一种融合卫星遥感的输电线路水土保持风险监测评估方法技术

本发明专利技术提供了一种融合卫星遥感的输电线路水土保持风险监测评估方法，包括：基于输电杆塔地址信息，施工地区信息和高分辨率卫星遥感影像得到输电线路的水土保持识别结果；采用文本智能识别方法对环水保规划文本进行识别得到水土保持关键信息；对所述水土保持识别结果和所述水土保持关键信息进行评估得到输电线路水土保持风险及风险概率。本发明专利技术对水土保持结果和水土保持关键信息进行分析得到水土保持风险监测评估结果，实现了将现场结果和环水保规划结合起来对输电线路工程水土保持的潜在风险进行评估，提高了识别输电线路工程水土保持风险监测结果的准确性。土保持风险监测结果的准确性。土保持风险监测结果的准确性。

【技术实现步骤摘要】
一种融合卫星遥感的输电线路水土保持风险监测评估方法


[0001]本专利技术涉及电网环水保
，具体涉及一种融合卫星遥感的输电线路水土保持风险监测评估方法。

技术介绍

[0002]针对塔基开挖和杆塔架设的环水保监管多采用现场调查观测的方法，观测设施简易，主要以人工抄录、拍摄为主，数据的精准性不高，尚未形成输电线路工程环水保监管的信息化体系和方法。
[0003]卫星遥感技术在快速获取大范围的地表信息方面具有不可代替的优势，其次亚米级空间分辨率的卫星遥感数据越来越全面，为生产建设项目责任范围遥感监测提供了坚实的技术支撑途径。遥感影像信息提取防治主要包括人工目视解译和基于机器学习的自动提取方法。
[0004]目前，在环水保监管中的应用以米级精度高分系列为主，采用归一化植被指数理论、小样本机器学习方法为主，此类方法可以较快的分辨出大尺度上的扰动土地状况但存在影像采集时间受限、无植被覆盖时无法提取土地扰动等问题。有研究表明，自动识别结果仍需大量人工目视核查，提出误判区域，且仅保留面积大于600m2的土地扰动范围。针对这些问题，现有一些研究使用亚米级高清国产卫星，结合机器学习和人工智能领域的最新趋势深度学习技术，研究国产卫星在环水保大范围监管中的应用，实现无植被覆盖时土地扰动的智能提取。
[0005]从目前
技术介绍
和参考文献可以看出，主要研究工作聚焦在如何使用卫星遥感、无人机对输电线路工程环水保现场情况进行监测分析，提出新的图像智能识别方法。但是，如何将现场结果与环水保规划结合起来，对潜在风险进行分析预警是目前的空白。

技术实现思路

[0006]为了解决现有技术未将现场结果与环水保规划结合起来对输电线路工程水土保持的潜在风险进行分析预警的问题，本专利技术提出了一种融合卫星遥感的输电线路水土保持风险监测评估方法，包括：
[0007]基于输电杆塔地址信息，施工地区信息和高分辨率卫星遥感影像得到输电线路的水土保持识别结果；
[0008]采用文本智能识别方法对环水保规划文本进行识别得到水土保持关键信息；
[0009]对所述水土保持识别结果和所述水土保持关键信息进行评估得到输电线路水土保持风险及风险概率。
[0010]优选的，所述基于输电杆塔地址信息，施工地区信息和高分辨率卫星遥感影像得到输电线路的水土保持识别结果，包括：
[0011]对所述高分辨率卫星遥感影像进行预处理得到带有地理坐标的图像产品，并基于所述图像产品构建土地扰动样本库；
[0012]基于所述输电杆塔地址信息和施工地区信息构建土地扰动候选区
[0013]基于所述土地扰动样本库和所述土地扰动候选区结合U
‑
net模型得到土地扰动范围以及对应的土地扰动面积；
[0014]基于所述土地扰动候选区结合预先构建的多光谱特征智能识别模型得到像元属于土地扰动的概率；
[0015]基于所述土地扰动范围和像元属于土地扰动的概率得到输电线路工程的水土保持识别结果；
[0016]其中，所述预处理包括：几何校正，辐射校正和镶嵌；
[0017]所述水土保持识别结果包括：土地扰动、属于土地扰动的概率或非土地扰动；
[0018]所述多光谱特征智能识别模型是基于新型植被指数，近红外波段和红波段构建的。
[0019]优选的，所述基于所述土地扰动候选区结合预先构建的多光谱特征智能识别模型得到像元属于土地扰动的概率，包括：
[0020]基于所述土地扰动候选区结合所述多光谱特征智能识别模型得到像元的新型植被指数；
[0021]当所述新型植被指数小于第一预设值时，像元属于土地扰动的概率为w1；
[0022]当所述新型植被指数大于第一预设值且小于第二预设值时，像元属于土地扰动的概率为w2；
[0023]当所述新型植被指数大于第二预设值且小于第三预设值时，像元属于土地扰动的概率为w3；
[0024]当所述新型植被指数大于等于第三预设值时，像元属于土地扰动的概率为w4；
[0025]其中，w1、w2、w3和w4为不大于1的百分比，且w1>w2>w3>w4。
[0026]优选的，所述基于所述土地扰动范围和像元属于土地扰动的概率得到输电线路工程的水土保持识别结果，包括：
[0027]若输电线路属于所述土地扰动范围，且像元的新型植被指数不小于所述第三预设值，则水土保持识别结果为非土地扰动，否则水土保持识别结果为土地扰动，且属于土地扰动的概率为对应的像元属于土地扰动的概率；
[0028]若输电线路不属于所述土地扰动范围，且像元的新型植被指数大于所述第一预设值，则水土保持识别结果为非土地扰动，否则水土保持识别结果为土地扰动，且属于土地扰动的概率为w3。
[0029]优选的，所述多光谱特征智能识别模型如下式所示：
[0030][0031]上式中，NeVI为新型植被指数，NIR为近红外波段，Red为红波段。
[0032]优选的，所述采用文本智能识别方法对环水保规划文本进行识别得到水土保持关键信息，包括：
[0033]采用格式转换法对所述环水保规划文本进行转换操作得到待提取环水保规划文本；
[0034]采用文字匹配法对所述待提取环水保规划文本进行匹配操作得到扰动面积信息，
并将所述扰动面积信息中的最大扰动面积作为预设扰动总面积；
[0035]其中，所述水土保持关键信息包括扰动面积信息。
[0036]优选的，所述对所述水土保持识别结果和所述水土保持关键信息进行评估得到输电线路水土保持风险及风险概率，包括：
[0037]在所述候选区内，基于水土保持识别结果，属于土地扰动的概率和土地扰动面积得到杆塔的扰动面积和概率扰动面积；
[0038]将候选区内所有杆塔的扰动面积相加得到扰动总面积，并将候选区内所有杆塔的概率扰动面积相加得到概率扰动总面积；
[0039]将所述扰动总面积和预设扰动总面积进行比较；
[0040]当所述扰动总面积小于预设扰动总面积时，基于所述杆塔的概率扰动面积和所述预设扰动总面积确定输电线路水土保持风险及风险概率；
[0041]当所述扰动总面积大于预设扰动总面积时，基于所述概率扰动总面积和预设扰动总面积确定输电线路水土保持风险及风险概率。
[0042]优选的，所述当所述扰动总面积小于预设扰动总面积时，基于所述杆塔的概率扰动面积和所述预设扰动总面积确定输电线路水土保持风险及风险概率，包括：
[0043]基于所述预设扰动总面积和杆塔信息得到杆塔的平均施工扰动面积；
[0044]将所有杆塔的概率扰动面积和所有杆塔的平均施工扰动面积进行比较；
[0045]若杆塔的概率扰动面积均小于杆塔的平均施工扰动面积，则输电线路水土保持风险监测评估结果为输电线路水土保持扰动无风险；否则杆塔存在水土保持扰动超标风险，并基于所述杆塔的概率扰动面积和杆塔的平均施工扰动面积确定杆塔存在水土保本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合卫星遥感的输电线路水土保持风险监测评估方法，其特征在于，包括：基于输电杆塔地址信息，施工地区信息和高分辨率卫星遥感影像得到输电线路的水土保持识别结果；采用文本智能识别方法对环水保规划文本进行识别得到水土保持关键信息；对所述水土保持识别结果和所述水土保持关键信息进行评估得到输电线路水土保持风险及风险概率。2.如权利要求1所述的方法，其特征在于，所述基于输电杆塔地址信息，施工地区信息和高分辨率卫星遥感影像得到输电线路的水土保持识别结果，包括：对所述高分辨率卫星遥感影像进行预处理得到带有地理坐标的图像产品，并基于所述图像产品构建土地扰动样本库；基于所述输电杆塔地址信息和施工地区信息构建土地扰动候选区；基于所述土地扰动样本库和所述土地扰动候选区结合U
‑
net模型得到土地扰动范围以及对应的土地扰动面积；基于所述土地扰动候选区结合预先构建的多光谱特征智能识别模型得到像元属于土地扰动的概率；基于所述土地扰动范围和像元属于土地扰动的概率得到输电线路工程的水土保持识别结果；其中，所述预处理包括：几何校正，辐射校正和镶嵌；所述水土保持识别结果包括：土地扰动、属于土地扰动的概率或非土地扰动；所述多光谱特征智能识别模型是基于新型植被指数，近红外波段和红波段构建的。3.如权利要求2所述的方法，其特征在于，所述基于所述土地扰动候选区结合预先构建的多光谱特征智能识别模型得到像元属于土地扰动的概率，包括：基于所述土地扰动候选区结合所述多光谱特征智能识别模型得到像元的新型植被指数；当所述新型植被指数小于第一预设值时，像元属于土地扰动的概率为w1；当所述新型植被指数大于第一预设值且小于第二预设值时，像元属于土地扰动的概率为w2；当所述新型植被指数大于第二预设值且小于第三预设值时，像元属于土地扰动的概率为w3；当所述新型植被指数大于等于第三预设值时，像元属于土地扰动的概率为w4；其中，w1、w2、w3和w4为不大于1的百分比，且w1>w2>w3>w4。4.如权利要求3所述的方法，其特征在于，所述基于所述土地扰动范围和像元属于土地扰动的概率得到输电线路工程的水土保持识别结果，包括：若输电线路属于所述土地扰动范围，且像元的新型植被指数不小于所述第三预设值，则水土保持识别结果为非土地扰动，否则水土保持识别结果为土地扰动，且属于土地扰动的概率为对应的像元属于土地扰动的概率；若输电线路不属于所述土地扰动范围，且像元的新型植被指数大于所述第一预设值，则水土保持识别结果为非土地扰动，否则水土保持识别结果为土地扰动，且属于土地扰动的概率为w3。
5.如权利要求3所述的方法，其特征在于，所述多光谱特征智能识别模型如下式所示：上式中，NeVI为新型植被指数，NIR为近红外波段，Red为红波段。6.如权利要求2所述的方法，其特征在于，所述采用文本智能识别方法对环水保规划文本进行识别得到水土保持关键信息，包括：采用格式转换法对所述环水保规划文本进行转换操作得到待提取环水保规划文本；采用文字匹配法对所述待提取环水保规划文本进行匹配操作得到扰动面积信息，并将所述扰动面积信息中的最大扰动面积作为预设扰动总面积；其中，所述水土保持关键信息包括扰动面积信息。7.如权利要求6所述的方法，其特征在于，所述对所述水土保持识别结果和所述水土保持关键信息进行评估得到输电线路水土保持风险及风险概率，包括：在所述候选区内，基于水土保持识别结果，属于土地扰动的概率和土地扰动面积得到杆塔的扰动面积和概率扰动面积；将候选区内所有杆塔的扰动面积相加得到扰动总面积，并将候选区内所有杆塔的概率扰动面积相加得到概率扰动总面积；将所述扰动总面积和预设扰动总面积进行比较；当所述扰动总面积小于预设扰动总面积时，基于所述杆塔的概率扰动面积和所述预设扰动总面积确定输电线路水土保持风险及风险概率；当所述扰动总面积大于预设扰动总面积时，基于所述概率扰动总面积和预设扰动总面积确定输电线路水土保持风险及风险概率。8.如权利要求7所述的方法，其特征在于，所述当所述扰动总面积小于预设扰动总面积时，基于所述杆塔的概率扰动面积和所述预设扰动总面积确定输电线路水土保持风...

【专利技术属性】
技术研发人员：张强，袁和刚，杨知，张思航，高洁，陈华，殷占全，牛育忠，李志军，方永红，马伟，刘彬，李孟轩，赵彬，汉京善，
申请(专利权)人：国网宁夏电力有限公司固原供电公司中国电力科学研究院有限公司国家电网有限公司，
类型：发明
国别省市：