耦合机器学习与连通性修正的河流选取模型

车一鸣; 邓维熙; 冯飞军; 张静静; 卢文渊; 任东宇

您当前的位置：

首页 >

文章列表页 >

耦合机器学习与连通性修正的河流选取模型

技术热点研究 | 更新时间：2026-08-11

- 耦合机器学习与连通性修正的河流选取模型
- 耦合机器学习与连通性修正的河流选取模型
- 地理空间信息 2025年23卷第9期页码：22-26+84
- 作者机构：
  
  1. 宁夏回族自治区测绘地理信息院
  2. 自然资源部第三地理信息制图院
- 作者简介：
- 基金信息：
  
  宁夏自然科学基金资助项目（2023AAC03572）;宁夏优秀人才支持计划资助项目
- DOI：
  中图分类号： P332;P208
- 纸质出版：2025
- 稿件说明：
移动端阅览
车一鸣, 邓维熙, 冯飞军, 等. 耦合机器学习与连通性修正的河流选取模型[J]. 地理空间信息, 2025,23(9):22-26+84.

车一鸣, 邓维熙, 冯飞军, et al. 耦合机器学习与连通性修正的河流选取模型[J]. 2025, 23(9): 22-26+84.
车一鸣, 邓维熙, 冯飞军, 等. 耦合机器学习与连通性修正的河流选取模型[J]. 地理空间信息, 2025,23(9):22-26+84. DOI：

车一鸣, 邓维熙, 冯飞军, et al. 耦合机器学习与连通性修正的河流选取模型[J]. 2025, 23(9): 22-26+84. DOI：

摘要

传统河流选取方法在数据量较大时易出现效率较低等问题，因此以河南、宁夏河流数据为例，利用支持向量机（SVM）模型对河流要素进行初选取，并引入改进的Dijkstra算法构建水系路径；再对初选取结果进行连通性校正，实现河流要素的自动选取，保证河流选取的准确性与高效性。结果表明，SVM模型能有效抽稀河流要素，效率高于随机森林算法且对高保留等级的河流判断准确；改进的Dijkstra算法能解决初选取结果中河流断流等问题，且在数据量较大时能显著减少水系路径构建时间。耦合机器学习与连通性修正的方法在一定程度上能保持河流的流通性与完整性，从而满足不同尺度下制图需求。

Abstract

关键词

Keywords

references

赵天明,孙群,马京振,张付兵,温伯威.融合路段和stroke特征的道路自动选取方法[J].地球信息科学学报,2024(12).

廖志强.基于多比例尺地图数据库的智能制图体系探索与实践[J].测绘与空间地理信息,2024(10).

张亮,闵天,胡菡,赵鹏.1:2000到1:10000数字线划图缩编技术研究[J].地理空间信息,2024(09).

陆向珍,康二梅.几何特征重要度算法支持下的大规模线状要素地图综合方法[J].测绘通报,2024(06).

严步青,毛成阳,龚康,邵玉祥,张传松.基于DEM的高原湖泊班公湖流域数字河网提取分析[J].地理空间信息,2023(12).

熊顺,杜清运,马超,刘平芝,蒋丹妮.面向地图综合的VGI道路网重要度层次分解选取方法研究[J].地球信息科学学报,2024(01).

常利伟,程磊,陈进,韩东阳,张橹,刘攀,常剑波.水库和大坝地理信息数据集的对比及其应用研究进展[J].中国农村水利水电,2023(06).

张飞凯,黄永忠,李连茂,秦剑,刘晨.基于Dijkstra算法的货运索道路径规划方法[J].山东大学学报(工学版),2022(06).

王文宁,闫浩文,禄小敏,刘涛,王中辉.地图上的河系自动综合研究综述[J].地理与地理信息科学,2021(05).

武芳,巩现勇,杜佳威.地图制图综合回顾与前望[J].测绘学报,2017(10).

Di Wang,Haizhong Qian.CatBoost-Based Automatic Classification Study of River Network[J].ISPRS International Journal of Geo-Information,2023.

Yan Chaode,Liu Xiao,Boota Muhammad Waseem,Pan Ziwei.A Comparison of Machine Learning Methods Applied to the Automated Selection of River Networks[J].The Cartographic Journal,2022.

Université Gustave Eiffel , Saint-Mande , France,School of Resource and Environment Sciences , Wuhan University , Wuhan , People’s Republic of China,Université Gustave Eiffel , Saint-Mande , France.Is deep learning the new agent for map generalization?[J].International Journal of Cartography,2019.

Alper Sen,Turkay Gokgoz.An experimental approach for selection/elimination in stream network generalization using support vector machines[J].Geocarto International,2015.

Y.T. Fan,J.Y. Yang,C. Zhang,D.H. Zhu.A event-based change detection method of cadastral database incremental updating[J].Mathematical and Computer Modelling,2009.

E. W. Dijkstra.A note on two problems in connexion with graphs.[J].Numerische Mathematik,1959(1).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于机器学习的2022年辽河平原洪水面积提取与分析

基于三维纹理的多模态特征城市土地利用分类

基于GIS和Dijkstra算法的校车路线方案优化

基于特征距离的多类SVM分类方法研究

基于SVM的极化SAR沿海滩涂分类