一种高分辨率遥感监测的输变电线路环水保监测方法与流程

本发明涉及环保检测领域，特别涉及一种高分辨率遥感监测的输变电线路环水保监测方法。

背景技术：

1、目前对于输电线路，一般会进行环水保监测，具体原因如下：

2、输变电线路的建设和运营会对周边环境产生一定的影响，特别是对水土流失和环境污染等方面。通过环水保监测，可以及时掌握输变电线路对周边环境的影响情况，采取相应的措施，保护生态环境和土地资源。

3、输变电线路在运行过程中，可能会受到自然灾害、人为破坏等各种因素的影响，导致线路受损或故障。通过环水保监测，可以及时发现并解决这些问题，保障线路的安全稳定运行。

4、随着环保意识的增强，对输变电线路的环保要求也越来越高。通过环水保监测，可以了解输变电线路对周边环境的影响情况，采取相应的环保措施，满足环保合规性要求。

5、输变电线路是电力行业的重要组成部分，其建设和运营对电力行业的可持续发展具有重要影响。通过环水保监测，可以更好地保护生态环境和土地资源，促进电力行业的可持续发展。

6、在现有技术中，环水保监测一般采用如下方式：

7、现场巡查：定期组织人员对输变电线路周边环境进行现场巡查，了解线路运行情况，观察周边环境变化，及时发现并解决环境问题。

8、遥感监测：利用遥感技术，通过卫星或无人机搭载的高清相机对输变电线路周边环境进行拍摄，获取高清图像数据，通过数据处理和分析，提取与环水保相关的信息。

9、定位监测：利用gps定位技术，对输变电线路周边环境进行实时监测，记录扰动区域的位置和面积等信息，同时监测水土保持措施的实施情况。

10、抽样调查：在输变电线路周边环境中选取一定数量的样点进行抽样调查，了解不同地类、不同塔型施工中的扰动面积和临时施工便道的长度和宽度等信息。

11、查阅资料：查阅输变电线路的设计、施工、运行等资料，了解线路的基本情况和对环境的影响情况，同时查阅相关法律法规和标准规范，了解环保要求和监测标准。

12、随着电力行业的快速发展，输变电线路的建设和运营对环境的影响日益显著。为了确保输变电线路的环保合规性，同时保障线路的安全稳定运行，开发一种能够实时、全面、高分辨率地监测输变电线路环境变化的方法显得尤为重要。

技术实现思路

1、本发明提供一种高分辨率遥感监测的输变电线路环水保监测方法，用以解决背景技术中提出的问题。

2、一种高分辨率遥感监测的输变电线路环水保监测方法，包括：

3、s1：收集大量的输变电线路的周围植被恢复前后的遥感影像数据、地面调查数据和土壤质量数据，并建立对应的影像数据集，地面数据集和土壤数据集；

4、s2：对影像数据集，地面数据集和土壤数据集中的数据进行预处理，从预处理后的数据中选取指标特征，输入ai模型中，生成ai热力图，并基于ai热力图确定周围植被的恢复数据；

5、s3：基于恢复指标对植被恢复质量的影响，对不同的恢复指标进行权重分配，根据分配结果构建得到植被恢复质量判断模型；

6、s4：基于植被恢复质量判断模型，对周围植被的恢复情况进行分析，得到对植被恢复效果的动态评估和预测。

7、优选的，所述s1中，收集大量的输变电线路的周围植被恢复前后的遥感影像数据、地面调查数据和土壤质量数据，并建立对应的影像数据集，地面数据集和土壤数据集，包括：

8、利用高分辨率遥感技术，获取输变电线路的周围植被不同时期的卫星遥感图像，基于卫星遥感图像建立影像数据集，具体为：

9、通过设置在地球同步轨道的高分辨率遥感卫星对输变电线路的周围植被进行数据采集，得到初始卫星遥感图像，对初始卫星遥感图像按照预设高分辨率进行检验，从初始卫星遥感图像中获取满足预设高分辨率的目标卫星遥感图像，基于目标卫星遥感图像建立影像数据集；

10、收集通过组织专业队伍进行实地地面调查的周围植被地面数据，基于周围植被地面数据建立地面数据集；

11、在生态监测站设置观测点，定期采集周围植被的土壤数据，基于土壤数据构建得到土壤数据集。

12、优选的，所述s2中，对影像数据集，地面数据集和土壤数据集中的数据进行预处理，包括：

13、分别基于影像数据集，地面数据集和土壤数据集的数据采集特征，对影像数据集，地面数据集和土壤数据集中的数据进行相应的数据清洗，得到影像数据集，地面数据集和土壤数据集的清洗数据；

14、依次对清洗数据进行镜像特征提取，去噪处理和归一化处理，得到影像数据集，地面数据集和土壤数据集对应的处理数据；

15、将影像数据集，地面数据集和土壤数据集中的处理数据进行标准化处理，最终得到预处理后的数据。

16、优选的，所述s2中，从预处理后的数据中选取指标特征，输入ai模型中，生成ai热力图，并基于ai热力图确定周围植被的恢复数据，包括：

17、对影像数据集，地面数据集和土壤数据集预处理后的数据进行三维特征提取，得到影像三维数据集，地面三维数据集和土壤三维数据集；

18、基于三维特征，从影像三维数据集，地面三维数据集和土壤三维数据集中获取三维数据特征的相似度大于预设相似度的任意两个或三个相似三维数据特征；

19、基于获取方式，对任意两个或三个相似三维数据特征的特征处理，得到任意两个或三个相似三维数据特征最终统一的目标三维数据特征；

20、确定所有目标三维数据特征与预设监测指标之间的关联信息，基于关联信息对目标三维数据特征进行聚类处理，得到多组第一数据特征组，并从预设监测指标中确定每组第一数据特征组对应的第一监测指标，并确定第一监测指标的第一指标值；

21、从影像三维数据集，地面三维数据集和土壤三维数据集中获取其他三维数据特征，并将在同一三维数据集中的其他三维数据特征进行聚类处理，得到多组第二数据特征组，并从预设监测指标中确定每组第二数据特征组对应的第二监测指标，并确定第二监测指标的第二指标值；

22、将第一监测指标及其第一指标值，第二监测指标及其第二指标值，输入ai模型中，生成ai热力图；

23、基于ai热力图，确定周围植被的恢复数据。

24、所述将第一监测指标及其第一指标值，第二监测指标及其第二指标值，输入ai模型中，生成ai热力图，包括：

25、基于第一监测指标和第二监测指标的指标类型设置第一标记规则；

26、基于输变电线路的周围植被的植被类型设置第二标记规则；

27、基于第一标记规则，第二标记规则将第一指标值和第二指标值输入ai模型中，得到ai热力图。

28、优选的，所述基于ai热力图，确定周围植被的恢复数据，包括：

29、当进行特定植被类型的查看时，对ai热力图中关于特定植被类型的图部分按照第一标记规则和第二标记规则进行标记显示，得到特定植被类型的热力图标记结果；

30、基于特定植被类型热力图标记结果，得到周围植被的恢复数据。

31、优选的，所述s3中，基于恢复指标对植被恢复质量的影响，对不同的恢复指标进行权重分配，根据分配结果构建得到植被恢复质量判断模型，包括：

32、将恢复指标划分为土壤恢复指标，植被恢复指标和其他恢复指标；

33、基于植被恢复中土壤因素判断标准，对土壤恢复指标进行第一权重分配，基于第一权重大小，确定对应土壤恢复指标的第一位置范围和第一长度，获取土壤恢复指标之间的第一关联度，基于第一关联度，结合土壤恢复指标的第一位置范围和第一长度，构建土壤恢复指标的第一判断结构，第一判断结构中由节点和边组成，节点根据第一位置范围确定，边根据第一长度确定；

34、基于植被恢复中植被因素判断标准，对土壤恢复指标进行第二权重分配，基于第二权重大小，确定对应土壤恢复指标的第二位置范围和第二长度，获取植被恢复指标之间的第二关联度，基于第二关联度，结合植被恢复指标的第二位置范围和第二长度，构建植被恢复指标的第二判断结构，第二判断结构中由节点和边组成，节点根据第二位置范围确定，边根据第二长度确定；

35、对其他恢复指标进行第三权重分配，基于第三权重大小，确定对应其他恢复指标的第三位置范围和第三长度，获取土壤恢复指标之间的第三关联度，基于第三关联度，结合土壤恢复指标的第三位置范围和第三长度，构建其他恢复指标的第三判断结构，第三判断结构中由节点和边组成，节点根据第三位置范围确定，边根据第三长度确定；

36、基于土壤恢复指标，植被恢复指标和其他恢复指标三者之间的关联关系，确定第一判断结构，第二判断结构和第三判断结构之间的结构连接特征；

37、分别对土壤恢复指标，植被恢复指标和其他恢复指标赋予综合权重，基于综合权重和结构连接特征，对第一判断结构，第二判断结构和第三判断结构进行加权整合，得到判断网络结构；

38、基于判断结构框架和判断网络结构，构建得到植被恢复质量判断模型。

39、优选的，所述基于判断结构框架和判断网络结构，构建得到植被恢复质量判断模型，包括：

40、将判断结构框架和判断网络结构按照模型融合方式进行融合，得到融合结构；

41、根据模型展现形式对融合结构进行调整，得到植被恢复质量判断模型。

42、优选的，所述s4中，基于植被恢复质量判断模型，对周围植被的恢复情况进行分析，得到对植被恢复效果的动态评估和预测，包括：

43、将周围植被的恢复情况按照时间顺序依次输入植被恢复质量判断模型中，周围植被的恢复情况进入恢复质量判断模型中对应的节点进行计算，最后输出得到对植被恢复效果的动态评估；

44、确定植被恢复效果的动态评估的动态特征，基于动态特征对植被恢复效果进行进一步预测，得到未来预测的植被恢复效果。

45、优选的，所述确定植被恢复效果的动态评估的动态特征，基于动态特征对植被恢复效果进行进一步预测，得到预测的未来植被恢复效果，包括：

46、建立植被恢复效果的动态评估的评估趋势，利用机器学习进行评估趋势的学习，得到动态特征；

47、基于动态特征在植被恢复效果的评估趋势对未来进行进一步预测，得到预测的未来植被恢复效果。

48、与现有技术相比，本发明取得了以下有益效果：

49、收集大量的输变电线路的周围植被恢复前后的遥感影像数据、地面调查数据和土壤质量数据，从三个维度来收集输变电线路的周围的信息，能够获取输变电线路周边环境的详细信息，有效提升监测精度，对影像数据集，地面数据集和土壤数据集中的数据进行预处理，从预处理后的数据中选取指标特征，输入ai模型中，生成ai热力图，并基于ai热力图确定周围植被的恢复数据，实现用户直观地了解植被的变化情况，能够实时获取输变电线路的环境数据，及时发现环境变化，确保线路的环保合规性，基于恢复指标对植被恢复质量的影响，对不同的恢复指标进行权重分配，根据分配结果构建得到植被恢复质量判断模型，基于植被恢复质量判断模型，对周围植被的恢复情况进行分析，得到对植被恢复效果的动态评估和预测，实现对输变电线路环水保监测的实时评估和预测，为管理人员提供环境变化的详细信息，有助于决策制定，最终，通过本发明的高分辨率遥感监测的输变电线路环水保监测方法，结合地面数据和土壤数据，能够实现对输变电线路周边环境的高精度监测，有效提升线路环水保工作的效率和精度，为电力行业的可持续发展提供有力支持，还结合人工智能和机器学习技术，可以降低主观性、提高准确性，并实现动态监测和综合考虑多个因素的能力，从而改善现有植被恢复质量判断方法的缺陷。这将为生态保护和植被管理领域提供更科学、高效的决策支持。

50、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在本技术文件中所特别指出的结构来实现和获得。

51、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。