基于变化检测的输电走廊外力破坏隐患区域识别

电力行业是国民经济与社会发展的重要行业。可靠的输电走廊环境监测有利于电力系统的安全运行。近年来，卫星遥感因为其大范围观测、高频次重返特性，展现出优于传统巡线方法的优点，开始应用于电力行业研究。然而，基于变化检测技术的输电走廊巡线研究还几乎处于空白。文章提出了一种基于卫星影像的外力破坏隐患区域识别方法，具体而言，提出了基于深度学习模型、植被指数与聚类模型的分层分类方法，构建了基于特殊地类变化的外力破坏隐患识别方案。在石林县的“高分一号”、“高分六号”卫星影像上进行了实验，结果显示：分层分类方法提高了深度学习方法的裸地分类精度。研究同时验核了石林县外力破坏台账记录区域的识别情况，识别结果与台账描述基本一致。研究成果有利于提高电网巡线效率，及时发现输电走廊环境变化异常，同时也为遥感影像分类与变化检测研究提供参考。