1.一种基于空间模式匹配的倒钩河自动识别方法，其特征在于包括以下步骤：(1)基于研究区域的矢量水系图层，将满足预设长度要求的近似直线河段抽象为节点，生成节点集合V；

(1‑1)从研究区域的矢量水系图层中读取河流数据到集合R＝{ri|i＝0,1,…,nr‑1}中，ri表示第i条河流，nr为河流个数；

(1‑2)从集合R中读取一条河流ri，将河流ri存入栈Stack；

(1‑3)判断栈Stack是否为空，若栈Stack不为空，则取出位于栈顶的河段作为当前需处理的河段rc，否则执行步骤(1‑15)；

(1‑4)根据公式(1)计算河段rc的直线近似度S；

式中，ps为河段rc的起点，pe为河段rc的终点，||ps‑pe||表示河段rc的实际长度，Len(ps,pe)表示点ps与pe之间的理想直线长度；

(1‑5)若S

(1‑6)根据公式(2)计算河段rc的走向Direction；

Direction＝(pe.x‑ps.x，pe.y‑ps.y)                 式(2)式中，(ps.x，ps.y)为河段rc的起点坐标，(pe.x，pe.y)是河段rc的终点坐标；

(1‑7)获取河段rc的中点，标记为节点Nc；

(1‑8)记录河段rc的所属河流序号i、直线近似度S、长度和走向Direction；

(1‑9)将节点Nc存储到集合vi中，并返回执行步骤(1‑3)；

(1‑10)根据公式(3)依次计算当前河段rc中每个折点到河段首尾连线的距离，并获取Dis值最大的折点F；

式中，(pj.x,pj.y)为河段rc第j个折点的坐标；

(1‑11)用折点F将当前河段rc分成两部分，其中上游河段记为Lline，下游河段记为Rline；

(1‑12)对于下游河段Rline，计算其长度Length；

(1‑13)若Length>LT，LT为预设最短直线长度阈值，则将下游河段Rline入栈Stack，否则返回执行步骤(1‑3)；

(1‑14)针对上游河段Lline，按照步骤步骤(1‑12)和步骤(1‑13)执行；

(1‑15)顺序给集合vi中的节点添加NodeType属性值，具体为：若集合vi只有一个节点，则该节点的NodeType为11；否则，其中最上游节点的NodeType为‑1，最下游节点的NodeType为1，其余节点的NodeType为0；

(1‑16)重复执行步骤(1‑2)至步骤(1‑14)，直至集合R中所有河流被处理，将最终得到的所有集合vi组合形成节点集合V＝{vi|i＝0,1,…,nr‑1}；

(2)基于近似直线河段之间的邻接关系，生成边集合E，并由节点集合V和边集合E，生成流域的ARG模型G＝(V，E)；具体包括：(2‑1)读取矢量水系图层中河流线数据的流向属性，存入集合ToID＝{ti|i＝0,1,…,nr‑1}中，其中，ti表示第i条河流ri的流向属性，i表示河流序号，nr为河流个数；

(2‑2)读取一条河流ri，获取集合ToID中值为i的所有河流的序号，并将这些序号放入集合Fi中；

(2‑3)获取河流ri的上游节点，存储到局部节点集合Seti；

(2‑4)获取集合Fi中所有河流的下游节点，存储到集合Seti；

(2‑5)从Seti中任意取两个节点，记为Nk和Nl；

(2‑6)基于节点Nk和Nl，生成边ekl；

(2‑7)分别获取节点Nk、Nl的走向Dk、Dl；

(2‑8)根据公式(4)计算河段夹角值Angle，作为边ekl的属性Angle；

式中，(Dk.x,Dk.y)和(Dl.x,Dl.y)分别为Dk、Dl的坐标；

(2‑9)获取节点Nk的河流序号值m，获取节点Nl的河流序号值n；

(2‑10)获取节点Nk所属河流的流向属性tm，获取节点Nl所属河流的流向属性tn；

(2‑11)根据公式(5)计算EdgeType，将其作为边ekl的属性EdgeType，并将边ekl连同其属性Angle和EdgeType存入边集合ei中；

(2‑12)循环执行步骤(2‑5)至步骤(2‑11)，直至集合Seti中任意两节点都被处理；

(2‑13)获取河流ri的节点集合vi中任意两相邻节点，并对两相邻节点执行步骤(2‑6)至步骤(2‑11)；

(2‑14)重复执行步骤(2‑13)，直至集合vi中所有相邻节点都被处理；

(2‑15)循环执行步骤(2‑2)至步骤(2‑14)，直至所有河流都被处理，得到边集合E＝{ei|i＝0,1,…,nr‑1}；

(2‑16)基于图的邻接表存储结构，根据节点集合V和边集合E，生成ARG模型G＝(V，E)；

(3)定义倒钩河的空间模式P的结构模式和语义模式匹配规则；具体包括：(3‑1)定义倒钩河的结构模式P＝(Vp，Ep)，其中，Vp为节点集，具体包括三个节点，每个节点的属性为NodeType，Ep为边集，具体包括三条边，每条边的属性为MinAngle、MaxAngle和EdgeType；

(3‑2)基于倒钩河的平面形态和空间结构特征，定义倒钩河的语义模式的匹配规则如下表所示：表中，MinAngle和MaxAngle表示夹角最小值和最大值；

(4)基于空间模式的结构匹配，识别出所述ARG模型中与所述空间模式P结构一致的所有同构子图，并存储到集合SG中；

(5)基于空间模式的语义匹配，顺序进行集合SG中每一个子图与空间模式P的语义匹配，将匹配失败的子图从集合SG中删除；

(6)根据集合SG，生成倒钩河图层。

2.根据权利要求1所述的基于空间模式匹配的倒钩河自动识别方法，其特征在于：步骤(4)具体包括：(4‑1)获取空间模式P的一个深度优先遍历序列Pt，获取流域ARG模型G的一个深度优先遍历序列Gt；

(4‑2)获取序列Pt中的第一个节点n0；

(4‑3)顺序从序列Gt中获取一个未读取过的节点u，执行步骤(4‑4)，若u获取失败，执行步骤(5)；

(4‑4)若节点u的度小于节点n0的度，认为节点u的度与节点n0匹配成功，执行步骤(4‑

3)，否则执行步骤(4‑5)；

(4‑5)构建一个新子图sgh，并存储u到子图sgh；

(4‑6)以序列Pt中上一个匹配成功的节点为起点，获取下一节点ns，执行步骤(4‑7)，若ns获取失败，执行步骤(4‑13)；

(4‑7)以子图sgh中最后存储的节点为起点，获取G中所有未被记录到子图sgh的相邻节点，存储到集合PSetd；

(4‑8)在集合PSetd中获取任一节点w，执行步骤(4‑9)，若集合PSetd为空，执行步骤(4‑

12)；

(4‑9)若节点w的度小于节点ns的度，从集合PSetd中删除节点w后，执行步骤(4‑8)，否则执行步骤(4‑10)；

(4‑10)若存在节点ns在P中的某一邻接边，且节点w在G中的邻接边中找不到对应边，执行步骤(4‑8)；否则，认为节点w与节点ns匹配成功；

(4‑11)存储节点w到子图sgh，从集合PSetd中删除节点w后，执行步骤(4‑6)；

(4‑12)删除子图sgh中最后存储的节点，获取序列Pt中上一节点，记为节点ns，若ns＝n0，执行步骤(4‑3)；否则，执行步骤(4‑7)；

(4‑13)存储子图sgh到集合SG，并复制该子图到一个新构建的子图中，新子图也记为sgh，删除新子图sgh中最后存储的节点，获取序列Pt中最后一个节点，记为节点ns，执行步骤(4‑8)。

3.根据权利要求1所述的基于空间模式匹配的倒钩河自动识别方法，其特征在于：步骤(5)具体包括：(5‑1)从集合SG中顺序获取一个子图sgr；

(5‑2)顺序获取空间模式P中一个节点nm，并从子图sgr中获取对应节点um；

(5‑3)若节点nm与节点um的属性Nodetype值不同，则从集合SG中删除子图sgr后，执行步骤(5‑1)，否则执行步骤(5‑4)；

(5‑4)获取节点nm的一条邻接边nem＝{EdgeType,MaxAngle,MinAngle}；

(5‑5)获取节点um的对应邻接边uem＝{EdgeType,MidAngle}；

(5‑6)若nem与uem的属性EdgeType值不同，则从集合SG中删除子图sgr后，执行步骤(5‑

1)，否则执行步骤(5‑7)；

(5‑7)若uem.MidAngle>nem.MaxAngle或uem.MidAngle

(5‑8)循环执行步骤(5‑4)至步骤(5‑7)，直到节点nm的所有邻接边都被判别；

(5‑9)循环执行步骤(5‑2)至步骤(5‑8)，直到子图sgr的所有节点和边都被判别；

(5‑10)循环执行步骤(5‑1)至步骤(5‑9)，直到集合SG中的所有子图都被判别。