CN111666904A - 一种输电线路高分辨率遥感影像地质灾害解译识别方法 - Google Patents

一种输电线路高分辨率遥感影像地质灾害解译识别方法 Download PDF

Info

Publication number
CN111666904A
CN111666904A CN202010524164.XA CN202010524164A CN111666904A CN 111666904 A CN111666904 A CN 111666904A CN 202010524164 A CN202010524164 A CN 202010524164A CN 111666904 A CN111666904 A CN 111666904A
Authority
CN
China
Prior art keywords
remote sensing
interpretation
landslide
power transmission
collapse
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.)
Pending
Application number
CN202010524164.XA
Other languages
English (en)
Inventor
吴争荣
刘昌�
樊灵孟
王昊
李彬
蔡思航
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.)
Southern Power Grid Digital Grid Research Institute Co Ltd
Original Assignee
Southern Power Grid Digital Grid Research Institute Co Ltd
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 Southern Power Grid Digital Grid Research Institute Co Ltd filed Critical Southern Power Grid Digital Grid Research Institute Co Ltd
Priority to CN202010524164.XA priority Critical patent/CN111666904A/zh
Publication of CN111666904A publication Critical patent/CN111666904A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/10Terrestrial scenes
    • G06V20/13Satellite images
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393Score-carding, benchmarking or key performance indicator [KPI] analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/26Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Multimedia (AREA)
  • Astronomy & Astrophysics (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Remote Sensing (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种输电线路高分辨率遥感影像地质灾害解译识别方法,包括以下步骤:收集输电线路区域不同时期的卫星遥感影像数据,对卫星遥感影像数据进行图像预处理;根据处理后的卫星遥感影像数据中的滑坡崩塌地质灾害典型影像特征建立遥感解译标志;根据遥感解译标志对处理后的卫星遥感影像数据进行遥感解译,获得滑坡崩塌地质灾害影响因素评价指标体系;根据滑坡崩塌地质灾害影响因素评价指标体系确定输电线路的地质灾害风险等级。该地质灾害解译识别方法能对输电线路地质灾害进行量化评估分析。

Description

一种输电线路高分辨率遥感影像地质灾害解译识别方法
技术领域
本发明涉及输电线路地质灾害检测技术领域,特别涉及一种输电线路高分辨率遥感影像地质灾害解译识别方法。
背景技术
由于我国复杂的地质条件,会产生较多的地质灾害,无论是山洪、泥石流、地震还是地质沉降、滑坡或崩塌等,都会对输电线路的安全运行产生较大的威胁。我国幅员辽阔,输电线路的分布比较广泛,输电线路遭遇地质灾害的现象较为频繁。
输电线路整体呈条带状,其中杆塔呈点状分布,影响杆塔安全运行的地质灾害以滑坡和崩塌为主。特别是雨季期间,加之地质脆弱山体结构破碎,会频繁发生山体滑坡和崩塌等地质灾害,导致输电线路受损,供电中断,造成大量的经济损失。
目前,输电线路通道内的地质灾害监测治理的主要方式为传统的群测群防方式,通过日常线路巡视或当地居民告知杆塔通道或基础边坡隐患,然后采取对应的治理措施。
现有技术输电线路地质灾害监测方法不仅耗费人力物力较大,监测效果不佳,无法进行地质灾害易发程度的量化分析。
发明内容
本发明提供了一种输电线路高分辨率遥感影像地质灾害解译识别方法,解决了现有方法无法进行地质灾害易发程度的量化分析的技术问题,实现了输电线路地质灾害量化评估分析的技术效果。
本发明所提供的一种输电线路高分辨率遥感影像地质灾害解译识别方法,包括以下步骤:
收集输电线路区域不同时期的卫星遥感影像数据,所述卫星影像数据包括所述输电线路区域的地形地貌及植被水系;
对所述卫星遥感影像数据进行图像预处理;
根据处理后的所述卫星遥感影像数据中的滑坡崩塌地质灾害典型影像特征建立遥感解译标志,所述滑坡崩塌地质灾害典型影像特征包括:地形地貌特征、植被特征及水文特征;
根据所述遥感解译标志对处理后的所述卫星遥感影像数据进行遥感解译,获得滑坡崩塌地质灾害影响因素评价指标体系;
根据所述滑坡崩塌地质灾害影响因素评价指标体系确定所述输电线路的地质灾害风险等级。
作为优选,所述卫星遥感影像数据为高分一号卫星数据;
所述卫星遥感影像数据还包括所述输电线路区域的地质构造、地层岩性、坡体结构及地下水露头。
作为优选,所述图像预处理后,获得高质量卫星遥感影像数据;
所述高质量卫星遥感影像数据的色调对比度高、遥感层次多、色彩丰富、明度和饱和度高、影像分辨力和解译力高。
作为优选,所述图像预处理包括:辐射定标、大气校正、正射校正、图像融合、正射校正、几何校正、波段组合、增强处理。
作为优选,所述增强处理包括:辐射增强及灰度级线性拉伸。
作为优选,所述图像预处理还包括:将所述卫星遥感影像数据通过镶嵌拼接形成整体图像。
作为优选,所述波段组合为:根据地物波谱特征和所述卫星遥感影像数据进行统计分析,选择3、2和1波段为地质解译用最佳RGB基本彩色合成图像组合。
作为优选,所述遥感解译标志包括:滑坡解译标志和崩塌解译标志;
所述滑坡解译标志包括:滑坡形态特征、滑坡色调特征、滑坡纹理特征、滑坡植被特征及其他滑坡特征;
所述崩塌解译标志包括:崩塌色调特征、崩塌发育位置特征、崩塌纹理特征及其他崩塌特征。
作为优选,所述滑坡形态特征为:在卫星遥感影像上成簸箕形、马蹄形、弧形或不规则形;
所述滑坡色调特征为:刚发生不久的滑坡,在所述卫星遥感影像上呈现明显的浅色调;处于变形阶段的滑坡,滑体周缘具有相比滑坡平面形态色调较浅的色环,或在后缘出现浅色线条甚至坡体前缘出现局部坍塌现象;古滑坡坡体在整体上呈现浅色调;
所述滑坡纹理特征为:活动滑坡在所述卫星遥感影像上纹理比较粗糙,可见到粗粒状、斑状块体;古滑坡在所述卫星遥感影像上纹理比较细腻,坡体上耕地、道路纹理清晰;
所述滑坡植被特征为:活动滑坡的坡体上无巨大直立树木,可见小树木或醉汉林;古滑坡的坡体上长满树木;
所述崩塌色调特征为:在发展或发生不久的崩塌点,影像上呈浅色调;趋于稳定的崩塌,其色调相对灰暗一些,但整体上仍以浅色调为主;
所述崩塌发育位置特征为:崩塌一般发育在陡峻的山坡地段,一般在50~70°的陡坡前易发生,上陡下缓,崩塌体堆积在谷底或斜坡平缓地段,有时出现巨大的石块影像;
所述崩塌纹理特征为:崩塌体表面坎坷不平,具粗糙感,可出现巨大块石影像,上部外围可见到裂缝影像。
作为优选,所述遥感解译包括:
采用人机交互解译与目视解译相结合、初步解译与详细解译相结合、室内解译与野外调查验证相结合的方式完成室内解译工作;
通过对初步解译资料进行野外调查和验证,再进行详细解译,来补充和修正初步解译成果;
通过野外调查和验证,补充和修改后,将解译成果草图分图层进行数字化成图,提交最终的遥感解译成果系列图。
本申请中提供的多无人机射频信号识别方法,至少具有如下技术效果或优点:
本申请利用遥感影像开展解译调查,可以直接根据影像识别地质灾害点,勾绘出灾害范围,并确定其类别和性质,查明其产生原因、规模大小、危害程度、分布规律和发展趋势。利用不同时期的高分辨率的卫星影像进行对比研究,提取滑坡、崩塌等地质灾害的遥感信息,建立其解译特征,对其活动性和类型进行解译,通过对提取出来的细部信息进行解译识别,可以对其发展趋势和灾害程度作出较准确的判断。。
附图说明
图1为本申请的输电线路高分辨率遥感影像地质灾害解译识别方法的流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
本申请提供了一种输电线路高分辨率遥感影像地质灾害解译识别方法,利用遥感影像开展解译调查,可以直接根据影像识别地质灾害点,勾绘出灾害范围,并确定其类别和性质,查明其产生原因、规模大小、危害程度、分布规律和发展趋势。利用不同时期的高分辨率的卫星影像进行对比研究,提取滑坡、崩塌等地质灾害的遥感信息,建立其解译特征,对其活动性和类型进行解译,通过对提取出来的细部信息进行解译识别,可以对其发展趋势和灾害程度作出较准确的判断。
参见附图1,本申请的解译识别方法包括以下步骤:
S1:收集输电线路区域不同时期的卫星遥感影像数据,卫星影像数据包括所述输电线路区域的地形地貌及植被水系;
S2:对卫星遥感影像数据进行图像预处理;
S3:根据处理后的卫星遥感影像数据中的滑坡崩塌地质灾害典型影像特征建立遥感解译标志,滑坡崩塌地质灾害典型影像特征包括:地形地貌特征、植被特征及水文特征;
S4:根据遥感解译标志对处理后的卫星遥感影像数据进行遥感解译,获得滑坡崩塌地质灾害影响因素评价指标体系;
S5:根据滑坡崩塌地质灾害影响因素评价指标体系确定输电线路的地质灾害风险等级。
下面通过具体实施例来详细介绍本申请具体采用的技术方案:
利用高分辨率遥感影像,结合计算机自动识别与人工目视判译调查,提取地形地貌、地层岩性及坡体结构、地质构造等孕灾条件。
(1)通过对滑坡、崩塌等地质灾害影像的形态、色调、阴影、纹理等进行辨认,再结合附近地形、地层岩性、地质构造、地下水露头、植被、水系等进行综合判译,查明输电线路的孕灾背景因子。
(2)调查输电线路地质灾害现状,按影像勾绘出范围,确定其类别和性质,查明其产生原因、规模大小、危害程度、分布规律和发展趋势。为输电线路地质灾害分区,划分易发区域,评价易发程度,建立输电线路地质灾害监测预警网络等后续工作提供基础资料。
(3)输电线路遥感地质灾害危险评价:在进行滑坡地质灾害危险性评价分析研究时,需要对整个评价区域进行规则或不规则单元划分,形成数量众多的单元,然后按不同评价因子依次对每一个单元进行赋值。滑坡地质灾害影响因素主要分为内在因素、外在因素和历史状况。在研究的过程中,通过将地质灾害影响因素与遥感调查得到的地质灾害点分布图(历史状况)进行叠加分析,得到本研究区滑坡地质灾害影响因素评价指标体系。对影响地质灾害发生的影响因素评价因子,必须对其赋予量化的值。对每一个单元的所有地质灾害影响因素的评分采用专家经验法进行定量化表达划分。
遥感解译工作主要分以下几个步骤进行:资料收集、遥感数据源选择、遥感数字图像处理及制作、遥感解译、野外验证、成果图编制。
在开展区内相关内容的遥感解译过程中,首先在充分了解及掌握区内以往相关内容遥感调查成果的基础上,进行分析研究,做到有效、科学的应用,有针对性的开展工作区相关调查专题的遥感解译工作,总结相应专题的遥感影像特征,建立遥感解译标志。通过遥感影像特征对比、分析,提取各专题影像特征类似或相同遥感信息。
地形数据主要使用ALOS-12.5m高程数据和Aster-30m高程数据,用于遥感数据的正射校正和解译中的辅助。参见表1,遥感信息资料主要有以下几类:landsat系列卫星数据、高分一号卫星数据、谷歌历史遥感数据。
表1卫星遥感数据特征表
Figure BDA0002533125980000061
遥感数据收集和预处理
数据需采用计算机对遥感图像进行加工处理,以改善图像质量、增强有关信息,其结果好坏会直接影响后期图像信息提取和判译效果及各种专题制图的精度,因此,在进行遥感图像的应用之前,选择适当的图像处理方法,对原始的遥感图像进行增强处理,以制作出高质量的遥感图像。此次遥感图像处理主要包括大气校正、辐射定标、波段组合、正射校正、色调匹配、数据融合、图像镶嵌、增强处理、制图、三维可视化等步骤。根据地物波谱特征和遥感图像数据统计分析,选择3、2和1波段(真彩色)为地质解译用最佳RGB基本彩色合成图像组合,提高了遥感图像的解像力。所用高分一号数据及Landsat-8OLI数据都进行了全色波段高分辨影像和多光谱低分辨率影像融合,从而提高影像质量,加大地质灾害遥感解译和地质信息提取精度。本次遥感影像平面坐标采用GCS_WGS_1984地理坐标系,高程系统采用1985国家高程基准。
图像预处理
获得的卫星影像虽然已经经过了几何校正等处理,但在进行解译前,还需要进行一系列预处理。选取典型地物点进行地理配准,使其能与数字地形图进行叠加。
本实施例遥感解译主要采用高分一号卫星数据进行遥感解译,卫星数据图像处理主要包括辐射定标、大气校正、正射校正、数据融合、几何校正和各种增强处理等功能。
遥感解译标志
滑坡——滑坡是一种地质地貌现象,是斜坡物质沿一定浸润滑动面,整体滑落的变形破坏形式,其产生的基本原理是斜坡的一定岩土体的滑动力超过抗滑力的结果,也是道路边坡常见的一种山地灾害。滑坡主要通过形态、色调、纹理等特征进行判释,除滑坡体本身外,还要对其周边的地质环境,如地层岩性、地质构造、地下水露头、植被发育程度、水系等方面进行判释。
(1)形态特征:典型的滑坡体在卫星影像上一般成簸箕形、马蹄形、弧形或不规则形。在高分辨率影像上滑坡壁、滑坡台阶、滑坡舌、滑坡鼓丘和封闭洼地等清晰可见。活动滑坡坡体地表破碎,起伏不平,斜坡表面有不均匀陷落的局部平台,斜坡较陡且长,有向下缓倾的现象;古滑坡滑坡后壁一般较高,坡体较缓,坡体规模较大,外表平整,无明显沉陷不均现象,滑坡台阶宽大且已夷平。
(2)色调特征:新滑坡坡体色调与周围稳定地形有明显的差别,刚发生不久的滑坡,坡体大多有松散的堆积物质组成,表面具有较强的波谱反射能力,在影像上呈现明显的浅色调;处于变形阶段的滑坡,滑体周缘常具有相比滑坡平面形态色调较浅的色环,或在后缘出现浅色线条甚至坡体前缘出现局部坍塌现象;古滑坡坡体上大多因开垦为耕地,整体上显示浅色调。
(3)纹理特征:活动滑坡,因坡体地形破碎,地表起伏不平使得各部位反射光谱的能力不同,影像上纹理比较粗糙,有的岩质滑坡影像上可见到大的粗粒状、斑状块体;古滑坡,因坡体外表平整,土体密实,使得影像上纹理相对比较细腻,有的仅在前缘迎河部分出现大孤石,坡体上耕地、道路等纹理清晰。
(4)植被特征:活动滑坡,坡体上无巨大直立树木,可见小树木或醉汉林;古滑坡,坡体上长满树木,有的形成“马刀树”。
(5)其它特征:活动滑坡地表湿地、泉水发育,坡体上有新的冲沟发育;古滑坡,滑坡舌已远离河道,滑坡两侧的自然沟切割很深,有时会出现双沟同源现象。
不稳定边坡(崩塌)——道路两侧的陡坡上的岩土体在因开挖道路或重力作用下或地震影响下突然向下倾倒、崩落、翻滚与跳跃,并使岩土体破裂、散裂,而堆于坡脚处,是边坡变形中最常见的一种不良地质地貌现象和道路病害。一般发生在由节理裂隙发育的坚硬岩石组成的陡峻山坡与峡谷陡岸上,这类厚层坚硬性岩石能形成高陡的斜坡,在岩石中往往发育两组或两组以上陡倾节理,其中与坡面平行的一组常演化为张裂隙。在遥感图像中,可见陡峭的斜坡岩层中,不同方向的节理裂隙呈浅色色调,直线状相互交错、切割岩体,将岩体切割为棱形块状。新生的崩塌陡崖色调浅,老的陡崖色调深。跟滑坡一样,地形、地质构造、地层岩性也是崩塌发育形成的三个基本条件,判释时应重点从这三个基本条件入手,进行重点分析。总的来说主要从色调、发育位置、纹理等方面进行判释。
(1)色调特征:崩塌在遥感影像上,因遥感影像类型不同,所呈现的颜色
具有较大差异,尚在发展或发生不久的崩塌点,影像上呈浅色调;趋于稳定的崩塌,其色调相对灰暗一些,但整体上仍以浅色调为主。
(2)发育位置特征:崩塌一般发育在陡峻的山坡地段,一般在50~70°的陡坡前易发生,上陡下缓,崩塌体堆积在谷底或斜坡平缓地段,有时出现巨大的石块影像。
(3)纹理特征:崩塌体表面坎坷不平,具粗糙感,有时可出现巨大块石影像,上部外围有时可见到张节理形成的裂缝影像。
(4)崩塌轮廓线明显,崩塌壁一般为陡峻的岩壁,其颜色与岩性有关,但多呈浅色或接近灰白色,不长植物。
(5)部分崩塌体上部外围可见张节理形成的裂缝(在影像分辨率很高的情况下)。
(6)崩塌堆积物多呈锥状堆积于坡脚,多为大小不一的碎块石,因此,新鲜的堆积体上没有或少有植被,若崩塌体规模较大,且整体性保存较好,则在堆积体上可见杂乱、歪斜植被。
(7)有时巨大的崩塌体堵塞河谷,在崩塌处上游易形成堰塞湖,而崩塌处的河流则形成一个具有瀑布状的峡谷,若崩塌体部分进入河谷挤压河道,则流水出现异常水花。
遥感解译
解译基本使用的是目视解译法,根据解译标志,通过肉眼对处理后的遥感图像的判别,进行类别区分和归并。通过专家经验对滑坡崩塌等地质灾害的边界进行矢量圈定,通常是根据其影像的颜色,纹理,形状,大小,结合高程地形数据和以往的前人工作数据进行判定,结合图像增强处理法即通过图像增强处理来对解译目标信息实施针对性增强处理的一种方法。根据多次试验的应用效果,主要选择波段组合法、比值组合法、和融合技术为本次调查采用的主要图像增强处理方法,大幅度的提高遥感解译精度及项目工作效率。
解译流程
(1)遥感解译标志的建立
在充分收集和熟悉工作区地质灾害资料的基础上,通过野外实地踏勘,根据地物波谱特征和空间特征,分别建立各类地质灾害的遥感解译标志(如色调和色彩、几何形状、大小、阴影、地貌形态、水系、影纹图案及组合特征等)。
(2)室内解译工作
室内解译应以遥感影像为依据。室内解译主要采用人机交互解译与目视解译相结合、初步解译与详细解译相结合、室内解译与野外调查验证相结合的工作方法。解译遵循从已知到未知、从区域到局部、从总体到个别、从定性到定量,按先易后难、循序渐进、不断反馈和逐步深化的原则进行。
(3)野外调查与验证
在室内解译的基础上,通过对初步解译资料进行野外调查和验证,再进行详细解译,来补充和修正初步解译成果,最终形成遥感解译成果图,以此确保遥感解译成果的质量和置信度。
(4)解译成果图件的编制
在室内解译的基础上,通过野外调查和验证,补充和修改后,将解译成果草图分图层进行数字化成图,提交最终的遥感解译成果系列图。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (10)

1.一种输电线路高分辨率遥感影像地质灾害解译识别方法,其特征在于,包括以下步骤:
收集输电线路区域不同时期的卫星遥感影像数据,所述卫星影像数据包括所述输电线路区域的地形地貌及植被水系;
对所述卫星遥感影像数据进行图像预处理;
根据处理后的所述卫星遥感影像数据中的滑坡崩塌地质灾害典型影像特征建立遥感解译标志,所述滑坡崩塌地质灾害典型影像特征包括:地形地貌特征、植被特征及水文特征;
根据所述遥感解译标志对处理后的所述卫星遥感影像数据进行遥感解译,获得滑坡崩塌地质灾害影响因素评价指标体系;
根据所述滑坡崩塌地质灾害影响因素评价指标体系确定所述输电线路的地质灾害风险等级。
2.如权利要求1所述的输电线路高分辨率遥感影像地质灾害解译识别方法,其特征在于,
所述卫星遥感影像数据为高分一号卫星数据;
所述卫星遥感影像数据还包括所述输电线路区域的地质构造、地层岩性、坡体结构及地下水露头。
3.如权利要求1所述的输电线路高分辨率遥感影像地质灾害解译识别方法,其特征在于,所述图像预处理后,获得高质量卫星遥感影像数据;
所述高质量卫星遥感影像数据的色调对比度高、遥感层次多、色彩丰富、明度和饱和度高、影像分辨力和解译力高。
4.如权利要求3所述的输电线路高分辨率遥感影像地质灾害解译识别方法,其特征在于,所述图像预处理包括:辐射定标、大气校正、正射校正、图像融合、正射校正、几何校正、波段组合、增强处理。
5.如权利要求4所述的输电线路高分辨率遥感影像地质灾害解译识别方法,其特征在于,所述增强处理包括:辐射增强及灰度级线性拉伸。
6.如权利要求5所述的输电线路高分辨率遥感影像地质灾害解译识别方法,其特征在于,所述图像预处理还包括:将所述卫星遥感影像数据通过镶嵌拼接形成整体图像。
7.如权利要求4所述的输电线路高分辨率遥感影像地质灾害解译识别方法,其特征在于,所述波段组合为:根据地物波谱特征和所述卫星遥感影像数据进行统计分析,选择3、2和1波段为地质解译用最佳RGB基本彩色合成图像组合。
8.如权利要求7所述的输电线路高分辨率遥感影像地质灾害解译识别方法,其特征在于,
所述遥感解译标志包括:滑坡解译标志和崩塌解译标志;
所述滑坡解译标志包括:滑坡形态特征、滑坡色调特征、滑坡纹理特征、滑坡植被特征及其他滑坡特征;
所述崩塌解译标志包括:崩塌色调特征、崩塌发育位置特征、崩塌纹理特征及其他崩塌特征。
9.如权利要求8所述的输电线路高分辨率遥感影像地质灾害解译识别方法,其特征在于,
所述滑坡形态特征为:在卫星遥感影像上成簸箕形、马蹄形、弧形或不规则形;
所述滑坡色调特征为:刚发生不久的滑坡,在所述卫星遥感影像上呈现明显的浅色调;处于变形阶段的滑坡,滑体周缘具有相比滑坡平面形态色调较浅的色环,或在后缘出现浅色线条甚至坡体前缘出现局部坍塌现象;古滑坡坡体在整体上呈现浅色调;
所述滑坡纹理特征为:活动滑坡在所述卫星遥感影像上纹理比较粗糙,可见到粗粒状、斑状块体;古滑坡在所述卫星遥感影像上纹理比较细腻,坡体上耕地、道路纹理清晰;
所述滑坡植被特征为:活动滑坡的坡体上无巨大直立树木,可见小树木或醉汉林;古滑坡的坡体上长满树木;
所述崩塌色调特征为:在发展或发生不久的崩塌点,影像上呈浅色调;趋于稳定的崩塌,其色调相对灰暗一些,但整体上仍以浅色调为主;
所述崩塌发育位置特征为:崩塌一般发育在陡峻的山坡地段,一般在50~70°的陡坡前易发生,上陡下缓,崩塌体堆积在谷底或斜坡平缓地段,有时出现巨大的石块影像;
所述崩塌纹理特征为:崩塌体表面坎坷不平,具粗糙感,可出现巨大块石影像,上部外围可见到裂缝影像。
10.如权利要求1所述的输电线路高分辨率遥感影像地质灾害解译识别方法,其特征在于,所述遥感解译包括:
采用人机交互解译与目视解译相结合、初步解译与详细解译相结合、室内解译与野外调查验证相结合的方式完成室内解译工作;
通过对初步解译资料进行野外调查和验证,再进行详细解译,来补充和修正初步解译成果;
通过野外调查和验证,补充和修改后,将解译成果草图分图层进行数字化成图,提交最终的遥感解译成果系列图。
CN202010524164.XA 2020-06-10 2020-06-10 一种输电线路高分辨率遥感影像地质灾害解译识别方法 Pending CN111666904A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010524164.XA CN111666904A (zh) 2020-06-10 2020-06-10 一种输电线路高分辨率遥感影像地质灾害解译识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010524164.XA CN111666904A (zh) 2020-06-10 2020-06-10 一种输电线路高分辨率遥感影像地质灾害解译识别方法

Publications (1)

Publication Number Publication Date
CN111666904A true CN111666904A (zh) 2020-09-15

Family

ID=72386792

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010524164.XA Pending CN111666904A (zh) 2020-06-10 2020-06-10 一种输电线路高分辨率遥感影像地质灾害解译识别方法

Country Status (1)

Country Link
CN (1) CN111666904A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112465356A (zh) * 2020-11-30 2021-03-09 国网四川省电力公司电力科学研究院 一种改进的崩滑地质灾害物质易损性定量评价方法及系统
CN113506203A (zh) * 2021-07-12 2021-10-15 京创智慧科技有限责任公司 一种数据处理方法、装置、设备及存储介质
CN113705429A (zh) * 2021-08-26 2021-11-26 广东电网有限责任公司广州供电局 一种滑坡地质灾害遥感解译方法、装置、设备及存储介质
CN113792992A (zh) * 2021-08-25 2021-12-14 应急管理部国家自然灾害防治研究院 一种基于遥感大数据的滑坡崩塌应急评价方法及系统
CN116994156A (zh) * 2023-09-27 2023-11-03 自然资源部第三地理信息制图院 一种滑坡隐患综合遥感识别方法、系统、设备及介质
WO2023221974A1 (zh) * 2022-05-16 2023-11-23 中咨数据有限公司 基于卫片反馈的崩滑监测装置、方法、终端、设备及介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200074605A1 (en) * 2018-08-31 2020-03-05 International Business Machines Corporation Enhancing temporal and spatial resolution and correcting data anomalies of remote sensed data for estimating high spatio-temporal resolution vegetation indices
CN111090954A (zh) * 2019-12-17 2020-05-01 国家电网有限公司 一种地质灾害隐患判识以及分析评估并治理的方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200074605A1 (en) * 2018-08-31 2020-03-05 International Business Machines Corporation Enhancing temporal and spatial resolution and correcting data anomalies of remote sensed data for estimating high spatio-temporal resolution vegetation indices
CN111090954A (zh) * 2019-12-17 2020-05-01 国家电网有限公司 一种地质灾害隐患判识以及分析评估并治理的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
卫星影像数据揽宇方圆: "遥感卫星影像地质灾害遥感解译方法和流程", pages 1 - 2 *
戴旭明等: "输电线路高分辨率遥感影像地质灾害解译识别技术", pages 720 - 725 *
曾涛: "汶川地震重灾区多源影像处理及震害信息提取方法研究", 《中国博士学位论文全文数据库基础科学辑》, pages 68 - 74 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112465356A (zh) * 2020-11-30 2021-03-09 国网四川省电力公司电力科学研究院 一种改进的崩滑地质灾害物质易损性定量评价方法及系统
CN112465356B (zh) * 2020-11-30 2023-05-23 国网四川省电力公司电力科学研究院 一种改进的崩滑地质灾害物质易损性定量评价方法及系统
CN113506203A (zh) * 2021-07-12 2021-10-15 京创智慧科技有限责任公司 一种数据处理方法、装置、设备及存储介质
CN113792992A (zh) * 2021-08-25 2021-12-14 应急管理部国家自然灾害防治研究院 一种基于遥感大数据的滑坡崩塌应急评价方法及系统
CN113792992B (zh) * 2021-08-25 2022-06-10 应急管理部国家自然灾害防治研究院 一种基于遥感大数据的滑坡崩塌应急评价方法及系统
CN113705429A (zh) * 2021-08-26 2021-11-26 广东电网有限责任公司广州供电局 一种滑坡地质灾害遥感解译方法、装置、设备及存储介质
WO2023221974A1 (zh) * 2022-05-16 2023-11-23 中咨数据有限公司 基于卫片反馈的崩滑监测装置、方法、终端、设备及介质
CN116994156A (zh) * 2023-09-27 2023-11-03 自然资源部第三地理信息制图院 一种滑坡隐患综合遥感识别方法、系统、设备及介质
CN116994156B (zh) * 2023-09-27 2023-12-08 自然资源部第三地理信息制图院 一种滑坡隐患综合遥感识别方法、系统、设备及介质

Similar Documents

Publication Publication Date Title
CN111666904A (zh) 一种输电线路高分辨率遥感影像地质灾害解译识别方法
Trier et al. Automatic detection of mound structures in airborne laser scanning data
Kasai et al. LiDAR-derived DEM evaluation of deep-seated landslides in a steep and rocky region of Japan
Hervás et al. Monitoring landslides from optical remotely sensed imagery: the case history of Tessina landslide, Italy
Adediran et al. Computer-assisted discrimination of morphological units on north-central Crete (Greece) by applying multivariate statistics to local relief gradients
Kassouk et al. Object-oriented classification of a high-spatial resolution SPOT5 image for mapping geology and landforms of active volcanoes: Semeru case study, Indonesia
CN106485254A (zh) 一种输电线路通道地表特征变化自动提取方法
CN108520271B (zh) 基于因子分析的海底地貌类型分类器设计方法
Jotheri et al. Recognition of ancient channels and archaeological sites in the Mesopotamian floodplain using satellite imagery and digital topography
CN117475314B (zh) 一种地质灾害隐患立体识别方法、系统及介质
Jagodnik et al. Landslide types in the Slani Potok gully, Croatia
Shiran et al. Detection of surface anomalies through fractal analysis and their relation to morphotectonics (High Zagros belt, Iran)
Kux et al. Object-based image analysis using QuickBird satellite images and GIS data, case study Belo Horizonte (Brazil)
Launspach Automated sinkhole extraction and morphological analysis in northeast Iowa using high-resolution LiDAR data
Nenonen et al. The inselberg landscape in Finnish Lapland: a morphological study based on the LiDAR data interpretation.
Imam et al. Remote sensing efficiency for urban analysis of Mecca and surrounds
Prasad et al. Mapping and analyzing vegetation types of North Andaman Islands, India
Zylshal et al. An object based image analysis approach to semi-automated karst morphology extraction
Phong et al. The Feasibility of Sentinel-2A and Landsat-8 data in Rock Outcrop Extracting using Object-Based Oriented Classification–A case study in mountainous areas of Thua Thien Hue Province, Vietnam
Pawar et al. Geo-morphological Mapping for Land Resource Assessment Around Bagh village of Dhar District, Madhya Pradesh, India Using Remote Sensing and GIS Techniques
Adnan Geospatial Assessment of Reef Island Shoreline Dynamics: Mapping, Monitoring and Modelling
MITSI et al. Modification of a groundwater prospect zone index using remotely sensed data and the analytic network process in the eastern part of Lesvos island, Greece.
Taruna et al. Detection of Shoreline Changes With Automated Water Extraction Index (AWEI) In Galur District, Kulon Progo Regency
Riadi et al. Identification of flood area in the coastal region using remote sensing in Karawang Regency, West Java
Stettner Characterizing thermo-erosional landforms in Siberian ice-rich permafrost. Morphometric investigations in the Lena Delta using high-resolution satellite imagery and digital elevation models

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200915