本文關(guān)鍵詞：多源數(shù)據(jù)協(xié)同下的輸電走廊積雪監(jiān)測研究

  更多相關(guān)文章： 輸電塔 積雪 陰影 相干性 協(xié)同

【摘要】：雪是地球表面最活躍的自然要素之一,雪對人類活動有著密切的影響。隨著全球氣候變化問題的日益突出,我國也深受雪災(zāi)的影響。雪災(zāi)是造成電網(wǎng)系統(tǒng)癱瘓的重要因素,2008年,一場國際上百年罕見的大面積覆冰影響了我國南方地區(qū)的十幾個省,持續(xù)的雨雪天氣造成輸電線路大面積覆冰,輸電塔不堪重負(fù)倒塌斷線,電力設(shè)施遭到前所未有的破壞,這場冰災(zāi)給人民的生產(chǎn)生活造成了巨大的影響和損失,直接經(jīng)濟(jì)損失超過千億元。因此對輸電塔的積雪監(jiān)測研究勢在必行。隨著人類科技的不斷發(fā)展,遙感技術(shù)已經(jīng)成為積雪監(jiān)測的重要手段。常用的遙感影像包括光學(xué)遙感影像及SAR圖像。由于成像機(jī)理不同,兩類圖像對積雪像元的識別精度互有優(yōu)劣。光學(xué)遙感影像對積雪像元的識別精度較高,但經(jīng)常受到天氣條件的影響;SAR圖像能夠在惡劣的天氣條件下工作,但精度較低。通常輸電塔常坐落于地形復(fù)雜的山區(qū),多變的山區(qū)氣候、大面積的陰影區(qū)域等因素給光學(xué)遙感影像的積雪像元識別精度帶來重大考驗(yàn)。常用的雪蓋制圖(SNOMAP)算法存在山區(qū)陰影積雪像元無法提取的重大問題。本文對SNOMAP算法進(jìn)行了改進(jìn),通過引入DEM數(shù)據(jù)生成山區(qū)地表像元的地形參數(shù)、結(jié)合6S模型建立了地表、大氣、傳感器之間的輻射傳輸關(guān)系并求解陰影地表像元的真實(shí)反射率,最后利用雪蓋制圖算法識別積雪像元。將該算法應(yīng)用于天山博格達(dá)峰和貢嘎山地區(qū)積雪像元的識別研究并對識別結(jié)果做基于混淆矩陣的精度分析,最后得出結(jié)論,該算法能夠成功識別出80%陰影區(qū)域的積雪像元,并且保證了非陰影區(qū)域內(nèi)積雪像元的識別精度達(dá)到80%。SAR圖像能夠有效的解決光學(xué)遙感影像無法在多云天氣對地表成像的重大缺陷,本文針對SAR圖像的積雪像元識別采用了相干性分析法,利用積雪覆蓋地表相干系數(shù)低的結(jié)論識別S212省道大箐梁子段東西兩側(cè)山區(qū)的積雪像元。由于所用影像為較弱穿透性的X波段SAR圖像,該方法不能有效的解決積雪像元與灌木叢分離的問題,但該方法可以作為雪蓋制圖的初次分類。最后,針對光學(xué)遙感影像無法區(qū)分干雪和濕雪像元的問題,本文采用協(xié)同光學(xué)遙感影像與SAR圖像識別山區(qū)積雪像元的方法。通過基于地形輻射校正的SNOMAP算法識別山區(qū)總的積雪像元,利用SAR圖像識別山區(qū)總的濕雪像元,最后得到祁連山部分山區(qū)干雪和濕雪像元的分類圖。
【關(guān)鍵詞】：輸電塔 積雪 陰影 相干性 協(xié)同
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP751;TM75
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-16
• 1.1 選題背景及意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-14
• 1.2.1 光學(xué)遙感影像積雪信息提取研究現(xiàn)狀11-12
• 1.2.2 SAR圖像積雪信息提取研究現(xiàn)狀12-14
• 1.3 主要研究內(nèi)容14-15
• 1.4 文章結(jié)構(gòu)15-16
• 第二章 基于光學(xué)遙感影像和SAR圖像的積雪識別算法對比16-32
• 2.1 基于光學(xué)遙感影像的積雪識別算法對比16-23
• 2.1.1 雪在可見光與近紅外波段的反射波譜特性16-18
• 2.1.2 光學(xué)遙感影像積雪識別的主要方法18-20
• 2.1.3 本文使用的光學(xué)遙感影像積雪識別算法20-23
• 2.2 基于SAR圖像的積雪識別算法對比23-31
• 2.2.1 微波波段雪的介電特性及后向散射特性23-26
• 2.2.2 SAR圖像積雪識別的主要方法26-30
• 2.2.3 本文使用的SAR圖像積雪識別算法30-31
• 2.3 本章小結(jié)31-32
• 第三章 基于光學(xué)遙感影像的積雪識別算法研究32-58
• 3.1 研究區(qū)概況及數(shù)據(jù)源選擇32-34
• 3.1.1 研究區(qū)概況32
• 3.1.2 數(shù)據(jù)源選擇32-34
• 3.2 數(shù)據(jù)預(yù)處理34-44
• 3.2.1 Landsat5 TM數(shù)據(jù)預(yù)處理35-36
• 3.2.2 基于 6S模型的氣溶膠光學(xué)厚度反演及TM影像的大氣校正36-40
• 3.2.3 ASTER GDEM數(shù)據(jù)預(yù)處理40-44
• 3.3 基于SNOMAP算法積雪識別44-47
• 3.3.1 基于SNOMAP算法積雪識別結(jié)果44-45
• 3.3.2 結(jié)果分析45-47
• 3.4 基于地形輻射校正的SNOMAP算法積雪識別47-56
• 3.4.1 山區(qū)復(fù)雜地表對SNOMAP算法積雪識別結(jié)果的影響47-49
• 3.4.2 基于地形輻射校正的大氣傳輸模型49-51
• 3.4.3 基于地形輻射校正的SNOMAP算法積雪識別結(jié)果51-54
• 3.4.4 基于地形輻射校正的SNOMAP算法積雪識別結(jié)果精度分析54-56
• 3.4.5 基于地形輻射校正的SNOMAP算法系統(tǒng)實(shí)現(xiàn)56
• 3.5 本章小結(jié)56-58
• 第四章 基于SAR圖像的積雪識別算法研究58-66
• 4.1 研究區(qū)概況及數(shù)據(jù)源選擇58-60
• 4.1.1 S212省道大箐梁子段東西兩側(cè)山區(qū)概況58-59
• 4.1.2 TerraSAR-X遙感影像59-60
• 4.2 數(shù)據(jù)預(yù)處理60-61
• 4.2.1 多視處理60-61
• 4.2.2 相干斑濾波61
• 4.2.3 輻射定標(biāo)及地理編碼61
• 4.3 研究區(qū)地物相干性分析61-63
• 4.4 研究區(qū)積雪分類63-64
• 4.5 分類結(jié)果精度分析64-65
• 4.6 本章小結(jié)65-66
• 第五章 光學(xué)影像與SAR圖像協(xié)同下的積雪識別算法研究66-72
• 5.1 研究區(qū)概況及數(shù)據(jù)源選擇66
• 5.1.1 研究區(qū)概況66
• 5.1.2 數(shù)據(jù)源選擇66
• 5.2 數(shù)據(jù)預(yù)處理66-67
• 5.3 光學(xué)遙感影像與SAR圖像協(xié)同下的積雪識別方法67-71
• 5.3.1 基于光學(xué)遙感影像的研究區(qū)域總積雪像元識別67-68
• 5.3.2 基于SAR圖像的濕雪像元識別68-69
• 5.3.3 研究區(qū)域的干雪濕雪分類圖69-71
• 5.4 本章小結(jié)71-72
• 第六章 總結(jié)與展望72-74
• 6.1 總結(jié)72
• 6.2 展望72-74
• 致謝74-75
• 參考文獻(xiàn)75-79

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉力坤;孫國富;;看博格達(dá)峰的視角[J];新疆人文地理;2013年08期

2 孫少波;車濤;王樹果;王增艷;;C波段SAR山區(qū)積雪面積提取研究[J];遙感技術(shù)與應(yīng)用;2013年03期

3 孫少波;車濤;;基于合成孔徑雷達(dá)(SAR)的積雪監(jiān)測研究進(jìn)展[J];冰川凍土;2013年03期

4 黃曉東;郝曉華;楊永順;王瑋;梁天剛;;光學(xué)積雪遙感研究進(jìn)展[J];草業(yè)科學(xué);2012年01期

5 霍常富;程根偉;魯旭陽;范繼輝;肖飛鵬;;氣候變化對貢嘎山森林原生演替影響的模擬研究[J];北京林業(yè)大學(xué)學(xué)報(bào);2010年01期

6 潘倩;楊武年;邵懷勇;;川西高原土地利用/土地覆蓋分類方法[J];地理空間信息;2009年04期

7 倪維平;邊輝;嚴(yán)衛(wèi)東;鄭剛;蘆穎;;TerraSAR-X雷達(dá)衛(wèi)星的系統(tǒng)特性與應(yīng)用分析[J];雷達(dá)科學(xué)與技術(shù);2009年01期

8 邊多;董妍;邊巴次仁;德吉央宗;;基于MODIS資料的西藏遙感積雪監(jiān)測業(yè)務(wù)化方法[J];氣象科技;2008年03期

9 李成榕;呂玉珍;崔翔;杜小澤;程養(yǎng)春;王璋奇;艾欣;肖湘寧;;冰雪災(zāi)害條件下我國電網(wǎng)安全運(yùn)行面臨的問題[J];電網(wǎng)技術(shù);2008年04期

10 段四波;閻廣建;穆西晗;沈斌;李小文;;基于DEM的山區(qū)遙感圖像地形校正方法[J];地理與地理信息科學(xué);2007年06期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 賀廣均;聯(lián)合SAR與光學(xué)遙感數(shù)據(jù)的山區(qū)積雪識別研究[D];南京大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前8條

1 紀(jì)曉楠;SAR圖像輸電走廊區(qū)域冰雪信息提取方法研究[D];電子科技大學(xué);2015年

2 范少凱;基于SAR圖像的冰雪覆蓋信息提取方法研究[D];電子科技大學(xué);2014年

3 韓威宏;基于混合像元分解的遙感產(chǎn)品真實(shí)性檢驗(yàn)研究[D];電子科技大學(xué);2014年

4 崔璐;基于D-InSAR技術(shù)監(jiān)測礦區(qū)地面沉降變形的研究[D];長安大學(xué);2013年

5 汪凌霄;瑪納斯河流域山區(qū)積雪遙感識別研究[D];南京大學(xué);2012年

6 肖長林;基于SAR圖像的洪澇和冰雪災(zāi)害面積提取算法研究[D];電子科技大學(xué);2012年

7 郎志超;多極化SAR濾波分類技術(shù)研究及SAR圖像處理軟件系統(tǒng)實(shí)現(xiàn)[D];杭州電子科技大學(xué);2010年

8 陳志明;遙感影像地形輻射校正方法研究與系統(tǒng)實(shí)現(xiàn)[D];福建師范大學(xué);2009年

，

本文編號：713448