[发明专利]基于卫星遥感的输电线路走廊积雪灾害监测方法及系统

权利要求书

1.一种基于卫星遥感的输电线路走廊积雪灾害监测方法，其特征在于，所述方法包括：

S1，通过遥感卫星获取任意一个输电线路走廊的地表数据，并进行预处理和校正；

S2，建立输电线路走廊的积雪雪深反演模型；

S3，在输电线路走廊的积雪深度实测数据的基础上，将目标区的地址位置数据带入积雪雪深反演模型，输出目标区的积雪深度反演参数值，完成输电线路走廊积雪灾害的监测

所述的步骤S2，建立输电线路走廊的积雪雪深反演模型，具体按照下述步骤实现：

S21，建立初始模型库

在经过预处理和校正后的输电线路走廊的地表数据的基础上，利用NDSI和NDVI算法，模拟多种不同厚度的雪深，提取形成任意一种厚度的信息参数，建立每种厚度的地表初始子模型，多个地表初始子模型组成初始模型库；

S22，以初始模型库为训练集，建立基于神经网络的分类模型，然后在基于神经网络的分类模型的基础上对基于径向基函数的神经网络分类器的权系数和阈值进行优化，得到最优值；

S23，将最优值带入基于径向基函数的神经网络分类器中，以初始模型库为训练集，训练基于径向基函数的神经网络分类器，得到积雪雪深反演模型。

2.根据权利要求1所述基于卫星遥感的输电线路走廊积雪灾害监测方法，其特征在于，步骤S21中子模型采用公式(1)描述：

其中，X(x_j,j＝1,2,…,N)为输入信息参数；y(X)∈R^N，y(X)为在输入信息参数X的作用下积雪雪深反演模型的输出结果；m_i为反演参数，所述反演参数包括：雪颗粒的平均直径，积雪厚度和温度；n为反演参数数量；为调度变量；ρ_i为基函数，是反演参数m_i对应的归一化后的隶属度值，ρ_i的表达式为公式(2)：

λ_i是高斯函数。

3.根据权利要求2所述基于卫星遥感的输电线路走廊积雪灾害监测方法，其特征在于，所述高斯函数λ_i计算获得任意一个地表初始子模型的隶属度，所述高斯函数λ_i为公式(3)：

c_i是高斯函数的中心变量，S_i用以确定高斯函数的宽度，通过先验知识测定。

4.根据权利要求2所述基于卫星遥感的输电线路走廊积雪灾害监测方法，其特征在于，步骤S23，采用人工蜂群算法进行优化。

5.根据权利要求1所述基于卫星遥感的输电线路走廊积雪灾害监测方法，其特征在于，在步骤S3之后，还包括以下步骤：判断目标区的积雪深度反演参数值与目标区的实测值之间的差值是否在预设范围内，如果是，则继续判断下一个；如果否，则发出预警。

6.一种实现如权利要求1-5任意一项所述基于卫星遥感的输电线路走廊积雪灾害监测方法的监测系统，其特征在于，所述监 测系统包括：

数据采集和处理单元：负责通过遥感卫星获取任意一个输电线路走廊的地表数据，并进行预处理和校正；

反演模型建立单元：用于建立输电线路走廊的积雪雪深反演模型；

监测单元：用于在输电线路走廊的积雪深度实测数据的基础上，将目标区的地址位置数据带入积雪雪深反演模型，输出目标区的积雪深度反演参数值，完成输电线路走廊积雪灾害的监测。

7.根据权利要求6所述基于卫星遥感的输电线路走廊积雪灾害监测系统，其特征在于，所述反演模型建立单元包括：

初始模型库构建模块：在经过预处理和校正后的输电线路走廊的地表数据的基础上，利用NDSI和NDVI算法，模拟多种不同厚度的雪深，提取形成任意一种厚度的信息参数，建立每种厚度的地表初始子模型，多个地表初始子模型组成初始模型库；

优化计算模块：以初始模型库为训练集，建立基于神经网络的分类模型，然后在基于神经网络的分类模型的基础上对基于径向基函数的神经网络分类器的权系数和阈值进行优化，得到最优值；

积雪雪深反演模型建立模块：将最优值带入基于径向基函数的神经网络分类器中，以初始模型库为训练集，训练基于径向基函数的神经网络分类器，得到积雪雪深反演模型。