卫星AOD数据驱动的区域电力污秽等级评估方法

doi:10.13474/j.cnki.11-2246.2016.0252

测绘通报 ›› 2016, Vol. 0 ›› Issue (8): 39-43.doi: 10.13474/j.cnki.11-2246.2016.0252

卫星AOD数据驱动的区域电力污秽等级评估方法

熊宇¹, 陈孝明¹, 阮羚¹, 黄俊杰¹, 张天浩², 朱忠敏², 韩舸³

1. 国网湖北省电力公司电力科学研究院, 湖北武汉 430077;
2. 武汉大学测绘遥感信息工程国家重点实验室, 湖北武汉 430079;
3. 武汉大学国际软件学院, 湖北武汉 430079

收稿日期:2015-11-10 出版日期:2016-08-25 发布日期:2016-08-26
通讯作者: 朱忠敏。E-mail:zhongmin.zhu@whu.edu.cn E-mail:zhongmin.zhu@whu.edu.cn
作者简介:熊宇(1989-),男,硕士,助理工程师,主要从事状态信息系统建设及高级应用研究等。E-mail:hbdky@sina.cn

A Novel Evolution Method for Contamination Level of Power System Driven by Satellite-derived AOD

XIONG Yu¹, CHEN Xiaoming¹, RUAN Ling¹, HUANG Junjie¹, ZHANG Tianhao², ZHU Zhongmin², HAN Ge³

Received:2015-11-10 Online:2016-08-25 Published:2016-08-26

摘要/Abstract

摘要： 传统污秽等级评估方法存在高成本、低效率、区域不均衡及包含主观性等问题。卫星遥感以其大覆盖和高重访的优点特别适合需要时相特征的大范围地物监测，同时20年来遥感定量化和自动化的发展产生了大量性能优异的机器学习算法，能够很好地避免人为主观因素的干扰。本文提出了一种基于卫星遥感数据及粗糙集、支持向量机等数据处理算法的区域电力污秽评估方法。数据挖掘试验表明，最少只需获取AOD、污染源目录、降雨和地形高程4种数据即可实施污区等级评估工作。在此基础上的分类试验表明，基于支持向量机的分类方法总体分类精度高达70%，适用于全局污秽等级的评定和污区等级分布图的制订；而最大似然的分类方法对高等级污秽的评估精度高达80%，适用于对污秽闪络事故的预警。

关键词: 污秽闪络, 污区图, 粗糙集, 图像分类

中图分类号:

P237

熊宇, 陈孝明, 阮羚, 黄俊杰, 张天浩, 朱忠敏, 韩舸. 卫星AOD数据驱动的区域电力污秽等级评估方法[J]. 测绘通报, 2016, 0(8): 39-43.

XIONG Yu, CHEN Xiaoming, RUAN Ling, HUANG Junjie, ZHANG Tianhao, ZHU Zhongmin, HAN Ge. A Novel Evolution Method for Contamination Level of Power System Driven by Satellite-derived AOD[J]. 测绘通报, 2016, 0(8): 39-43.

参考文献

[1] PACIOREK C J, LIU Y. Limitations of Remotely Sensed Aerosol as a Spatial Proxy for Fine Particulate Matter[J]. Environ Health Perspect, 2009, 117(6):904-9.
[2] 宿志一, 李庆峰. 我国电网防污闪措施的回顾和总结[J]. 电网技术, 2010, 34(12):124-30.
[3] RUAN L, HAN G, ZHU Z, et al. Spatial and Temporal Characteristics of Insulator Contaminations Revealed by Daily Observations of Equivalent Salt Deposit Density[J]. Sensors, 2015, 15(2):3023-40.
[4] LUNETTA R S, JOHNSON D M, LYON J G, et al. Impacts of Imagery Temporal Frequency on Land-cover Change Detection Monitoring[J]. Remote Sensing of Environment, 2004, 89(4):444-54.
[5] 钟燕飞, 张良培, 李平湘. 遥感影像分类中的模糊聚类有效性研究[J]. 武汉大学学报(信息科学版), 2009, 34(4):391-4.
[6] 许晓婷, 隋立春, 李芹芳,等. 基于GIS的山区农用地定级方法研究[J]. 测绘通报, 2014(11):46-49.
[7] KAUFMAN Y J, FRASER R S, FERRARE R A. Satellite Measurements of Large-scale Air Pollution:Methods[J]. Journal of Geophysical Research:Atmospheres (1984-2012), 1990, 95(D7):9895-909.
[8] 李成才, 毛节泰, 刘启汉, 等. MODIS卫星遥感气溶胶产品在北京市大气污染研究中的应用[J]. 中国科学(D辑), 2005, 35(S1):177-186.
[9] YUE W Z, XU J H, XU L H. An Analysis on Eco-environmental Effect of Urban Land Use Based on Remote Sensing Images:A Case Study of Urban Thermal Environment and NDVI[J]. Acta Ecologica Sinica, 2006, 26(5):1450-60.
[10] 韩舸, 龚威, 吴婷, 等. 利用粗糙集的滑坡分阶段位移预测方法以白家包滑坡为例[J]. 吉林大学学报(地球科学版), 2014(3):925-931.
[11] PAWLAK Z. Rough Sets:Theoretical Aspect of Reasoning about Data[M]. Dordrecht:Kluwer Academic Publishers,1991.
[12] 夏丽华, 王芳, 王德辉. 基于MODIS数据的城市光化学污染预警系统及预警等级研究[J]. 地理科学, 2006, 26(6):712-716.

卫星AOD数据驱动的区域电力污秽等级评估方法

A Novel Evolution Method for Contamination Level of Power System Driven by Satellite-derived AOD

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 11

编辑推荐

Metrics

本文评价

[1]	杨俊, 刘灵辉. 加权全极化SAR图像分类下的功能区土地时空变化特征提取[J]. 测绘通报, 2022, 0(7): 138-142,153.
[2]	彭述刚, 王大成, 谭军辉, 敖旋峰, 俞佳颖. 基于改进卷积神经网络的城市地下排水管道视频智能识别[J]. 测绘通报, 2021, 0(10): 132-135,167.
[3]	刘金沧, 王成波, 常原飞. 基于多特征CRF的无人机影像松材线虫病监测方法[J]. 测绘通报, 2019, 0(7): 78-82.
[4]	刘恩盛, 程效军, 黄玉花. 运用人工鱼群算法的3D扫描碎片重建探究[J]. 测绘通报, 2019, 0(3): 137-140.
[5]	张亚平, 张宇, 杨楠, 罗晓, 罗谦. 一种高光谱遥感图像快速谱聚类算法[J]. 测绘通报, 2019, 0(12): 60-64.
[6]	李杰, 李玉, 王玉, 赵泉华. 结合最大似然算法和波利亚罐模型的全色遥感图像分类[J]. 测绘通报, 2018, 0(4): 36-43,49.
[7]	牛颖超, 周忠发, 王历, 王小宇. GABA算法的遥感图像分类[J]. 测绘通报, 2018, 0(1): 62-66,71.
[8]	郭玉宝, 池天河, 彭玲, 刘吉磊, 杨丽娜. 利用随机森林的高分一号遥感数据进行城市用地分类[J]. 测绘通报, 2016, 0(5): 73-76.
[9]	程志会, 谢福鼎. 基于空间特征与纹理信息的高光谱图像半监督分类[J]. 测绘通报, 2016, 0(12): 56-59,73.
[10]	杨耘隋立春. 条件随机场建模的大尺度空间上下文的高分辨率遥感图像分类[J]. 测绘通报, 2014, 0(8): 21-24.
[11]	吕京国. 基于神经网络集成的遥感图像分类与建模研究[J]. 测绘通报, 2014, 0(3): 17-20.