基于改进UNet的输电通道沿线易漂浮物遥感识别

输电通道沿线的易漂浮物(塑料大棚、地膜和防尘绿网)是输电线路主要外破隐患之一,开展对易漂浮物的遥感识别对外破隐患治理具有重要意义。现有的相关遥感识别研究大多仅针对易漂浮物中的一种,且较少在输电通道沿线区域开展。该文提出了一个基于改进UNet的语义分割模型,包含空洞空间卷积池化金字塔模块(Atrous spatial pyramid pooling,ASPP)、非局部特征提取模块(Non-local)和亚像素卷积(Sub-pixel convolution)策略。选取江苏省内4条输电通道沿线区域作为研究区,实验总体精度为94.86%,平均交并比为0.6805,优于传统语义分割模型,消融实验证明了以上3个模块的有效性。研究表明,基于高分辨率卫星遥感影像,利用该文模型在输电通道沿线区域开展易漂浮物识别是可行且有效的,可为外破隐患综合治理提供决策依据。

基于云平台的成昆铁路西昌段大棚精准快速识别与侵限风险评估

在大风等极端天气下,铁路沿线的易漂浮物(如塑料大棚等)可能被吹起,从而引发故障并威胁铁路运行安全;早期的易漂浮物侵限检测主要依赖人工巡检,效率低且存在漏检,难以实现广域的实时监测。本文基于GEE云平台,协同Sentinel-1雷达影像和Sentinel-2光学影像,构建多维特征空间,利用随机森林算法实现2019~2023年成昆铁路西昌段沿线大棚识别;通过结合大棚核密度、距铁路距离及风速、风向数据,构建大棚侵限风险评估模型,量化铁路沿线各区域可能引发大棚侵限风险的概率等级。结果显示:①识别的大棚区域的五年平均精确率为93.9%,召回率为94.95%。②大棚主要分布在研究区西北部和西南部。近五年间大棚数量快速增加,2021~2022年增幅最大,年增量达20.27 km^(2)。③春季和冬季的高风险区域广泛分布于研究区西北部和西南部;夏季和秋季的高风险区较少,主要集中在研究区东北部的少数区域。研究成果对提升铁路运营的安全性和稳定性具有重要意义。