104
СБОРНИК
НАУЧНО
-
ТЕХНИЧЕСКИХ
СТАТЕЙ
Использование
данных
дистанционного
зондирования
Земли
при
исследовании
и
прогнозировании
состояния
объектов
электроэнергетики
Макаренко
Г
.
К
.,
Швецов
О
.
В
.,
ПАО
«
МРСК
Сибири
»
Солдатенко
А
.
В
.,
филиал
ПАО
«
МРСК
Сибири
» — «
Читаэнерго
»
Аннотация
Предложены
технические
средства
оценки
и
прогнозирования
состояния
просек
в
лесных
массивах
в
местах
прохождения
воздушных
линий
электропередачи
,
а
также
выявления
и
прогнозирования
фактов
затопления
объектов
электроэнергетики
(
опор
ВЛ
,
ТП
,
РП
,
ПС
)
на
основе
данных
,
предоставляемых
космическими
аппаратами
.
Ключевые
слова
:
дистанционное
зондирование
Земли
,
цифровая
обработка
данных
,
неразрушающий
контроль
,
надежность
электроснабжения
В
настоящее
время
актуальной
задачей
электроэнергетических
систем
является
совер
-
шенствование
технологий
эксплуатации
и
технического
обслуживания
(
в
том
числе
диаг
-
ностики
)
объектов
электрических
сетей
.
Одним
из
авторов
статьи
в
работах
[1–4]
предложен
комплекс
диагностики
воздушных
линий
электропередачи
,
объединяющий
в
себе
беспилотный
летательный
аппарат
(
БПЛА
),
навигационную
аппаратуру
спутниковых
радионавигационных
систем
(
НАП
СРНС
)
и
средст
-
ва
получения
фото
-
и
тепловизионных
изображений
.
Данный
комплекс
обеспечивает
коорди
-
натную
привязку
получаемых
фото
-
и
тепловизионных
изображений
на
основе
использования
координат
и
угловой
ориентации
БПЛА
,
получаемых
от
НАП
СРНС
,
высоты
полета
над
землей
,
а
также
известных
значений
углов
обзора
средств
получения
изображений
.
При
решении
задачи
координатной
привязки
получаемых
изображений
,
используемых
при
диагностике
,
в
настоящее
время
используется
информация
,
извлекаемая
в
процессе
решения
стандартной
навигационно
-
временной
задачи
[2]
по
одномоментным
результатам
измерений
105
УПРАВЛЕНИЕ
ПРОИЗВОДСТВЕННЫМИ
АКТИВАМИ
псевдодальностей
,
взятых
для
каждого
из
сигналов
n,
принимаемых
от
навигационных
косми
-
ческих
аппаратов
(
НКА
)
СРНС
.
При
этом
получаемые
значения
координат
оказываются
под
-
верженными
влиянию
случайной
погрешности
измерения
псевдодальностей
.
Кроме
того
,
при
проведении
съемки
энергетических
объектов
(
например
,
воздушных
ли
-
ний
электропередачи
)
в
неавтоматическом
режиме
траектория
БПЛА
не
является
достаточно
гладкой
[3, 4].
Таким
образом
,
в
данной
работе
ставится
задача
исследования
и
анализа
возможности
использования
данных
дистанционного
зондирования
Земли
(
ДЗЗ
)
при
создании
автомати
-
зированной
системы
динамической
оценки
и
прогнозирования
состояния
линейных
объектов
электроэнергетики
для
улучшения
метрологических
и
эксплуатационных
характеристик
ком
-
плекса
[1].
Исходные
данные
Для
решения
задачи
определения
ширины
просеки
в
качестве
исходных
данных
космической
съемки
использовались
снимки
аппаратов
SPOT 6
и
Landsat 8 OLI (
таблица
1, [5, 6]).
Использован
векторный
слой
с
набором
координат
опор
(
ВЛ
).
Из
набора
каналов
Landsat 8
использовались
три
:
в
красном
,
инфракрасном
диапазонах
спектра
для
вычисления
вегетационного
индекса
и
панхроматический
канал
для
проведения
операции
улучшения
пространственного
разрешения
спектральных
данных
.
На
космических
снимках
SPOT 6
и
Landsat 8
выделялись
фрагменты
изображения
,
содер
-
жащие
участки
лесной
растительности
и
ЛЭП
.
По
координатам
опор
ВЛ
при
помощи
функций
ГИС
[7]
были
построены
линейные
объекты
,
соответствующие
опорам
ВЛ
35
кВ
и
110
кВ
.
На
рисунке
1
показано
,
как
проходит
линия
векторного
слоя
ВЛ
на
выделенном
фрагмен
-
те
изображения
SPOT 6.
По
каждой
ВЛ
построены
буферные
зоны
[7],
соответствующие
нормативным
требованиям
.
Анализ
растительного
покрова
просеки
проводился
в
дальнейшем
толь
-
ко
с
использованием
буферных
зон
ВЛ
,
то
есть
на
базе
коорди
-
нат
привязки
опор
ВЛ
.
Рис
. 1.
Снимок
SPOT 6
и
ВЛ
110
кВ
Табл
. 1.
Данные
космической
съемки
№ Прибор Дата
съемки
Каналы
,
мкм
Пространст
-
венное
раз
-
решение
,
м
1
SPOT 6
04.07.2013
г
.
синий
0,455–0,525
зеленый
0,530–0,590
красный
0,625–0,695
1,5
2
Landsat
8 OLI
10.06.2016
г
.
голубой
0,43–0,45
синий
0,45–0,51
зеленый
0,53–0,59
красный
0,64–0,67
ближний
инфракрасный
(
БИК
) 0,85–0,88
средний
ИК
1 1,57–1,65
средний
ИК
2 2,11–2,29
панхроматический
0,50–0,68
средний
ИК
3 1,36–0,38
30
30
30
30
30
30
30
15
30
——
ВЛ
110
кВ
106
СБОРНИК
НАУЧНО
-
ТЕХНИЧЕСКИХ
СТАТЕЙ
Соответствие
ширины
просеки
нормативным
требованиям
Для
разработки
метода
определения
ширины
просеки
и
типа
растительного
покрова
на
них
,
а
также
экспериментальной
проверки
метода
был
проанализирован
фрагмент
изображения
SPOT 6.
На
фрагменте
выделены
два
типа
подстилающей
поверхности
:
–
лес
(
находящийся
по
краям
просеки
или
внутри
нее
в
случае
зарастания
);
–
травяные
и
кустарниковые
сообщества
(
нормальное
состояние
просеки
).
С
целью
разработки
метода
анализа
состояния
растительности
на
просеке
был
использо
-
ван
метод
классификации
без
обучения
,
или
кластеризация
[8].
Была
проведена
кластеризация
фрагмента
снимка
,
представленного
на
рисунке
1,
мето
-
дом
кластеризации
—
К
-
средних
[9].
Поскольку
при
визуальном
анализе
видно
,
что
и
лесная
растительность
за
пределами
просеки
,
и
растительный
покров
внутри
просеки
различны
по
спектральным
характеристикам
,
кластеризация
проводилась
с
выделением
более
чем
двух
кластеров
,
в
данном
случае
—
шести
кластеров
.
Затем
количество
кластеров
было
уменьшено
до
двух
.
С
использованием
экспертных
зна
-
ний
классы
были
перекодированы
:
–
первый
класс
—
высокая
растительность
,
в
данный
класс
попали
леса
;
–
второй
класс
—
низкая
растительность
,
в
данный
класс
отнесены
травянистые
и
кустар
-
никовые
сообщества
и
тени
от
леса
.
Результат
кластеризации
и
его
обобщения
показан
на
рисунке
2.
Таким
образом
,
в
результате
кластеризации
уверенно
выделяется
просека
,
проходящая
по
лесному
участку
,
а
также
деревья
,
растущие
на
просеке
.
Результат
кластеризации
был
конвертирован
в
векторный
формат
.
Далее
с
помощью
опе
-
рации
наложения
были
выделены
только
участки
лесной
растительности
,
попадающие
в
бу
-
ферную
зону
просеки
,
построенной
на
этапе
предварительной
обработки
.
На
данном
этапе
получены
резуль
-
таты
по
определению
места
зарастания
просеки
.
На
рисунке
3
представлены
участки
просеки
,
требующие
расчистки
территории
.
На
рисунке
4
представлен
результат
Рис
. 4.
Снимок
SPOT 6
и
границы
просеки
,
подлежащие
расчистке
Рис
. 2.
Растительный
покров
ЛЭП
–
высокая
расти
-
тельность
–
низкая
расти
-
тельность
Рис
. 3.
Снимок
SPOT 6
и
часть
просеки
,
подле
-
жащая
расчистке
–
часть
просеки
,
подле
-
жащая
расчистке
–
границы
просеки
,
подле
-
жащие
расчистке
107
УПРАВЛЕНИЕ
ПРОИЗВОДСТВЕННЫМИ
АКТИВАМИ
автоматического
формирования
векторного
слоя
,
в
пределах
которого
необходимо
осуществ
-
лять
расчистку
территорий
.
На
данном
рисунке
видно
,
как
несоответствие
взаимной
привязки
опор
и
снимка
повлияло
на
точность
определения
лесов
,
находящихся
внутри
просеки
.
Часть
леса
на
одной
стороне
от
ВЛ
(
восточной
в
данном
случае
)
попадает
внутрь
просеки
ошибочно
из
-
за
сдвига
координат
опор
и
,
соответственно
,
сдвига
буферной
зоны
.
Деревья
,
находящиеся
ближе
к
центральной
линии
просеки
,
выделяются
надежно
.
Таким
образом
,
в
дальнейшей
работе
по
мониторингу
зарастания
просек
ВЛ
следует
вы
-
яснить
тип
и
род
ошибки
и
использовать
единую
координатную
основу
как
для
снимков
,
так
и
для
векторных
исходных
данных
,
чтобы
исключить
смещение
ВЛ
относительно
снимков
.
При
таком
подходе
во
всех
случаях
попадания
класса
«
высокая
растительность
» (
лес
,
деревья
)
внутрь
буфера
будут
соответствовать
ситуации
,
когда
ширина
просеки
меньше
положенной
,
и
на
данных
участках
просека
нуждается
в
расширении
.
Исследование
применимости
данных
среднего
пространственного
разрешения
и
дополнительных
признаков
для
выделения
просеки
в
лесной
растительности
и
определение
степени
ее
зарастания
В
качестве
дополнительного
признака
был
использован
вегетационный
индекс
нормирован
-
ной
разности
NDVI (Normalized Difference Vegetation Index) —
один
из
самых
распространен
-
ных
и
широко
использующихся
в
анализе
растительного
покрова
,
с
помощью
которого
можно
выделять
различные
типы
растительности
[10].
На
локальном
и
региональном
уровне
можно
с
помощью
пороговых
значений
NDVI
различать
по
космическим
снимкам
,
сделанным
в
сере
-
дине
вегетационного
периода
,
такие
типы
растительности
,
как
хвойные
леса
(
низкое
значение
NDVI),
лиственные
леса
и
кустарники
(
более
высокое
значение
NDVI),
травяные
сообщества
(
самые
высокие
значения
NDVI). NDVI
вычисляется
по
формуле
:
NDVI = (NIR – RED) / (NIR + RED),
(1)
где
NIR —
значения
пикселя
в
инфракрасном
канале
, RED —
значения
пикселя
в
красном
канале
.
В
качестве
исходных
данных
использовался
снимок
Landsat 8.
Для
улучшения
простран
-
ственного
разрешения
изображения
с
30
метров
до
15
метров
была
проведена
операция
пан
-
шарпенинга
[11].
Данная
операция
позволяет
улучшать
пространственное
разрешение
спект
-
ральных
каналов
по
данным
панхроматического
канала
,
полученного
с
того
же
прибора
в
одно
и
то
же
время
.
Рассчитав
индекс
NDVI
по
данным
красного
и
ближ
-
него
ИК
каналов
,
получено
изображение
,
которое
харак
-
теризует
количество
фотосинтетически
активной
биомас
-
сы
,
где
значения
формируются
следующим
образом
:
от
–1
до
0 —
вода
и
другие
типы
поверхности
без
раститель
-
ности
,
отсутствие
фотосинтетически
активной
биомассы
;
от
0
до
1 —
присутствие
фотосинтетически
активной
био
-
массы
,
растительного
покрова
.
Травянистые
сообщества
показывают
наибольшие
значения
индекса
,
в
то
же
время
лес
—
относительно
более
низкие
значения
индекса
.
На
рисунке
5
представлен
рассчитанный
индекс
NDVI
для
исследуемой
территории
,
а
также
показана
осевая
Рис
. 5.
Индекс
NDVI
для
исследуе
-
мой
территории
108
СБОРНИК
НАУЧНО
-
ТЕХНИЧЕСКИХ
СТАТЕЙ
линия
ВЛ
,
которая
должна
соответствовать
середине
просеки
.
На
рисунке
видно
,
что
ВЛ
никак
не
проявляется
по
данным
NDVI.
Из
полученных
результатов
можно
сделать
вывод
,
что
задачу
определения
растительного
покрова
внутри
просеки
данного
класса
и
оценки
ее
ширины
невозможно
выполнять
по
дан
-
ным
среднего
пространственного
разрешения
порядка
15
метров
и
хуже
.
Для
решения
задачи
определения
ширины
просеки
и
обнаружения
фактов
ее
зарастания
деревьями
требуются
данные
космической
съемки
высокого
и
сверхвысокого
пространствен
-
ного
разрешения
.
Также
можно
предположить
,
что
индекс
NDVI,
посчитанный
по
данным
высо
-
кого
и
сверхвысокого
пространственного
разрешения
,
может
быть
применим
.
К
данным
дистанционного
зондирования
высокого
разрешения
могут
применяться
также
более
специализированные
методы
объектно
-
ориентированной
классификации
[12],
где
на
-
ряду
со
спектральными
признаками
информативными
могут
оказаться
текстурные
признаки
и
признаки
формы
,
характеризующие
формы
крон
деревьев
разных
пород
,
а
также
теней
де
-
ревьев
,
что
позволит
оценивать
не
только
ширину
,
но
и
высоту
деревьев
.
Анализ
возможности
использования
данных
ДЗЗ
для
оценки
фактов
затопления
объектов
электроэнергетики
Существует
два
основных
подхода
к
моделированию
затопления
:
геометрический
и
гидроди
-
намический
.
При
геометрическом
подходе
определяются
границы
водной
поверхности
путем
сопостав
-
ления
наклонного
уровня
воды
(
сумма
уровня
реки
и
уровня
подъема
воды
)
и
высоты
рель
-
ефа
.
Затем
по
определенным
правилам
из
границ
формируются
полигоны
зон
затопления
,
определяются
глубины
затопления
.
В
результате
формируется
статичная
картина
происходя
-
щего
,
в
которой
не
учитывается
предыдущее
состояние
поверхности
суши
.
Кроме
того
,
в
ней
нельзя
оценить
скорость
и
направления
течений
.
Гидродинамический
подход
,
в
котором
с
использованием
системы
дифференциальных
уравне
-
ний
,
известных
как
уравнения
мелкой
воды
,
определяются
потоки
движения
жидкости
в
динамике
пространства
и
времени
.
Безусловно
,
гидродинамический
подход
обеспечивает
более
точное
ре
-
шение
.
Но
для
ввода
исходных
данных
необходимо
проводить
гидрологические
изыскания
,
чтобы
получить
информацию
о
характеристиках
поверхности
,
гидрологических
зависимостях
и
др
.
Общие
рекомендации
,
которые
можно
сформулировать
при
сравнении
результатов
моде
-
лирования
при
использовании
геометрического
и
гидродинамического
подходов
с
фактически
-
ми
данными
,
следующие
.
Если
существует
необходимость
проведения
расчетов
на
большом
числе
участков
рек
с
достаточно
высокими
уровнями
затопления
(10%
обеспеченность
и
ниже
),
рекомендуется
использовать
геометрический
подход
.
Это
экономичнее
в
плане
стоимости
решения
и
времени
расчета
.
В
случае
,
когда
анализ
проводится
для
одного
или
нескольких
участков
рек
(
для
которых
есть
данные
гидрологических
изысканий
)
и
важна
достоверность
даже
при
небольшом
подъеме
уровня
воды
или
интересует
распределение
течений
,
целесоо
-
бразно
использование
гидрологического
пакета
[13].
Анализ
оценки
фактов
затопления
опор
ВЛ
на
основе
данных
ДЗЗ
был
выполнен
в
следу
-
ющих
направлениях
:
1)
моделирование
поверхности
затопления
территории
на
основе
радарной
топографической
съемки
SRTM;
2)
обработка
данных
с
космических
аппаратов
для
мониторинга
и
картографирования
павод
-
ковой
ситуации
.
109
УПРАВЛЕНИЕ
ПРОИЗВОДСТВЕННЫМИ
АКТИВАМИ
Первый
метод
позволяет
определить
зоны
,
в
которые
при
условиях
затопления
могут
по
-
пасть
опоры
ВЛ
.
Второй
метод
позволяет
(
при
наличии
снимков
)
оценить
,
какие
опоры
ВЛ
по
-
пали
в
зону
затопления
.
Моделирование
поверхности
затопления
территории
на
основе
данных
о
высотах
,
полученных
из
ЦМР
SRTM (Shuttle radar topographic mission) —
радарная
топографическая
съемка
большей
части
территории
земного
шара
,
за
исключением
самых
северных
(>60°
с
.
ш
.),
самых
южных
широт
(>54°
ю
.
ш
.),
а
также
океанов
,
произведенная
за
11
дней
в
феврале
2000
года
с
помощью
специ
-
альной
радарной
системы
.
По
оценкам
А
.
К
.
Корвэула
и
И
.
Эвиака
[14],
матрица
SRTM
имеет
ошибку
,
которая
в
среднем
составляет
для
равнинной
территории
2,9
м
и
для
холмистой
местности
5,4
м
,
значительная
часть
этих
данных
включает
систематическую
ошибку
.
Согласно
их
выводам
,
матрица
SRTM
подходит
для
создания
контурных
линий
горизонталей
на
топографических
картах
масшта
-
ба
1:50 000
и
мельче
,
а
также
может
использоваться
при
создании
ортофотопланов
на
основе
космиче
-
ских
снимков
высокого
разрешения
(SPOT 5, Ikonos
и
QuickBird),
снятых
с
незначительным
углом
откло
-
нения
от
надира
.
При
учете
систематической
ошибки
,
вероятно
,
возможно
повышение
точности
матрицы
SRTM.
Она
может
быть
использована
при
создании
ортофотопланов
маштаба
1:25 000
и
мельче
на
рай
-
оны
с
равнинным
и
всхолмленным
рельефом
.
В
рай
-
онах
с
горным
рельефом
необходимо
производить
предрасчет
точности
с
учетом
конкретных
условий
съемки
(
угла
наклона
снимков
,
перепада
высот
в
пре
-
делах
ячейки
,
точности
ПВП
).
В
горах
перепады
вы
-
сот
могут
достигать
даже
100
м
и
больше
[15].
В
данной
работе
использовались
данные
SRTM
версии
3
разрешением
1
арксекунда
(~30
м
)
от
11
фев
-
раля
2000
года
.
На
рисунке
6
показан
снимок
SRTM
на
часть
Крас
-
ноярского
края
(
включая
город
Красноярск
).
Анализ
характеристик
реки
Енисей
Верхний
Енисей
от
г
.
Кызыла
до
Саяно
-
Шушенского
водохранилища
имеет
разветвленное
по
-
лугорное
русло
,
наносы
песчано
-
галечные
.
Средний
Енисей
пересекает
последовательно
Красноярский
хребет
,
Канскую
впадину
и
отроги
Енисейского
кряжа
(
Атаманский
хребет
).
Этот
участок
реки
находится
под
регу
-
лирующим
влиянием
Красноярского
водохранилища
,
которое
полностью
перехватывает
сток
влекомых
наносов
.
Характерный
для
Среднего
Енисея
участок
—
многокилометровое
сужение
русла
(
до
0,7
км
)
с
почти
отвесными
скальными
берегами
высотой
30–40
м
и
глу
-
биной
до
35
м
— «
Щеки
».
Между
Атамановским
сужением
и
устьем
Ангары
в
русло
вдаются
скальные
мысы
.
Рис
. 6.
Снимок
SRTM
на
часть
Красноярского
края
(
включая
город
Красноярск
)
Значение
Высокий
: 801
Низкий
: 90
110
СБОРНИК
НАУЧНО
-
ТЕХНИЧЕСКИХ
СТАТЕЙ
Нижний
Енисей
от
Курейки
до
Усть
-
Порта
образует
врезанные
излучины
,
ширина
русла
—
1,5–3,5
км
,
глубина
—
от
5
до
35–40
м
.
Ширина
русла
у
Дудинки
и
Усть
-
Порта
—
до
2,5–5
км
.
Минимальные
глубины
на
Нижнем
Енисее
—
от
5
до
8,5
м
.
Ниже
впадения
р
.
Курейки
преобла
-
дают
глубины
от
14
до
20
м
,
ниже
Дудинки
— 20–25
м
.
Наивысшие
уровни
воды
в
верхнем
течении
Енисея
зависят
от
поступления
талых
вод
из
горной
части
бассейна
и
наблюдаются
с
апреля
до
июля
.
В
среднем
течении
наиболее
высокие
уровни
устанавливаются
в
середине
мая
,
в
нижнем
—
до
конца
первой
декады
июня
и
связаны
с
ледовыми
заторами
,
которые
могут
приводить
к
наводнениям
.
Размах
колебаний
уровня
воды
в
Саянах
— 7–14
м
,
у
г
.
Красноярска
— 10,7
м
,
у
г
.
Енисейска
— 15,6
м
,
у
г
.
Туру
-
ханска
— 17–20
м
,
у
г
.
Дудинки
— 11–15
м
.
Высота
подъема
уровней
в
половодье
в
вершине
дельты
—
около
8
м
,
у
морского
края
дельты
— 1,3
м
[16].
Гидропосты
на
реке
Енисей
Вдоль
реки
Енисей
(
по
данным
Среднесибирского
УГМС
)
распределено
22
гидропоста
,
на
участке
г
.
Дивногорск
—
с
.
Казачинское
— 4
гидропоста
.
На
рисунках
7
и
8
показано
приблизи
-
тельное
расположение
гидропостов
вдоль
реки
Енисей
.
Приблизительное
,
так
как
координат
гидропостов
в
свободном
доступе
нет
,
но
есть
наименования
населенных
пунктов
,
где
они
расположены
.
Также
в
Среднесибирском
УГМС
можно
запросить
данные
с
гидропостов
об
отметке
нуля
водомерного
поста
.
Данные
эти
являются
платными
.
Рис
. 7.
Распределение
гидропостов
вдоль
реки
Енисей
на
участке
г
.
Дивногорск
—
с
.
Казачинское
(
снизу
вверх
:
г
.
Дивногорск
,
пос
.
Базаиха
,
г
.
Крас
-
ноярск
,
с
.
Казачинское
)
Рис
. 8.
Распределение
гидропостов
вдоль
реки
Енисей
(22
пункта
наблюдений
)
111
УПРАВЛЕНИЕ
ПРОИЗВОДСТВЕННЫМИ
АКТИВАМИ
Нулем
наблюдения
(
поста
)
называется
го
-
ризонтальная
плоскость
,
от
которой
производится
отсчет
уровня
воды
в
мо
-
мент
наблюдения
[17].
В
таблице
2
приве
-
дены
данные
о
нулях
во
-
домерных
постов
вблизи
г
.
Красноярска
с
интер
-
нет
-
ресурса
[18].
Актуальный
уровень
воды
в
реке
Енисей
В
территориальном
центре
мониторинга
и
прогнозирования
ЧС
Главного
управления
МЧС
России
по
Красноярскому
краю
[19]
можно
в
свободном
доступе
найти
архивные
данные
об
уровне
воды
в
реках
по
датам
.
Данные
представлены
с
31.05.2011
по
сегодняшний
день
в
виде
таблицы
и
в
виде
графика
.
Примеры
предоставленных
архивных
данных
представлены
на
рисунках
9
и
10.
Табл
. 2.
Данные
о
нулях
водомерных
постов
вблизи
Красноярска
Водомерный
пост
Расстояние
от
истока
Расстояние
от
устья
Отметка
нуля
(
высота
)
Дивногорск
994
км
2493
км
141,93
м
Базаиха
1019
км
2468
км
134,41
м
Красноярск
1025
км
2462
км
134,26
м
Казачинское
1285
км
2202
км
82,96
м
Стрелка
1349
км
2138
км
74,43
м
Рис
. 9.
Предоставление
данных
от
МЧС
с
гидро
постов
об
уровне
воды
в
реках
в
табличном
виде
Рис
. 10.
Предоставление
данных
от
МЧС
с
гидропостов
об
уровне
воды
в
реках
в
виде
графика
Данные
об
опорах
ВЛ
:
координаты
,
информация
об
истории
событий
Данные
об
опорах
ВЛ
были
ви
-
зуализированы
в
Web-
ГИС
ин
-
терфейс
.
Пример
отображения
данных
представлен
на
рисунке
11.
На
рисунке
12
представлен
пример
отображения
данных
о
подтопляемых
в
течение
по
-
Рис
. 11.
Опоры
ВЛ
35
и
ВЛ
110
в
Сухобузимском
районе
112
СБОРНИК
НАУЧНО
-
ТЕХНИЧЕСКИХ
СТАТЕЙ
следних
трех
лет
опорах
ВЛ
,
совмещенных
со
снимком
SRTM,
в
программном
комплексе
ArcMap 10.3.1.
Подтопление
опор
ВЛ
на
полуострове
Посадный
в
г
.
Красноярск
Для
моделирования
зоны
затопления
была
выбрана
территория
города
Красноярска
.
Одна
из
опор
,
подтопляемых
в
течение
последних
трех
лет
,
находится
на
полуострове
По
-
садный
в
городе
Красноярске
.
Она
показана
на
разных
основах
на
рисунках
13
и
14.
На
рисунке
15
виден
пик
уровня
воды
,
который
приходится
на
конец
августа
—
начало
сен
-
тября
2013
года
.
В
этот
период
зафиксировано
подтопление
опоры
.
Рис
. 12.
Информация
об
опорах
ВЛ
,
которые
в
течение
последних
трех
лет
оказывались
в
зоне
затопления
(
вблизи
г
.
Красноярска
).
В
основе
—
снимок
SRTM
Рис
. 13.
Информа
-
ция
об
опорах
ВЛ
,
которые
в
течение
последних
трех
лет
оказывались
в
зоне
затопления
(
полу
-
остров
Посадный
,
г
.
Красноярска
).
В
основе
снимок
:
а
) SRTM;
б
) Landsat8
Рис
. 14. 3D-
модель
рельефа
территории
города
Красноярска
,
построенная
по
снимку
SRTM
Рис
. 15.
Данные
от
МЧС
с
гидропоста
в
г
.
Красноярске
об
уровне
воды
в
период
с
31.05.11
по
10.09.16
а
)
б
)
113
УПРАВЛЕНИЕ
ПРОИЗВОДСТВЕННЫМИ
АКТИВАМИ
Отметка
нуля
водомерного
поста
(
высота
)
в
г
.
Красноярске
134,26
м
,
неблагоприятный
уро
-
вень
воды
— 390
см
(
выше
нуля
поста
),
критический
— 600
см
(
выше
нуля
поста
) [19].
В
2013
году
уровень
воды
поднялся
на
2,87
м
.
При
моделировании
пометрового
затопления
территории
уровень
воды
в
Енисее
по
дан
-
ным
SRTM
был
127
м
(
а
не
134,
как
по
данным
гидропоста
).
Это
вызвано
ошибкой
,
описанной
А
.
К
.
Корвэул
и
И
.
Эвиак
[14].
Анализ
полученной
модели
указывает
,
что
затопление
опоры
происходит
с
отметки
129
м
,
то
есть
на
2
м
выше
минимального
значения
уровня
воды
по
снимку
SRTM.
На
рисунке
16
пред
-
ставлена
модель
пометрового
затопления
территории
полуострова
Посадный
,
выполненная
в
программном
комплексе
ArcMap 10.3.1.
Для
моделирования
затопления
территории
возможно
использование
модели
ЦМР
.
Даже
при
разнице
нулевых
уровней
воды
(
при
сравнении
данных
с
гидропоста
и
данных
ЦМР
)
в
ре
-
зультате
создания
пометровой
модели
затопления
видно
,
что
затопление
происходит
при
под
-
нятии
уровня
воды
на
то
же
значение
,
что
было
отмечено
на
гидропостах
.
Обработка
данных
с
космических
аппаратов
для
мониторинга
и
картографирования
паводковой
ситуации
.
Мониторинг
затопления
опор
ВЛ
по
снимкам
Landsat8
Временное
разрешение
спутника
Landsat8
со
-
ставляет
16
дней
.
Пространственное
разреше
-
ние
— 30
м
.
За
лето
удается
получить
2–3
без
-
облачных
сцены
одной
и
той
же
территории
.
На
примере
космоснимка
Landsat8
от
27
мая
2013
года
территории
аэропорта
горо
-
да
Игарка
(
Туруханский
район
Красноярского
края
)
рассмотрим
пример
затопления
терри
-
тории
с
опорами
ВЛ
.
На
рисунках
17
и
18
снимок
территории
аэро
порта
города
Игарки
и
фото
подтопляе
-
мого
участка
опор
ВЛ
в
2013
году
по
данным
Google Maps.
Рис
. 16.
Моделирование
пометрового
затопления
участка
территории
полуострова
Посадный
Рис
. 17.
Зона
в
г
.
Игарка
,
где
по
данным
Maps
в
2013
году
было
затопление
опор
ВЛ
114
СБОРНИК
НАУЧНО
-
ТЕХНИЧЕСКИХ
СТАТЕЙ
Далее
на
рисунке
19
приведены
результаты
классификации
снимков
Landsat8
с
выделе
-
нием
классов
снега
,
суши
и
воды
.
Результаты
классификации
подтверждают
,
что
в
конце
мая
2013
года
на
исследуемой
территории
произошло
масштабное
затопление
.
Далее
была
произведена
классификация
еще
двух
снимков
исследуемой
территории
в
2016
году
.
Из
рисунка
19
б
видно
,
что
в
конце
мая
2016
года
на
исследуемой
территории
зато
-
пления
не
было
,
а
из
рисунка
19
в
—
что
в
начале
сентября
2016
года
на
исследуемой
террито
-
рии
наблюдалось
поднятие
уровня
воды
.
Таким
образом
,
метод
классификации
космоснимков
ДЗЗ
позволяет
решать
задачи
опре
-
деления
фактов
затопления
объектов
электроэнергетики
:
опоры
ВЛ
,
ТП
,
РП
,
ПС
.
Рис
. 18.
Май
2013
года
.
Затопление
опор
ВЛ
Рис
. 19.
Территория
аэропорта
г
.
Игарка
(
классификация
с
обучением
).
Снимки
Landsat8
от
а
) 27.05.13;
б
) 25.06.16;
в
) 04.09.16
а
)
б
)
в
)
–
снег
–
суша
–
вода
115
УПРАВЛЕНИЕ
ПРОИЗВОДСТВЕННЫМИ
АКТИВАМИ
Анализ
возможной
периодичности
проведения
и
оперативности
получения
информации
ДЗЗ
и
ее
анализа
Стоимостные
характеристики
оптических
данных
сверхвысокого
разрешения
,
периодичность
получения
и
условия
заказа
основаны
на
предложении
Инженерно
-
технологического
центра
«
СканЭкс
»
г
.
Москва
—
эксклюзивного
представителя
зарубежных
операторов
ДЗЗ
на
террито
-
рии
РФ
.
Данными
сверхвысокого
разрешения
считаются
спутниковые
снимки
земной
поверх
-
ности
с
пространственным
разрешением
—
выше
5
м
на
пиксель
.
Характеристики
оптических
спутников
ДЗЗ
На
сегодняшний
день
данные
спутника
WorldView-3
являются
наиболее
детальными
из
тех
,
что
существуют
на
рынке
данных
космического
мониторинга
.
Характеристики
данных
оптиче
-
ских
спутников
представлены
в
таблице
3.
Выводы
Анализ
достижимых
значений
технических
характеристик
показывает
,
что
данные
дистанцион
-
ного
зондирования
Земли
обеспечивают
оперативное
определение
состояния
просек
и
фак
-
тов
нахождения
объектов
электроэнергетики
в
зонах
затопления
.
При
расчете
соответствия
ширины
просеки
нормативным
требованиям
и
расчете
площади
просек
,
подлежащих
расчистке
,
с
целью
минимизации
ошибок
целесообразно
использовать
данные
сверхвысокого
разрешения
.
Представлено
описание
способа
детектирования
.
Про
-
ведены
экспериментальные
исследования
по
автоматизации
данного
процесса
на
примере
обработки
космоснимков
левобережной
части
Сухобузимского
района
.
При
масштабировании
полученных
результатов
на
операционную
зону
ПАО
МРСК
«
Сибири
»
необходимо
следующее
:
формирование
маски
лесов
,
изучение
влияния
породного
состава
лесов
на
качество
детек
-
тирования
изучаемых
объектов
;
верификация
существующих
векторных
слоев
ЛЭП
,
сбор
статистической
информации
по
проведению
рубок
,
осуществление
наземных
исследований
;
настройка
и
верификация
полученного
Способа
с
учетом
указанной
выше
информации
.
Табл
. 3.
Характеристики
данных
ДЗЗ
различных
оптических
спутников
Характеристика
WorldView-3
GeoEye-1
Quick
Bird*
IKONOS**
Pleiades-
1A/1B
KOMPSAT-3
Архивная
съемка
Новая
съемка
Архивная
съемка
Новая
съемка
Архивная
съемка
Архивная
съемка
Архивная
съемка
Новая
съемка
Архивная
съемка
Новая
съемка
Пространственное
разрешение
панхро
-
матическое
,
м
0,31
0,41
0,61
0,82
0,5
0,5
Пространственное
разрешение
мульти
-
спектральное
,
м
1,24
1,65
2,44
2,44
2
2,8
Минимальная
шири
-
на
заказа
,
км
3
5
3
5
3
3
0,5
5
5
5
Минимальная
пло
-
щадь
заказа
,
кв
.
км
25
100
25
100
25
25
25
100
25
100
Периодичность
полу
-
чения
данных
,
дней
1–7
7–60
1–7
7–60
1–14
1–14
1–7
7–60
1–7
7–60
116
СБОРНИК
НАУЧНО
-
ТЕХНИЧЕСКИХ
СТАТЕЙ
При
анализе
случаев
затопления
ВЛ
целесообразно
использовать
данные
среднего
и
вы
-
сокого
пространственного
разрешения
,
обзор
которых
представлен
в
настоящей
статье
.
Рас
-
смотрены
два
вопроса
:
–
анализ
потенциальной
возможности
случаев
подтопления
опор
методом
моделирования
поверхности
затопления
территории
на
основе
данных
о
высотах
,
полученных
из
ЦМР
;
–
детектирование
фактов
подтопления
ВЛ
на
космоснимках
.
Проведены
экспериментальные
исследования
по
автоматизации
данного
процесса
на
примере
обработки
космоснимков
бассейна
реки
Енисей
.
При
масштабировании
полученных
результатов
на
операционную
зону
ПАО
МРСК
«
Сибири
»
необходимо
следующее
:
построение
формирование
атласов
с
оценкой
потенциальной
возможности
затопления
;
сбор
статистиче
-
ской
информации
по
известным
фактам
подтопления
,
осуществление
наземных
исследова
-
ний
;
настройка
и
верификация
полученного
способа
с
учетом
указанной
выше
информации
.
ЛИТЕРАТУРА
1.
Патент
РФ
№
2495375.
Способ
дистанционного
обследования
объектов
электрических
сетей
/
Г
.
К
.
Макаренко
,
А
.
М
.
Алешечкин
.
Опубл
.: 2013.
Бюл
.
№
28.
2.
Макаренко
Г
.
К
.
Алгоритм
координатной
при
-
вязки
тепловизионных
снимков
/
Современные
проблемы
радиоэлектроники
:
сб
.
науч
.
тр
.
Крас
-
ноярск
:
Сиб
.
федер
.
ун
-
т
, 2012. C. 33–37.
3.
Макаренко
Г
.
К
.,
Алешечкин
А
.
М
.
Анализ
по
-
грешностей
определения
координат
объектов
на
тепловизионных
изображениях
при
ди
-
станционном
обследовании
воздушных
линий
электропередачи
//
Журнал
Радиоэлектроники
,
2012,
№
12.
М
.:
Институт
радиотехники
и
элек
-
троники
им
.
В
.
А
.
Котельникова
РАН
, 2012. URL:
http://jre.cplire.ru/jre/dec12/12/text.pdf.
4.
Макаренко
Г
.
К
.,
Алешечкин
А
.
М
.
Аналитический
метод
расчета
погрешностей
определения
ко
-
ординат
точек
тепловизионных
изображений
при
дистанционном
обследовании
наземных
объектов
/
Материалы
VI
Всероссийской
науч
.-
тех
.
конф
. «
Радиолокация
и
радиосвязь
»:
в
2
т
.
М
.:
Институт
радиотехники
и
электроники
им
.
В
.
А
.
Котельникова
РАН
, 2012.
Т
. 1. C. 17–20.
5. SPOT-6 Satellite Sensor (1.5 m): Satellite Imaging
corporation. URL: http://www.satimagingcorp.com/
satellite-sensors/spot-6/.
6. Frequently Asked Questions about the Landsat
Missions. USGS: science for a changing world.
Landsat Missions. URL: http://landsat.usgs.gov/
band_designations_landsat_satellites.php.
7. ArcGIS: Online-c
правка
ArcGIS Desktop. URL:
http://resources.arcgis.com/ru/help/.
8. Richards J.A. Remote sensing digital image
analysis. An introduction / Second edition –
Springer – Verlag, 1993, 340 p.
9.
Шовенгердт
Р
.
А
.
Дистанционное
зондирование
.
Методы
и
модели
обработки
изображений
/
Пе
-
ревод
с
англ
.
М
.:
Техносфера
, 2010. 560
с
.
10. Measuring Vegetation (NDVI & EVI): Earth
Observatory. URL: http://earthobservatory.nasa.
gov/Features/MeasuringVegetation/ measuring_
vegetation_2.php.
11. Panchromatic Image Sharpening of Landsat 7
ETM+. USGS: science for a changing world.
Landsat Missions. URL: http://landsat.usgs.gov/
panchromatic_image_sharpening.php.
12.
Романов
А
.
А
.
Сравнение
методов
объектно
-
ори
-
ентированной
классификации
данных
дистанци
-
онного
зондирования
Земли
на
основе
материа
-
лов
систем
Landsat-5
и
Orbview-3 //
Современные
проблемы
дистанционного
зондирования
Земли
из
космоса
, 2012,
Т
. 9,
№
4.
С
. 29–36.
13.
Митакович
С
.
А
.
Моделирование
затопления
территории
и
ArcGis. URL: http://esri-cis.ru/blogs
/?page=post&blog=arcgis&post_id=modelirovanie-
zatopleniya-rek-i-arcgis.
14. Karwel A.K., Ewiak I. Estimation of the accuracyof
the SRTM terrain model on the area of Poland,
The International Archives of the Photogrammetry,
Remote Sensing and Spatial Information Sciences.
Vol. XXXVII. Part B7. Beijing 2008, pp. 169–172.
15.
Что
такое
SRTM. URL: http://mapgroup.com.
ua/articles/dzz/109-dannye-srtm-sposoby-
polucheniya-dannykh.
16.
Научно
-
популярная
энциклопедия
«
Вода
Рос
-
сии
».URL: http://water-rf.ru/a78.
17.
Типы
водомерных
постов
.
Уровень
воды
.
Нуль
графика
поста
.
Нуль
наблюдений
,
производство
наблюдений
. URL: http://studopedia.ru/15_6872_
tipi-vodomernih-postov-uroven-vodi-nul-grafika-
posta-nul-nablyudeniy-proizvodstvo-nablyudeniy-
privodka.html.
18.
Вода
сегодня
. URL: http://ww24.ru/hydro/09055.
19.
Территориальный
центр
мониторинга
и
прогно
-
зирования
ЧС
Главного
управления
МЧС
Рос
-
сии
по
Красноярскому
краю
. URL: http://tcmp.
krasn.ru.
Оригинал статьи: Использование данных дистанционного зондирования Земли при исследовании и прогнозировании состояния объектов электроэнергетики
Предложены технические средства оценки и прогнозирования состояния просек в лесных массивах в местах прохождения воздушных линий электропередачи, а также выявления и прогнозирования фактов затопления объектов электроэнергетики (опор ВЛ, ТП, РП, ПС) на основе данных, предоставляемых космическими аппаратами.
