熊　宇，陳孝明，阮　羚，黃俊杰，張?zhí)旌?，朱忠敏，韓　舸

(1. 國(guó)網(wǎng)湖北省電力公司電力科學(xué)研究院，湖北 武漢 430077； 2. 武漢大學(xué)測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室，湖北 武漢 430079； 3. 武漢大學(xué)國(guó)際軟件學(xué)院，湖北 武漢 430079)

?

衛(wèi)星AOD數(shù)據(jù)驅(qū)動(dòng)的區(qū)域電力污穢等級(jí)評(píng)估方法

熊宇1，陳孝明1，阮羚1，黃俊杰1，張?zhí)旌?，朱忠敏2，韓舸3

(1. 國(guó)網(wǎng)湖北省電力公司電力科學(xué)研究院，湖北 武漢 430077； 2. 武漢大學(xué)測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室，湖北 武漢 430079； 3. 武漢大學(xué)國(guó)際軟件學(xué)院，湖北 武漢 430079)

bySatellite-derivedAOD

傳統(tǒng)污穢等級(jí)評(píng)估方法存在高成本、低效率、區(qū)域不均衡及包含主觀性等問(wèn)題。衛(wèi)星遙感以其大覆蓋和高重訪的優(yōu)點(diǎn)特別適合需要時(shí)相特征的大范圍地物監(jiān)測(cè)，同時(shí)20年來(lái)遙感定量化和自動(dòng)化的發(fā)展產(chǎn)生了大量性能優(yōu)異的機(jī)器學(xué)習(xí)算法，能夠很好地避免人為主觀因素的干擾。本文提出了一種基于衛(wèi)星遙感數(shù)據(jù)及粗糙集、支持向量機(jī)等數(shù)據(jù)處理算法的區(qū)域電力污穢評(píng)估方法。數(shù)據(jù)挖掘試驗(yàn)表明，最少只需獲取AOD、污染源目錄、降雨和地形高程4種數(shù)據(jù)即可實(shí)施污區(qū)等級(jí)評(píng)估工作。在此基礎(chǔ)上的分類試驗(yàn)表明，基于支持向量機(jī)的分類方法總體分類精度高達(dá)70%，適用于全局污穢等級(jí)的評(píng)定和污區(qū)等級(jí)分布圖的制訂；而最大似然的分類方法對(duì)高等級(jí)污穢的評(píng)估精度高達(dá)80%，適用于對(duì)污穢閃絡(luò)事故的預(yù)警。

污穢閃絡(luò)；污區(qū)圖；粗糙集；圖像分類

附著于輸電系統(tǒng)絕緣裝置上的污染物被稱為電力污穢。過(guò)量的電力污穢會(huì)導(dǎo)致絕緣裝置失效，從而引起事故性放電甚至大面積停電，嚴(yán)重威脅電網(wǎng)的安全，影響電網(wǎng)的可靠運(yùn)行。進(jìn)行電力污穢評(píng)估是調(diào)整絕緣水平避免上述事故的最主要依據(jù)。

目前，我國(guó)的電力污穢等級(jí)評(píng)估主要依靠人工定點(diǎn)的地面監(jiān)測(cè)，導(dǎo)致電力污區(qū)圖繪制成本極高，因此難以進(jìn)行高時(shí)間分辨率的繪制，同時(shí)其評(píng)估結(jié)果也具有較大的主觀性。此外，由于采樣測(cè)量點(diǎn)主要集中在城市和重點(diǎn)電力項(xiàng)目區(qū)域的周圍，基于此的區(qū)域性(省級(jí))評(píng)估結(jié)果缺乏足夠的空間代表性，無(wú)法用于新架設(shè)電力線路的污穢風(fēng)險(xiǎn)預(yù)評(píng)估工作。而且現(xiàn)行標(biāo)準(zhǔn)中等級(jí)的衡量方式較為模糊，缺乏明晰的數(shù)值—類別轉(zhuǎn)換關(guān)系，造成現(xiàn)有污區(qū)圖中污穢的評(píng)定具有一定的主觀性[1]。受制于上述因素，現(xiàn)行的電力污區(qū)圖以1～3年為周期進(jìn)行更新，其更新速度已經(jīng)無(wú)法滿足發(fā)展的需求[2]。

針對(duì)現(xiàn)行污穢評(píng)估方法存在的問(wèn)題，本文首次提出利用衛(wèi)星遙感獲得的大氣氣溶膠光學(xué)厚度(AOD)產(chǎn)品作為主要驅(qū)動(dòng)因子，并引入數(shù)據(jù)挖掘和圖像分類技術(shù)，構(gòu)建一種新型的大面積低成本電力污穢評(píng)估方法。衛(wèi)星遙感數(shù)據(jù)具有時(shí)效性強(qiáng)和覆蓋面廣等優(yōu)點(diǎn)，不僅能完美解決污區(qū)圖制訂過(guò)程中存在的空間代表性差的問(wèn)題，還能大幅降低其監(jiān)測(cè)評(píng)估的工作量和成本[3]。同時(shí)利用成熟的遙感數(shù)據(jù)處理方法進(jìn)行基于多源數(shù)據(jù)的關(guān)鍵要素選擇和監(jiān)督分類，能更全面地考慮多種污穢相關(guān)影響因子，也可避免污穢等級(jí)評(píng)估中存在主觀性[4-6]。最后，依據(jù)混淆矩陣的精度評(píng)價(jià)結(jié)果，分別提出針對(duì)污區(qū)圖制訂和污穢閃絡(luò)預(yù)警的不同分類算法選擇方案，使其適用于不同目的的污穢評(píng)估工作。本文選取湖北省作為研究區(qū)，綜合利用2014年的多源衛(wèi)星和地面觀測(cè)資料，實(shí)現(xiàn)所提方法并評(píng)估反演結(jié)果的精度。

一、方案設(shè)計(jì)

圖1展示了利用遙感數(shù)據(jù)進(jìn)行區(qū)域性電力污穢等級(jí)評(píng)估流程。為了盡可能全面地考慮各種因素對(duì)污穢積累的影響，首先將獲取的多源遙感原始數(shù)據(jù)，通過(guò)相應(yīng)的處理方法轉(zhuǎn)換為多種產(chǎn)品，進(jìn)而實(shí)施時(shí)空配準(zhǔn)，產(chǎn)生時(shí)空一致的輸入變量集。出于科研目的，更多的觀測(cè)指標(biāo)有望得到更好的評(píng)估結(jié)果，但是考慮到實(shí)際應(yīng)用時(shí)輸入集越完備其完整性就越難以保證，而且計(jì)算資源消耗也會(huì)過(guò)大，不利于該方法的全面推廣。因此，本文同時(shí)利用粗糙集對(duì)輸入變量的重要性進(jìn)行評(píng)定，確定出對(duì)污區(qū)等級(jí)評(píng)級(jí)最重要的觀測(cè)指標(biāo)。在此基礎(chǔ)上，將人工測(cè)量點(diǎn)的評(píng)估結(jié)果作為目標(biāo)集合，嘗試?yán)米畲笏迫环诸?、支持向量機(jī)和馬氏距離法3種常見(jiàn)分類方法實(shí)施監(jiān)督分類，以得到不同的污區(qū)評(píng)估結(jié)果，最后利用現(xiàn)有污區(qū)圖評(píng)價(jià)所得結(jié)果的精度。

圖1　方案流程

二、數(shù)據(jù)源

AOD作為衛(wèi)星能夠直接反演的物理量，是一種很好的大氣污染指示物，并且可以有效地監(jiān)測(cè)地面污染物的分布情況[7-8]。

植被覆蓋指數(shù)(NDVI)以遙感數(shù)據(jù)為數(shù)據(jù)源，由波段反射率計(jì)算得到，能夠相當(dāng)精確地反映地表植被綠度及光合強(qiáng)度等，是評(píng)價(jià)植被情況的良好指標(biāo)，對(duì)于目標(biāo)區(qū)域的生態(tài)環(huán)境評(píng)價(jià)及污穢等級(jí)有重要的現(xiàn)實(shí)意義[9]。

數(shù)字高程模型(DEM)是輸電線路污穢研究不可或缺的重要地理信息之一，人類工程活動(dòng)往往與地形地貌存在復(fù)雜的聯(lián)系，而人類工程活動(dòng)會(huì)明顯影響絕緣子的積污速率。

氣象數(shù)據(jù)中的降雨和風(fēng)速可能與污穢累積速率存在一定聯(lián)系，因此搜集了分布于湖北省21個(gè)氣象站的上述數(shù)據(jù)。

污染源數(shù)據(jù)來(lái)源于對(duì)輸電線附近的詳細(xì)調(diào)查，包含了臨近現(xiàn)有輸電線的大部分主要污染企業(yè)。該數(shù)據(jù)比較粗糙，只包含了地理信息，沒(méi)有排放強(qiáng)度信息，因此只能將各電源的強(qiáng)度視為一致的。

三、試驗(yàn)結(jié)果及討論

1. 粗糙集評(píng)定

粗糙集理論是繼概率論和模糊集后又一個(gè)處理不確定性的數(shù)學(xué)工具[10]，它作為一種較新的軟計(jì)算方法，是目前人工智能理論的研究熱點(diǎn)之一，已被成功應(yīng)用于諸多科學(xué)與工程領(lǐng)域[11]。本研究收集了2014年覆蓋湖北全境的環(huán)境和大氣和氣象監(jiān)測(cè)數(shù)據(jù)，包括NDVI、AOD、坡度、坡向、高程、溫度、濕度、降雨量、風(fēng)速和污染源強(qiáng)度等。其中，NDVI部分為旬度數(shù)據(jù)；AOD、DEM、溫濕風(fēng)、降雨量為日度數(shù)據(jù)；污染源為年度統(tǒng)計(jì)數(shù)據(jù)。首先，由于各數(shù)據(jù)時(shí)間間隔不等，需要統(tǒng)一時(shí)間間隔；其次粗糙集只能處理類別型數(shù)據(jù)，因此對(duì)于數(shù)值型監(jiān)測(cè)值需要進(jìn)行量化處理。本文參考空氣污染等級(jí)對(duì)AOD等級(jí)進(jìn)行分類[12]；參考植被覆蓋程度對(duì)NDVI等級(jí)進(jìn)行分類；坡度等級(jí)依據(jù)地勢(shì)坡度角進(jìn)行分類；坡向依據(jù)地理朝向進(jìn)行分類；高程等級(jí)依據(jù)地理景觀類型進(jìn)行分類；溫度、濕度、風(fēng)速及降水量數(shù)據(jù)依據(jù)國(guó)家氣象局公布的氣象等級(jí)進(jìn)行等級(jí)劃分；污染源數(shù)據(jù)依據(jù)環(huán)保部門給出的廢氣排放等級(jí)進(jìn)行分級(jí)。經(jīng)預(yù)處理后，參與污穢等級(jí)預(yù)測(cè)模型的輸入變量包括：植被覆蓋度、大氣光學(xué)厚度等級(jí)、坡度、坡向、高程、溫度、濕度、降雨等級(jí)、風(fēng)速、污染源強(qiáng)度等級(jí)。

輸入變量集經(jīng)粗糙集處理后共得到15個(gè)約簡(jiǎn)集，表1為10個(gè)輸入變量在這些約簡(jiǎn)集中出現(xiàn)的頻率，其一定程度上反映了不同變量對(duì)預(yù)測(cè)污穢等級(jí)的貢獻(xiàn)能力。在這15個(gè)約簡(jiǎn)集中輸入項(xiàng)最少者僅含4個(gè)：AOD、高程、降雨和污染源等級(jí)。這表明僅用這4個(gè)變量就能夠取得在目前條件下的最優(yōu)結(jié)果，進(jìn)一步改進(jìn)則依賴于其他新數(shù)據(jù)的引入。由此大大簡(jiǎn)化了需要收集的數(shù)據(jù)集，后續(xù)分類將依賴這4類指標(biāo)的數(shù)值型記錄。

表1　輸入變量在約簡(jiǎn)集中出現(xiàn)的頻率

表2為4個(gè)入選變量的重要性情況，其中POSi表示屬性集去除變量i后的決策能力，即變量i的次要性。POStotal-POSi表示整體決策能力與變量i次要性之差，即變量i的重要性。為了對(duì)各變量的重要性進(jìn)行對(duì)比分析，本文對(duì)重要性進(jìn)行歸一化處理，得到表2中的評(píng)價(jià)指標(biāo)(1-POSi)/max(1-POSi)，即為變量i的歸一化重要性。這里需要說(shuō)明的是，本文所使用的3個(gè)評(píng)價(jià)指標(biāo)只有POSi和POStotal-POSi是具備數(shù)學(xué)或物理意義的，而歸一化重要性只能在該試驗(yàn)中與各變量橫向?qū)Ρ确治觥?/p>

表2　選中約簡(jiǎn)集中各變量重要性情況

由表2可見(jiàn)，AOD最為關(guān)鍵，其次是污染源等級(jí)、降雨和高程。這一結(jié)果顯示污穢累積程度與當(dāng)?shù)卮髿馕廴厩闆r有著緊密的關(guān)系，而利用AOD和當(dāng)?shù)匚廴驹吹燃?jí)來(lái)表征大氣污染情況則是進(jìn)行大面積污穢等級(jí)的基礎(chǔ)。降雨對(duì)污穢洗刷作用也被考慮進(jìn)來(lái)，而且可以發(fā)現(xiàn)其作用不可忽視，相對(duì)而言風(fēng)的作用似乎小了許多。高程對(duì)污穢的影響很可能不是直接的：有研究表明AOD和高程存在一定的負(fù)相關(guān)；同時(shí)，高程對(duì)污染物的擴(kuò)散可能存在一定影響；另外，高海拔地區(qū)人類活動(dòng)相對(duì)減少也可能減輕污穢的累積。因此，綜合考慮，高程對(duì)污穢的積累存在某種非直接但是比較明顯的作用。

2. 污穢等級(jí)評(píng)估

根據(jù)上述粗糙集的結(jié)果，本文確定AOD、污染源強(qiáng)度、降雨和DEM(高程)4種指標(biāo)是最重要的關(guān)鍵參量，它們的組合對(duì)于污穢等級(jí)評(píng)價(jià)而言能夠包含等價(jià)于全部數(shù)據(jù)集的信息。在此基礎(chǔ)上，對(duì)于上述選出的關(guān)鍵因子產(chǎn)品進(jìn)行后處理，主要包括時(shí)間分辨率的歸一化和空間配準(zhǔn)，從而生成時(shí)空一致的數(shù)據(jù)集。為客觀評(píng)價(jià)不同算法對(duì)污穢等級(jí)評(píng)估的效果，選取3種不同的方法：最大似然法、支持向量機(jī)方法和馬氏最小距離。最大似然法基于遙感影像光譜特性，利用概率判別函數(shù)和貝葉斯判別規(guī)則完成最優(yōu)分類，被廣泛應(yīng)用于遙感影像的分類處理。支持向量機(jī)方法以統(tǒng)計(jì)學(xué)習(xí)理論為基礎(chǔ)，基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化的原則，折衷考慮經(jīng)驗(yàn)風(fēng)險(xiǎn)和置信范圍完成最優(yōu)分類。馬氏距離分類與最大似然分類相似，也基于多元正態(tài)分布理論，但假定所有類的協(xié)方差相等，使用先驗(yàn)概率與體積的比為同一常數(shù)的概率判決函數(shù)完成分類。

本文使用2014年覆蓋湖北省的大氣和遙感數(shù)據(jù)，參照2014年國(guó)家電網(wǎng)官方公布的湖北省電力污區(qū)圖數(shù)據(jù)，分別使用3種算法進(jìn)行訓(xùn)練，并利用訓(xùn)練結(jié)果進(jìn)行評(píng)估，評(píng)估效果如圖2所示。宿志一等通過(guò)對(duì)各種環(huán)境和測(cè)量指標(biāo)量將電力污區(qū)圖分為4個(gè)等級(jí)，本文在此基礎(chǔ)上將分類的結(jié)果可視化。

圖2　3種評(píng)估方法對(duì)于污穢等級(jí)的預(yù)測(cè)同污區(qū)圖的結(jié)果對(duì)比

總體上看，3種評(píng)估方法對(duì)于污穢等級(jí)低地區(qū)的預(yù)測(cè)同污區(qū)圖的結(jié)果相比是非常接近的，特別是支持向量機(jī)和最大似然法的結(jié)果與污區(qū)圖基本一致。對(duì)于污穢等級(jí)最低區(qū)域的估算，支持向量機(jī)體現(xiàn)出比較明顯的優(yōu)勢(shì)，但是支持向量機(jī)算法似乎容易低估污穢等級(jí)，較少出現(xiàn)較嚴(yán)重區(qū)域。而最大似然法和馬氏最小距離法則傾向于高估污穢等級(jí)。對(duì)3種結(jié)果的準(zhǔn)確評(píng)價(jià)需要依賴于獨(dú)立的實(shí)地調(diào)查，其中一個(gè)關(guān)鍵的考察區(qū)域在于湖北省中部地區(qū)?？梢园l(fā)現(xiàn)，在中部地區(qū)有調(diào)查的區(qū)域，污穢等級(jí)程度比較高，而中部地區(qū)有大量缺乏實(shí)際采樣的結(jié)果，對(duì)這些地區(qū)的評(píng)價(jià)，污區(qū)圖往往傾向于認(rèn)為污染不大。相反，基于遙感數(shù)據(jù)的評(píng)估顯示在這些區(qū)域污穢的等級(jí)可能超過(guò)一般的估計(jì)。這種矛盾需要后續(xù)深入的實(shí)地調(diào)查，以確定最終的實(shí)際情況。

表3給出了3種方法結(jié)果和污區(qū)圖中不同等級(jí)出現(xiàn)的頻率。a級(jí)在4種產(chǎn)品中都不存在。b級(jí)的差別相對(duì)較小，都在30%附近。同污區(qū)圖最接近的是支持向量機(jī)(SVM)輸出的產(chǎn)品，在c、e兩個(gè)級(jí)別都非常接近，d級(jí)出現(xiàn)的較少?？傮w而言，SVM有將污染等級(jí)評(píng)估偏低的傾向。最大似然和馬氏距離與污區(qū)圖相比的最大特點(diǎn)是e級(jí)出現(xiàn)的頻率大幅上升。馬氏距離有明顯地將污染等級(jí)向嚴(yán)重方向估計(jì)的傾向。相對(duì)而言，最大似然的評(píng)估結(jié)果在SVM和馬氏距離之間，但是也呈現(xiàn)出將污染等級(jí)往嚴(yán)重方向估計(jì)的特征。本文采用十折交叉驗(yàn)證的方法來(lái)評(píng)價(jià)等級(jí)分類的結(jié)果，以污區(qū)圖為真實(shí)正確結(jié)果并將其隨機(jī)分成10組，每次使用其中9組進(jìn)行訓(xùn)練，剩下的1組作為測(cè)試樣本來(lái)驗(yàn)證分類結(jié)果。將3種方法的評(píng)估結(jié)果分別與其按地理位置一一對(duì)比，10次平均可以得到混淆矩陣，見(jiàn)表4—表6。

表3　污區(qū)等級(jí)評(píng)價(jià)對(duì)比　(%)

表4　最大似然法精度評(píng)價(jià)混淆矩陣

表5　支持向量機(jī)精度評(píng)價(jià)混淆矩陣

表6　馬氏最小距離精度評(píng)價(jià)混淆矩陣

從以上精度評(píng)價(jià)混淆矩陣看，SVM的總體精度最高，可以達(dá)到70%以上，主要原因可能是SVM的特征維數(shù)僅為四維，因此其預(yù)測(cè)的魯棒性較好；另外兩種方法的精度則只有50%左右，而主要出現(xiàn)誤分類的區(qū)域集中在湖北中部地區(qū)。但是具體到每個(gè)子類，可以發(fā)現(xiàn)SVM的高精度源于其對(duì)b、c兩種占大部分區(qū)域但污染等級(jí)稍低情況的準(zhǔn)確評(píng)定。而在實(shí)際應(yīng)用中，從電網(wǎng)運(yùn)維的安全考慮， 往往會(huì)重視高預(yù)警等級(jí)，此時(shí)d、e兩種情況會(huì)更為重要，SVM對(duì)這兩個(gè)等級(jí)評(píng)定的精度就不如最大似然和馬氏距離的效果好，尤其是最大似然分類方法對(duì)最高等級(jí)e的分類精度高達(dá)80%。

綜合考慮上述分析和評(píng)價(jià)指標(biāo)，本文認(rèn)為在國(guó)家電網(wǎng)對(duì)污區(qū)圖的等級(jí)修訂時(shí)，可以采取支持向量機(jī)的分類方法，結(jié)合AOD、污染源強(qiáng)度、降水和高程數(shù)據(jù)來(lái)高效地制訂全省污區(qū)圖的原型；而在對(duì)絕緣子污穢閃絡(luò)事故進(jìn)行評(píng)估甚至預(yù)測(cè)時(shí)，則建議采用最大似然或馬氏最小距離的分類方法，結(jié)合相應(yīng)衛(wèi)星和地面實(shí)測(cè)數(shù)據(jù)來(lái)對(duì)高等級(jí)的污染區(qū)域進(jìn)行預(yù)警，以保證電網(wǎng)運(yùn)維的安全性，保障國(guó)家和人民的財(cái)產(chǎn)安全。

四、結(jié)　論

本文以衛(wèi)星遙感影像和湖北省地面在線監(jiān)測(cè)多源數(shù)據(jù)為基礎(chǔ)，將粗糙集算法和多種遙感影像分類算法引入電力污區(qū)圖的制訂過(guò)程中，從而實(shí)現(xiàn)了基于遙感手段的區(qū)域性電力污穢等級(jí)評(píng)估工作。試驗(yàn)結(jié)果表明：

1) 4種指標(biāo)是評(píng)估污穢等級(jí)的不可或缺要素，它們的重要性排名依次為AOD、污染源強(qiáng)度、降雨和高程。

2) 3種分類方法對(duì)污區(qū)等級(jí)的評(píng)估同污區(qū)圖的結(jié)果影響是非常相似的，但支持向量機(jī)算法容易低估污穢等級(jí)，而最大似然和馬氏最小距離則傾向于高估污穢等級(jí)。

3) 總體上SVM算法能夠?qū)崿F(xiàn)總體精度超過(guò)70%的污區(qū)等級(jí)評(píng)估，而最大似然法對(duì)于重度污穢區(qū)的評(píng)估具備顯著優(yōu)勢(shì)。

綜上所述，國(guó)家電網(wǎng)對(duì)污區(qū)圖修訂具體實(shí)施的過(guò)程可以結(jié)合MODIS衛(wèi)星AOD數(shù)據(jù)、STRM衛(wèi)星DEM高程數(shù)據(jù)、中國(guó)氣象局提供的降水?dāng)?shù)據(jù)和環(huán)保部門提供的污染源數(shù)據(jù)，采用支持向量機(jī)的方法不僅很好地解決了污區(qū)制訂過(guò)程中空間代表性的問(wèn)題，而且也避免了污穢評(píng)估過(guò)程中一些主觀因素的影響；采用最大似然法來(lái)進(jìn)行評(píng)估有利于對(duì)高等級(jí)的污穢區(qū)域進(jìn)行預(yù)警，及時(shí)對(duì)該區(qū)域桿塔線路上的絕緣子進(jìn)行污穢閃絡(luò)評(píng)定，以保證電網(wǎng)運(yùn)維的安全性。此外，基于遙感手段的污區(qū)評(píng)估工作也將大幅減少工作量，有利于縮短污區(qū)圖的更新周期。進(jìn)一步優(yōu)化所提方法，提高評(píng)估結(jié)果精度，同時(shí)實(shí)施大規(guī)模野外驗(yàn)證工作將是未來(lái)研究的重點(diǎn)，也是全面推行該方法的前提條件。

[1]PACIOREKCJ,LIUY.LimitationsofRemotelySensedAerosolasaSpatialProxyforFineParticulateMatter[J].EnvironHealthPerspect, 2009, 117(6): 904-9.

[2]宿志一, 李慶峰. 我國(guó)電網(wǎng)防污閃措施的回顧和總結(jié) [J]. 電網(wǎng)技術(shù), 2010, 34(12): 124-30.

[3]RUANL,HANG,ZHUZ,etal.SpatialandTemporalCharacteristicsofInsulatorContaminationsRevealedbyDailyObservationsofEquivalentSaltDepositDensity[J].Sensors, 2015, 15(2): 3023-40.

[4]LUNETTARS,JOHNSONDM,LYONJG,etal.ImpactsofImageryTemporalFrequencyonLand-coverChangeDetectionMonitoring[J].RemoteSensingofEnvironment, 2004, 89(4): 444-54.

[5]鐘燕飛, 張良培, 李平湘. 遙感影像分類中的模糊聚類有效性研究 [J]. 武漢大學(xué)學(xué)報(bào)(信息科學(xué)版), 2009, 34(4): 391-4.

[6]許曉婷, 隋立春, 李芹芳,等. 基于GIS的山區(qū)農(nóng)用地定級(jí)方法研究 [J]. 測(cè)繪通報(bào), 2014(11)：46-49.

[7]KAUFMANYJ,FRASERRS,FERRARERA.SatelliteMeasurementsofLarge-scaleAirPollution:Methods[J].JournalofGeophysicalResearch:Atmospheres(1984—2012), 1990, 95(D7): 9895-909.

[8]李成才, 毛節(jié)泰, 劉啟漢, 等.MODIS衛(wèi)星遙感氣溶膠產(chǎn)品在北京市大氣污染研究中的應(yīng)用 [J]. 中國(guó)科學(xué)(D輯), 2005, 35(S1): 177-186.

[9]YUEWZ,XUJH,XULH.AnAnalysisonEco-environmentalEffectofUrbanLandUseBasedonRemoteSensingImages:ACaseStudyofUrbanThermalEnvironmentandNDVI[J].ActaEcologicaSinica, 2006, 26(5): 1450-60.

[10]韓舸, 龔?fù)? 吳婷, 等. 利用粗糙集的滑坡分階段位移預(yù)測(cè)方法以白家包滑坡為例 [J]. 吉林大學(xué)學(xué)報(bào)(地球科學(xué)版), 2014(3): 925-931.

[11]PAWLAKZ.RoughSets:TheoreticalAspectofReasoningaboutData[M].Dordrecht：KluwerAcademicPublishers，1991.

[12]夏麗華, 王芳, 王德輝. 基于MODIS數(shù)據(jù)的城市光化學(xué)污染預(yù)警系統(tǒng)及預(yù)警等級(jí)研究 [J]. 地理科學(xué), 2006, 26(6): 712-716.

中海達(dá)三維激光建模軟件首次加入測(cè)繪技能競(jìng)賽

[本刊訊]近日，由四川省教育廳主辦、成都理工大學(xué)承辦的“中海達(dá)杯”第二屆四川省大學(xué)生測(cè)繪技能競(jìng)賽在成都理工大學(xué)舉行，3天緊張激烈的比賽精彩紛呈，各參與高校都有優(yōu)秀表現(xiàn)。

本次競(jìng)賽吸引了四川省內(nèi)23所高等院校，共19支專業(yè)組和30支非專業(yè)組參賽。每個(gè)團(tuán)隊(duì)由1名領(lǐng)隊(duì)和4～6名參賽隊(duì)員組成，其中每個(gè)參賽隊(duì)還配有1～4名指導(dǎo)老師。比賽總共分為四個(gè)環(huán)節(jié)：水準(zhǔn)測(cè)量、導(dǎo)線測(cè)量、1∶500數(shù)字化測(cè)圖與建庫(kù)和三維激光點(diǎn)云建模，其中三維激光點(diǎn)云建模的比賽首次被引入測(cè)繪技能競(jìng)賽中，這是此次技能大賽中最具亮點(diǎn)的環(huán)節(jié)。共24支隊(duì)伍參加三維激光點(diǎn)云建模比賽，海達(dá)數(shù)云利用HS系列高精度三維激光掃描儀采集了兩組對(duì)稱建筑物的數(shù)據(jù)，參賽隊(duì)員經(jīng)三維激光點(diǎn)云數(shù)據(jù)提取、點(diǎn)云轉(zhuǎn)換、紋理提取、建模貼圖等步驟完成比賽，整個(gè)流程要求參賽隊(duì)員對(duì)前期培訓(xùn)內(nèi)容進(jìn)行過(guò)深入的消化和吸收，不僅要精通軟件，還要能快速操作軟件。

經(jīng)大賽裁判組、組委會(huì)核分、評(píng)審，共評(píng)出“水準(zhǔn)測(cè)量”“導(dǎo)線測(cè)量”“數(shù)字化測(cè)圖”“三維激光點(diǎn)云建?！焙汀皵?shù)據(jù)入庫(kù)”5個(gè)單選的專業(yè)組一等獎(jiǎng)7個(gè)，二等獎(jiǎng)14個(gè)，三等獎(jiǎng)22個(gè)；非專業(yè)組一等獎(jiǎng)11個(gè)，二等獎(jiǎng)22個(gè)，三等獎(jiǎng)33個(gè)；優(yōu)秀指導(dǎo)教師18人。其中東道主成都理工大學(xué)收獲頗豐，包攬了專業(yè)組和非專業(yè)組的團(tuán)體總分第一名。

(本刊編輯部)

A Novel Evolution Method for Contamination Level of Power System Driven

XIONG Yu，CHEN Xiaoming，RUAN Ling，HUANG Junjie，ZHANG Tianhao，ZHU Zhongmin，HAN Ge

2015-11-10

熊宇(1989—)，男，碩士，助理工程師，主要從事?tīng)顟B(tài)信息系統(tǒng)建設(shè)及高級(jí)應(yīng)用研究等。E-mail：hbdky@sina.cn

朱忠敏。E-mail：zhongmin.zhu@whu.edu.cn

P237

B

0494-0911(2016)08-0039-05

引文格式：熊宇，陳孝明，阮羚，等.衛(wèi)星AOD數(shù)據(jù)驅(qū)動(dòng)的區(qū)域電力污穢等級(jí)評(píng)估方法[J].測(cè)繪通報(bào)，2016(8)：39-43.DOI:10.13474/j.cnki.11-2246.2016.0252.