用灵活,数据获取频次高,采集的
随着河湖水污染问题日益严重、黑臭水现象频发,人们在强调加强环境治理的同时,亦越来越重视对废污水排放的监测.但传统的人工监测受人员、时间和空间制约,监测效率低,难以及时有效地对偷排污进行督查.本文设计了一个稳定搭载平台,实现无人机稳定搭载高光谱仪进行高光谱影像采集;并开发一套智能识别系统,基于采集的高光谱影像数据自动识别排污口位置,从而实现河湖排污智能监测.系统的主要功能包括提取水面、波段运算、排污
为了提高地下引水工程的项目建设管理水平,将建筑行业的BIM技术应用于工程建设管理领域,亦针对目前地下工程监测存在的时效性差、数据散乱、影响施工等问题,将物联网技术引入边坡监测中,探讨了基于物联网的监测信息采集和传输的方法,然后利用C#.Net编程语言,以SQL Server为数据库平台,研究开发了一套基于物联网及BIM的引水工程建设管理数据库应用系统,以促进引水工程建设管理的规范化和制度化,为引水
利用遥感技术为解决练江流域当前存在的问题提供技术支撑和数据基础.从提取水利基础设施、三维仿真、防汛抗旱、水资源管理、水质监测、水土保持等不同方面,并利用流域环境监测数据、遥感监测数据、遥感反演数据、基础地理数据等多源数据的抽取、关联、异构、挖掘和表达技术,更好的支撑流域水环境监测和保护等工作,最终有效实现练江流域综合治理.
流域水文过程中各要素之间存在高度的非线性关系,因此在分析不同驱动数据对水文过程的影响之前,有必要先确定各水文要素对不同驱动数据的敏感性.结合站点和遥感两种数据源的降水、温度和蒸散发数据,构建了叶尔羌河流域的8个MIKE SHE模型,借助方差分析模型,明确了三种驱动数据的主效应及其交互效应对各水文要素模拟结果影响的显著性,利用统计检验结果分析了驱动数据对水文过程的影响.结果表明降水、温度和蒸散发三种
遥感抽样调查是水土保持监测的重要手段.抽样方法对监测结果的精度有很大的影响,选用合适的抽样技术一直是研究的热点.为了确定合适的水土保持遥感抽样方案,利用RS、GIS等遥感技术对重庆市黔江区、酉阳县和秀山县高分辨遥感影像进行目视解译,获取土壤侵蚀因子中的土地利用现状、坡度、植被覆盖度等因子,结合实地抽样调查数据,分析基于路网大数据不同空间抽样优化决策方案.结果表明,以路网距离为平衡点,可以有效控制调
为实现快速、自动、准确的遥感地物分类和变化检测,满足水利行业中业务化遥感监测需求,我们提出了面向对象和深度学习的遥感地物分类和变化检测方法,解决了面向象元和传统分类方法在地物识别方面准确度不够、自动化程度不高的问题。传统方法的主要问题有:基于象元的遥感地物识别方法以利用遥感影像的光谱信息为主,不能充分利用遥感影像信息,降低地物分类精度;监督分类等传统分类方法需求人工先验知识太多,影响地物分类的自动