基于知识图谱的区域水土流失动态监测方法及装置与流程

1.本发明涉及一种基于知识图谱的区域水土流失动态监测方法及装置，属于水土流失监测技术领域。


背景技术：

2.水土流失在我国是严重的自然灾害之一，不仅造成土地资源的破坏，导致农业生产环境恶化，生态平衡失调，水灾旱灾频繁，而且影响各个产业的发展。相关法律规定相关部门应当完善全国水土保持监测网络，对全国水土流失进行动态监测。水土流失动态监测是指对水土流失发生、发展、危害及水土保持效益进行长期的调查、观测和分析工作。
3.当前土地利用与工程措施解译的主流是采用人工目视解译遥感影像和野外验证相结合的方法，缺点是人工解译和野外验证工作量巨大。其它方法还有采用算法思维，例如机器学习算法，利用样本学习获取遥感信息实现自动化解译方法，但是前提是样本图片的可视特征为局部相关或局部地物特征不随位置而发生变化，才能保证高准确率，然而地球表层系统是异质性的，另外深度学习模型的结果有时与人的先验知识和专家知识有冲突，从而影响水土流失监测结果质量。


技术实现要素：

4.本发明目的在于提供一种基于知识图谱的区域水土流失动态监测方法及装置，通过提取高分辨率遥感影像的土地利用类型和工程措施，快速计算相关指标，得出侵蚀模数，以实现区域的水土流失动态监测。
5.本发明解决上述技术问题的技术方案如下：基于知识图谱的区域水土流失动态监测方法，包括：
6.分析水土流失监测区域的水土流失影响因素，建立所述水土流失监测区域的水土流失评价指标体系，所述水土流失评价指标体系包含静态指标和动态指标；
7.对所述静态指标进行计算：获取降雨观测站点的数据，通过插值分析得到所述水土流失监测区域的降雨指标值，根据土壤普查的理化分析数据，依据全国土壤图进行叠加分析赋值计算，得到所述水土流失监测区域的各土壤类型指标值，获取所述水土流失监测区域的dem数据，计算坡长指标值；
8.获取所述水土流失监测区域的指定结构化、非结构化、半结构化的数据，利用知识抽取手段提取地理知识事实，形成地理知识图谱；
9.获取所述水土流失监测区域的高分辨率遥感影像，利用构建的所述地理知识图谱，实现土地利用类型和工程措施的自动分类智能提取；
10.对所述动态指标进行计算：利用dem数据及解译得到的土地利用类型数据计算坡度指标值；利用tm影像和modis影像，计算所述水土流失监测区域的归一化植被指数ndvi及植被盖度fvc，得到植被覆盖与生物措施指标值；对于有工程措施的所述水土流失监测区域对水土保持工程措施指标赋值；
11.将所述静态指标和所述动态指标栅格成果相乘，得到土壤侵蚀量化值，根据土壤侵蚀强度判定模型判定土壤侵蚀强度，并对人为扰动图斑侵蚀强度进行修正。
12.作为基于知识图谱的区域水土流失动态监测方法优选方案，所述静态指标包括降雨指标、土壤类型指标和坡长指标，所述动态指标为土地利用类型和工程措施解译结果相关的指标，所述动态指标包括坡度指标，植被覆盖与生物措施指标，工程措施指标。
13.作为基于知识图谱的区域水土流失动态监测方法优选方案，对所述静态指标进行计算过程：
14.利用地理信息系统软件进行插值生成等值线图和栅格图层，得到所述水土流失监测区域的降雨指标值a1；
15.根据第二次全国土壤普查的理化分析数据，依据全国土壤图进行叠加分析赋值计算，得到所述水土流失监测区域的各土壤类型指标值a2；
16.利用地理信息系统软件根据获取的所述水土流失监测区域的dem数据，计算坡长指标值a3。
17.作为基于知识图谱的区域水土流失动态监测方法优选方案，地理知识图谱构建过程，采用的数据包括高分辨率遥感影像数据、国土三调土地利用变更数据库和重点治理工程数据库；
18.土地利用类型包括耕地、园地、林地、草地、人为扰动用地、建设用地、交通运输用地、水域及水利设施用地；
19.工程措施包括梯田、地梗、水平阶和水平沟。
20.作为基于知识图谱的区域水土流失动态监测方法优选方案，利用知识抽取手段提取地理知识事实过程：
21.将提取的地理知识事实存入地理知识库的数据层和模式层，抽取资源描述框架三元组形成地理知识图谱；
22.将地理环境、地理实体、人文要素资源进行融合和关联，获得地理空间相关知识。
23.作为基于知识图谱的区域水土流失动态监测方法优选方案，对所述动态指标进行计算过程，坡度指标值的计算方式为：
[0024][0025]
式中，b1表示坡度指标，θ表示坡度；
[0026]
当地类为林地、草地地块且坡度大于30
°
时，θ取30
°
代入公式计算坡度指标。
[0027]
作为基于知识图谱的区域水土流失动态监测方法优选方案，对所述动态指标进行计算过程，植被覆盖与生物措施指标值b2的计算方式为：
[0028]
如果土地利用类型为耕地或人为扰动用地，植被覆盖与生物措施指标值取1；
[0029]
如果为建设用地或交通运输用地，指标值取0.01；
[0030]
如果为水域及水利设施用地，指标值取0；
[0031]
如果土地利用类型为园地、林地或草地，利用24期的降雨权重计算植被覆盖与生物措施指标值，计算公式为：
[0032]
[0033]
式中，wri为前面计算的第i个半月降雨侵蚀力占全年侵蚀力比例；slri为第i个半月园地、林地和草地的土壤流失比例。
[0034]
作为基于知识图谱的区域水土流失动态监测方法优选方案，对所述动态指标进行计算过程，工程措施指标值b3赋值方式为：
[0035]
梯田的指标取值0.084；地梗的指标取值0.347；水平阶的指标取值0.151；水平沟的指标取值0.335；
[0036]
对于坡度≤2
°
的耕地，如未采用梯田水土保持工程措施，指标赋值为0.431。
[0037]
作为基于知识图谱的区域水土流失动态监测方法优选方案，土壤侵蚀量化值qs的计算公式为：
[0038]
qs＝a1×
a2×
a3×
b1×
b2×
b3[0039]
式中，a1为降雨指标值，a2为土壤类型指标值，a3为坡长指标值，b1为坡度指标，b2为植被覆盖与生物措施指标值，b3为工程措施指标值；
[0040]
所述土壤侵蚀强度判定模型为：
[0041]
qs值《5的栅格区域判定为微度；qs值区间[5,25)判定为轻度，qs值区间[25,50)判定为中度，qs值区间[50,80)判定为强烈，qs值区间[80,150)判定为极强烈，qs值》150判定为剧烈。
[0042]
本发明还提供一种基于知识图谱的区域水土流失动态监测装置，包括：
[0043]
评价指标体系构建模块，用于分析水土流失监测区域的水土流失影响因素，建立所述水土流失监测区域的水土流失评价指标体系，所述水土流失评价指标体系包含静态指标和动态指标；
[0044]
静态指标计算模块，用于对所述静态指标进行计算：获取降雨观测站点的数据，通过插值分析得到所述水土流失监测区域的降雨指标值，根据土壤普查的理化分析数据，依据全国土壤图进行叠加分析赋值计算，得到所述水土流失监测区域的各土壤类型指标值，获取所述水土流失监测区域的dem数据，计算坡长指标值；
[0045]
地理知识图谱构建模块，用于获取所述水土流失监测区域的指定结构化、非结构化、半结构化的数据，利用知识抽取手段提取地理知识事实，形成地理知识图谱；
[0046]
影像信息分类提取模块，用于获取所述水土流失监测区域的高分辨率遥感影像，利用构建的所述地理知识图谱，实现土地利用类型和工程措施的自动分类智能提取；
[0047]
动态指标计算模块，用于对所述动态指标进行计算：利用dem数据及解译得到的土地利用类型数据计算坡度指标值；利用tm影像和modis影像，计算所述水土流失监测区域的归一化植被指数ndvi及植被盖度fvc，得到植被覆盖与生物措施指标值；对于有工程措施的所述水土流失监测区域对水土保持工程措施指标赋值；
[0048]
土壤侵蚀分析处理模块，用于将所述静态指标和所述动态指标栅格成果相乘，得到土壤侵蚀量化值，根据土壤侵蚀强度判定模型判定土壤侵蚀强度，并对人为扰动图斑侵蚀强度进行修正。
[0049]
本发明的有益效果是，通过分析水土流失监测区域的水土流失影响因素，建立水土流失监测区域的水土流失评价指标体系，水土流失评价指标体系包含静态指标和动态指标；对静态指标进行计算：获取降雨观测站点的数据，通过插值分析得到水土流失监测区域的降雨指标值，根据土壤普查的理化分析数据，依据全国土壤图进行叠加分析赋值计算，得
到水土流失监测区域的各土壤类型指标值，获取水土流失监测区域的dem数据，计算坡长指标值；获取水土流失监测区域的指定结构化、非结构化、半结构化的数据，利用知识抽取手段提取地理知识事实，形成地理知识图谱；获取水土流失监测区域的高分辨率遥感影像，利用构建的地理知识图谱，实现土地利用类型和工程措施的自动分类智能提取；对动态指标进行计算：利用dem数据及解译得到的土地利用类型数据计算坡度指标值；利用tm影像和modis影像，计算水土流失监测区域的归一化植被指数ndvi及植被盖度fvc，得到植被覆盖与生物措施指标值；对于有工程措施的水土流失监测区域对水土保持工程措施指标赋值；将静态指标和动态指标栅格成果相乘，得到土壤侵蚀量化值，根据土壤侵蚀强度判定模型判定土壤侵蚀强度，并对人为扰动图斑侵蚀强度进行修正。本发明通过构建地理知识图谱，充分利用已有知识及相关数据，将地理知识反映在空间化的图模型结构上，通过数据获取、信息抽取、知识融合、知识加工形成地理知识图谱，为水土流失动态监测遥感解译提供全新的自动化智能手段，大幅减少人工解译和野外工作量，提高了区域水土流失动态监测效率。
附图说明
[0050]
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引申获得其它的实施附图。
[0051]
本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。
[0052]
图1为本发明实施例提供的基于知识图谱的区域水土流失动态监测方法示意图；
[0053]
图2为本发明实施例提供的基于知识图谱的区域水土流失动态监测装置架构示意图。
具体实施方式
[0054]
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施例的限制。
[0055]
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本发明。
[0056]
实施例1
[0057]
参见图1，本发明实施例提供一种基于知识图谱的区域水土流失动态监测方法，包括以下步骤：
[0058]
s1、分析水土流失监测区域的水土流失影响因素，建立所述水土流失监测区域的水土流失评价指标体系，所述水土流失评价指标体系包含静态指标和动态指标；
[0059]
s2、对所述静态指标进行计算：获取降雨观测站点的数据，通过插值分析得到所述水土流失监测区域的降雨指标值，根据土壤普查的理化分析数据，依据全国土壤图进行叠加分析赋值计算，得到所述水土流失监测区域的各土壤类型指标值，获取所述水土流失监测区域的dem数据，计算坡长指标值；
[0060]
s3、获取所述水土流失监测区域的指定结构化、非结构化、半结构化的数据，利用知识抽取手段提取地理知识事实，形成地理知识图谱；
[0061]
s4、获取所述水土流失监测区域的高分辨率遥感影像，利用构建的所述地理知识图谱，实现土地利用类型和工程措施的自动分类智能提取；
[0062]
s5、对所述动态指标进行计算：利用dem数据及解译得到的土地利用类型数据计算坡度指标值；利用tm影像和modis影像，计算所述水土流失监测区域的归一化植被指数ndvi及植被盖度fvc，得到植被覆盖与生物措施指标值；对于有工程措施的所述水土流失监测区域对水土保持工程措施指标赋值；
[0063]
s6、将所述静态指标和所述动态指标栅格成果相乘，得到土壤侵蚀量化值，根据土壤侵蚀强度判定模型判定土壤侵蚀强度，并对人为扰动图斑侵蚀强度进行修正。
[0064]
本实施例中，所述静态指标包括降雨指标、土壤类型指标和坡长指标，所述动态指标为土地利用类型和工程措施解译结果相关的指标，所述动态指标包括坡度指标，植被覆盖与生物措施指标，工程措施指标。
[0065]
其中，对所述静态指标进行计算过程中：
[0066]
获取降雨观测站点的数据，利用地理信息系统arcgis软件进行插值生成等值线图和栅格图层，得到所述水土流失监测区域的降雨指标值a1；根据第二次全国土壤普查的理化分析数据，利用arcgis软件依据全国土壤图进行叠加分析赋值计算，得到所述水土流失监测区域的各土壤类型指标值a2；利用地理信息系统软件根据获取的所述水土流失监测区域的dem数据，计算坡长指标值a3。
[0067]
其中，降雨指标、土壤类型指标和坡长指标也可以采用水利部门下发的数据。
[0068]
本实施例中，地理知识图谱构建过程，采用的数据包括高分辨率遥感影像数据、国土三调土地利用变更数据库和重点治理工程数据库；将土地利用类型包括耕地、园地、林地、草地、建设用地、交通运输用地、水域及水利设施用地和其他土地，并根据土壤侵蚀特点，增加人为扰动用地地类，共9种地类。将工程措施包括梯田、地梗、水平阶和水平沟共4类。
[0069]
本实施例中，利用知识抽取手段提取地理知识事实过程：从基础数据和其它半结构化、非结构化的数据中提取地理知识事实，将提取的地理知识事实存入地理知识库的数据层和模式层，抽取资源描述框架三元组(rdf三元组，h，r，t)形成地理知识图谱；将地理环境、地理实体、人文要素资源进行融合和关联，获得地理空间相关知识。
[0070]
具体的，利用知识抽取手段提取地理知识事实过程：收集相关地理资料和数据，梳理总结地理知识，采用分层级、逐渐细化方式，从数据性知识、概念性知识、规律性知识三个知识层级，从拓扑关系、方位、光谱、纹理、色调、形状等多个维度抽象提炼，构建典型地理实体的特征本体，实现地理知识本体表达；从已有基础数据库和其它结构化、半结构化、非结构化的数据中提取地理知识事实，先提取出需要的属性、关系、实体，再进行数据校正，消除各类矛盾，完成知识融合，然后进行本体提取、知识推理、验证等知识加工，将提取的地理知
识事实存入地理知识库的数据层和模式层，抽取资源描述框架三元组(rdf三元组，h，r，t)形成地理知识图谱；将地理环境、地理实体、人文要素资源进行融合和关联，更加全面的获得地理空间相关知识，从而达到具备更完善的地理空间理解能力，实现智能解译。
[0071]
本实施例中，对所述动态指标进行计算过程，利用dem数据以及解译完得到的土地利用类型数据计算坡度指标值，坡度指标值的计算方式为：
[0072][0073]
式中，b1表示坡度指标，θ表示坡度；当地类为林地、草地地块且坡度大于30
°
时，θ取30
°
代入公式计算坡度指标。
[0074]
本实施例中，对所述动态指标进行计算过程，利用tm影像和24个半月modis影像，计算ndvi以及植被盖度fvc，植被覆盖与生物措施指标值b2的计算方式为：如果土地利用类型为耕地或人为扰动用地，植被覆盖与生物措施指标值取1(相当于无植被覆盖)；如果为建设用地或交通运输用地，指标值取0.01(相当于80％植被覆盖)；如果为水域及水利设施用地，指标值取0(侵蚀量为0)；如果土地利用类型为园地、林地或草地，利用24期的降雨权重计算植被覆盖与生物措施指标值，计算公式为：
[0075][0076]
式中，wri为前面计算的第i个半月降雨侵蚀力占全年侵蚀力比例，取值范围为0～1；slri为第i个半月园地、林地和草地的土壤流失比例，取值范围为0～1。
[0077]
本实施例中，工程措施指标值b3反映了水土保持工程措施的作用，不同工程措施对水土流失产生作用程序不同，赋值不同。对所述动态指标进行计算过程，采取了工程措施的区域，工程措施指标值b3赋值方式为：梯田的指标取值0.084；地梗的指标取值0.347；水平阶的指标取值0.151；水平沟的指标取值0.335；对于坡度≤2
°
的耕地，如未采用梯田水土保持工程措施，指标赋值为0.431，除以上情况外指标值取为1。
[0078]
本实施例中，利用计算出的静态指标和动态指标值，在arcgis软件中，将各栅格图层重采样，得到分辨率相同，且栅格位置对齐，之后进行图层栅格乘积运算，土壤侵蚀量化值qs的计算公式为：
[0079]
qs＝a1×
a2×
a3×
b1×
b2×
b3[0080]
式中，a1为降雨指标值，a2为土壤类型指标值，a3为坡长指标值，b1为坡度指标，b2为植被覆盖与生物措施指标值，b3为工程措施指标值；如果是耕地，需再乘以系数0.338，得到每个栅格的土壤侵蚀量化值。
[0081]
其中，土壤侵蚀强度判定模型为：
[0082]
qs值《5的栅格区域判定为微度；qs值区间[5,25)判定为轻度，qs值区间[25,50)判定为中度，qs值区间[50,80)判定为强烈，qs值区间[80,150)判定为极强烈，qs值》150判定为剧烈。
[0083]
本实施例中，针对基于知识图谱提取的人为扰动用地图斑，需要进行侵蚀强度修正，根据坡度判定其土壤侵蚀强度：硬化面积大于等于50％为微度、5
°
以下为轻度、5～15
°
为中度、15～30
°
为强烈、30
°
以上为极强烈。
[0084]
综上所述，本发明通过分析水土流失监测区域的水土流失影响因素，建立水土流
失监测区域的水土流失评价指标体系，水土流失评价指标体系包含静态指标和动态指标；对静态指标进行计算：获取降雨观测站点的数据，通过插值分析得到水土流失监测区域的降雨指标值，根据土壤普查的理化分析数据，依据全国土壤图进行叠加分析赋值计算，得到水土流失监测区域的各土壤类型指标值，获取水土流失监测区域的dem数据，计算坡长指标值；获取水土流失监测区域的指定结构化、非结构化、半结构化的数据，利用知识抽取手段提取地理知识事实，形成地理知识图谱；获取水土流失监测区域的高分辨率遥感影像，利用构建的地理知识图谱，实现土地利用类型和工程措施的自动分类智能提取；对动态指标进行计算：利用dem数据及解译得到的土地利用类型数据计算坡度指标值；利用tm影像和modis影像，计算水土流失监测区域的归一化植被指数ndvi及植被盖度fvc，得到植被覆盖与生物措施指标值；对于有工程措施的水土流失监测区域对水土保持工程措施指标赋值；将静态指标和动态指标栅格成果相乘，得到土壤侵蚀量化值，根据土壤侵蚀强度判定模型判定土壤侵蚀强度，并对人为扰动图斑侵蚀强度进行修正。本发明通过构建地理知识图谱，充分利用已有知识及相关数据，将地理知识反映在空间化的图模型结构上，通过数据获取、信息抽取、知识融合、知识加工形成地理知识图谱，为水土流失动态监测遥感解译提供全新的自动化智能手段，大幅减少人工解译和野外工作量，提高了区域水土流失动态监测效率。
[0085]
需要说明的是，本公开实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本公开实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。
[0086]
需要说明的是，上述对本公开的一些实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于上述实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0087]
实施例2
[0088]
参见图2，本发明实施例2提供一种基于知识图谱的区域水土流失动态监测装置，包括：
[0089]
评价指标体系构建模块1，用于分析水土流失监测区域的水土流失影响因素，建立所述水土流失监测区域的水土流失评价指标体系，所述水土流失评价指标体系包含静态指标和动态指标；
[0090]
静态指标计算模块2，用于对所述静态指标进行计算：获取降雨观测站点的数据，通过插值分析得到所述水土流失监测区域的降雨指标值，根据土壤普查的理化分析数据，依据全国土壤图进行叠加分析赋值计算，得到所述水土流失监测区域的各土壤类型指标值，获取所述水土流失监测区域的dem数据，计算坡长指标值；
[0091]
地理知识图谱构建模块3，用于获取所述水土流失监测区域的指定结构化、非结构化、半结构化的数据，利用知识抽取手段提取地理知识事实，形成地理知识图谱；
[0092]
影像信息分类提取模块4，用于获取所述水土流失监测区域的高分辨率遥感影像，利用构建的所述地理知识图谱，实现土地利用类型和工程措施的自动分类智能提取；
[0093]
动态指标计算模块5，用于对所述动态指标进行计算：利用dem数据及解译得到的
土地利用类型数据计算坡度指标值；利用tm影像和modis影像，计算所述水土流失监测区域的归一化植被指数ndvi及植被盖度fvc，得到植被覆盖与生物措施指标值；对于有工程措施的所述水土流失监测区域对水土保持工程措施指标赋值；
[0094]
土壤侵蚀分析处理模块6，用于将所述静态指标和所述动态指标栅格成果相乘，得到土壤侵蚀量化值，根据土壤侵蚀强度判定模型判定土壤侵蚀强度，并对人为扰动图斑侵蚀强度进行修正。
[0095]
需要说明的是，上述装置各模块之间的信息交互、执行过程等内容，由于与本技术实施例1中的方法实施例基于同一构思，其带来的技术效果与本技术方法实施例相同，具体内容可参见本技术前述所示的方法实施例中的叙述，此处不再赘述。
[0096]
实施例3
[0097]
本发明实施例3提供一种非暂态计算机可读存储介质，所述计算机可读存储介质中存储有基于知识图谱的区域水土流失动态监测方法的程序代码，所述程序代码包括用于执行实施例1或其任意可能实现方式的基于知识图谱的区域水土流失动态监测方法的指令。
[0098]
计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，dvd)，或者半导体介质(例如固态硬盘(solid state disk、ssd))等。
[0099]
实施例4
[0100]
本发明实施例4提供一种电子设备，包括：存储器和处理器；
[0101]
所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行实施例1或其任意可能实现方式的基于知识图谱的区域水土流失动态监测方法。
[0102]
具体的，处理器可以通过硬件来实现也可以通过软件来实现，当通过硬件实现时，该处理器可以是逻辑电路、集成电路等；当通过软件来实现时，该处理器可以是一个通用处理器，通过读取存储器中存储的软件代码来实现，该存储器可以集成在处理器中，可以位于所述处理器之外，独立存在。
[0103]
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络，或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。
[0104]
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储
在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
[0105]
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

技术特征：
1.基于知识图谱的区域水土流失动态监测方法，其特征在于，包括：分析水土流失监测区域的水土流失影响因素，建立所述水土流失监测区域的水土流失评价指标体系，所述水土流失评价指标体系包含静态指标和动态指标；对所述静态指标进行计算：获取降雨观测站点的数据，通过插值分析得到所述水土流失监测区域的降雨指标值，根据土壤普查的理化分析数据，依据全国土壤图进行叠加分析赋值计算，得到所述水土流失监测区域的各土壤类型指标值，获取所述水土流失监测区域的dem数据，计算坡长指标值；获取所述水土流失监测区域的指定结构化、非结构化、半结构化的数据，利用知识抽取手段提取地理知识事实，形成地理知识图谱；获取所述水土流失监测区域的高分辨率遥感影像，利用构建的所述地理知识图谱，实现土地利用类型和工程措施的自动分类智能提取；对所述动态指标进行计算：利用dem数据及解译得到的土地利用类型数据计算坡度指标值；利用tm影像和modis影像，计算所述水土流失监测区域的归一化植被指数ndvi及植被盖度fvc，得到植被覆盖与生物措施指标值；对于有工程措施的所述水土流失监测区域对水土保持工程措施指标赋值；将所述静态指标和所述动态指标栅格成果相乘，得到土壤侵蚀量化值，根据土壤侵蚀强度判定模型判定土壤侵蚀强度，并对人为扰动图斑侵蚀强度进行修正。2.根据权利要求1所述的基于知识图谱的区域水土流失动态监测方法，其特征在于，所述静态指标包括降雨指标、土壤类型指标和坡长指标，所述动态指标为土地利用类型和工程措施解译结果相关的指标，所述动态指标包括坡度指标，植被覆盖与生物措施指标，工程措施指标。3.根据权利要求2所述的基于知识图谱的区域水土流失动态监测方法，其特征在于，对所述静态指标进行计算过程：利用地理信息系统软件进行插值生成等值线图和栅格图层，得到所述水土流失监测区域的降雨指标值a1；根据第二次全国土壤普查的理化分析数据，依据全国土壤图进行叠加分析赋值计算，得到所述水土流失监测区域的各土壤类型指标值a2；利用地理信息系统软件根据获取的所述水土流失监测区域的dem数据，计算坡长指标值a3。4.根据权利要求3所述的基于知识图谱的区域水土流失动态监测方法，其特征在于，地理知识图谱构建过程，采用的数据包括高分辨率遥感影像数据、国土三调土地利用变更数据库和重点治理工程数据库；土地利用类型包括耕地、园地、林地、草地、人为扰动用地、建设用地、交通运输用地、水域及水利设施用地；工程措施包括梯田、地梗、水平阶和水平沟。5.根据权利要求4所述的基于知识图谱的区域水土流失动态监测方法，其特征在于，利用知识抽取手段提取地理知识事实过程：将提取的地理知识事实存入地理知识库的数据层和模式层，抽取资源描述框架三元组形成地理知识图谱；
将地理环境、地理实体、人文要素资源进行融合和关联，获得地理空间相关知识。6.根据权利要求5所述的基于知识图谱的区域水土流失动态监测方法，其特征在于，对所述动态指标进行计算过程，坡度指标值的计算方式为：式中，b1表示坡度指标，θ表示坡度；当地类为林地、草地地块且坡度大于30
°
时，θ取30
°
代入公式计算坡度指标。7.根据权利要求6所述的基于知识图谱的区域水土流失动态监测方法，其特征在于，对所述动态指标进行计算过程，植被覆盖与生物措施指标值b2的计算方式为：如果土地利用类型为耕地或人为扰动用地，植被覆盖与生物措施指标值取1；如果为建设用地或交通运输用地，指标值取0.01；如果为水域及水利设施用地，指标值取0；如果土地利用类型为园地、林地或草地，利用24期的降雨权重计算植被覆盖与生物措施指标值，计算公式为：式中，wr
i
为前面计算的第i个半月降雨侵蚀力占全年侵蚀力比例；slr
i
为第i个半月园地、林地和草地的土壤流失比例。8.根据权利要求7所述的基于知识图谱的区域水土流失动态监测方法，其特征在于，对所述动态指标进行计算过程，工程措施指标值b3赋值方式为：梯田的指标取值0.084；地梗的指标取值0.347；水平阶的指标取值0.151；水平沟的指标取值0.335；对于坡度≤2
°
的耕地，如未采用梯田水土保持工程措施，指标赋值为0.431。9.根据权利要求8所述的基于知识图谱的区域水土流失动态监测方法，其特征在于，土壤侵蚀量化值qs的计算公式为：qs＝a1×
a2×
a3×
b1×
b2×
b3式中，a1为降雨指标值，a2为土壤类型指标值，a3为坡长指标值，b1为坡度指标，b2为植被覆盖与生物措施指标值，b3为工程措施指标值；所述土壤侵蚀强度判定模型为：qs值<5的栅格区域判定为微度；qs值区间[5,25)判定为轻度，qs值区间[25,50)判定为中度，qs值区间[50,80)判定为强烈，qs值区间[80,150)判定为极强烈，qs值>150判定为剧烈。10.基于知识图谱的区域水土流失动态监测装置，其特征在于，包括：评价指标体系构建模块，用于分析水土流失监测区域的水土流失影响因素，建立所述水土流失监测区域的水土流失评价指标体系，所述水土流失评价指标体系包含静态指标和动态指标；静态指标计算模块，用于对所述静态指标进行计算：获取降雨观测站点的数据，通过插值分析得到所述水土流失监测区域的降雨指标值，根据土壤普查的理化分析数据，依据全国土壤图进行叠加分析赋值计算，得到所述水土流失监测区域的各土壤类型指标值，获取
所述水土流失监测区域的dem数据，计算坡长指标值；地理知识图谱构建模块，用于获取所述水土流失监测区域的指定结构化、非结构化、半结构化的数据，利用知识抽取手段提取地理知识事实，形成地理知识图谱；影像信息分类提取模块，用于获取所述水土流失监测区域的高分辨率遥感影像，利用构建的所述地理知识图谱，实现土地利用类型和工程措施的自动分类智能提取；动态指标计算模块，用于对所述动态指标进行计算：利用dem数据及解译得到的土地利用类型数据计算坡度指标值；利用tm影像和modis影像，计算所述水土流失监测区域的归一化植被指数ndvi及植被盖度fvc，得到植被覆盖与生物措施指标值；对于有工程措施的所述水土流失监测区域对水土保持工程措施指标赋值；土壤侵蚀分析处理模块，用于将所述静态指标和所述动态指标栅格成果相乘，得到土壤侵蚀量化值，根据土壤侵蚀强度判定模型判定土壤侵蚀强度，并对人为扰动图斑侵蚀强度进行修正。

技术总结
基于知识图谱的区域水土流失动态监测方法及装置，该方法建立水土流失监测区域的水土流失评价指标体系；对静态指标计算降雨指标值、各土壤类型指标值和坡长指标值；利用知识抽取手段提取地理知识事实，形成地理知识图谱；获取水土流失监测区域的高分辨率遥感影像，利用构建的地理知识图谱，实现土地利用类型和工程措施的自动分类智能提取；对动态指标计算坡度指标值、植被覆盖与生物措施指标值和工程措施指标赋值；将静态指标和动态指标栅格成果相乘，得到土壤侵蚀量化值，根据土壤侵蚀强度判定模型判定土壤侵蚀强度，并对人为扰动图斑侵蚀强度进行修正。本发明大幅减少人工解译和野外工作量，提高了区域水土流失动态监测效率。效率。效率。


技术研发人员：林渊钟 刘毅 赵双益 宋楠 蒋志祥 许克平 郑任泰
受保护的技术使用者：湖南省水利水电勘测设计规划研究总院有限公司
技术研发日：2023.04.08
技术公布日：2023/8/21