成廣生，羅培焱，劉志武，梁興平

(國網(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，這些高桿植物長勢較快，在輸電線路運(yùn)維過程中，常出現(xiàn)年年砍、年年長現(xiàn)象。而樹障處理的難點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)常對輸電線路進(jìn)行巡視，工作量較大，且人工目測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覺引起的誤差難以避免。現(xiàn)階段精確測量電線弧垂與樹木之間的距離，主要靠測高桿、經(jīng)緯儀等測量儀器，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]，對采集的信息進(jìn)行處理，可實現(xiàn)特定樹障樹種的自動識別與分類。針對竹子、杉松、榕樹和桉樹等優(yōu)勢樹種進(jìn)行樹木生長周期仿真建模，結(jié)合輸電線路安全運(yùn)行規(guī)范，預(yù)測樹木何時成為隱患。輸電運(yùn)維人員可以依據(jù)仿真預(yù)測結(jié)果，在消缺周期內(nèi)進(jìn)行隱患消除，同時驗證預(yù)測結(jié)果的可靠性，根據(jù)驗證結(jié)果對模型進(jìn)行優(yōu)化，不斷提升輸電線路運(yùn)維水平和工作效率。

1 技術(shù)原理及研究內(nèi)容

1.1 技術(shù)原理

多光譜是光學(xué)被動遙感數(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個垂直結(jié)構(gòu)參數(shù)以及強(qiáng)度信息。兩者基于像元級融合，形成優(yōu)勢互補(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)載主被動遙感數(shù)據(jù)相融合，可實現(xiàn)樹種識別與分類[10-12]。

1.2 研究內(nèi)容

a.利用多光譜影像結(jié)合LiDAR數(shù)據(jù)識別竹子、杉松、榕樹和桉樹等速生、高桿植物，構(gòu)建生長模型，分析預(yù)測輸電線路通道的“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云數(shù)據(jù)，通過機(jī)器學(xué)習(xí)算法自動分離電線、桿塔、樹木、建筑物等類別，計算樹木與電線的距離，快速獲取樹障隱患點位置信息，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預(yù)測模型，可輸出輸電線路通道樹木生長預(yù)測報告。構(gòu)建輸電線路通道樹木生長預(yù)測模型數(shù)據(jù)庫,開發(fā)多樹種和“線樹”距離的樹障風(fēng)險預(yù)測和分級預(yù)警系統(tǒng)。

2 實施方案

2.1 歸一化處理及樹種的分類識別

多光譜影像與LiDAR點云數(shù)據(jù)可采用控制點位法進(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與對應(yīng)的LiDAR點云數(shù)據(jù)上的空間點可形成空間同名點對，通過現(xiàn)場實測等手段可獲得同名點對的真實絕對坐標(biāo)，以此作為坐標(biāo)系轉(zhuǎn)換多項式方程的輸入項，從而得到多項式方程各項系數(shù)。將原始點云數(shù)據(jù)的點坐標(biāo)作為自變量，對其進(jìn)行逐點轉(zhuǎn)換，最終可得到絕對坐標(biāo)系下配準(zhǔn)精確的多光譜影像和與LiDAR點云融合的數(shù)據(jù)。

對通過點云濾波生成的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，是實現(xiàn)精準(zhǔn)配準(zhǔn)之后地物識別與分類的關(guān)鍵。經(jīng)過數(shù)據(jù)歸一化處理，LiDAR點云數(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，實現(xiàn)樹種的分類和識別。

2.2 樹木生長周期預(yù)測模型構(gòu)建

2.2.1 主要影響因素數(shù)據(jù)庫構(gòu)建

收集樹木生長主要影響因素，包括氣象信息、樹障歷史信息、地形信息、樹木生長特性、樹木與電線相對位置、桿塔臺帳數(shù)據(jù)、桿塔技術(shù)手冊參數(shù)、規(guī)程規(guī)范數(shù)據(jù)等。

氣象信息數(shù)據(jù)由國家氣象科學(xué)數(shù)據(jù)共享服務(wù)平臺獲取，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)庫獲取。

地形信息由LiDAR點云獲取，具體流程為點云去噪、分離地面點、生成數(shù)字高程模型。

高桿植物生長特性由互聯(lián)網(wǎng)搜索獲取，主要收集竹子、杉松、榕樹和桉樹等生長較快植物的生長特性。

樹木與電線的相對位置由LiDAR點云數(shù)據(jù)獲取，將LiDAR點云數(shù)據(jù)分為電線、桿塔、樹木等不同類別后，可計算出地物與電線之間的垂直距離、水平距離和空間距離。

桿塔臺帳數(shù)據(jù)、桿塔技術(shù)手冊參數(shù)、規(guī)程規(guī)范數(shù)據(jù)由電網(wǎng)數(shù)據(jù)庫獲取。

2.2.2 樹木生長預(yù)測模型構(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，以此模擬樹木動態(tài)生長過程。模擬樹木生長時，既考慮樹木特性，又要結(jié)合地理條件、氣候條件。

樹木生長預(yù)測模型輸入包括以下幾個方面。

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.地理條件包括經(jīng)緯度、土壤類型、土壤深度、肥力、肥力衰退指數(shù)等。

c.經(jīng)營措施包括種植時間、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)測結(jié)果，采集樹木在指定時間段之后的高度，結(jié)合LiDAR點云數(shù)據(jù)，預(yù)測何時何處可能出現(xiàn)樹木隱患。

2.3 樹障風(fēng)險預(yù)測和分級預(yù)警系統(tǒng)

a.樹障風(fēng)險預(yù)測

以樹木當(dāng)前距離電線的水平和垂直距離為基礎(chǔ)，通過樹木生長預(yù)測模型預(yù)測樹高，結(jié)合不同電壓等級的線路安全運(yùn)行規(guī)范，預(yù)測樹木生長成為隱患的時間節(jié)點，評估風(fēng)險等級，輸出樹障風(fēng)險預(yù)測報告，給出樹障隱患建議處理時限。

b.樹障分級預(yù)警系統(tǒng)

根據(jù)樹障隱患預(yù)測報告以及建議的處理時限，讓輸電線路運(yùn)維人員在該時間節(jié)點之前進(jìn)行現(xiàn)場勘查和處理，驗證模型預(yù)測的精度。運(yùn)維人員清理樹障隱患后，及時更新系統(tǒng)中的樹障隱患信息，實現(xiàn)樹障隱患閉環(huán)管理，提高樹障隱患排查效率。

3 實際成果

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)，為建模和樹木生長周期分析預(yù)測提供數(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情況

圖4 三維掃描獲取的某危險點數(shù)據(jù)

圖5 隱患點“線樹”距離手動測量數(shù)據(jù)

圖6 隱患點樹木生成預(yù)測計算

通過機(jī)載三維LiDAR對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)險等級，根據(jù)實測的“線樹”距離，篩選出不同缺陷等級的數(shù)據(jù)(電線距離樹木的垂直、水平距離，隱患點距離電力桿塔的水平距離，樹木類型等)，根據(jù)缺陷等級要求，合理安排消缺時間。

根據(jù)不同樹種的生長特性、光熱情況、降水情況等生成年度模擬生長速度的數(shù)據(jù)，計算未來一段時間毛竹、樹木的生長高度并與之前掃描數(shù)據(jù)對比，獲取設(shè)定時間的“線樹”距離，對樹障進(jìn)行風(fēng)險預(yù)測與分級，根據(jù)缺陷等級，合理安排消缺時間。

4 結(jié)論

a.通過對輸電線路通道的樹種信息現(xiàn)場實測，利用獲取的多光譜影像與LiDAR點云數(shù)據(jù)，進(jìn)行數(shù)據(jù)預(yù)處理，可實現(xiàn)特定樹障的自動識別與分類。

b.通過對竹子、杉松、榕樹和桉樹等典型樹種生長進(jìn)行預(yù)測，并根據(jù)生長預(yù)測結(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)建樹木生長模型，結(jié)合輸電線路運(yùn)行規(guī)程，預(yù)測樹木何時成為隱患。線路運(yùn)維人員可以依據(jù)預(yù)測結(jié)果，在消缺周期內(nèi)消除隱患，同時驗證預(yù)測結(jié)果的可靠性，根據(jù)驗證結(jié)果對模型進(jìn)行優(yōu)化，不斷提升線路運(yùn)維的科技水平和工作效率。