一种输电线路通道地表特征变化自动提取方法与流程

本发明涉及输电走廊通道变化检测技术领域，具体是一种输电线路通道地表特征变化自动提取方法。

背景技术：

输电线路走廊通道专指输电铁塔及导线经过的区域，考虑到输电线路容易受到树木生长、山火、山体滑坡、粉尘污染、局部微气象环境等因素的影响。对输电走廊通道地表特征及变化的准确了解，对于输电线路的安全运行具有重要的价值。

利用光学卫星遥感手段可获取输电走廊通道的地表覆盖特征，对于高分辨率光学卫星而言，通常可精确划分出五种类型，如：林地、耕地、水体、建筑用地、裸地等。利用多时相、多期的卫星遥感数据，可以进行走廊通道地表特征的变化检测。

我国“高分一号”卫星的全色遥感影像的分辨率为2米，多光谱遥感影像的分辨率为8米(高分一号卫星遥感影像数据的具体参数参照图1)。卫星的高分辨率多光谱相机性能在国内投入运行的对地观测卫星中最强。此外，“高分一号”的宽幅多光谱相机幅宽达到了800公里。“高分一号”在具有类似空间分辨率的同时，可以在更短的时间内对一个地区重复拍照，其重复周期只有4天，而世界上同类卫星的重复周期大多为10余天。可以说，“高分一号”实现了高空间分辨率和高时间分辨率的完美结合。高分一号卫星能够为国土资源部门、农业部门、环境保护部门提供高精度、宽范围的空间观测服务，在地理测绘、海洋和气候气象观测、水利和林业资源监测、城市和交通精细化管理，疫情评估与公共卫生应急、地球系统科学研究等领域发挥重要作用。

变化检测是从不同时期的遥感数据中定量分析和确定地表变化的特征与过程。遥感变化检测是一个确定和评价各种地表特征随时间发生变化的过程，反映了对地观测传感器瞬时视场中地表特征随时间发生的变化引起两个时期影像像元光谱响应的变化。传统的变化检测方法是将两幅不同时间拍摄图像的进行差分处理，获取差异图像，再对差异图像进行处理，将像素点分成变化和无变化两类。差异图的获得有很多方法，主要有以下几种：直接相减法，log法，变化向量分析法(CVA)等。经典方法中对差异图的处理主要有基于贝叶斯理论的无监督法，基于马尔科夫随机场理论的无监督法。两者都采用自动获取阈值的方法，不同之处是前者假设像素间相互独立，后者考虑到像素间上下文信息。

输电线路走廊通道地形地貌特征主要反映其地势的高低起伏变化，以湖北地区为例，该地区处于中国地势的二级阶梯与三级阶梯中间，兼盖山地、岗地、丘陵、平原、江河湖泊等地形地貌，地貌类型呈多样化，并且地势相差大，起伏多。湖北全省总面积的56％为山地，丘陵约为24％，平原与水域约为20％。

我国所建设的特高压、高压等输电线路有输送距离长、分布范围广的特点，输电走廊环境的监测与灾害评估对电网安全运行具有重要的价值。引起输电线路故障的环境灾害主要有泥石流、滑坡、洪水、山火、微气象条件、粉尘污染等。

利用卫星遥感开展输电走廊通道环境的监测与灾害的评估是未来的发展方向，以山火灾害为例，湖北省输电线路走廊区域在全国范围内一直是山火发生概率较高的区域。近几年以来，湖北地区山火事故发生的较为频繁，而输电线路由山火事故引发故障的事故也有所增多，这严重地影响到了湖北电网运行的安全性与稳定性。尤其在冬季降雨量少，伴随居民燃放烟花爆竹以及上坟等活动增加，据统计湖北地区的超高压线路走廊每天都会发生多起山火事故。利用风云卫星，MODIS卫星可准实时的监测和定位部分较大的山火，基于本技术获取的最新地表覆盖数据可以为的蔓延评估等提供准确的参考资料。

技术实现要素：

本发明提供一种输电线路通道地表特征变化自动提取方法，可以快速的提取输电走廊通道的地表特征信息，绘制相应的输电走廊通道缓冲区地表覆盖专题图矢量和栅格图，显著提高输电走廊通道变化检测的效率和准确率。

为实现以上目的，本发明通过以下技术方案予以实现：

一种输电线路通道地表特征变化自动提取方法，包括

步骤1：设置输电走廊通道缓冲区，具体为：

步骤1.1：获取输电线路以及输电杆塔的矢量位置数据；

步骤1.2：根据输电线路矢量数据，以一定距离为范围，创建输电线路缓冲区；

步骤2：对高分一号卫星多光谱影像进行预处理，具体为：

步骤2.1：获取研究区域所有高分一号多光谱影像，并将其进行拼接得到拼接后的影像；

步骤2.2：将拼接后的影像根据步骤1设置的输电线路缓冲区进行裁剪处理，得到输电线路走廊区域的高分一号多光谱遥感影像；

步骤3：基于高分一号卫星影像的样本提取，具体为：

步骤3.1：人工选择待分类地物的样本为步骤2中高分一号预处理后的输电线路走廊遥感影像；

步骤3.2：根据待分类地物的类别，设置样本属性；

步骤4：基于面向对象的层次分类法对预处理后高分一号多光谱影像进行分类，得到研究区域的分类结果数据，具体包括：

步骤4.1：以相邻像元的光谱、纹理信息来分割高分一号图像，获得由粗到细的分割结果,完成影像对象的构建；

步骤4.2：对于构建后的影像对象，通过选择颜色特征、纹理特征、NDVI和NDWI等特征，以提高影像对象的分类精度；

步骤4.3：将整个地表覆盖过程分为四个层次：植被和非植被的划分，植被划分为林地和农田，水域的提取，建筑用地和裸地的划分，当一个类别被划分出来之后对影像进行掩膜之后继续进行其它类别的划分；

步骤4.4：利用Kappa系数^K进行分类精度评价，高于0.8定为合格；

步骤5：利用多期分类结果进行走廊缓冲区地物的快速提取和变化检测，具体为：

步骤5.1：获取两张同一研究区域不同时期的分类结果数据；

步骤5.2：提取待检测地物类型的分布数据；

步骤5.3：对每一个待检测地物用数字标识，并注上各自的面积，然后将两张图进行对称差运算，获得变化数据。对称差运算是两个数据集的异或运算。其操作的结果是，对于每一个面对象，去掉其与另一个数据集中的几何对象相交的部分，而保留剩下的部分。

进一步的，所述步骤4.4中Kappa系数^K通过误差矩阵计算得到，计算公式如下：

式中^K是Kappa系数，r是误差矩阵的行数，x_ii是i行i列(主对角线)上的值，x_i+和x_+i分别是第i行的和与第i列的和，N是样点总数。

本发明通过预先设定缓冲区、通过大数据量的样本学习，从而实现更新遥感数据中地表属性变化的快速提取和变化检测，进而帮助提取输电走廊通道缓冲区地物的变化，对山火燃烧痕迹、农田耕种变化、地表植被覆盖变化等进行快速解读，能够显著提高输电走廊通道变化检测的效率和准确率，并且实现处理的自动化。

图说明

图1为本发明所涉及的高分一号卫星有效载荷技术指标图；

图2为本发明所涉及的湖北某区域输电线路缓冲区图；

图3为本发明所涉及的湖北某区域预处理后图；

图4为本发明所涉及的选择样本过程图；

图5为本发明所涉及的叠加分析(对称差运算)示意图；

图6为本发明所涉及的输电线路走廊地表覆盖分类结果图。

具体实施方式

下面将结合本发明中的图，对本发明中的技术方案进行清楚、完整地描述。

步骤1：设置输电走廊通道缓冲区，具体为：

步骤1.1：获取输电线路以及输电杆塔的矢量位置数据，以湖北省输电线路为例，将湖北省输电线路shp输入到ArcMap中；

步骤1.2：使用缓冲区分析，根据输电线路矢量数据，以1km为范围，创建输电线路缓冲区，如图2所示。输电走廊缓冲区的目的是为了在影像中划分出输电线路1km范围的植被，用于进一步的研究，目的是减少无关区域的分类计算，从而加快计算速度。

步骤2，对高分一号卫星多光谱影像进行预处理，具体为：

步骤2.1：获取湖北省所有高分一号多光谱影像(具体参数见图1说明)，并使用镶嵌工具对其进行拼接，得到拼接后的影像；

步骤2.2：将拼接后影像根据步骤1设置的输电线路缓冲区进行裁剪，剪裁后如图3所示。

步骤3，基于高分一号卫星影像的样本提取，具体为：

步骤3.1：人工选择待分类地物的样本为高分一号预处理后的输电线路走廊遥感影像；

步骤3.2：根据待分类地物的类别，设置样本属性，例如建立5个类别：建筑用地，植被，水域，农田，裸地，每个属性分别选择一定数量的样本，如图4所示；

步骤4：基于面向对象的层次分类法对预处理后的高分一号多光谱影像进行分类，得到研究区域的分类结果数据，具体包括：

步骤4.1：以相邻像元的光谱、纹理等信息来分割高分一号图像，获得由粗到细的分割结果,完成影像对象的构建；

步骤4.2：对于构建后的影像对象，通过选择颜色特征、纹理特征、归一化植被指数(NDVI)和植被水分指数(NDWI)等特征，提高影像对象分类的精度。

NDVI＝(ρ2-ρ1)/(ρ2+ρ1) (1)

其中ρ1为第一波段(红波段)的反射率，ρ2是第二波段(近红外波段)的反射率

NDWI＝(NR-G)/(NR+G) (2)

其中NR代表band近红外，G表示band绿。

步骤4.3：将整个地表覆盖过程分为四个层次，植被和非植被的划分，植被划分为林地和农田，水域的提取，建筑用地和裸地的划分，当一个类别被划分出来之后对影像进行掩膜之后继续进行其它类别的划分。详细如下：

Level 1植被和非植被划分。图像分割选择40的分割阈值，85的融合阈值时最适合植被的提取，其中NDVI辅助特征提取。定义(NDVI>＝0.1)的对象为植被，其余为非植被。

Level 2植被划分为林地和农田。图像分割选择50的分割阈值，95的融合阈值时最适合划分林地与农田。定义(band 2<135.0)的对象为林地，其余为农田。

Level 3水域的提取。图像分割选择75的分割阈值，80的融合阈值时最适合提取水体，定义(band 4<100)的对象为水域。

Level 4建筑用地和裸地的划分。图像分割选择30的分割阈值，80的融合阈值时最适合划分建筑用地和裸地。由于建筑用地和裸地光谱信息差异较大，该过程可以使用基于样本的监督分类，分别选取少量的均匀的样本即可。具体分类结果可见图6。

步骤4.4精度评价

精度评价是指比较实地数据与分类结果，以确定分类过程的准确程度。最常用的精度评价方法是Kappa系数。Kappa系数可以通过误差矩阵计算得到。计算公式如下：

式中^K是Kappa系数，r是误差矩阵的行数，x_ii是i行i列(主对角线)上的值，x_i+和x_+i分别是第i行的和与第i列的和，N是样点总数。

本文的Kappa系数的最低允许判别精度0.8。

步骤5：利用影像库样本进行走廊缓冲区地物的快速提取和变化检测，具体为：

步骤5.1：获取两张同一区域不同时期的分类结果数据；

步骤5.1：提取待检测地物类型的分布数据；

步骤5.2：对每一个待检测地物用数字标识，并注上各自的面积，然后将两张图进行对称差运算，获取变化结果。

对称差公式如下：

AΔB＝(A-B)∪(B-A) (4)

其中A和B分别是两期分类矢量数据。

本发明以面向对象分类基础，引进层次分类思想，提出面向对象的层次分类法，将其应用到湖北省输电线路“高分一号”影像地表覆盖分类中，经过实验验证，面向对象的层次分类法，在图像分类中取得较好的精度且无需大量选取训练样本，提高分类速度，节省大量人力、时间，能够满足湖北省输电线路走廊地表覆盖分类的需要。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何属于本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。