CN112233236B - 海岸带淹没轮廓预测方法、装置、设备及可读存储介质 - Google Patents
海岸带淹没轮廓预测方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN112233236B CN112233236B CN202011119291.8A CN202011119291A CN112233236B CN 112233236 B CN112233236 B CN 112233236B CN 202011119291 A CN202011119291 A CN 202011119291A CN 112233236 B CN112233236 B CN 112233236B
- Authority
- CN
- China
- Prior art keywords
- point
- discrete
- points
- terrain model
- digital terrain
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Alarm Systems (AREA)
Abstract
本申请涉及一种海岸带淹没轮廓预测方法、装置、设备及可读存储介质,属于风暴潮预警监测的技术领域,其方法包括:获取待监测海岸带的数字地形模型;根据所述数字地形模型获取预设等高线,对所述预设等高线进行离散化,得到多个离散点;分别为所述多个离散点中的每个离散点赋予潮位值;分别生成每个离散点在所述数字地形模型上的法线路径;分别在所述每个离散点在所述数字地形模型上的法线路径上搜索第一个不小于对应离散点的潮位值的高程点;将所有搜索到的高程点连线,得到所述待监测海岸带的预测淹没轮廓线。本申请将二维分析降为一维分析,仅需利用沿海岸线的一维台网潮位数据即可,并且计算量较小。
Description
技术领域
本申请涉及风暴潮预警监测的技术领域,尤其是涉及一种海岸带淹没轮廓预测方法、装置、设备及可读存储介质。
背景技术
风暴潮是由强烈大气扰动,如热带气旋(台风、飓风)、温带气旋(寒潮)等引起的海面异常升降的灾害性的自然现象。沿海验潮站或河口水位站所记录的海面升降,通常为天文潮、风暴潮、(地震)海啸及其他长波振动引起海面变化的综合特征。风暴潮灾害居海洋灾害之首位,世界上绝大多数因强风暴引起的特大海岸灾害都是由风暴潮造成的,因风暴潮灾造成的生命财产损失触目惊心。因此,需要对风暴潮进行有效的监测预警,而对海岸受海水淹没范围的分析计算是对风暴潮监测预警的一种重要途径。
但是,海岸受海水淹没范围的分析往往计算量较大,需要多个潮位监测台站组成的潮位台网来模拟海面的起伏分布,再通过数字地形的格网运算计算出淹没轮廓。这种算法需要台网密度大,且需要二维展布台网,而现实中台网往往沿着海岸线建设成一维展布,难以获得二维插值数据。
发明内容
为了减小海岸带淹没轮廓线的计算量,本申请提供一种海岸带淹没轮廓预测方法装置、设备及可读存储介质。
第一方面,本申请提供一种海岸带淹没轮廓预测方法,采用如下的技术方案:
一种海岸带淹没轮廓预测方法,包括:
获取待监测海岸带的数字地形模型;
根据所述数字地形模型获取预设等高线,对所述预设等高线进行离散化,得到多个离散点;
分别为所述多个离散点中的每个离散点赋予潮位值;
分别生成每个离散点在所述数字地形模型上的法线路径;
分别在所述每个离散点在所述数字地形模型上的法线路径上搜索第一个不小于对应离散点的潮位值的高程点;
将所有搜索到的高程点连线,得到所述待监测海岸带的预测淹没轮廓线。
通过采用上述技术方案,将二维台网分析降为一维台网分析,仅需利用沿海岸线的一维台网潮位数据即可,并且计算量较小,适合淹没轮廓线与台网潮位的实时联动、动态分析。
可选的,还包括:按照预设周期更新所述待监测海岸带的预测淹没轮廓线。
可选的,所述按照预设周期更新所述待监测海岸带的预测淹没轮廓线,包括:
固化所述每个离散点的位置以及所述每个离散点在所述数字地形模型上的法线路径;
分别为固化后的每个离散点赋予新的潮位值;
分别在每个离散点固化后的法线路径上重新搜索第一个不小于对应离散点的新的潮位值的高程点;
将所有重新搜索到的高程点连线,得到更新后的所述待监测海岸带的预测淹没轮廓线。
通过采用上述技术方案,每次更新时都无需重新获取离散点位置及其在数字地形模型上的法线路径,可以减小计算量。
可选的,所述分别为所述多个离散点中的每个离散点赋予潮位值,包括:
分别获取与每个潮位监测台站距离最近的离散点,为其赋予对应的潮位监测台站当前监测的潮位值,将赋予潮位值的离散点作为锚点;
利用自然边界条件对除所述锚点以外的离散点进行三次样条插值,为所述除所述锚点以外的离散点赋予潮位值。
通过采用上述技术方案,对距离潮位监测台站近的离散点直接赋予当前监测的潮位值,并利用三次样条插值方法为其余离散点赋予潮位值。
可选的,所述分别生成每个离散点在所述数字地形模型上的法线路径,包括:
将所述离散点作为起算点,在所述数字地形模型上搜索与所述起算点距离预设水平搜索步长的圆周上最大的高程值,记录所述最大的高程值对应的位置点,连接所述位置点与所述起算点,并将所述位置点作为新的起算点;迭代计算,直到搜索到的位置点的高程值大于预设高度,停止计算,得到所述离散点在所述数字地形模型上的法线路径。
可选的,所述获取待监测海岸带的数字地形模型,包括:
获取所述待监测海岸带的无人机倾斜摄影数据;
根据所述倾斜摄影数据获取所述待监测海岸带的数字地形模型。
可选的,所述对所述预设等高线进行离散化,得到多个离散点,包括:
在所述预设等高线上按照预设离散间距进行离散化,得到所述多个离散点。
第二方面,本申请提供一种海岸带淹没轮廓预测装置,采用如下的技术方案:
一种海岸带淹没轮廓预测装置,包括:
获取模块,用于获取待监测海岸带的数字地形模型;
离散化模块,用于根据所述数字地形模型获取预设等高线,并对所述预设等高线进行离散化,得到多个离散点;
赋值模块,用于分别为所述多个离散点中的每个离散点赋予潮位值;
路径生成模块,用于分别生成每个离散点在所述数字地形模型上的法线路径;
搜索模块,用于分别在所述每个离散点在所述数字地形模型上的法线路径上搜索第一个不小于对应离散点的潮位值的高程点;以及,
连线模块,用于将所有搜索到的高程点连线,得到所述待监测海岸带的预测淹没轮廓线。
通过采用上述技术方案,将二维台网分析降为一维台网分析,仅需利用沿海岸线的一维台网潮位数据即可,并且计算量较小,适合淹没轮廓线与台网潮位的实时联动、动态分析。
第三方面,本申请提供一种电子设备,采用如下的技术方案:
一种电子设备,包括存储器和处理器,所述存储器上存储有能够被处理器加载并执行上述任一种海岸带淹没轮廓预测方法的计算机程序。
通过采用上述技术方案,将二维台网分析降为一维台网分析,仅需利用沿海岸线的一维台网潮位数据即可,并且计算量较小,适合淹没轮廓线与台网潮位的实时联动、动态分析。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,存储有能够被处理器加载并执行上述任一种海岸带淹没轮廓预测方法的计算机程序。
通过采用上述技术方案,将二维台网分析降为一维台网分析,仅需利用沿海岸线的一维台网潮位数据即可,并且计算量较小,适合淹没轮廓线与台网潮位的实时联动、动态分析。
附图说明
图1是本申请实施例一的海岸带淹没轮廓预测方法的流程示意图。
图2是本申请实施例的待监测海岸带的预测淹没轮廓线示意图。
图3、图4是本申请实施例二的海岸带淹没轮廓预测装置的结构框图。
图5是本申请实施例三的电子设备的结构框图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
实施例一
图1为本实施例提供的一种海岸带淹没轮廓预测方法的流程示意图。如图1所示,该方法的主要流程描述如下(步骤S101~S106):
步骤S101,获取待监测海岸带的数字地形模型;
本实施例中,可以采用无人机倾斜摄影技术获取待监测海岸带的数字地形模型,能够真实反映地物情况,并通过先进的定位技术嵌入精确的地理信息、更丰富的影像数据。
具体的,先根据待监测海岸带的地貌特征,确定无人机的机型和无极人搭载的倾斜摄影相机的参数,然后搭载倾斜摄影相机和信号传输设备的无人机按照预设路径飞行,倾斜摄影相机从多个角度采集待监测海岸带的倾斜摄影数据,信号传输设备实时传输倾斜摄影数据。其中,倾斜摄影数据包含高清照片数据、航向角、俯仰角、翻滚角、经纬度、高度等数据。
根据倾斜摄影数据进行三维建模,得到数字地形模型。
步骤S102,根据数字地形模型获取预设等高线,对预设等高线进行离散化,得到多个离散点;
本实施例中,根据数字地形模型获取预设等高线,并将预设等高线作为位基线;在预设等高线上按照预设离散间距进行离散化,得到多个离散点。由于零米等高线一般距离潮位监测台站最近,因此为减小计算误差,可以将预设等高线设置为零米等高线。另外,考虑到后续的计算量以及误差问题,可以将预设离散间距设置为20米。
步骤S103,分别为多个离散点中的每个离散点赋予潮位值;
本实施例中,对于步骤S102获取的离散点,可以先根据投影坐标系或经纬度获取待监测海岸带设置的潮位监测台站距离最近的离散点,即每个潮位监测台站均对应一个离散点,且该离散点与该潮位监测台站距离最近。为距离潮位监测台站最近的离散点赋予对应的潮位监测台站当前监测的潮位值,并将赋予潮位值的离散点作为锚点。
其中,潮位值是以海面与固定基面的高程表示的,因此在选定潮位监测台站后,就要确定该潮位监测台站的潮位值是以绝对基面作为起算面。
而对于剩余离散点即锚点以外的离散点,则可以利用自然边界条件对这些离散点进行三次样条插值,为剩余离散点赋予潮位值。
步骤S104,分别生成每个离散点在数字地形模型上的法线路径;
本实施例中,某点的法线路径是指经过该点的一条曲线,曲线上任意点的切线方向皆平行于该切点的最大梯度方向。因此,对于任一离散点,将该离散点作为起算点,在数字地形模型上搜索与该起算点距离预设水平搜索步长d的圆周上最大的高程值,记录该最大的高程值对应的位置点,连接该位置点与该起算点,并将该位置点作为新的起算点;迭代计算,直到搜索到的位置点的高程值大于预设高度H,停止计算,得到该离散点在数字地形模型上的法线路径。
由于在极端条件下潮高一般不会超过10米,因此可将预设高度H设为10米,假设轮廓线计算可接受误差为10米,则预设水平搜索步长d设为5米。
步骤S105,分别在每个离散点在数字地形模型上的法线路径上搜索第一个不小于对应离散点的潮位值的高程点;
以离散点为起始点,沿法线路径搜索,只要一搜索到高程值不小于该离散点的高程点,就停止搜索。
步骤S106,将所有搜索到的高程点连线,得到待监测海岸带的预测淹没轮廓线。
图2示出了待监测海岸带的预测淹没轮廓线示意图。如图2所示,零米等高线距离潮位监测台站最近,零米等高线上设有多个离散点;虚线表示H米等高线,是各法线路径的终点,H米等高线是一种极端情况,预测的淹没轮廓线一般不会到达H米等高线。图2所示的两条淹没轮廓线所用的离散点及其法线路径均相同,更新后的淹没轮廓线相较于初始的淹没轮廓线更靠近H米等高线。H可以是正值,也可以是负值。若H为正值,则说明正处于涨潮阶段,若H为负值,则说明处于落潮阶段。
进一步地,前述步骤S101至S106描述的是首次获取待监测海岸带的预测淹没轮廓线的步骤,为了实现海岸带淹没轮廓的实时预测,还需要按照预设周期更新待监测海岸带的预测淹没轮廓线。
为简化更新步骤、减小计算量,在获取各离散点及每个离散点的法线路径后,可以固化各离散点的位置以及每个离散点的法线路径,即每次更新预测淹没轮廓线时,均无需重新获取各离散点的位置及其法线路径,只需更新各离散点的潮位值(更新方法与步骤S103相同),按照首次获取的离散点的位置及其法线路径搜索第一个不小于对应离散点的新的潮位值的高程点即可,然后将所有新的高程点连线,得到新的待监测海岸带的预测淹没轮廓线。
需要说明的是,本实施例提供的海岸带淹没轮廓预测方法不考虑海水流动的时间,是对淹没轮廓线的“可能”范围的求取,结果不是现状,而是预警范围。
实施例二
为了更好地实施以上方法,本申请实施例提供了一种海岸带淹没轮廓预测装置。
图3为本申请实施例提供的一种海岸带淹没轮廓预测装置的结构框图,如图3所示,海岸带淹没轮廓预测装置主要包括:
获取模块201,用于获取待监测海岸带的数字地形模型;
离散化模块202,用于根据数字地形模型获取预设等高线,并对预设等高线进行离散化,得到多个离散点;
赋值模块203,用于分别为多个离散点中的每个离散点赋予潮位值;
路径生成模块204,用于分别生成每个离散点在数字地形模型上的法线路径;
搜索模块205,用于分别在每个离散点在数字地形模型上的法线路径上搜索第一个不小于对应离散点的潮位值的高程点;以及,
连线模块206,用于将所有搜索到的高程点连线,得到待监测海岸带的预测淹没轮廓线。
作为本实施例的一种可选实施方式,获取模块201,具体用于获取待监测海岸带的无人机倾斜摄影数据;根据倾斜摄影数据获取待监测海岸带的数字地形模型。
作为本实施例的一种可选实施方式,离散化模块202,具体用于在述预设等高线上按照预设离散间距进行离散化,得到多个离散点。
作为本实施例的一种可选实施方式,赋值模块203,具体用于分别获取与每个潮位监测台站距离最近的离散点,为其赋予对应的潮位监测台站当前监测的潮位值,将赋予潮位值的离散点作为锚点;利用自然边界条件对除锚点以外的离散点进行三次样条插值,为除锚点以外的离散点赋予潮位值。
作为本实施例的一种可选实施方式,路径生成模块204,具体用于将离散点作为起算点,在数字地形模型上搜索与起算点距离预设水平搜索步长的圆周上最大的高程值,记录最大的高程值对应的位置点,连接位置点与起算点,并将位置点作为新的起算点;迭代计算,直到搜索到的位置点的高程值大于预设高度,停止计算,得到离散点在数字地形模型上的法线路径。
作为本实施例的一种可选实施方式,如图4所示,海岸带淹没轮廓预测装置还包括更新模块207,用于按照预设周期更新所述待监测海岸带的预测淹没轮廓线。
在本可选实施方式中,更新模块207,具体用于固化所述每个离散点的位置以及所述每个离散点在所述数字地形模型上的法线路径;分别为固化后的每个离散点赋予新的潮位值;分别在每个离散点固化后的法线路径上重新搜索第一个不小于对应离散点的新的潮位值的高程点;将所有重新搜索到的高程点连线,得到更新后的所述待监测海岸带的预测淹没轮廓线。
本申请实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台电子设备(可以是个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。
实施例一提供的方法中的各种变化方式和具体实例同样适用于本实施例的一种海岸带淹没轮廓预测装置,通过前述对海岸带淹没轮廓预测方法的详细描述,本领域技术人员可以清楚的知道本实施例中的海岸带淹没轮廓预测装置的实施方法,为了说明书的简洁,在此不再详述。
实施例三
为了更好地执行上述方法的程序,本申请实施例提供一种电子设备,电子设备3可以是手机、平板电脑、PC机、服务器等设备。图5为本申请实施例提供的一种电子设备的结构框图。如图5所示,电子设备3包括存储器301和处理器302。
其中,存储器301可用于存储指令、程序、代码、代码集或指令集。存储器301可以包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作***的指令、用于至少一个功能的指令以及用于实现上述实施例一提供的一种海岸带淹没轮廓预测方法的指令等;存储数据区可存储上述实施例一提供的一种海岸带淹没轮廓预测方法中涉及到的数据等。
处理器302可以包括一个或者多个处理核心。处理器302通过运行或执行存储在存储器301内的指令、程序、代码集或指令集,调用存储在存储器301内的数据,执行本申请的各种功能和处理数据。处理器302可以为特定用途集成电路(Application SpecificIntegrated Circuit,ASIC)、数字信号处理器(Digital Signal Processor,DSP)、数字信号处理装置(Digital Signal Processing Device,DSPD)、可编程逻辑装置(ProgrammableLogic Device,PLD)、现场可编程门阵列(Field Programmable Gate Array,FPGA)、中央处理器(Central Processing Unit,CPU)、控制器、微控制器和微处理器中的至少一种。可以理解地,对于不同的设备,用于实现上述处理器302功能的电子器件还可以为其它,本申请实施例不作具体限定。
实施例四
本申请实施例提供一种计算机可读存储介质,存储有能够被处理器加载并执行如上述实施例一所述海岸带淹没轮廓预测方法的计算机程序。
本实施例中,计算机可读存储介质可以是保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意组合。具体的,计算机可读存储介质可以是便携式计算机盘、硬盘、U盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、讲台随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、光盘、磁碟、机械编码设备以及上述任意组合。
上述实施例三和四中的计算机程序包含用于执行实施例一中流程图所示的方法的程序代码,程序代码可包括对应执行实施例一提供的方法步骤对应的指令。计算机程序可从计算机可读存储介质下载到各个计算/处理设备,或者通过网络(例如因特网、局域网、广域网和/或无线网)下载到外部计算机或外部存储设备。计算机程序可完全地在用户计算机上执行、作为一个独立的软件包执行。
另外,需要理解的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (9)
1.一种海岸带淹没轮廓预测方法,其特征在于,包括:
获取待监测海岸带的数字地形模型;
根据所述数字地形模型获取预设等高线,对所述预设等高线进行离散化,得到多个离散点;
分别为所述多个离散点中的每个离散点赋予潮位值;
分别生成每个离散点在所述数字地形模型上的法线路径,法线路径为经过离散点的一条曲线,曲线上任意点的切线方向皆平行于该切点的最大梯度方向;
分别在所述每个离散点在所述数字地形模型上的法线路径上搜索第一个不小于对应离散点的潮位值的高程点;
将所有搜索到的高程点连线,得到所述待监测海岸带的预测淹没轮廓线;
所述分别生成每个离散点在所述数字地形模型上的法线路径,包括:
将所述离散点作为起算点,在所述数字地形模型上搜索与所述起算点距离预设水平搜索步长的圆周上最大的高程值,记录所述最大的高程值对应的位置点,连接所述位置点与所述起算点,并将所述位置点作为新的起算点;迭代计算,直到搜索到的位置点的高程值大于预设高度,停止计算,得到所述离散点在所述数字地形模型上的法线路径。
2.根据权利要求1所述的方法,其特征在于,还包括:按照预设周期更新所述待监测海岸带的预测淹没轮廓线。
3.根据权利要求2所述的方法,其特征在于,所述按照预设周期更新所述待监测海岸带的预测淹没轮廓线,包括:
固化所述每个离散点的位置以及所述每个离散点在所述数字地形模型上的法线路径;
分别为固化后的每个离散点赋予新的潮位值;
分别在每个离散点固化后的法线路径上重新搜索第一个不小于对应离散点的新的潮位值的高程点;
将所有重新搜索到的高程点连线,得到更新后的所述待监测海岸带的预测淹没轮廓线。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述分别为所述多个离散点中的每个离散点赋予潮位值,包括:
分别获取与每个潮位监测台站距离最近的离散点,为其赋予对应的潮位监测台站当前监测的潮位值,将赋予潮位值的离散点作为锚点;
利用自然边界条件对除所述锚点以外的离散点进行三次样条插值,为所述除所述锚点以外的离散点赋予潮位值。
5.根据权利要求1至3任一项所述的方法,其特征在于,所述获取待监测海岸带的数字地形模型,包括:
获取所述待监测海岸带的无人机倾斜摄影数据;
根据所述倾斜摄影数据获取所述待监测海岸带的数字地形模型。
6.根据权利要求1至3任一项所述的方法,其特征在于,所述对所述预设等高线进行离散化,得到多个离散点,包括:
在所述预设等高线上按照预设离散间距进行离散化,得到所述多个离散点。
7.一种海岸带淹没轮廓预测装置,其特征在于,包括:
获取模块,用于获取待监测海岸带的数字地形模型;
离散化模块,用于根据所述数字地形模型获取预设等高线,并对所述预设等高线进行离散化,得到多个离散点;
赋值模块,用于分别为所述多个离散点中的每个离散点赋予潮位值;
路径生成模块,用于分别生成每个离散点在所述数字地形模型上的法线路径,法线路径为经过离散点的一条曲线,曲线上任意点的切线方向皆平行于该切点的最大梯度方向;
搜索模块,用于分别在所述每个离散点在所述数字地形模型上的法线路径上搜索第一个不小于对应离散点的潮位值的高程点;以及,
连线模块,用于将所有搜索到的高程点连线,得到所述待监测海岸带的预测淹没轮廓线;
路径生成模块,具体用于将离散点作为起算点,在数字地形模型上搜索与起算点距离预设水平搜索步长的圆周上最大的高程值,记录最大的高程值对应的位置点,连接位置点与起算点,并将位置点作为新的起算点;迭代计算,直到搜索到的位置点的高程值大于预设高度,停止计算,得到离散点在数字地形模型上的法线路径。
8.一种电子设备,其特征在于,包括存储器和处理器,所述存储器上存储有能够被处理器加载并执行如权利要求1至6中任一种方法的计算机程序。
9.一种计算机可读存储介质,其特征在于,存储有能够被处理器加载并执行如权利要求1至6中任一种方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011119291.8A CN112233236B (zh) | 2020-10-19 | 2020-10-19 | 海岸带淹没轮廓预测方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011119291.8A CN112233236B (zh) | 2020-10-19 | 2020-10-19 | 海岸带淹没轮廓预测方法、装置、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112233236A CN112233236A (zh) | 2021-01-15 |
CN112233236B true CN112233236B (zh) | 2023-01-31 |
Family
ID=74118903
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011119291.8A Active CN112233236B (zh) | 2020-10-19 | 2020-10-19 | 海岸带淹没轮廓预测方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112233236B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114861475B (zh) * | 2022-07-11 | 2022-09-16 | 威海海洋职业学院 | 一种基于传感数据的实时海洋模拟方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104460343A (zh) * | 2014-11-13 | 2015-03-25 | 长江水利委员会长江科学院 | 一种基于水位监测数据的河道洪水淹没模拟方法 |
CN110955996A (zh) * | 2019-11-27 | 2020-04-03 | 南京泛在地理信息产业研究院有限公司 | 一种淹没过程模拟方法及*** |
CN111581756A (zh) * | 2020-04-28 | 2020-08-25 | 国网通用航空有限公司 | 洪水淹没范围的确定方法及装置 |
CN111612908A (zh) * | 2020-05-26 | 2020-09-01 | 江西省水利规划设计研究院 | 水利工程淹没范围展示方法、装置、设备和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10922851B2 (en) * | 2014-09-25 | 2021-02-16 | The Boeing Company | Virtual reality environment color and contour processing system |
-
2020
- 2020-10-19 CN CN202011119291.8A patent/CN112233236B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104460343A (zh) * | 2014-11-13 | 2015-03-25 | 长江水利委员会长江科学院 | 一种基于水位监测数据的河道洪水淹没模拟方法 |
CN110955996A (zh) * | 2019-11-27 | 2020-04-03 | 南京泛在地理信息产业研究院有限公司 | 一种淹没过程模拟方法及*** |
CN111581756A (zh) * | 2020-04-28 | 2020-08-25 | 国网通用航空有限公司 | 洪水淹没范围的确定方法及装置 |
CN111612908A (zh) * | 2020-05-26 | 2020-09-01 | 江西省水利规划设计研究院 | 水利工程淹没范围展示方法、装置、设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
基于DEM的地形特征提取算法研究及应用;易炜;《中国优秀硕士学位论文全文数据库-信息科技辑》;20130315(第03期);正文第5节,第33-40页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112233236A (zh) | 2021-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kumar et al. | Coastal vulnerability assessment for Orissa State, east coast of India | |
Dube et al. | Storm surge modelling for the Bay of Bengal and Arabian Sea | |
US8768663B2 (en) | Automated method and system for predicting high resolution tidal heights and currents in coastal zones | |
Johnson et al. | Recent shifts in coastline change and shoreline stabilization linked to storm climate change | |
KR101942058B1 (ko) | 전산유체역학과 해양특성을 이용한 해수면 상승 침수 시뮬레이션 방법 | |
JP2005128838A (ja) | 簡易型洪水氾濫解析システム | |
CN110929543B (zh) | 一种气象数据处理方法及装置 | |
CN103256914B (zh) | 一种基于dem计算淤地坝淹没面积的方法及*** | |
CN112233236B (zh) | 海岸带淹没轮廓预测方法、装置、设备及可读存储介质 | |
KR102480985B1 (ko) | 딥러닝 모델을 이용한 태풍 해일고 예측 시스템 | |
Mattei et al. | Characteristics and coastal effects of a destructive marine storm in the Gulf of Naples (southern Italy) | |
CN114219917B (zh) | 一种激光雷达点云数据的漏洞修复方法 | |
KR20160073604A (ko) | 연안국지 순환 분석 방법 및 시스템 | |
KR101934283B1 (ko) | 복수의 카테고리로 구분되는 해안의 특성을 고려한 총수위 예측 방법 및 이를 이용한 서버 | |
Podhorányi et al. | Effects of LIDAR DEM resolution in hydrodynamic modelling: model sensitivity for cross-sections | |
Blain et al. | Validation test report for the ADvanced CIRCulation Model (ADCIRC) v45. 11 | |
KR102492075B1 (ko) | 실시간 해양 예측 시스템 (koos-opem) 및 이를 이용한 해양 예측 방법 | |
KR20200005271A (ko) | 해안도시지역 내 범람 모의방법 및 그를 위한 컴퓨터 프로그램 | |
CN111260714B (zh) | 一种洪涝受灾评估方法、装置、设备及计算机存储介质 | |
Shashank et al. | Impact of varying landfall time and cyclone intensity on storm surges in the Bay of Bengal using ADCIRC model | |
CN116484468A (zh) | 一种水库大坝的风险评估方法、装置、设备及存储介质 | |
Prat Bayarri | Coastal flooding and erosion at Dniester's barrier beach (Ukraine) | |
CN111368474A (zh) | 海流流速预报方法、装置及电子设备 | |
Gowri Shankar et al. | Sensitivity study of wind drag coefficient on surge modelling for tropical cyclone | |
De Kleermaeker et al. | Global-to-local scale storm surge modelling on tropical cyclone affected coasts |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: 063000 No.99, Beixin West Road, Lubei District, Tangshan City, Hebei Province Patentee after: The fifth Geological Brigade of Hebei Bureau of Geology and mineral exploration and development (Hebei marine geological environment investigation center) Address before: 063000 No.99, Beixin West Road, Lubei District, Tangshan City, Hebei Province Patentee before: The fifth Geological Brigade of Hebei Bureau of Geology and mineral resources |