2019 年（第七届）电力科技管理论坛 - 756 - 基于无人机遥感和机器学习的 变电站水土保持监测研究 华北电力设计院有限公司，张阳、周亮、庄智、李奎强 中国电子科技集团公司第三研究所，戴玉成 摘 要：为解决遥感变化检测中多时相影像非线性变化以及变化检测阈值难以确定的问题，本文选取某变电站为研 究区，利用无人机遥感影像开展了基于机器学习算法的分类研究，进而利用帧差法对两期影像进行变化检测，提出了基 于无人机遥感和机器学习的变电站水土保持监测方法。首先，对影像进行重采样、几何精校正、光谱归一化等数据预处 理；其次，针对不同地类样本，研究基于光谱因子的特征提取方法，构造特征向量，将非线性的多波段遥感影像映射到 高维特征空间；然后，基于所构造的特征向量，采用 SVM 算法对影像分类，提出适用于植被和裸土分类的特征向量和参 数配置； 最后， 利用 ENVI 遥感软件的最大似然法对影像进行监督分类， 并利用地面实验数据对研究结果进行了分析验证。 研究表明，RGRI 指数和 ExR 指数对植被和裸土更为敏感，利用二者可以得到更好的分类结果。基于本研究的分类结果进 行变化检测，可以更为便捷和精准的获取扰动面积，实现水保的定量监测。本文所提出的高分辨率影像分类算法，综合 了传统分类方法和机器学习算法的优点，基于 OpenCV，GDAL、和 OpenGL 等开源库自主研发，为深入开展影像的智能识别 和研究提供了支撑。 关键词：无人机遥感；水保监测；变化检测；遥感分类；特征向量；光谱指数；HOG 特征；SVM 算法 输变电工程包括输电线路工程与变电工程，具 有项目资金量大、技术要求高、工程周期长、建设 环境复杂等诸多特点。在输变电工程建设过程中， 变电站和塔基基础开挖、施工道路和牵张场等临时 占地的平整，对原地貌、植被与地表组成物造成扰 动和损坏，若不及时采取有效防治措施，会对沿线 的生态环境造成一定程度的破坏，甚至引发严重的 水土流失问题。水土保持监测是输变电工程水土保 持工作的重要环节，水土保持监测既是对水土保持 方案实施情况的监督，又是水土保持设施竣工验收 评估的重要依据。 目前我国生产建设项目水土保持监测仍以实地 量测为主，这些方法虽然在技术上成熟，但往往需 要投入较大的人力物力，存在误差大、抗干扰能力 弱的问题。遥感技术是开展变化监测的重要手段， 利用遥感技术进行变化检测，可极大的提高执行效 率。无人机遥感具有便捷、灵活、低成本、多角度、 高时空分辨率的特点，采用无人机遥感监测手段不 仅可以对水土流失出现的原因、水土流失的预防防 治和评价等方面提供精准可靠的数据，而且可以提 高监测的效率，促进水土资源的高效利用。 国内外已有大量研究人员开展了基于遥感影像 的变化检测研究，并提出了多种变化检测方法。这 些方法大致可分为直接比较法和分类后比较法两种。 直接比较法通过对变化前后的影像进行比较，提取 出变化区域。直接比较法包括影像代数法、主成分 分析法、变化矢量分析法等。但采用直接比较法存 在多景影像间存在的辐射差异难以去除、变化阈值 难以确定、难以确定变化前后的地表类型等问题。 因此，先分类后比较法得到了更为广泛的应用。在 诸多分类方法中，基于机器学习的分类方法以其小