整合图像处理和机器学习,以期具体估计在灌灌的曼宁粗度系数
Hadi Rezaei Rad1,2, Hamed Ebrahimian3, Abdolmajid Liaghat2
1Nuclear Agriculture Research School, Nuclear Science and Technology Research Institute (NSTRI), Karaj, Iran.
Scientific reports
|October 23, 2025
概括
一个新的算法使用图像处理和机器学习来准确估计曼宁.
科学领域:
- 农业工程 农业工程
- 水文学的水文学
- 计算机科学 计算机科学
背景情况:
- 准确的曼宁粗度系数 (n) 估计对于水文建模和沟灌至关重要.
- 传统方法受到时空变化和劳动密集型测量的限制.
研究的目的:
- 开发一种新的算法,使用图像处理和机器学习来动态预测曼宁的n.
- 在不同的数据输入场景中评估算法的性能.
主要方法:
- 高分辨率图像处理与机器学习 (随机森林) 的整合.
- 评估了三个场景:全场数据,仅图像和图像加上选定的现场数据.
- 使用SIPAR_ID模型和曼宁方程计算曼宁的n.
主要成果:
- 随机森林通过全场数据实现了99%的准确性.
- 使用图像加上选择的数据的场景在减少输入的情况下保持了95-96%的准确性.
- 除了液压变量,性能降低了大约50%.
结论:
- 开发的算法为实时的Manning's n估计提供了强大的,具有成本效益和实用的解决方案.
- 这种方法支持可持续的水资源管理和精准农业.
- 图像处理和机器学习显著提高了估计的准确性和效率.


