多源数据协同下的输电走廊积雪监测研究

发布时间：2017-08-21 14:29

  本文关键词：多源数据协同下的输电走廊积雪监测研究

  更多相关文章： 输电塔 积雪 阴影 相干性 协同

【摘要】：雪是地球表面最活跃的自然要素之一,雪对人类活动有着密切的影响。随着全球气候变化问题的日益突出,我国也深受雪灾的影响。雪灾是造成电网系统瘫痪的重要因素,2008年,一场国际上百年罕见的大面积覆冰影响了我国南方地区的十几个省,持续的雨雪天气造成输电线路大面积覆冰,输电塔不堪重负倒塌断线,电力设施遭到前所未有的破坏,这场冰灾给人民的生产生活造成了巨大的影响和损失,直接经济损失超过千亿元。因此对输电塔的积雪监测研究势在必行。随着人类科技的不断发展,遥感技术已经成为积雪监测的重要手段。常用的遥感影像包括光学遥感影像及SAR图像。由于成像机理不同,两类图像对积雪像元的识别精度互有优劣。光学遥感影像对积雪像元的识别精度较高,但经常受到天气条件的影响;SAR图像能够在恶劣的天气条件下工作,但精度较低。通常输电塔常坐落于地形复杂的山区,多变的山区气候、大面积的阴影区域等因素给光学遥感影像的积雪像元识别精度带来重大考验。常用的雪盖制图(SNOMAP)算法存在山区阴影积雪像元无法提取的重大问题。本文对SNOMAP算法进行了改进,通过引入DEM数据生成山区地表像元的地形参数、结合6S模型建立了地表、大气、传感器之间的辐射传输关系并求解阴影地表像元的真实反射率,最后利用雪盖制图算法识别积雪像元。将该算法应用于天山博格达峰和贡嘎山地区积雪像元的识别研究并对识别结果做基于混淆矩阵的精度分析,最后得出结论,该算法能够成功识别出80%阴影区域的积雪像元,并且保证了非阴影区域内积雪像元的识别精度达到80%。SAR图像能够有效的解决光学遥感影像无法在多云天气对地表成像的重大缺陷,本文针对SAR图像的积雪像元识别采用了相干性分析法,利用积雪覆盖地表相干系数低的结论识别S212省道大箐梁子段东西两侧山区的积雪像元。由于所用影像为较弱穿透性的X波段SAR图像,该方法不能有效的解决积雪像元与灌木丛分离的问题,但该方法可以作为雪盖制图的初次分类。最后,针对光学遥感影像无法区分干雪和湿雪像元的问题,本文采用协同光学遥感影像与SAR图像识别山区积雪像元的方法。通过基于地形辐射校正的SNOMAP算法识别山区总的积雪像元,利用SAR图像识别山区总的湿雪像元,最后得到祁连山部分山区干雪和湿雪像元的分类图。
【关键词】：输电塔 积雪 阴影 相干性 协同
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP751;TM75
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-16
• 1.1 选题背景及意义10-11
• 1.2 国内外研究现状11-14
• 1.2.1 光学遥感影像积雪信息提取研究现状11-12
• 1.2.2 SAR图像积雪信息提取研究现状12-14
• 1.3 主要研究内容14-15
• 1.4 文章结构15-16
• 第二章 基于光学遥感影像和SAR图像的积雪识别算法对比16-32
• 2.1 基于光学遥感影像的积雪识别算法对比16-23
• 2.1.1 雪在可见光与近红外波段的反射波谱特性16-18
• 2.1.2 光学遥感影像积雪识别的主要方法18-20
• 2.1.3 本文使用的光学遥感影像积雪识别算法20-23
• 2.2 基于SAR图像的积雪识别算法对比23-31
• 2.2.1 微波波段雪的介电特性及后向散射特性23-26
• 2.2.2 SAR图像积雪识别的主要方法26-30
• 2.2.3 本文使用的SAR图像积雪识别算法30-31
• 2.3 本章小结31-32
• 第三章 基于光学遥感影像的积雪识别算法研究32-58
• 3.1 研究区概况及数据源选择32-34
• 3.1.1 研究区概况32
• 3.1.2 数据源选择32-34
• 3.2 数据预处理34-44
• 3.2.1 Landsat5 TM数据预处理35-36
• 3.2.2 基于 6S模型的气溶胶光学厚度反演及TM影像的大气校正36-40
• 3.2.3 ASTER GDEM数据预处理40-44
• 3.3 基于SNOMAP算法积雪识别44-47
• 3.3.1 基于SNOMAP算法积雪识别结果44-45
• 3.3.2 结果分析45-47
• 3.4 基于地形辐射校正的SNOMAP算法积雪识别47-56
• 3.4.1 山区复杂地表对SNOMAP算法积雪识别结果的影响47-49
• 3.4.2 基于地形辐射校正的大气传输模型49-51
• 3.4.3 基于地形辐射校正的SNOMAP算法积雪识别结果51-54
• 3.4.4 基于地形辐射校正的SNOMAP算法积雪识别结果精度分析54-56
• 3.4.5 基于地形辐射校正的SNOMAP算法系统实现56
• 3.5 本章小结56-58
• 第四章 基于SAR图像的积雪识别算法研究58-66
• 4.1 研究区概况及数据源选择58-60
• 4.1.1 S212省道大箐梁子段东西两侧山区概况58-59
• 4.1.2 TerraSAR-X遥感影像59-60
• 4.2 数据预处理60-61
• 4.2.1 多视处理60-61
• 4.2.2 相干斑滤波61
• 4.2.3 辐射定标及地理编码61
• 4.3 研究区地物相干性分析61-63
• 4.4 研究区积雪分类63-64
• 4.5 分类结果精度分析64-65
• 4.6 本章小结65-66
• 第五章 光学影像与SAR图像协同下的积雪识别算法研究66-72
• 5.1 研究区概况及数据源选择66
• 5.1.1 研究区概况66
• 5.1.2 数据源选择66
• 5.2 数据预处理66-67
• 5.3 光学遥感影像与SAR图像协同下的积雪识别方法67-71
• 5.3.1 基于光学遥感影像的研究区域总积雪像元识别67-68
• 5.3.2 基于SAR图像的湿雪像元识别68-69
• 5.3.3 研究区域的干雪湿雪分类图69-71
• 5.4 本章小结71-72
• 第六章 总结与展望72-74
• 6.1 总结72
• 6.2 展望72-74
• 致谢74-75
• 参考文献75-79

【参考文献】

中国期刊全文数据库 前10条

1 刘力坤;孙国富;;看博格达峰的视角[J];新疆人文地理;2013年08期

2 孙少波;车涛;王树果;王增艳;;C波段SAR山区积雪面积提取研究[J];遥感技术与应用;2013年03期

3 孙少波;车涛;;基于合成孔径雷达(SAR)的积雪监测研究进展[J];冰川冻土;2013年03期

4 黄晓东;郝晓华;杨永顺;王玮;梁天刚;;光学积雪遥感研究进展[J];草业科学;2012年01期

5 霍常富;程根伟;鲁旭阳;范继辉;肖飞鹏;;气候变化对贡嘎山森林原生演替影响的模拟研究[J];北京林业大学学报;2010年01期

6 潘倩;杨武年;邵怀勇;;川西高原土地利用/土地覆盖分类方法[J];地理空间信息;2009年04期

7 倪维平;边辉;严卫东;郑刚;芦颖;;TerraSAR-X雷达卫星的系统特性与应用分析[J];雷达科学与技术;2009年01期

8 边多;董妍;边巴次仁;德吉央宗;;基于MODIS资料的西藏遥感积雪监测业务化方法[J];气象科技;2008年03期

9 李成榕;吕玉珍;崔翔;杜小泽;程养春;王璋奇;艾欣;肖湘宁;;冰雪灾害条件下我国电网安全运行面临的问题[J];电网技术;2008年04期

10 段四波;阎广建;穆西晗;沈斌;李小文;;基于DEM的山区遥感图像地形校正方法[J];地理与地理信息科学;2007年06期

中国博士学位论文全文数据库 前1条

1 贺广均;联合SAR与光学遥感数据的山区积雪识别研究[D];南京大学;2015年

中国硕士学位论文全文数据库 前8条

1 纪晓楠;SAR图像输电走廊区域冰雪信息提取方法研究[D];电子科技大学;2015年

2 范少凯;基于SAR图像的冰雪覆盖信息提取方法研究[D];电子科技大学;2014年

3 韩威宏;基于混合像元分解的遥感产品真实性检验研究[D];电子科技大学;2014年

4 崔璐;基于D-InSAR技术监测矿区地面沉降变形的研究[D];长安大学;2013年

5 汪凌霄;玛纳斯河流域山区积雪遥感识别研究[D];南京大学;2012年

6 肖长林;基于SAR图像的洪涝和冰雪灾害面积提取算法研究[D];电子科技大学;2012年

7 郎志超;多极化SAR滤波分类技术研究及SAR图像处理软件系统实现[D];杭州电子科技大学;2010年

8 陈志明;遥感影像地形辐射校正方法研究与系统实现[D];福建师范大学;2009年

，

本文编号：713448