孙斌 李俊鹏 罗哲轩 杨腾 者梅林 刘靖 张浩

基于GF-3影像的金沙江堰塞湖电网受灾区域提取

孙斌1李俊鹏1罗哲轩1杨腾1者梅林1刘靖2张浩3

（1 云南电网有限责任公司输电分公司，昆明 650000）（2 北京空间飞行器总体设计部，北京 100094）（3 南昌工程学院，南昌 330099）

云南地区降雨频发，暴雨易导致洪涝等灾害发生，显著威胁电网的安全运行。基于合成孔径雷达遥感影像的检测技术近年来广泛应用于水体提取。文章提出一种基于深度学习的洪涝灾害区域提取技术，通过神经网络水体提取和差分变化检测完成电网受灾单位识别。在云南地区“高分三号”卫星影像上对比了与阈值算法（OTSU）、Snake算法、CV分割算法的提取精度，证实了方法的有效性。结果显示，相对经典的分割方法，深度学习方法可以较好的处理复杂场景。该方法用于金沙江流域堰塞湖泄洪受灾检测应用，检出受灾电网单位与现场勘察相符，为电网监测管控提供了保障。该研究可为水体提取、洪涝灾害变化监测研究与应用，以及更广泛的其他地物分割场景提供参考。

合成孔径雷达 洪涝灾害 水体提取 深度学习 “高分三号”卫星

0 引言

电力工业是国民经济与社会发展的重要支柱产业。自然灾害中的洪涝灾害由于发生速度快、频次高，严重地威胁着电力系统的安全运行[1]。对水体及其变化信息进行提取，有利于电网及时采取应急措施，降低安全隐患，做好灾后评估。近年来，遥感技术开始广泛应用于水体提取[2]。……