本發(fā)明涉及水文監(jiān)測，具體是一種基于地理信息的洪澇預(yù)警信息采集方法及系統(tǒng)。

背景技術(shù)：

1、洪澇，指因大雨、暴雨或持續(xù)降雨使低洼地區(qū)淹沒、漬水的現(xiàn)象。雨澇主要危害農(nóng)作物生長，造成作物減產(chǎn)或絕收，破壞農(nóng)業(yè)生產(chǎn)以及其他產(chǎn)業(yè)的正常發(fā)展。

2、洪澇的預(yù)警過程本質(zhì)上是對雨量信息的分析，現(xiàn)有的洪澇預(yù)警過程大都是依賴于一些固定指標，比如，雨量達到多少，發(fā)生洪澇的概率是多少，這種數(shù)值上的一一對應(yīng)的關(guān)系，與實際情況可能會有一定的參差，在實際場景中，即使兩個區(qū)域的雨量相同，也有很大可能存在這一現(xiàn)象：一個區(qū)域發(fā)生洪澇，另一個不發(fā)生洪澇，因此，如何提高洪澇預(yù)警技術(shù)與實際情況的貼合度，提高預(yù)警準度是本技術(shù)想要解決的技術(shù)問題。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于地理信息的洪澇預(yù)警信息采集方法及系統(tǒng)，以解決上述背景技術(shù)中提出的問題。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、一種基于地理信息的洪澇預(yù)警信息采集方法及系統(tǒng)，所述方法包括：

4、基于攜帶lidar設(shè)備的無人機獲取區(qū)域的點云數(shù)據(jù)，基于所述點云數(shù)據(jù)對區(qū)域進行三維建模，構(gòu)建三維場景；

5、基于三維場景選取降水檢測點，獲取降水檢測點在不同降水量條件下的場景狀態(tài)；其中，所述降水量條件是預(yù)設(shè)周期內(nèi)的降水量，場景狀態(tài)是參數(shù)變化量，所述參數(shù)變化量對應(yīng)的參數(shù)類型至少包括圖像；

6、創(chuàng)建降水量條件至場景狀態(tài)的樣本集，基于樣本集訓練神經(jīng)網(wǎng)絡(luò)模型；

7、在天氣預(yù)報信息中讀取未來時間的降水量，基于訓練好的神經(jīng)網(wǎng)絡(luò)模型確定場景狀態(tài)，基于所述場景狀態(tài)生成預(yù)警信息；根據(jù)場景狀態(tài)更新神經(jīng)網(wǎng)絡(luò)模型；

8、其中，場景狀態(tài)與預(yù)警信息之間的映射關(guān)系預(yù)先設(shè)置，應(yīng)用訓練好的神經(jīng)網(wǎng)絡(luò)模型確定場景狀態(tài)后，將場景狀態(tài)作為自變量輸入映射關(guān)系，將輸出作為預(yù)警信息。

9、作為本發(fā)明進一步的方案：所述基于攜帶lidar設(shè)備的無人機獲取區(qū)域的點云數(shù)據(jù)，基于所述點云數(shù)據(jù)對區(qū)域進行三維建模，構(gòu)建三維場景的步驟包括：

10、接收用戶輸入的邊界坐標，擬合邊界輪廓；

11、查詢攜帶lidar設(shè)備的無人機的檢測半徑，基于所述檢測半徑對輪廓進行陣列，得到等距輪廓線；其中，陣列距離為采集半徑與預(yù)設(shè)的比例的乘積；所述比例的取值范圍為0.5至1；

12、在等距輪廓線中選取起點和終點，得到采集路徑；

13、將采集路徑向至少一個無人機發(fā)送，獲取區(qū)域的點云數(shù)據(jù)；所述無人機攜帶lidar設(shè)備；

14、基于所述點云數(shù)據(jù)對區(qū)域進行三維建模，構(gòu)建三維場景。

15、作為本發(fā)明進一步的方案：所述基于三維場景選取降水檢測點，獲取降水檢測點在不同降水量條件下的場景狀態(tài)的步驟包括：

16、獲取三維場景的最高點高度與最低點高度，計算高度差；

17、根據(jù)預(yù)設(shè)的垂直步長對高度差進行切分，得到高度集，基于高度集生成與水平面平行的平面集；

18、獲取每個平面與三維場景的交集，基于交集的補集選取降水檢測點；

19、根據(jù)預(yù)設(shè)的雨量計確定降水量條件，獲取降水檢測點處的場景狀態(tài)，對降水量條件和場景狀態(tài)進行時域配準。

20、作為本發(fā)明進一步的方案：所述根據(jù)預(yù)設(shè)的雨量計確定降水量條件，獲取降水檢測點處的場景狀態(tài)，對降水量條件和場景狀態(tài)進行時域配準的步驟包括：

21、根據(jù)預(yù)設(shè)的雨量計獲取含有位置標簽和時間標簽的降水量；

22、根據(jù)時間標簽查詢最近時刻的三維場景，根據(jù)位置標簽將相似時間標簽的降水量插入三維場景，作為降水邊界條件；相似時間標簽的含義是時間標簽的時間差小于預(yù)設(shè)的閾值；

23、基于水文建模軟件對含有降水邊界條件的三維場景進行水文模擬，得到其他位置的降水量；其中，位置與位置間的距離為預(yù)設(shè)值；

24、統(tǒng)計所有位置的降水量，作為降水量條件；

25、基于安裝在降水檢測點處的圖像采集器獲取含有時間標簽的場景圖像，確定場景狀態(tài)；

26、對降水量條件和場景狀態(tài)進行時域配準。

27、作為本發(fā)明進一步的方案：所述在天氣預(yù)報信息中讀取未來時間的降水量，基于訓練好的神經(jīng)網(wǎng)絡(luò)模型確定場景狀態(tài)，基于所述場景狀態(tài)生成預(yù)警信息；根據(jù)場景狀態(tài)更新神經(jīng)網(wǎng)絡(luò)模型的步驟包括：

28、在天氣預(yù)報信息中讀取未來時間的降水量；

29、基于當前的最新三維場景和降水量模擬降水量條件；

30、將降水量條件輸入神經(jīng)網(wǎng)絡(luò)模型，輸出場景狀態(tài)；

31、當通過圖像采集器獲取到場景狀態(tài)時，比對圖像采集器獲取到的場景狀態(tài)和神經(jīng)網(wǎng)絡(luò)模型輸出的場景狀態(tài)，確定誤差率；

32、當誤差率滿足預(yù)設(shè)的更新條件時，更新樣本集，進而更新神經(jīng)網(wǎng)絡(luò)模型。

33、作為本發(fā)明進一步的方案：場景狀態(tài)的比對過程采用圖像相似度；誤差率的更新條件為：；式中，為當前時刻，為預(yù)設(shè)的最大時間長度，表示個單位時間長度；表示時刻對應(yīng)的誤差率，為預(yù)設(shè)的閾值。

34、本發(fā)明技術(shù)方案還提供了一種基于地理信息的洪澇預(yù)警信息采集系統(tǒng)，所述系統(tǒng)包括：

35、三維場景構(gòu)建模塊，用于基于攜帶lidar設(shè)備的無人機獲取區(qū)域的點云數(shù)據(jù)，基于所述點云數(shù)據(jù)對區(qū)域進行三維建模，構(gòu)建三維場景；

36、數(shù)據(jù)采集模塊，用于基于三維場景選取降水檢測點，獲取降水檢測點在不同降水量條件下的場景狀態(tài)；其中，所述降水量條件是預(yù)設(shè)周期內(nèi)的降水量，場景狀態(tài)是參數(shù)變化量，所述參數(shù)變化量對應(yīng)的參數(shù)類型至少包括圖像；

37、樣本集應(yīng)用模塊，用于創(chuàng)建降水量條件至場景狀態(tài)的樣本集，基于樣本集訓練神經(jīng)網(wǎng)絡(luò)模型；

38、模型應(yīng)用模塊，用于在天氣預(yù)報信息中讀取未來時間的降水量，基于訓練好的神經(jīng)網(wǎng)絡(luò)模型確定場景狀態(tài)，基于所述場景狀態(tài)生成預(yù)警信息；根據(jù)場景狀態(tài)更新神經(jīng)網(wǎng)絡(luò)模型；

39、其中，場景狀態(tài)與預(yù)警信息之間的映射關(guān)系預(yù)先設(shè)置，應(yīng)用訓練好的神經(jīng)網(wǎng)絡(luò)模型確定場景狀態(tài)后，將場景狀態(tài)作為自變量輸入映射關(guān)系，將輸出作為預(yù)警信息。

40、作為本發(fā)明進一步的方案：所述三維場景構(gòu)建模塊包括：

41、輪廓擬合單元，用于接收用戶輸入的邊界坐標，擬合邊界輪廓；

42、等距線生成單元，用于查詢攜帶lidar設(shè)備的無人機的檢測半徑，基于所述檢測半徑對輪廓進行陣列，得到等距輪廓線；其中，陣列距離為采集半徑與預(yù)設(shè)的比例的乘積；所述比例的取值范圍為0.5至1；

43、路徑生成單元，用于在等距輪廓線中選取起點和終點，得到采集路徑；

44、數(shù)據(jù)獲取單元，用于將采集路徑向至少一個無人機發(fā)送，獲取區(qū)域的點云數(shù)據(jù)；所述無人機攜帶lidar設(shè)備；

45、建模單元，用于基于所述點云數(shù)據(jù)對區(qū)域進行三維建模，構(gòu)建三維場景。

46、作為本發(fā)明進一步的方案：所述數(shù)據(jù)采集模塊包括：

47、高度差計算單元，用于獲取三維場景的最高點高度與最低點高度，計算高度差；

48、平面集生成單元，用于根據(jù)預(yù)設(shè)的垂直步長對高度差進行切分，得到高度集，基于高度集生成與水平面平行的平面集；

49、點位選取單元，用于獲取每個平面與三維場景的交集，基于交集的補集選取降水檢測點；

50、時域配準單元，用于根據(jù)預(yù)設(shè)的雨量計確定降水量條件，獲取降水檢測點處的場景狀態(tài)，對降水量條件和場景狀態(tài)進行時域配準。

51、作為本發(fā)明進一步的方案：所述模型應(yīng)用模塊包括：

52、預(yù)報信息讀取單元，用于在天氣預(yù)報信息中讀取未來時間的降水量；

53、條件模擬單元，用于基于當前的最新三維場景和降水量模擬降水量條件；

54、狀態(tài)輸出單元，用于將降水量條件輸入神經(jīng)網(wǎng)絡(luò)模型，輸出場景狀態(tài)；

55、誤差率計算單元，用于當通過圖像采集器獲取到場景狀態(tài)時，比對圖像采集器獲取到的場景狀態(tài)和神經(jīng)網(wǎng)絡(luò)模型輸出的場景狀態(tài)，確定誤差率；

56、更新單元，用于當誤差率滿足預(yù)設(shè)的更新條件時，更新樣本集，進而更新神經(jīng)網(wǎng)絡(luò)模型。

57、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：本發(fā)明基于地理信息生成三維場景，基于三維場景獲取降水量信息，同時獲取對應(yīng)時刻的場景狀態(tài)，訓練降水量信息至場景狀態(tài)的映射關(guān)系，在預(yù)測時，根據(jù)預(yù)測的降水量信息可以直接預(yù)測場景狀態(tài)，與實際情況的貼合度更高，預(yù)警準度更高。