[发明专利]基于室外影像多时空融合的降水强度监测方法及系统有效
| 申请号: | 202110843024.3 | 申请日: | 2021-07-26 |
| 公开(公告)号: | CN113552656B | 公开(公告)日: | 2022-05-24 |
| 发明(设计)人: | 林志玮;林梦翔;杨素慧;刘金福 | 申请(专利权)人: | 福建农林大学 |
| 主分类号: | G01W1/14 | 分类号: | G01W1/14 |
| 代理公司: | 厦门智慧呈睿知识产权代理事务所(普通合伙) 35222 | 代理人: | 杨唯 |
| 地址: | 350000 福*** | 国省代码: | 福建;35 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 基于 室外 影像 多时 融合 降水 强度 监测 方法 系统 | ||
本发明公开了基于室外影像多时空融合的降水强度监测方法及系统,方法包括:S01、通过室外摄像机按照预设时间间隔获取N个不同地点的降雨图片;S02、按预设时间间隔统计各地点在预设时间周期内所拍摄获取的降雨图片数量,对降雨图像进行归纳整理形成降雨图像集,且降雨图像集内关联有与其对应的降水强度信息及降雨量数值信息;S03、将各地点获取所得的降雨图像集进行汇集,建立降水数据库;S04、按照预设条件对降水数据库内的降雨图像数据进行特征挖掘和提取后,将其导入神经网络模型中进行训练,获得降水强度监测模型;S05、调取降水强度监测模型,将需监测区域的降雨图像导入其中,获得降水强度监测数据;本方案实施可靠、监测灵活且参考性佳。
技术领域
本发明涉及气象数据监测领域,尤其涉及基于室外影像多时空融合的降水强度监测方法及系统。
背景技术
降水与人类的衣食住行息息相关,其不仅从外出衣着的选择,到施肥时机的等候起到影响作用,还从塌方滑坡的预防,到出行方式的决定起到影响作用,因此,人类活动的方方面面都需要降水信息的辅助。若是能够精确地监测降水强度,那么将会对人类的生存与发展起到重要的现实意义与作用。
现有的降水强度监测可分为三种:雨量计检测、雷达与云图检测、雨滴检测;而目前并没有相关文献记载有关于利用室外影像监测降水强度的方法,特别是现有的监测应用技术中,没有利用到室外影像降水事件具有地理相关性的特征来辅助降水监测,更没有将降水的地理空间特征与时变特征结合在一起考虑来辅助降水监测,而随着大数据的整合越来越全面,若是能够将降水的地理空间特征与时变特征结合地理相关性的关系进行整合获取其中存在的关联性,将其训练成评估模型对降水进行监测,那么将会具有积极的现实意义。
发明内容
有鉴于此,本发明的目的在于提出一种实施灵活、可靠且数据采集范围广、参考可靠性佳的基于室外影像多时空融合的降水强度监测方法及系统。
为了实现上述的技术目的,本发明所采用的技术方案为:
一种基于室外影像多时空融合的降水强度监测方法,其包括:
S01、通过室外摄像机按照预设时间间隔获取N个不同地点的降雨图片;
S02、按预设时间间隔统计各地点在预设时间周期内所拍摄获取的降雨图片数量,将预设地点在预设时间周期内获得数量大于等于预设值的降雨图像进行归纳整理形成降雨图像集,且降雨图像集内的降雨图片还对应关联有与其对应的降水强度信息及降雨量数值信息;
S03、将各地点获取所得的降雨图像集进行汇集,建立降水数据库;
S04、按照预设条件对降水数据库内的降雨图像数据进行特征挖掘和提取后,将其导入神经网络模型中进行训练,获得降水强度监测模型;
S05、调取降水强度监测模型,将需监测区域的降雨图像导入其中,获得降水强度监测数据。
作为一种可能的实施方式,进一步,步骤S02中,预设时间周期内获得数量小于预设值的降雨图像时,该预设时间周期内的降雨图像被删除。
作为一种较优的选择实施方式,优选的,步骤S02中,降雨强度信息依照国标GB/T28592-2012降水等级标准进行划分为5级降水强度,其分别为:暴雨-Ⅴ、大雨-Ⅳ、中雨-Ⅲ、小雨-Ⅱ和零星小雨-Ⅰ。
作为一种较优的选择实施方式,优选的,步骤S02中,将预设地点在预设时间周期内获得数量大于等于预设值的降雨图像按照拍摄地区、季节、日期、时点中的一项以上参考因素进行归纳整理形成降雨图像集。
作为一种较优的选择实施方式,优选的,步骤S03中,所述降水数据库内的降雨图像均按照预设条件进行命名,其还以地点作为一级指标、时间作为二级指标进行分类,以照片作为记录单位,同时生成照片结构文档,该照片结构文档中所存储的信息包括:拍摄地区、季节、日期、时点、降水强度信息、降雨量数值信息、雨纹信息中的一项以上。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于福建农林大学,未经福建农林大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110843024.3/2.html,转载请声明来源钻瓜专利网。





