CN110647935B - 一种输电线路区域树木生长趋势的预测方法及装置 - Google Patents
一种输电线路区域树木生长趋势的预测方法及装置 Download PDFInfo
- Publication number
- CN110647935B CN110647935B CN201910897587.3A CN201910897587A CN110647935B CN 110647935 B CN110647935 B CN 110647935B CN 201910897587 A CN201910897587 A CN 201910897587A CN 110647935 B CN110647935 B CN 110647935B
- Authority
- CN
- China
- Prior art keywords
- tree
- image
- reflectivity
- time period
- correction
- 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.)
- Active
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000002310 reflectometry Methods 0.000 claims abstract description 118
- 238000009826 distribution Methods 0.000 claims abstract description 46
- 238000003702 image correction Methods 0.000 claims abstract description 28
- 229930002875 chlorophyll Natural products 0.000 claims description 45
- 235000019804 chlorophyll Nutrition 0.000 claims description 45
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 claims description 45
- 230000005855 radiation Effects 0.000 claims description 10
- 238000013075 data extraction Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 6
- 238000003709 image segmentation Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 8
- 238000010191 image analysis Methods 0.000 description 3
- 238000012876 topography Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请公开一种输电线路区域树木生长趋势的预测方法及装置，方法包括：获取至少包括输电线路区域的第一区域的卫星遥感图像；对所述卫星遥感图像进行图像校正，得到校正图像；提取所述校正图像中的树木反射率，以根据所述树木反射率得到树木分布信息；将所述校正图像的所述树木分布信息与电网GIS进行融合，确定目标图像，所述目标图像为所述校正图像中有树木分布的所述输电线路区域对应的图像；根据所述目标图像的所述树木反射率和预先获取的树木生长趋势与树木反射率的对应关系，预测所述输电线路区域的树木生长趋势。以解决现有以巡查的方式获取树木生长情况的方法，不仅费时费力、效率较低，而且不能预测树生长趋势的问题。
Description
技术领域
本申请涉及树木生长趋势的预测方法及装置，具体的涉及一种输电线路区域树木生长趋势的预测方法及装置。
背景技术
输电线路作为发电侧和用户侧电能传输的通道，常穿行于树木茂密的山林中。由于树木与输电线路的安全距离不足而引发的输电线路故障时有发生，严重影响电网的稳定运行。
目前，为保证电网的稳定运行，工作人员需要对输电线路进行定期实地巡查，以查看输电线路区域树木生长的情况。但是，由于很多输电线路架设在高山密林之间，因此该地形因素给工作人员的巡查工作带来很多不便，不仅费时费力，而且效率极低；另外，由于不同地势树木生长情况各有不同，难以掌握合适的巡查周期，也不能预测树木的生长趋势。
由此可见，如何节省人力且高效率地获取到输电线路区域的树木生长情况，并准确预测树木的生长趋势，已经成为本领域技术人员亟待解决的技术问题。
发明内容
本申请提供了一种输电线路区域树木生长趋势的预测方法及装置，以解决现有获取输电线路区域树木生长情况的方法，既费时费力，又效率较低的问题。
一方面，本申请提供一种输电线路区域树木生长趋势的预测方法，包括：
获取至少包括输电线路区域的第一区域的卫星遥感图像；
对所述卫星遥感图像进行图像校正，得到校正图像；
提取所述校正图像中的树木反射率，以根据所述树木反射率得到树木分布信息；
将所述校正图像的所述树木分布信息与电网GIS进行融合，确定目标图像，所述目标图像为所述校正图像中有树木分布的所述输电线路区域对应的图像；
根据所述目标图像的所述树木反射率和预先获取的树木生长趋势与树木反射率的对应关系，预测所述输电线路区域的树木生长趋势。
可选的，按照下述步骤，预先获取树木生长趋势与树木反射率的对应关系：
获取至少包括输电线路区域的第一区域在预设时间段内的卫星遥感图像；
对所述预设时间段内的所述卫星遥感图像进行图像校正，得到所述预设时间段内的校正图像；
提取所述预设时间段内的所述校正图像中的树木反射率，以根据所述预设时间段内的所述树木反射率得到树木分布信息；
将所述预设时间段内的所述校正图像的所述树木分布信息与电网GIS进行融合，确定所述预设时间段内的目标图像，所述预设时间段内的所述目标图像为所述预设时间段内的所述校正图像中有树木分布的所述输电线路区域对应的图像；
将所述预设时间段内的所述目标图像的所述树木反射率进行反演，得到树木生长趋势与树木反射率的对应关系。
可选的，所述将预设时间段内的目标图像的树木反射率进行反演，得到树木生长趋势与树木反射率的对应关系，包括：
将预设时间段内的所述目标图像划分成1m*1m的网格，并得到每个所述网格内的所述树木反射率；
反演每个所述网格内的所述树木反射率，得到预设时间段内的所述目标图像中的树木叶绿素含量以及所述树木反射率与所述树木叶绿素含量的对应关系；
根据所述树木叶绿素含量，计算预设时间段内的所述目标图像中的树木生长趋势，并得到所述树木叶绿素含量与所述树木生长趋势的对应关系；
根据所述树木反射率与所述树木叶绿素含量的对应关系以及所述树木叶绿素含量与所述树木生长趋势的对应关系，得到树木反射率与树木生长趋势的对应关系。
可选的，所述对卫星遥感图像进行图像校正，得到校正图像，包括：
对所述卫星遥感图像分别进行大气校正、辐射校正、几何精校正和正射校正，得到校正图像。
可选的，所述卫星遥感图像的分辨率为1m。
另一方面，本申请提供一种输电线路区域树木生长趋势的预测装置，包括：
图像获取模块，用于获取至少包括输电线路区域的第一区域的卫星遥感图像；
图像校正模块，用于对所述卫星遥感图像进行图像校正，得到校正图像；
数据提取模块，用于提取所述校正图像中的树木反射率，以根据所述树木反射率得到树木分布信息；
图像融合模块，用于将所述校正图像的所述树木分布信息与电网GIS进行融合，确定目标图像，所述目标图像为所述校正图像中有树木分布的输电线路区域对应的图像；
预测模块，用于根据所述目标图像的所述树木反射率和预先获取的树木生长趋势与树木反射率的对应关系，预测输电线路区域的树木生长趋势。
可选的，所述装置还包括：
所述图像获取模块，还用于获取至少包括输电线路区域的第一区域在预设时间段内的卫星遥感图像；
所述图像校正模块，还用于对所述预设时间段内的所述卫星遥感图像进行图像校正，得到所述预设时间段内的校正图像；
所述数据提取模块，还用于提取所述预设时间段内的所述校正图像中的树木反射率，以根据所述预设时间段内的所述树木反射率得到树木分布信息；
所述图像融合模块，还用于将所述预设时间段内的所述校正图像的所述树木分布信息与电网GIS进行融合，确定所述预设时间段内的目标图像，所述预设时间段内的所述目标图像为所述预设时间段内的所述校正图像中有树木分布的所述输电线路区域对应的图像；
数据反演模块，用于将所述预设时间段内的所述目标图像的所述树木反射率进行反演，得到树木生长趋势与树木反射率的对应关系。
可选的，所述数据反演模块包括：
图像分割子模块，用于将预设时间段内的所述目标图像划分成1m*1m的网格，并得到每个所述网格内的所述树木反射率；
反演子模块，用于反演每个所述网格内的所述树木反射率，得到预设时间段内的所述目标图像中的树木叶绿素含量以及所述树木反射率与所述树木叶绿素含量的对应关系；
计算子模块，用于根据所述树木叶绿素含量，计算预设时间段内的所述目标图像中的树木生长趋势，并得到所述树木叶绿素含量与所述树木生长趋势的对应关系；
关系建立子模块，用于根据所述树木反射率与所述树木叶绿素含量的对应关系以及所述树木叶绿素含量与所述树木生长趋势的对应关系，得到树木反射率与树木生长趋势的对应关系。
可选的，所述图像校正模块包括：
大气校正子模块，用于对所述卫星遥感图像进行大气校正；
辐射校正子模块，用于对所述卫星遥感图像进行辐射校正；
几何精校正子模块，用于对所述卫星遥感图像进行几何精校正；
正射校正子模块，用于对所述卫星遥感图像进行正射校正。
由以上技术方案可知，本申请提供的一种输电线路区域树木生长趋势的预测方法及装置，通过获取至少包括输电线路区域的第一区域的卫星遥感图像；对所述卫星遥感图像进行图像校正，得到校正图像；提取所述校正图像中的树木反射率，以根据所述树木反射率得到树木分布信息；将所述校正图像的所述树木分布信息与电网GIS进行融合，确定目标图像，所述目标图像为所述校正图像中有树木分布的所述输电线路区域对应的图像；最后根据所述目标图像的所述树木反射率和预先获取的树木生长趋势与树木反射率的对应关系，预测所述输电线路区域的树木生长趋势。
本申请提供的一种输电线路区域树木生长趋势的预测方法及装置，利用卫星遥感技术得到输电线路区域的卫星遥感图像，通过对卫星遥感图像的相应处理，最后对输电线路区域的树木生长趋势进行预测。相比较现有获取输电线路区域树木生长情况的方法，不仅节省人力和时间，而且效率较高，准确度也较高；另外，本方法可以对输电线路区域的树木生长趋势进行预测，相关工作人员可以预警因树木因素造成的输电线路故障，可以采取相应的防范措施进行防范，提高工作效率。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请提供的一种输电线路区域树木生长趋势的预测方法的流程图；
图2为预先获取树木生长趋势与树木反射率的对应关系的方法流程图；
图3为图2中步骤S55的详细步骤流程图；
图4为本申请提供的一种输电线路区域树木生长趋势的预测装置的结构示意图；
图5为图像校正模块的结构示意图；
图6为本申请提供的另一种输电线路区域树木生长趋势的预测装置的结构示意图；
图7为数据反演模块的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
有鉴于此，一方面，图1为本申请提供的一种输电线路区域树木生长趋势的预测方法的流程图，如图1所示，本申请提供一种输电线路区域树木生长趋势的预测方法，包括：
S1：获取至少包括输电线路区域的第一区域的卫星遥感图像。
可选的，卫星遥感图像的分辨率为1m。即卫星遥感图像的一个像元代表地面上1m*1m的面积。
输电线路区域是指地面上输电线路所在的区域，第一区域是，至少包括输电线路区域的更大范围的区域。
S2：对卫星遥感图像进行图像校正，得到校正图像。
可选的，对卫星遥感图像分别进行大气校正、辐射校正、几何精校正和正射校正，得到校正图像。
对卫星遥感图像进行图像校正的目的是，消除卫星在遥感成像的过程中受到的大气、辐射畸变、几何畸变、地形起伏等影响因素。
S3：提取校正图像中的树木反射率，以根据树木反射率得到树木分布信息。
对校正图像进行图像分析，可以得到校正图像中的岩石反射率、水体反射率、树木反射率、建筑反射率等信息，从经过图像分析得到的众多信息中提取出树木反射率；根据，存在树木反射率的区域即为有树木分布的原则，可以进一步得到树木分布信息。
S4：将校正图像的树木分布信息与电网GIS进行融合，确定目标图像，目标图像为校正图像中有树木分布的输电线路区域对应的图像。
电网GIS是将电力系统的电力设备、变电站、输电线路，配电网络、电力用户与电力负荷等连接形成电力信息化的生产管理综合信息系统。它提供的电力设备信息、电网运行状态信息、电力技术信息、生产管理信息、电力市场信息与山川、地势、城镇、道路，以及气象、水文、地质、资源等自然环境信息集中于统一系统中。
因此，电网GIS中包含有输电线路的详细位置信息，将校正图像的树木分布信息与电网GIS中的输电线路详细位置信息进行融合匹配，可以得到准确的输电线路所在区域中存在树木分布的区域，将此区域作为目标区域，目标区域对应的校正图像即为目标图像，进而得到目标图像的树木反射率。
S5：根据目标图像的树木反射率和预先获取的树木生长趋势与树木反射率的对应关系，预测输电线路区域的树木生长趋势。
可选的，图2为预先获取树木生长趋势与树木反射率的对应关系的方法流程图，如图2所示，按照下述步骤，预先获取树木生长趋势与树木反射率的对应关系：
S51：获取至少包括输电线路区域的第一区域在预设时间段内的卫星遥感图像；
S52：对预设时间段内的卫星遥感图像进行图像校正，得到预设时间段内的校正图像；
S53：提取预设时间段内的校正图像中的树木反射率，以根据预设时间段内的树木反射率得到树木分布信息；
S54：将预设时间段内的校正图像的树木分布信息与电网GIS进行融合，确定预设时间段内的目标图像，预设时间段内的目标图像为预设时间段内的校正图像中有树木分布的输电线路区域对应的图像；
S55：将预设时间段内的目标图像的树木反射率进行反演，得到树木生长趋势与树木反射率的对应关系。
需要说明的是，步骤S51-S54是复用步骤S1-S4，只是S51-S54是取预设时间段内的卫星遥感图像作为基础数据，进而得到作为步骤S55需要进行反演的预设时间段内的目标图像的树木反射率，最后经过反演得到树木生长趋势与树木反射率的对应关系。预设时间段指的就是一个时间区段，这个时间区段的时间长短可以根据不同需要进行设置，本申请不作具体限定。设置预设时间段的原因是，只有以预设时间区段内的卫星遥感图像为基础数据，经过一系列图像分析处理过程，才能得到树木在预设时间段的的生长趋势，进而得到树木生长趋势与树木反射率的对应关系。
可选的，图3为图2中步骤S55的详细步骤流程图，如图3所示，S55所述将预设时间段内的目标图像的树木反射率进行反演，得到树木生长趋势与树木反射率的对应关系，包括：
S551：将预设时间段内的目标图像划分成1m*1m的网格，并得到每个所述网格内的树木反射率；
S552：反演每个网格内的树木反射率，得到预设时间段内的目标图像中的树木叶绿素含量以及树木反射率与树木叶绿素含量的对应关系；
S553：根据树木叶绿素含量，计算预设时间段内的目标图像中的树木生长趋势，并得到树木叶绿素含量与树木生长趋势的对应关系；
S554：根据树木反射率与树木叶绿素含量的对应关系以及树木叶绿素含量与树木生长趋势的对应关系，得到树木反射率与树木生长趋势的对应关系。
反演是指能够模仿人类智能的计算机程序系统的人工智能系统，它具有学习和推理的功能。通过对预设时间段内的树木反射率进行反演，能够得到相对应的树木叶绿素含量，进而得到树木反射率与树木叶绿素含量的对应关系；根据树木叶绿素含量，计算预设时间段内的目标图像中的树木生长趋势，实际上是，计算预设时间段内的树木叶绿素含量的变化量，根据预设时间段内的树木叶绿素含量的变化量，进一步总结得到预设时间段内的树木叶绿素含量的变化趋势，进而计算出预设时间段内的树木生长趋势，同时得到树木叶绿素含量与树木生长趋势的对应关系；根据树木反射率与树木叶绿素含量的对应关系以及树木叶绿素含量与树木生长趋势的对应关系，得到树木反射率与树木生长趋势的对应关系。最后，将目标图像的树木反射率和预先获取的树木生长趋势与树木反射率的对应关系进行比对，预测出输电线路区域的树木生长趋势。
将预设时间段内的目标图像划分成1m*1m的网格，可以便于树木反射率的反演和后续对应关系的建立。
本申请提供的一种输电线路区域树木生长趋势的预测方法，先通过对预设时间段内的卫星遥感图像进行相关处理，得到树木反射率与树木生长趋势的对应关系；根据待预测时间点的目标图像的树木反射率和预先获取的树木生长趋势与树木反射率的对应关系，预测出输电线路的树木生长趋势。相比较现有获取输电线路区域树木生长情况的方法，不仅节省人力和时间，而且效率较高，准确度也较高；另外，本方法可以对输电线路区域的树木生长趋势进行预测，相关工作人员可以预警因树木因素造成的输电线路故障，可以采取相应的防范措施进行防范，提高工作效率。
另一方面，图4为本申请提供的一种输电线路区域树木生长趋势的预测装置的结构示意图，如图4所示，本申请提供一种输电线路区域树木生长趋势的预测装置100，包括：
图像获取模块10，用于获取至少包括输电线路区域的第一区域的卫星遥感图像；
图像校正模块20，用于对卫星遥感图像进行图像校正，得到校正图像；
可选的，图5为图像校正模块的结构示意图，如图5所示，图像校正模块20包括：
大气校正子模块21，用于对所述卫星遥感图像进行大气校正；
辐射校正子模块22，用于对所述卫星遥感图像进行辐射校正；
几何精校正子模块23，用于对所述卫星遥感图像进行几何精校正；
正射校正子模块24，用于对所述卫星遥感图像进行正射校正。
数据提取模块30，用于提取校正图像中的树木反射率，以根据树木反射率得到树木分布信息；
图像融合模块40，用于将校正图像的所述树木分布信息与电网GIS进行融合，确定目标图像，目标图像为校正图像中有树木分布的输电线路区域对应的图像；
预测模块50，用于根据目标图像的树木反射率和预先获取的树木生长趋势与树木反射率的对应关系，预测输电线路区域的树木生长趋势。
可选的，图6为本申请提供的另一种输电线路区域树木生长趋势的预测装置的结构示意图，如图6所示，所述装置100还包括：
图像获取模块10，还用于获取至少包括输电线路区域的第一区域在预设时间段内的卫星遥感图像；
图像校正模块20，还用于对预设时间段内的卫星遥感图像进行图像校正，得到预设时间段内的校正图像；
数据提取模块30，还用于提取预设时间段内的校正图像中的树木反射率，以根据预设时间段内的树木反射率得到树木分布信息；
图像融合模块40，还用于将预设时间段内的校正图像的树木分布信息与电网GIS进行融合，确定预设时间段内的目标图像，预设时间段内的目标图像为预设时间段内的校正图像中有树木分布的输电线路区域对应的图像；
数据反演模块60，用于将预设时间段内的目标图像的树木反射率进行反演，得到树木生长趋势与树木反射率的对应关系。
可选的，图7为数据反演模块的结构示意图，如图7所示，数据反演模块60包括：
图像分割子模块61，用于将预设时间段内的目标图像划分成1m*1m的网格，并得到每个网格内的所述树木反射率；
反演子模块62，用于反演每个网格内的所述树木反射率，得到时间段内的目标图像中的树木叶绿素含量以及树木反射率与树木叶绿素含量的对应关系；
计算子模块63，用于根据树木叶绿素含量，计算预设时间段内的目标图像中的树木生长趋势，并得到树木叶绿素含量与树木生长趋势的对应关系；
关系建立子模块64，用于根据所述树木反射率与所述树木叶绿素含量的对应关系以及所述树木叶绿素含量与所述树木生长趋势的对应关系，得到树木反射率与树木生长趋势的对应关系。
本申请提供的一种输电线路区域树木生长趋势的预测装置，利用本申请提供的一种输电线路区域树木生长趋势的预测方法，先通过对预设时间段内的卫星遥感图像进行相关处理，得到树木反射率与树木生长趋势的对应关系；根据待预测时间点的目标图像的树木反射率和预先获取的树木生长趋势与树木反射率的对应关系，预测出输电线路的树木生长趋势。相比较现有获取输电线路区域树木生长情况的方法，不仅节省人力和时间，而且效率较高，准确度也较高；另外，本方法可以对输电线路区域的树木生长趋势进行预测，相关工作人员可以预警因树木因素造成的输电线路故障，可以采取相应的防范措施进行防范，提高工作效率。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中各个实施例之间相同相似的部分互相参见即可。尤其，对于实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例中的说明即可。
Claims (5)
1.一种输电线路区域树木生长趋势的预测方法，其特征在于，包括：
获取至少包括输电线路区域的第一区域的卫星遥感图像；
对所述卫星遥感图像进行图像校正，得到校正图像；
提取所述校正图像中的树木反射率，以根据所述树木反射率得到树木分布信息；
将所述校正图像的所述树木分布信息与电网GIS进行融合，确定目标图像，所述目标图像为所述校正图像中有树木分布的所述输电线路区域对应的图像；
预先获取树木生长趋势与树木反射率的对应关系；
根据所述目标图像的所述树木反射率和预先获取的树木生长趋势与树木反射率的对应关系，预测所述输电线路区域的树木生长趋势；
其中，预先获取树木生长趋势与树木反射率的对应关系包括以下步骤：
获取至少包括输电线路区域的第一区域在预设时间段内的卫星遥感图像；
对所述预设时间段内的所述卫星遥感图像进行图像校正，得到所述预设时间段内的校正图像；
提取所述预设时间段内的所述校正图像中的树木反射率，以根据所述预设时间段内的所述树木反射率得到树木分布信息；
将所述预设时间段内的所述校正图像的所述树木分布信息与电网GIS进行融合，确定所述预设时间段内的目标图像，所述预设时间段内的所述目标图像为所述预设时间段内的所述校正图像中有树木分布的所述输电线路区域对应的图像；
将预设时间段内的所述目标图像划分成1m*1m的网格，并得到每个所述网格内的所述树木反射率；
反演每个所述网格内的所述树木反射率，得到预设时间段内的所述目标图像中的树木叶绿素含量以及所述树木反射率与所述树木叶绿素含量的对应关系；
根据所述树木叶绿素含量，计算预设时间段内的所述目标图像中的树木生长趋势，并得到所述树木叶绿素含量与所述树木生长趋势的对应关系；
根据所述树木反射率与所述树木叶绿素含量的对应关系以及所述树木叶绿素含量与所述树木生长趋势的对应关系，得到树木反射率与树木生长趋势的对应关系。
2.根据权利要求1所述的方法，其特征在于，所述对卫星遥感图像进行图像校正，得到校正图像，包括：
对所述卫星遥感图像分别进行大气校正、辐射校正、几何精校正和正射校正，得到校正图像。
3.根据权利要求1所述的方法，其特征在于，所述卫星遥感图像的分辨率为1m。
4.一种输电线路区域树木生长趋势的预测装置，其特征在于，包括：
图像获取模块，用于获取至少包括输电线路区域的第一区域的卫星遥感图像；
图像校正模块，用于对所述卫星遥感图像进行图像校正，得到校正图像；
数据提取模块，用于提取所述校正图像中的树木反射率，以根据所述树木反射率得到树木分布信息；
图像融合模块，用于将所述校正图像的所述树木分布信息与电网GIS进行融合，确定目标图像，所述目标图像为所述校正图像中有树木分布的输电线路区域对应的图像；
预测模块，用于预先获取树木生长趋势与树木反射率的对应关系；根据所述目标图像的所述树木反射率和预先获取的树木生长趋势与树木反射率的对应关系，预测所述输电线路区域的树木生长趋势；
所述图像获取模块，还用于获取至少包括输电线路区域的第一区域在预设时间段内的卫星遥感图像；
所述图像校正模块，还用于对所述预设时间段内的所述卫星遥感图像进行图像校正，得到所述预设时间段内的校正图像；
所述数据提取模块，还用于提取所述预设时间段内的所述校正图像中的树木反射率，以根据所述预设时间段内的所述树木反射率得到树木分布信息；
所述图像融合模块，还用于将所述预设时间段内的所述校正图像的所述树木分布信息与电网GIS进行融合，确定所述预设时间段内的目标图像，所述预设时间段内的所述目标图像为所述预设时间段内的所述校正图像中有树木分布的所述输电线路区域对应的图像；
数据反演模块，用于将所述预设时间段内的所述目标图像的所述树木反射率进行反演，得到树木生长趋势与树木反射率的对应关系；
所述数据反演模块包括：
图像分割子模块，用于将预设时间段内的所述目标图像划分成1m*1m的网格，并得到每个所述网格内的所述树木反射率；
反演子模块，用于反演每个所述网格内的所述树木反射率，得到预设时间段内的所述目标图像中的树木叶绿素含量以及所述树木反射率与所述树木叶绿素含量的对应关系；
计算子模块，用于根据所述树木叶绿素含量，计算预设时间段内的所述目标图像中的树木生长趋势，并得到所述树木叶绿素含量与所述树木生长趋势的对应关系；
关系建立子模块，用于根据所述树木反射率与所述树木叶绿素含量的对应关系以及所述树木叶绿素含量与所述树木生长趋势的对应关系，得到树木反射率与树木生长趋势的对应关系。
5.根据权利要求4所述的装置，其特征在于，所述图像校正模块包括：
大气校正子模块，用于对所述卫星遥感图像进行大气校正；
辐射校正子模块，用于对所述卫星遥感图像进行辐射校正；
几何精校正子模块，用于对所述卫星遥感图像进行几何精校正；
正射校正子模块，用于对所述卫星遥感图像进行正射校正。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910897587.3A CN110647935B (zh) | 2019-09-23 | 2019-09-23 | 一种输电线路区域树木生长趋势的预测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910897587.3A CN110647935B (zh) | 2019-09-23 | 2019-09-23 | 一种输电线路区域树木生长趋势的预测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110647935A CN110647935A (zh) | 2020-01-03 |
| CN110647935B true CN110647935B (zh) | 2023-07-25 |
Family
ID=68992299
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910897587.3A Active CN110647935B (zh) | 2019-09-23 | 2019-09-23 | 一种输电线路区域树木生长趋势的预测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110647935B (zh) |
Families Citing this family (2)
| 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 |
| CN112113616B (zh) * | 2020-09-18 | 2022-09-02 | 山东省地矿工程勘察院 | 基于gis的地理信息采集装置 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006268784A (ja) * | 2005-03-25 | 2006-10-05 | Chugoku Electric Power Co Inc:The | 配電線災害予測システム |
| JP2010166851A (ja) * | 2009-01-22 | 2010-08-05 | Chiharu Hongo | 作物の収量予測方法及びその装置 |
| JP2011214975A (ja) * | 2010-03-31 | 2011-10-27 | Tokyo Electric Power Co Inc:The | 物体変位監視装置、及び物体変位監視方法 |
| CN102565810A (zh) * | 2011-12-30 | 2012-07-11 | 武汉大学 | 一种遥感影像上土地利用地物边界轮廓提取方法 |
| WO2014147041A1 (fr) * | 2013-03-18 | 2014-09-25 | Delta Drone | Procede de surveillance de l'etat de vegetation aux abords d'une infrastructure |
| CN105069287A (zh) * | 2015-07-27 | 2015-11-18 | 广西电网有限责任公司电力科学研究院 | 一种架空输电线路通道林木生长的预测方法 |
| CA2973319A1 (en) * | 2015-01-11 | 2016-07-14 | A.A.A. Taranis Visual Ltd. | Systems and methods for agricultural monitoring |
| CN106884405A (zh) * | 2017-03-08 | 2017-06-23 | 中国水利水电科学研究院 | 一种无资料地区溃堤型山洪灾害分析评价方法 |
| CN207301324U (zh) * | 2017-09-06 | 2018-05-01 | 广东电网有限责任公司佛山供电局 | 一种架空线树木生长监测系统 |
| CN109146177A (zh) * | 2018-08-23 | 2019-01-04 | 云南电网有限责任公司普洱供电局 | 一种输配电线路树障预测方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101694282B1 (ko) * | 2015-09-17 | 2017-01-09 | 계명대학교 산학협력단 | 비선형 ransac 방법과 위성 영상 데이터를 이용한 하천 녹조 수치 예측 방법과 그에 관한 장치 |
-
2019
- 2019-09-23 CN CN201910897587.3A patent/CN110647935B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006268784A (ja) * | 2005-03-25 | 2006-10-05 | Chugoku Electric Power Co Inc:The | 配電線災害予測システム |
| JP2010166851A (ja) * | 2009-01-22 | 2010-08-05 | Chiharu Hongo | 作物の収量予測方法及びその装置 |
| JP2011214975A (ja) * | 2010-03-31 | 2011-10-27 | Tokyo Electric Power Co Inc:The | 物体変位監視装置、及び物体変位監視方法 |
| CN102565810A (zh) * | 2011-12-30 | 2012-07-11 | 武汉大学 | 一种遥感影像上土地利用地物边界轮廓提取方法 |
| WO2014147041A1 (fr) * | 2013-03-18 | 2014-09-25 | Delta Drone | Procede de surveillance de l'etat de vegetation aux abords d'une infrastructure |
| CA2973319A1 (en) * | 2015-01-11 | 2016-07-14 | A.A.A. Taranis Visual Ltd. | Systems and methods for agricultural monitoring |
| CN105069287A (zh) * | 2015-07-27 | 2015-11-18 | 广西电网有限责任公司电力科学研究院 | 一种架空输电线路通道林木生长的预测方法 |
| CN106884405A (zh) * | 2017-03-08 | 2017-06-23 | 中国水利水电科学研究院 | 一种无资料地区溃堤型山洪灾害分析评价方法 |
| CN207301324U (zh) * | 2017-09-06 | 2018-05-01 | 广东电网有限责任公司佛山供电局 | 一种架空线树木生长监测系统 |
| CN109146177A (zh) * | 2018-08-23 | 2019-01-04 | 云南电网有限责任公司普洱供电局 | 一种输配电线路树障预测方法及装置 |
Non-Patent Citations (5)
| Title |
|---|
| Assessment of forest biomass for use as energy. GIS-based analysis of geographical availability and locations of wood-fired power plants in Portugal;H. Viana 等;《Applied Energy》;20100301;2551-2560 * |
| 云南电网自然灾害监测预警系统研究;李正志 等;《云南电力技术》;20150228;第43卷(第1期);135-137 * |
| 基于卫星遥感影像的输电线路异物故障特征分析;聂鼎 等;《山东电力技术》;20190825;第46卷(第8期);77-80 * |
| 小兴安岭主要树种冠层光谱季相变化研究;徐光彩 等;《光谱学与光谱分析》;20131231;第33卷(第12期);第3304页2.1节第3段 * |
| 输电线路走廊绿色植被监控的研究;李德海 等;《黑龙江电力》;20190831;第41卷(第4期);第284页第2节第1段、3.1节第1段、3.2节第1段 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110647935A (zh) | 2020-01-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11333796B2 (en) | Spatial autocorrelation machine learning-based downscaling method and system of satellite precipitation data | |
| Ruß et al. | Data mining in precision agriculture: management of spatial information | |
| CN110910440B (zh) | 一种基于电力影像数据的输电线路长度确定方法和系统 | |
| KR102346676B1 (ko) | 딥러닝 기반의 시설물 손상영상 분류를 활용한 손상도 생성방법 | |
| CN110647935B (zh) | 一种输电线路区域树木生长趋势的预测方法及装置 | |
| CN110134907B (zh) | 一种降雨缺失数据填补方法、系统及电子设备 | |
| CN104809724A (zh) | 多波段遥感影像的自动精配准方法 | |
| CN109407177B (zh) | 基于机器学习与常规气象观测的大雾识别系统和应用方法 | |
| KR20120104805A (ko) | 발전용 댐의 홍수기 수문방류량 결정방법 | |
| CN110390343B (zh) | 一种空间气象数据的订正方法及系统 | |
| CN113821895B (zh) | 输电线路覆冰厚度预测模型的构建方法、装置及存储介质 | |
| CN114494865A (zh) | 一种山地生态系统未来情景的cset方法 | |
| CN111967419A (zh) | 一种坝岸险情预测方法、装置、计算机设备及存储介质 | |
| CN111738259A (zh) | 一种杆塔状态检测方法及装置 | |
| Gupta et al. | Post disaster mapping with semantic change detection in satellite imagery | |
| CN116682045A (zh) | 一种基于智能视频分析的游梁式抽油机故障检测方法 | |
| KR20170044239A (ko) | 해양 레이더를 이용한 누적 강수량 산출 시스템 및 그 산출방법 | |
| CN114611253A (zh) | 一种面向输电线路云设计的多源数据融合方法 | |
| CN114818857A (zh) | 一种积雪深度融合方法 | |
| Brovelli et al. | A FOSS4G-based procedure to compare OpenStreetMap and authoritative road network datasets | |
| CN117767579B (zh) | 基于AutoML的电网大数据分析方法及自动化建模系统 | |
| CN117823741B (zh) | 一种结合智能机器人的管网非开挖修复方法及系统 | |
| CN115908897B (zh) | 基于高分辨率遥感影像的高速铁路供电设施智能识别方法 | |
| CN113159234B (zh) | 巡检图片的类别标注方法、装置、电子设备和存储介质 | |
| Liu et al. | Design and application of rural road lifecycle management information system |
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 |