学习发现水文修正

高分辨率数字高程模型，例如拥有超过2000亿个测量值的丹麦（大）网格地形模型，是水流建模和洪水风险分析的基本需求。然而，即便是非常精确的地形模型（如丹麦模型），在用于真实流动建模之前，通常也需要进行大量修改。这些修改包括移除桥梁（否则在流动建模中会充当水坝）以及加入在道路下方输水的涵洞。事实上，丹麦模型附带了一套详细的数字高程模型水文修正。然而，生成这些水文修正非常缓慢且昂贵，因为在很大程度上依赖人工完成且常需地方输入。这也意味着修正质量可能参差不齐。本文提出一种基于机器学习和卷积神经网络的新算法方法，用于自动检测此类大型地形数据的水文修正。我们的模型能够检测出丹麦模型中已知的大部分水文修正，以及相当多本应被纳入原始清单的修正。