CN110488151A - 一种基于遥感技术的输电线路植被危险预警系统及方法 - Google Patents

一种基于遥感技术的输电线路植被危险预警系统及方法 Download PDF

Info

Publication number
CN110488151A
CN110488151A CN201910766798.3A CN201910766798A CN110488151A CN 110488151 A CN110488151 A CN 110488151A CN 201910766798 A CN201910766798 A CN 201910766798A CN 110488151 A CN110488151 A CN 110488151A
Authority
CN
China
Prior art keywords
vegetation
electricity
transmission line
power line
height
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910766798.3A
Other languages
English (en)
Other versions
CN110488151B (zh
Inventor
吴广宁
李宇
郭裕钧
刘凯
张血琴
高国强
魏文赋
杨泽锋
曹保江
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN201910766798.3A priority Critical patent/CN110488151B/zh
Publication of CN110488151A publication Critical patent/CN110488151A/zh
Application granted granted Critical
Publication of CN110488151B publication Critical patent/CN110488151B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0098—Plants or trees
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
    • G01R31/085—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution lines, e.g. overhead
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/08—Systems determining position data of a target for measuring distance only
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/176—Urban or other man-made structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Electromagnetism (AREA)
  • Multimedia (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Development Economics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Game Theory and Decision Science (AREA)
  • Remote Sensing (AREA)
  • Chemical & Material Sciences (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Medicinal Chemistry (AREA)
  • Biochemistry (AREA)
  • Food Science & Technology (AREA)
  • Immunology (AREA)
  • Wood Science & Technology (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Botany (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于遥感技术的输电线路植被危险预警系统及方法，系统包括：植被生长预测模块、植被高度提取模块、电力线高程提取模块、相对距离计算模块、植被风险预警模块。本发明结合了星载遥感技术和机载遥感技术的优势，能实现植被风险区段的安全距离评估。根据评估结果，能够及时砍伐生长过高植被，同时制定更加合理巡检计划，减少人工巡检次数，保障输电线路安全的同时降低人力物力资源的消耗。

Description

一种基于遥感技术的输电线路植被危险预警系统及方法
技术领域
本发明涉及输电线路植被危险预警领域，具体涉及一种基于遥感技术的输电线路植被危险预警系统及方法。
背景技术
近年来，随着特高压输电线路的建设，电网得到迅速发展，我国基本形成了完整的长距离输电电网。架空输电线路会穿山区、森林等植被茂密生长地区，植被生长过高可能与输电线路接触，导致线路跳闸，引发停电事故。为维持电网安全稳定运行，则需要对输电线路进行定期巡检，及时修剪威胁植被。目前，输电线路植被生长信息主要依靠人工巡检徒步行走或交通工具获取，存在巡检耗时长、工作强度大、数据准确度低等问题。因此，急需一种高效的输电线路周边信息获取方法，遥感技术的发展为输电线路植被危险预警提供了新的途径。
发明内容
针对现有技术中的上述不足，本发明提供的一种基于遥感技术的输电线路植被危险预警系统及方法解决了现有输电线路巡检方法工作强度大的问题。
为了达到上述发明目的，本发明采用的技术方案为：
提供一种基于遥感技术的输电线路植被危险预警系统，其包括：植被生长预测模块、植被高度提取模块、电力线高程提取模块、相对距离计算模块、植被风险预警模块；
所述植被生长预测模块，用于根据输电线路沿线植被的种类和生长数据预测目标区域一端时间内植被的生长情况；
所述植被高度提取模块，用于根据星载SAR图像数据提取目标区域的植被高度信息；
所述电力线高程提取模块，用于根据电力线的点云数据获取目标区域的电力线及其高程信息；
所述相对距离计算模块，用于根据目标区域的植被高度信息和电力线的高程信息获取植被与电力线的相对距离；
所述植被风险预警模块，用于根据植被与电力线的相对距离、输电线路危险阈值距离及植被的生长情况对目标区域进行危险预警。
提供一种基于遥感技术的输电线路植被危险预警方法，其包括以下步骤：
S1、获取输电线路沿线植被的生长特点，将存在植被危险的区域作为目标区域；
S2、采集目标区域的遥感图像数据，获取并预处理输电线路至少两幅SAR图像；采集并预处理与SAR图像相同区域的激光点云数据；
S3、根据预处理后的SAR图像数据提取目标区域植被的高度信息，根据预处理后的激光点云数据提取电力线及其高程信息；
S4、根据植被的高度信息和电力线的高程信息获取电力线与植被的相对距离；
S5、根据电力线与植被的相对距离与危险阈值的大小关系给出危险预警。
进一步地，步骤S1的具体方法包括以下子步骤：
S1-1、根据输电杆塔坐标获取输电杆塔在地图上的位置，将各个输电杆塔在地图上的位置连接成线，得到输电线路；
S1-2、根据人工巡检采集的输电线路沿线植被种类及植被生长情况，初步得到植被风险区段；
S1-3、根据公式
hp＝a(1-e-kt)c
预测植被风险区域中植被的预测高度hp；其中a为该种植被生长的最大值参数；k为植被生长速率修正值；t为植被年龄的观测值；c为植被的形状参数；e为常数；
S1-4、根据一段时间内植被两次预测高度获取其生长速度，将植被生长速度大于阈值的区域作为目标区域。
进一步地，步骤S2的具体方法包括以下子步骤：
S2-1、采用星载合成孔径雷达采集两幅相同轨道模式下包含该目标区域的SAR图像，选定其中一幅为主影像，另一幅为辅影像；
S2-2、采用ENVI软件分别对主影像和辅影像进行基线估计、配准、去平地相位、干涉以及滤波处理，获取HH、HV、HH+VV、HH-VV极化通道的相干系数图，并根据干涉处理后的SAR图像采用相干最优算法计算最优相干系数图γop1、γop2和γop3；根据干涉处理后的SAR图像采用最大相位分离算法计算最大相干系数图γpdh和最小相干系数图γpdl；将HH、HV、HH+VV、HH-VV极化通道的相干系数图、最优相干系数图γop1、γop2和γop3，以及最大相干系数图γpdh和最小相干系数图γpdl均作为预处理后的SAR图像数据；
S2-3、采用无人机搭载激光雷达采集与SAR图像相同区域的激光点云数据；
S2-4、通过设定高度阈值初步去除点云数据中地面、植被和建筑杂点；通过提取点云数据中的首次回波信息，再次滤除地面、植被和建筑杂点，得到预处理后的激光点云数据。
进一步地，步骤S3的具体方法包括以下子步骤：
S3-1、将预处理后的SAR图像数据导入植被高度提取系统，根据植被、河流、公路和裸土相干系数值的差异性，对相干系数图中的植被进行掩膜处理，获取掩膜处理后的各通道相干系数图；
S3-2、基于掩膜处理后的各通道相干系数图采用整体最小二乘拟合相干系数直线，获取目标区域输电线路所有植被对应像元的地表相位候选点；
S3-3、根据公式
获取每个植被像元的地表相位值φ0；其中φ1和φ2分别为地表相位候选点；γ1和γ2分别为φ1和φ2对应的相干系数值；γHV表示HV极化通道的相干系数值；
S3-4、根据每个像元植被的地表相位值寻找相干系数直线与植被高度、植被消光系数变化曲线的交点，获取每个植被像元对应的高度值，完成输电线路植被高度信息的获取；
S3-5、对预处理后的激光点云数据构建格网，并根据公式
h＝|hmax-hmin|
确定格网的尺寸h；其中hmax表示每个格网内高程最大值；hmin表示每个格网内高程最小值；
S3-6、根据格网的尺寸，统计格网内的高程分布，获取点云数据的高程分布状况；
S3-7、根据点云数据的高程分布状况，设定一个表示电力线与地面高程差的高程阈值ht；将格网中点云高程值大于高程阈值的点作为电力线候选点，并记录该点的高程值；
S3-8、对电力线候选点所在格网三维点进行二值化图像转换，得到二值化图像；
S3-9、在二值化图像中采用渐进霍夫变换进行电力线点检测，获取二维电力线图像；
S3-10、将二维电力线图像转换为三维点，采用最小二乘法拟合电力线点，完成电力线及其高程信息的提取。
进一步地，步骤S3-4的具体方法包括以下子步骤：
S3-4-1、根据公式
获取植被的有效垂直波数kz；其中Δθ为SAR图像中主影像和辅影像的入射角差；λ为雷达波长；R为SAR视向到目标之间的距离；α为地形的坡度值；π为常数；B⊥为在垂直SAR视向上的分量；θ为主影像或辅影像的入射角；
S3-4-2、根据公式
建立相干系数关于消光系数和植被高度之间的查找表γv；其中σ为植被的消光系数；H为单个像元植被的高度值；z'为植被高度值变量；i为虚数单位；cos为三角函数；
S3-4-3、将不同消光系数和植被高度下的复平面曲线与拟合相干系数直线相交得到交点；
S3-4-4、寻找离地表相位最远的交点，并根据该交点确定植被的体散射相干系数的估计值
S3-4-5、根据植被的体散射相干系数的估计值在查找表中查找相干系数对应的高度值，得到单个像元的植被高度；
S3-4-6、采用MATLAB将输电线路中所有像元的计算高度值转换为对应的输电线路周围植被高度图，得到输电线路植被高度信息。
进一步地，步骤S3-9的具体方法包括以下子步骤：
S3-9-1、随机选取二值图上的电力线候选点，将其映射至极坐标系并得到相应曲线；
S3-9-2、根据极坐标系中曲线的交点数，找出交点对应在X-Y坐标系中的直线L上的点；
S3-9-3、寻找二值化图像上的电力线点，将直线L上的点连接成线段，同时记录该线段的起点和终点，获取二维电力线图像。
进一步地，步骤S4的具体方法包括以下子步骤：
S4-1、根据植被高度信息，采用ENVI软件添加地理坐标信息，获取地理编码后的输电线路植被高度图；
S4-2、根据电力线高程信息，采用ArcGIS软件添加地理作为信息，获取地理编码后的电力线高程图；
S4-3、将地理编码后的输电线路植被高度图和地理编码后的电力线高程图叠加显示到Google地球上，获取任一坐标的植被高度值ht及电力线高程值hl；
S4-4、根据公式
d＝hl-ht
计算所有电力线点与周围植被的相对距离d。
进一步地，步骤S5中危险阈值的获取方法为：
根据输电线路安全距离准则，确定相应电压等级的输电线路危险阈值。
本发明的有益效果为：
(1)本发明针对传统输电线路植被生长信息获取主要依靠人工巡检徒方式，存在巡检耗时长、工作强度大、数据准确度低等问题。使用星载遥感SAR图像提取输电线路周边植被高度信息，使用机载激光雷达点云数据提取电力线及其高程信息，结合星载遥感技术和机载遥感技术的优势，可高效、大范围地实现输电线路植被危险预警，对于输电线路安全稳定运行具有重要意义，同时大幅降低了输电线路巡检的工作量。
(2)本发明使用星载SAR图像提取输电线路植被高度信息，数据可实时、大范围地获取，且不受天气影响，能实现大范围的输电线路周边植被高度提取；使用机载激光雷达提取电力线及高程信息，能实现输电线路任意区段电力线及其高程信息的高效、准确获提取；
(3)本发明提供的输电线路植被危险预警方法，结合星载遥感技术和机载遥感技术的优势，能实现植被风险区段的安全距离评估。根据评估结果，能够及时砍伐生长过高植被，同时制定更加合理巡检计划，减少人工巡检次数，保障输电线路安全的同时降低人力物力资源的消耗。
附图说明
图1为本方法的流程示意图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
该基于遥感技术的输电线路植被危险预警系统包括：植被生长预测模块、植被高度提取模块、电力线高程提取模块、相对距离计算模块、植被风险预警模块；
所述植被生长预测模块，用于根据输电线路沿线植被的种类和生长数据预测目标区域一端时间内植被的生长情况；
所述植被高度提取模块，用于根据星载SAR图像数据提取目标区域的植被高度信息；
所述电力线高程提取模块，用于根据电力线的点云数据获取目标区域的电力线及其高程信息；
所述相对距离计算模块，用于根据目标区域的植被高度信息和电力线的高程信息获取植被与电力线的相对距离；
所述植被风险预警模块，用于根据植被与电力线的相对距离、输电线路危险阈值距离及植被的生长情况对目标区域进行危险预警。
如图1所示，该基于遥感技术的输电线路植被危险预警方法包括以下步骤：
S1、获取输电线路沿线植被的生长特点，将存在植被危险的区域作为目标区域；
S2、采集目标区域的遥感图像数据，获取并预处理输电线路至少两幅SAR图像；采集并预处理与SAR图像相同区域的激光点云数据；
S3、根据预处理后的SAR图像数据提取目标区域植被的高度信息，根据预处理后的激光点云数据提取电力线及其高程信息；
S4、根据植被的高度信息和电力线的高程信息获取电力线与植被的相对距离；
S5、根据电力线与植被的相对距离与危险阈值的大小关系给出危险预警。
步骤S1的具体方法包括以下子步骤：
S1-1、根据输电杆塔坐标获取输电杆塔在地图上的位置，将各个输电杆塔在地图上的位置连接成线，得到输电线路；
S1-2、根据人工巡检采集的输电线路沿线植被种类及植被生长情况，初步得到植被风险区段；
S1-3、根据公式
hp＝a(1-e-kt)c
预测植被风险区域中植被的预测高度hp；其中a为该种植被生长的最大值参数；k为植被生长速率修正值；t为植被年龄的观测值；c为植被的形状参数；e为常数；在具体实施时，主要预测植被在未来三个月至半年内的生长高度；
S1-4、根据一段时间内植被两次预测高度获取其生长速度，将植被生长速度大于阈值的区域作为目标区域。
步骤S2的具体方法包括以下子步骤：
S2-1、采用TerraSAR-X/Tandem-X星载合成孔径雷达卫星采集两幅相同轨道模式下包含该研究区段的全极化(HH、HV、VH、VV)高分辨SAR图像，TerraSAR-X/Tandem-X两颗SAR传感器几乎0时间基线，可避免卫星运行重复周期造成的时间去相干干扰。选定其中一幅为主影像，另一幅则为辅影像；
S2-2、采用ENVI软件分别对主影像和辅影像进行基线估计、配准、去平地相位、干涉以及滤波处理，获取HH、HV、HH+VV、HH-VV极化通道的相干系数图，并根据干涉处理后的SAR图像采用相干最优算法计算最优相干系数图γop1、γop2和γop3；根据干涉处理后的SAR图像采用最大相位分离算法计算最大相干系数图γpdh和最小相干系数图γpdl；将HH、HV、HH+VV、HH-VV极化通道的相干系数图、最优相干系数图γop1、γop2和γop3，以及最大相干系数图γpdh和最小相干系数图γpdl均作为预处理后的SAR图像数据；
S2-3、采用无人机搭载激光雷达采集与SAR图像相同区域的激光点云数据；
S2-4、通过设定高度阈值初步去除点云数据中地面、植被和建筑杂点；通过提取点云数据中的首次回波信息，再次滤除地面、植被和建筑杂点，得到预处理后的激光点云数据。
步骤S3的具体方法包括以下子步骤：
S3-1、将预处理后的SAR图像数据导入植被高度提取系统，根据植被、河流、公路和裸土相干系数值的差异性，对相干系数图中的植被进行掩膜处理，获取掩膜处理后的各通道相干系数图；
S3-2、基于掩膜处理后的各通道相干系数图采用整体最小二乘拟合相干系数直线，获取目标区域输电线路所有植被对应像元的地表相位候选点；
S3-3、根据公式
获取每个植被像元的地表相位值φ0；其中φ1和φ2分别为地表相位候选点；γ1和γ2分别为φ1和φ2对应的相干系数值；γHV表示HV极化通道的相干系数值；
S3-4、根据每个像元植被的地表相位值寻找相干系数直线与植被高度、植被消光系数变化曲线的交点，获取每个植被像元对应的高度值，完成输电线路植被高度信息的获取；
S3-5、对预处理后的激光点云数据构建格网，并根据公式
h＝|hmax-hmin|
确定格网的尺寸h；其中hmax表示每个格网内高程最大值；hmin表示每个格网内高程最小值；
S3-6、根据格网的尺寸，统计格网内的高程分布，获取点云数据的高程分布状况；
S3-7、根据点云数据的高程分布状况，设定一个表示电力线与地面高程差的高程阈值ht；将格网中点云高程值大于高程阈值的点作为电力线候选点，并记录该点的高程值；
S3-8、对电力线候选点所在格网三维点进行二值化图像转换，得到二值化图像；
S3-9、在二值化图像中采用渐进霍夫变换进行电力线点检测，获取二维电力线图像；
S3-10、将二维电力线图像转换为三维点，采用最小二乘法拟合电力线点，完成电力线及其高程信息的提取。
步骤S3-4的具体方法包括以下子步骤：
S3-4-1、根据公式
获取植被的有效垂直波数kz；其中Δθ为SAR图像中主影像和辅影像的入射角差；λ为雷达波长；R为SAR视向到目标之间的距离；α为地形的坡度值；π为常数；B⊥为在垂直SAR视向上的分量；θ为主影像或辅影像的入射角；
S3-4-2、根据公式
建立相干系数关于消光系数和植被高度之间的查找表γv；其中σ为植被的消光系数；H为单个像元植被的高度值；z'为植被高度值变量；i为虚数单位；cos为三角函数；
S3-4-3、将不同消光系数和植被高度下的复平面曲线与拟合相干系数直线相交得到交点；
S3-4-4、寻找离地表相位最远的交点，并根据该交点确定植被的体散射相干系数的估计值
S3-4-5、根据植被的体散射相干系数的估计值在查找表中查找相干系数对应的高度值，得到单个像元的植被高度；
S3-4-6、采用MATLAB将输电线路中所有像元的计算高度值转换为对应的输电线路周围植被高度图，得到输电线路植被高度信息。
步骤S3-9的具体方法包括以下子步骤：
S3-9-1、随机选取二值图上的电力线候选点，将其映射至极坐标系并得到相应曲线；
S3-9-2、根据极坐标系中曲线的交点数，找出交点对应在X-Y坐标系中的直线L上的点；
S3-9-3、寻找二值化图像上的电力线点，将直线L上的点连接成线段，同时记录该线段的起点和终点，获取二维电力线图像。
步骤S4的具体方法包括以下子步骤：
S4-1、根据植被高度信息，采用ENVI软件添加地理坐标信息，获取地理编码后的输电线路植被高度图；
S4-2、根据电力线高程信息，采用ArcGIS软件添加地理作为信息，获取地理编码后的电力线高程图；
S4-3、将地理编码后的输电线路植被高度图和地理编码后的电力线高程图叠加显示到Google地球上，获取任一坐标的植被高度值ht及电力线高程值hl；
S4-4、根据公式
d＝hl-ht
计算所有电力线点与周围植被的相对距离d。
步骤S5中危险阈值的获取方法为：根据输电线路安全距离准则，确定相应电压等级的输电线路危险阈值。其中，输电线路安全距离准则如表1所示。
表1：输电线路安全距离准则
在本发明的一个实施例中，本系统或方法根据植被的生长特性还可以预测某一位置处的植被在多少时间后将达到危险阈值，进而形成每一位置处植被危险的评估结果。
综上所述，本发明结合了星载遥感技术和机载遥感技术的优势，能实现植被风险区段的安全距离评估。根据评估结果，能够及时砍伐生长过高植被，同时制定更加合理巡检计划，减少人工巡检次数，保障输电线路安全的同时降低人力物力资源的消耗。

Claims (9)

1.一种基于遥感技术的输电线路植被危险预警系统，其特征在于，包括：植被生长预测模块、植被高度提取模块、电力线高程提取模块、相对距离计算模块、植被风险预警模块；
所述植被生长预测模块，用于根据输电线路沿线植被的种类和生长数据预测目标区域一端时间内植被的生长情况；
所述植被高度提取模块，用于根据星载SAR图像数据提取目标区域的植被高度信息；
所述电力线高程提取模块，用于根据电力线的点云数据获取目标区域的电力线及其高程信息；
所述相对距离计算模块，用于根据目标区域的植被高度信息和电力线的高程信息获取植被与电力线的相对距离；
所述植被风险预警模块，用于根据植被与电力线的相对距离、输电线路危险阈值距离及植被的生长情况对目标区域进行危险预警。
2.一种基于遥感技术的输电线路植被危险预警方法，其特征在于，包括以下步骤：
S1、获取输电线路沿线植被的生长特点，将存在植被危险的区域作为目标区域；
S2、采集目标区域的遥感图像数据，获取并预处理输电线路至少两幅SAR图像；采集并预处理与SAR图像相同区域的激光点云数据；
S3、根据预处理后的SAR图像数据提取目标区域植被的高度信息，根据预处理后的激光点云数据提取电力线及其高程信息；
S4、根据植被的高度信息和电力线的高程信息获取电力线与植被的相对距离；
S5、根据电力线与植被的相对距离与危险阈值的大小关系给出危险预警。
3.根据权利要求2所述的基于遥感技术的输电线路植被危险预警方法，其特征在于，所述步骤S1的具体方法包括以下子步骤：
S1-1、根据输电杆塔坐标获取输电杆塔在地图上的位置，将各个输电杆塔在地图上的位置连接成线，得到输电线路；
S1-2、根据人工巡检采集的输电线路沿线植被种类及植被生长情况，初步得到植被风险区段；
S1-3、根据公式
hp＝a(1-e-kt)c
预测植被风险区域中植被的预测高度hp；其中a为该种植被生长的最大值参数；k为植被生长速率修正值；t为植被年龄的观测值；c为植被的形状参数；e为常数；
S1-4、根据一段时间内植被两次预测高度获取其生长速度，将植被生长速度大于阈值的区域作为目标区域。
4.根据权利要求2所述的基于遥感技术的输电线路植被危险预警方法，其特征在于，所述步骤S2的具体方法包括以下子步骤：
S2-1、采用星载合成孔径雷达采集两幅相同轨道模式下包含该目标区域的SAR图像，选定其中一幅为主影像，另一幅为辅影像；
S2-2、采用ENVI软件分别对主影像和辅影像进行基线估计、配准、去平地相位、干涉以及滤波处理，获取HH、HV、HH+VV、HH-VV极化通道的相干系数图，并根据干涉处理后的SAR图像采用相干最优算法计算最优相干系数图γop1、γop2和γop3；根据干涉处理后的SAR图像采用最大相位分离算法计算最大相干系数图γpdh和最小相干系数图γpdl；将HH、HV、HH+VV、HH-VV极化通道的相干系数图、最优相干系数图γop1、γop2和γop3，以及最大相干系数图γpdh和最小相干系数图γpdl均作为预处理后的SAR图像数据；
S2-3、采用无人机搭载激光雷达采集与SAR图像相同区域的激光点云数据；
S2-4、通过设定高度阈值初步去除点云数据中地面、植被和建筑杂点；通过提取点云数据中的首次回波信息，再次滤除地面、植被和建筑杂点，得到预处理后的激光点云数据。
5.根据权利要求4所述的基于遥感技术的输电线路植被危险预警方法，其特征在于，所述步骤S3的具体方法包括以下子步骤：
S3-1、将预处理后的SAR图像数据导入植被高度提取系统，根据植被、河流、公路和裸土相干系数值的差异性，对相干系数图中的植被进行掩膜处理，获取掩膜处理后的各通道相干系数图；
S3-2、基于掩膜处理后的各通道相干系数图采用整体最小二乘拟合相干系数直线，获取目标区域输电线路所有植被对应像元的地表相位候选点；
S3-3、根据公式
获取每个植被像元的地表相位值φ0；其中φ1和φ2分别为地表相位候选点；γ1和γ2分别为φ1和φ2对应的相干系数值；γHV表示HV极化通道的相干系数值；
S3-4、根据每个像元植被的地表相位值寻找相干系数直线与植被高度、植被消光系数变化曲线的交点，获取每个植被像元对应的高度值，完成输电线路植被高度信息的获取；
S3-5、对预处理后的激光点云数据构建格网，并根据公式
h＝|hmax-hmin|
确定格网的尺寸h；其中hmax表示每个格网内高程最大值；hmin表示每个格网内高程最小值；
S3-6、根据格网的尺寸，统计格网内的高程分布，获取点云数据的高程分布状况；
S3-7、根据点云数据的高程分布状况，设定一个表示电力线与地面高程差的高程阈值ht；将格网中点云高程值大于高程阈值的点作为电力线候选点，并记录该点的高程值；
S3-8、对电力线候选点所在格网三维点进行二值化图像转换，得到二值化图像；
S3-9、在二值化图像中采用渐进霍夫变换进行电力线点检测，获取二维电力线图像；
S3-10、将二维电力线图像转换为三维点，采用最小二乘法拟合电力线点，完成电力线及其高程信息的提取。
6.根据权利要求5所述的基于遥感技术的输电线路植被危险预警方法，其特征在于，所述步骤S3-4的具体方法包括以下子步骤：
S3-4-1、根据公式
获取植被的有效垂直波数kz；其中Δθ为SAR图像中主影像和辅影像的入射角差；λ为雷达波长；R为SAR视向到目标之间的距离；α为地形的坡度值；π为常数；B⊥为在垂直SAR视向上的分量；θ为主影像或辅影像的入射角；
S3-4-2、根据公式
建立相干系数关于消光系数和植被高度之间的查找表γv；其中σ为植被的消光系数；H为单个像元植被的高度值；z'为植被高度值变量；i为虚数单位；cos为三角函数；
S3-4-3、将不同消光系数和植被高度下的复平面曲线与拟合相干系数直线相交得到交点；
S3-4-4、寻找离地表相位最远的交点，并根据该交点确定植被的体散射相干系数的估计值
S3-4-5、根据植被的体散射相干系数的估计值在查找表中查找相干系数对应的高度值，得到单个像元的植被高度；
S3-4-6、采用MATLAB将输电线路中所有像元的计算高度值转换为对应的输电线路周围植被高度图，得到输电线路植被高度信息。
7.根据权利要求5所述的基于遥感技术的输电线路植被危险预警方法，其特征在于，所述步骤S3-9的具体方法包括以下子步骤：
S3-9-1、随机选取二值图上的电力线候选点，将其映射至极坐标系并得到相应曲线；
S3-9-2、根据极坐标系中曲线的交点数，找出交点对应在X-Y坐标系中的直线L上的点；
S3-9-3、寻找二值化图像上的电力线点，将直线L上的点连接成线段，同时记录该线段的起点和终点，获取二维电力线图像。
8.根据权利要求1所述的基于遥感技术的输电线路植被危险预警方法，其特征在于，所述步骤S4的具体方法包括以下子步骤：
S4-1、根据植被高度信息，采用ENVI软件添加地理坐标信息，获取地理编码后的输电线路植被高度图；
S4-2、根据电力线高程信息，采用ArcGIS软件添加地理作为信息，获取地理编码后的电力线高程图；
S4-3、将地理编码后的输电线路植被高度图和地理编码后的电力线高程图叠加显示到Google地球上，获取任一坐标的植被高度值ht及电力线高程值hl；
S4-4、根据公式
d＝hl-ht
计算所有电力线点与周围植被的相对距离d。
9.根据权利要求1所述的基于遥感技术的输电线路植被危险预警方法，其特征在于，所述步骤S5中危险阈值的获取方法为：
根据输电线路安全距离准则，确定相应电压等级的输电线路危险阈值。
CN201910766798.3A 2019-08-20 2019-08-20 一种基于遥感技术的输电线路植被危险预警系统及方法 Active CN110488151B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910766798.3A CN110488151B (zh) 2019-08-20 2019-08-20 一种基于遥感技术的输电线路植被危险预警系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910766798.3A CN110488151B (zh) 2019-08-20 2019-08-20 一种基于遥感技术的输电线路植被危险预警系统及方法

Publications (2)

Publication Number Publication Date
CN110488151A true CN110488151A (zh) 2019-11-22
CN110488151B CN110488151B (zh) 2021-02-26

Family

ID=68551523

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910766798.3A Active CN110488151B (zh) 2019-08-20 2019-08-20 一种基于遥感技术的输电线路植被危险预警系统及方法

Country Status (1)

Country Link
CN (1) CN110488151B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111259835A (zh) * 2020-01-20 2020-06-09 云南电网有限责任公司电力科学研究院 一种基于卫星技术的输电线路区域内树木生长趋势预测方法
CN111693000A (zh) * 2020-06-22 2020-09-22 中铁七局集团电务工程有限公司 一种轨道交通接触网补偿监控装置及监测方法
CN112182061A (zh) * 2020-09-11 2021-01-05 云南电网有限责任公司昭通供电局 一种基于架空地线光纤杆塔监测输电走廊山体滑坡的方法
CN112466104A (zh) * 2020-11-30 2021-03-09 深圳供电局有限公司 一种电网输电线的树障预警方法及预警系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11146523A (ja) * 1997-11-11 1999-05-28 Ngk Insulators Ltd 送電鉄塔間の樹木監視システム
JP2011010479A (ja) * 2009-06-26 2011-01-13 Tokyo Electric Power Co Inc:The 送電線下地物の除去地物選定装置
KR101083667B1 (ko) * 2011-01-13 2011-11-15 벽산파워 주식회사 가공 송전선로 지락 사고 예방 시스템
CN103605044A (zh) * 2013-11-01 2014-02-26 航天科工深圳（集团）有限公司 一种基于gis电力故障定位的编码引擎的实现方法
CN104020475A (zh) * 2014-06-20 2014-09-03 西安煤航信息产业有限公司 一种基于机载LiDAR数据的电力线提取及建模方法
CN106441233A (zh) * 2015-08-06 2017-02-22 航天图景（北京）科技有限公司 基于倾斜摄影三维重建技术的电力通道走廊巡检方法
CN107238844A (zh) * 2017-06-30 2017-10-10 贵州电网有限责任公司输电运行检修分公司 基于激光点云雷达数据进行输电线路通道断面图制作方法
CN109215065A (zh) * 2018-09-07 2019-01-15 北京数字绿土科技有限公司 输电线路的树障隐患预测方法、装置和实现装置
CN109390873A (zh) * 2018-11-30 2019-02-26 贵州电网有限责任公司 一种利用输电线路通道内点云数据来预测树障威胁的方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11146523A (ja) * 1997-11-11 1999-05-28 Ngk Insulators Ltd 送電鉄塔間の樹木監視システム
JP2011010479A (ja) * 2009-06-26 2011-01-13 Tokyo Electric Power Co Inc:The 送電線下地物の除去地物選定装置
KR101083667B1 (ko) * 2011-01-13 2011-11-15 벽산파워 주식회사 가공 송전선로 지락 사고 예방 시스템
CN103605044A (zh) * 2013-11-01 2014-02-26 航天科工深圳（集团）有限公司 一种基于gis电力故障定位的编码引擎的实现方法
CN104020475A (zh) * 2014-06-20 2014-09-03 西安煤航信息产业有限公司 一种基于机载LiDAR数据的电力线提取及建模方法
CN106441233A (zh) * 2015-08-06 2017-02-22 航天图景（北京）科技有限公司 基于倾斜摄影三维重建技术的电力通道走廊巡检方法
CN107238844A (zh) * 2017-06-30 2017-10-10 贵州电网有限责任公司输电运行检修分公司 基于激光点云雷达数据进行输电线路通道断面图制作方法
CN109215065A (zh) * 2018-09-07 2019-01-15 北京数字绿土科技有限公司 输电线路的树障隐患预测方法、装置和实现装置
CN109390873A (zh) * 2018-11-30 2019-02-26 贵州电网有限责任公司 一种利用输电线路通道内点云数据来预测树障威胁的方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
卢红喜: "极化干涉合成孔径雷达与层析成像技术研究", 《中国博士学位论文全文数据库信息科技辑》 *
张赓: "基于机载LiDAR点云数据的电力线安全距离检测", 《中国优秀硕士学位论文全文数据库工程科技II辑》 *
李晓峰 等: "基于机载LiDAR点云的电力线自动提取", 《计算机测量与控制》 *
罗雪莲: "基于合成孔径雷达的地表参数及森林树高反演", 《中国优秀硕士学位论文全文数据库农业科技辑》 *
谈璐璐 等: "合成孔径雷达简缩极化干涉数据的植被高度反演技术研究", 《电子与信息学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111259835A (zh) * 2020-01-20 2020-06-09 云南电网有限责任公司电力科学研究院 一种基于卫星技术的输电线路区域内树木生长趋势预测方法
CN111693000A (zh) * 2020-06-22 2020-09-22 中铁七局集团电务工程有限公司 一种轨道交通接触网补偿监控装置及监测方法
CN112182061A (zh) * 2020-09-11 2021-01-05 云南电网有限责任公司昭通供电局 一种基于架空地线光纤杆塔监测输电走廊山体滑坡的方法
CN112466104A (zh) * 2020-11-30 2021-03-09 深圳供电局有限公司 一种电网输电线的树障预警方法及预警系统

Also Published As

Publication number Publication date
CN110488151B (zh) 2021-02-26

Similar Documents

Publication Publication Date Title
CN110488151A (zh) 一种基于遥感技术的输电线路植被危险预警系统及方法
CN104462660B (zh) 一种野外输电线路冬季覆冰厚度分布绘制方法
CN103779808A (zh) 基于LiDAR的输电线路智能巡检系统
CN107063197A (zh) 一种基于空间信息技术的水库特征曲线提取方法
CN110044327A (zh) 一种基于sar数据与gnss数据的基础设施沉降监测方法及系统
CN111784082B (zh) 一种基于大数据的gis山洪预防预警系统
CN105388535A (zh) 基于现有机载设备的航空气象风观测方法
KR102118802B1 (ko) 무인 항공기를 이용한 하천 건천화 모니터링 방법 및 시스템
Herzog et al. Least-cost kernel density estimation and interpolation-based density analysis applied to survey data
Zhou et al. Comparison of UAV-based LiDAR and digital aerial photogrammetry for measuring crown-level canopy height in the urban environment
Rey‐Sanchez et al. Detecting hot spots of methane flux using footprint‐weighted flux maps
Lee et al. Creation of river terrain data using region growing method based on point cloud data from UAV photography
Giles et al. Semi-automated feature-tracking of East Antarctic sea ice from Envisat ASAR imagery
Li et al. Changes in the glacier extent and surface elevation in Xiongcaigangri region, Southern Karakoram Mountains, China
CN114994702A (zh) 一种基于机载激光雷达的水库库容测算方法
Hao et al. Extraction and analysis of tree canopy height information in high-voltage transmission-line corridors by using integrated optical remote sensing and LiDAR
CN110244301A (zh) 一种基于sar图像的输电走廊树高提取方法
Mishra et al. Quantifying heterogeneous monsoonal melt on a debris-covered glacier in Nepal Himalaya using repeat uncrewed aerial system (UAS) photogrammetry
CN110806606A (zh) 一种电力气象精细化预报预警系统及方法
CN111487619A (zh) 利用sar-x高分辨率聚束模检测输电杆塔地面倾角的方法
Parikh et al. Systematic tracking of boundary layer aerosols with laser radar
Fanglong et al. Simulation of urban population distribution grid by integrating geodetector and random forest model
Knutson et al. Terminal wind hazard analyses based on assimilated weather data and Lagrangian coherent structures
Hnila et al. Quality Assessment of Digital Elevation Models in a Treeless High-Mountainous Landscape: A Case Study from Mount Aragats, Armenia
Sun UAV-video-based rip current detection in near-shore areas

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant