成廣生,羅培焱,劉志武,梁興平
(國(guó)網(wǎng)龍巖供電公司,福建 龍巖 364003)
福建省山地、丘陵占全省總面積的80%以上。高桿植物主要有竹子、杉松、榕樹和桉樹,這些高桿植物長(zhǎng)勢(shì)較快,在輸電線路運(yùn)維過程中,常出現(xiàn)年年砍、年年長(zhǎng)現(xiàn)象。而樹障處理的難點(diǎn)之一是估算樹木到電線的距離,傳統(tǒng)的作業(yè)方式由人工經(jīng)常對(duì)輸電線路進(jìn)行巡視,工作量較大,且人工目測(cè)并心算弧垂到樹頂距離,需要人員從多種角度觀察,而人的觀察角度和錯(cuò)覺引起的誤差難以避免?,F(xiàn)階段精確測(cè)量電線弧垂與樹木之間的距離,主要靠測(cè)高桿、經(jīng)緯儀等測(cè)量?jī)x器,攜帶這些儀器不僅導(dǎo)致線路巡護(hù)人員工作負(fù)擔(dān)增大,而且效率低下。
隨著無人機(jī)技術(shù)快速發(fā)展,無人機(jī)在輸電線路運(yùn)維工作中的應(yīng)用不斷得到拓展[1-4],通過無人機(jī)搭載三維liDAR設(shè)備對(duì)輸電線路通道進(jìn)行三維掃描[5-6],采集通道“線樹”距離的基礎(chǔ)數(shù)據(jù)。利用多光譜和LiDAR數(shù)據(jù)融合技術(shù)[7-9],對(duì)采集的信息進(jìn)行處理,可實(shí)現(xiàn)特定樹障樹種的自動(dòng)識(shí)別與分類。針對(duì)竹子、杉松、榕樹和桉樹等優(yōu)勢(shì)樹種進(jìn)行樹木生長(zhǎng)周期仿真建模,結(jié)合輸電線路安全運(yùn)行規(guī)范,預(yù)測(cè)樹木何時(shí)成為隱患。輸電運(yùn)維人員可以依據(jù)仿真預(yù)測(cè)結(jié)果,在消缺周期內(nèi)進(jìn)行隱患消除,同時(shí)驗(yàn)證預(yù)測(cè)結(jié)果的可靠性,根據(jù)驗(yàn)證結(jié)果對(duì)模型進(jìn)行優(yōu)化,不斷提升輸電線路運(yùn)維水平和工作效率。
多光譜是光學(xué)被動(dòng)遙感數(shù)據(jù),可獲得冠層水平信息,因其具有較高的光譜分辨率,使地物目標(biāo)的屬性信息探測(cè)能力有所增強(qiáng),并能夠在較小的空間尺度上觀察地表的細(xì)節(jié)變化。LiDAR數(shù)據(jù)是主動(dòng)遙感數(shù)據(jù),可直接獲得單株樹木的位置、樹高和冠幅這3個(gè)垂直結(jié)構(gòu)參數(shù)以及強(qiáng)度信息。兩者基于像元級(jí)融合,形成優(yōu)勢(shì)互補(bǔ),在分類精度上有極大提高,因此,表征樹木水平結(jié)構(gòu)信息的多光譜數(shù)據(jù)與表征樹木垂直結(jié)構(gòu)信息的LiDAR數(shù)據(jù)所組成的機(jī)載主被動(dòng)遙感數(shù)據(jù)相融合,可實(shí)現(xiàn)樹種識(shí)別與分類[10-12]。
a.利用多光譜影像結(jié)合LiDAR數(shù)據(jù)識(shí)別竹子、杉松、榕樹和桉樹等速生、高桿植物,構(gòu)建生長(zhǎng)模型,分析預(yù)測(cè)輸電線路通道的“線樹”隱患,提高輸電線路樹障隱患的判斷和預(yù)知能力。
b.利用機(jī)載三維LiDAR獲取輸電線路通道的高精度點(diǎn)云數(shù)據(jù),通過機(jī)器學(xué)習(xí)算法自動(dòng)分離電線、桿塔、樹木、建筑物等類別,計(jì)算樹木與電線的距離,快速獲取樹障隱患點(diǎn)位置信息,為樹障治理提供準(zhǔn)確判讀依據(jù)。
c.研究確定輸電線路通道的樹木生長(zhǎng)預(yù)測(cè)模型,可輸出輸電線路通道樹木生長(zhǎng)預(yù)測(cè)報(bào)告。構(gòu)建輸電線路通道樹木生長(zhǎng)預(yù)測(cè)模型數(shù)據(jù)庫(kù),開發(fā)多樹種和“線樹”距離的樹障風(fēng)險(xiǎn)預(yù)測(cè)和分級(jí)預(yù)警系統(tǒng)。
多光譜影像與LiDAR點(diǎn)云數(shù)據(jù)可采用控制點(diǎn)位法進(jìn)行坐標(biāo)系的轉(zhuǎn)換與配準(zhǔn),多光譜影像的特殊地物點(diǎn)與對(duì)應(yīng)的LiDAR點(diǎn)云數(shù)據(jù)上的空間點(diǎn)可形成空間同名點(diǎn)對(duì),通過現(xiàn)場(chǎng)實(shí)測(cè)等手段可獲得同名點(diǎn)對(duì)的真實(shí)絕對(duì)坐標(biāo),以此作為坐標(biāo)系轉(zhuǎn)換多項(xiàng)式方程的輸入項(xiàng),從而得到多項(xiàng)式方程各項(xiàng)系數(shù)。將原始點(diǎn)云數(shù)據(jù)的點(diǎn)坐標(biāo)作為自變量,對(duì)其進(jìn)行逐點(diǎn)轉(zhuǎn)換,最終可得到絕對(duì)坐標(biāo)系下配準(zhǔn)精確的多光譜影像和與LiDAR點(diǎn)云融合的數(shù)據(jù)。
對(duì)通過點(diǎn)云濾波生成的DEM和DTM進(jìn)行數(shù)據(jù)歸一化處理,得到歸一化數(shù)字表面模型;在此基礎(chǔ)上,進(jìn)行數(shù)據(jù)融合,是實(shí)現(xiàn)精準(zhǔn)配準(zhǔn)之后地物識(shí)別與分類的關(guān)鍵。經(jīng)過數(shù)據(jù)歸一化處理,LiDAR點(diǎn)云數(shù)據(jù)在xyz字段的基礎(chǔ)上增加了光譜信息,拓展了數(shù)據(jù)信息的豐富程度,具體流程如圖1、圖2所示。
圖1 數(shù)據(jù)融合
在數(shù)據(jù)融合的基礎(chǔ)上,采集輸電線路通道內(nèi)主要優(yōu)勢(shì)樹種的特征信息,如結(jié)構(gòu)特征、光譜特征等,具體為優(yōu)勢(shì)樹種的樹高、冠幅、種群分布特征、NDVI值。將獲取的樹種特征信息采用非監(jiān)督分類以及監(jiān)督分類等方法,實(shí)現(xiàn)樹種的分類和識(shí)別。
2.2.1 主要影響因素?cái)?shù)據(jù)庫(kù)構(gòu)建
收集樹木生長(zhǎng)主要影響因素,包括氣象信息、樹障歷史信息、地形信息、樹木生長(zhǎng)特性、樹木與電線相對(duì)位置、桿塔臺(tái)帳數(shù)據(jù)、桿塔技術(shù)手冊(cè)參數(shù)、規(guī)程規(guī)范數(shù)據(jù)等。
氣象信息數(shù)據(jù)由國(guó)家氣象科學(xué)數(shù)據(jù)共享服務(wù)平臺(tái)獲取,包括溫度、濕度、風(fēng)速、地面氣壓、降水、短波輻射等數(shù)據(jù)。
樹障歷史信息由電網(wǎng)數(shù)據(jù)庫(kù)獲取。
地形信息由LiDAR點(diǎn)云獲取,具體流程為點(diǎn)云去噪、分離地面點(diǎn)、生成數(shù)字高程模型。
高桿植物生長(zhǎng)特性由互聯(lián)網(wǎng)搜索獲取,主要收集竹子、杉松、榕樹和桉樹等生長(zhǎng)較快植物的生長(zhǎng)特性。
樹木與電線的相對(duì)位置由LiDAR點(diǎn)云數(shù)據(jù)獲取,將LiDAR點(diǎn)云數(shù)據(jù)分為電線、桿塔、樹木等不同類別后,可計(jì)算出地物與電線之間的垂直距離、水平距離和空間距離。
桿塔臺(tái)帳數(shù)據(jù)、桿塔技術(shù)手冊(cè)參數(shù)、規(guī)程規(guī)范數(shù)據(jù)由電網(wǎng)數(shù)據(jù)庫(kù)獲取。
2.2.2 樹木生長(zhǎng)預(yù)測(cè)模型構(gòu)建
系統(tǒng)采用3-PG(Physiological Principles Predicting Growth)模型。 3-PG模型以月為尺度,通過一系列方程動(dòng)態(tài)模擬碳量平衡、水量平衡、鹽分平衡和太陽輻射變化,以此模擬樹木動(dòng)態(tài)生長(zhǎng)過程。模擬樹木生長(zhǎng)時(shí),既考慮樹木特性,又要結(jié)合地理?xiàng)l件、氣候條件。
樹木生長(zhǎng)預(yù)測(cè)模型輸入包括以下幾個(gè)方面。
a.每月的氣象因子包括太陽輻射、風(fēng)速、降雨量、平均最高溫和最低溫、霜凍天數(shù)、水汽壓差等。
b.地理?xiàng)l件包括經(jīng)緯度、土壤類型、土壤深度、肥力、肥力衰退指數(shù)等。
c.經(jīng)營(yíng)措施包括種植時(shí)間、種植密度、砍伐強(qiáng)度等。
d.樹木生理參數(shù)包括消光系數(shù)、冠層量子效率、枯落物最大分解率、初始樹木質(zhì)量、樹根死亡率、木材密度等。
模型輸出包括按月輸出樹高、葉面積指數(shù)、土壤含水量、冠層導(dǎo)度、蒸騰量、水分利用效率、凈光合速率等指標(biāo)。
根據(jù)模型預(yù)測(cè)結(jié)果,采集樹木在指定時(shí)間段之后的高度,結(jié)合LiDAR點(diǎn)云數(shù)據(jù),預(yù)測(cè)何時(shí)何處可能出現(xiàn)樹木隱患。
a.樹障風(fēng)險(xiǎn)預(yù)測(cè)
以樹木當(dāng)前距離電線的水平和垂直距離為基礎(chǔ),通過樹木生長(zhǎng)預(yù)測(cè)模型預(yù)測(cè)樹高,結(jié)合不同電壓等級(jí)的線路安全運(yùn)行規(guī)范,預(yù)測(cè)樹木生長(zhǎng)成為隱患的時(shí)間節(jié)點(diǎn),評(píng)估風(fēng)險(xiǎn)等級(jí),輸出樹障風(fēng)險(xiǎn)預(yù)測(cè)報(bào)告,給出樹障隱患建議處理時(shí)限。
b.樹障分級(jí)預(yù)警系統(tǒng)
根據(jù)樹障隱患預(yù)測(cè)報(bào)告以及建議的處理時(shí)限,讓輸電線路運(yùn)維人員在該時(shí)間節(jié)點(diǎn)之前進(jìn)行現(xiàn)場(chǎng)勘查和處理,驗(yàn)證模型預(yù)測(cè)的精度。運(yùn)維人員清理樹障隱患后,及時(shí)更新系統(tǒng)中的樹障隱患信息,實(shí)現(xiàn)樹障隱患閉環(huán)管理,提高樹障隱患排查效率。
選取某供電公司220 kV輸電線路樹木隱患較為嚴(yán)重的區(qū)段進(jìn)行三維LiDAR掃描,獲取基礎(chǔ)數(shù)據(jù),為建模和樹木生長(zhǎng)周期分析預(yù)測(cè)提供數(shù)據(jù)。輸電線路通道數(shù)據(jù)見圖3—圖6。
圖3 三維掃描發(fā)現(xiàn)的輸電線路通道隱患點(diǎn)情況
圖4 三維掃描獲取的某危險(xiǎn)點(diǎn)數(shù)據(jù)
圖5 隱患點(diǎn)“線樹”距離手動(dòng)測(cè)量數(shù)據(jù)
圖6 隱患點(diǎn)樹木生成預(yù)測(cè)計(jì)算
通過機(jī)載三維LiDAR對(duì)輸電線路通道的樹木、建筑物、交叉跨越物、輸電線路鐵塔、導(dǎo)地線等進(jìn)行掃描,獲取LiDAR點(diǎn)云數(shù)據(jù),快速、準(zhǔn)確地采集輸電線路通道的電力設(shè)備與通道地物的真三維坐標(biāo),算出地物與電線之間的垂直距離、水平距離和空間距離。根據(jù)輸電運(yùn)維規(guī)程要求,設(shè)定不同風(fēng)險(xiǎn)等級(jí),根據(jù)實(shí)測(cè)的“線樹”距離,篩選出不同缺陷等級(jí)的數(shù)據(jù)(電線距離樹木的垂直、水平距離,隱患點(diǎn)距離電力桿塔的水平距離,樹木類型等),根據(jù)缺陷等級(jí)要求,合理安排消缺時(shí)間。
根據(jù)不同樹種的生長(zhǎng)特性、光熱情況、降水情況等生成年度模擬生長(zhǎng)速度的數(shù)據(jù),計(jì)算未來一段時(shí)間毛竹、樹木的生長(zhǎng)高度并與之前掃描數(shù)據(jù)對(duì)比,獲取設(shè)定時(shí)間的“線樹”距離,對(duì)樹障進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)與分級(jí),根據(jù)缺陷等級(jí),合理安排消缺時(shí)間。
a.通過對(duì)輸電線路通道的樹種信息現(xiàn)場(chǎng)實(shí)測(cè),利用獲取的多光譜影像與LiDAR點(diǎn)云數(shù)據(jù),進(jìn)行數(shù)據(jù)預(yù)處理,可實(shí)現(xiàn)特定樹障的自動(dòng)識(shí)別與分類。
b.通過對(duì)竹子、杉松、榕樹和桉樹等典型樹種生長(zhǎng)進(jìn)行預(yù)測(cè),并根據(jù)生長(zhǎng)預(yù)測(cè)結(jié)果預(yù)知未來可能的樹木隱患,有效提高輸電線路運(yùn)維的風(fēng)險(xiǎn)預(yù)知能力。
c.以當(dāng)前狀況下樹木與電線的距離為基礎(chǔ),構(gòu)建樹木生長(zhǎng)模型,結(jié)合輸電線路運(yùn)行規(guī)程,預(yù)測(cè)樹木何時(shí)成為隱患。線路運(yùn)維人員可以依據(jù)預(yù)測(cè)結(jié)果,在消缺周期內(nèi)消除隱患,同時(shí)驗(yàn)證預(yù)測(cè)結(jié)果的可靠性,根據(jù)驗(yàn)證結(jié)果對(duì)模型進(jìn)行優(yōu)化,不斷提升線路運(yùn)維的科技水平和工作效率。