高分衛星遙感技術在交通基礎設施安全應急監測領域的應用

● 文 |中國交通通信信息中心 夏威 鐘南 張雨澤 耿丹陽

高分衛星遙感技術在交通基礎設施安全應急監測領域的應用

● 文 |中國交通通信信息中心 夏威 鐘南 張雨澤 耿丹陽

本文以高分遙感在典型交通行業技術應用為例，介紹了基于光學與雷達遙感影像結合的道路設施狀態監測技術，旨在促進遙感技術在交通安全應急領域的應用轉化，促進交通運輸行業的全面、快速、健康發展。

高分辨率遙感；交通運輸應用；合成孔徑雷達干涉技術；圖像目標識別

一、引言

交通基礎設施的建設水平直接反映了一個國家的經濟實力與發展水平，我國作為發展中國家，一直大力推進交通基礎設施的建設工作。據2016年交通運輸行業統計公報，至2016年末，我國鐵路營業里程達到12.4萬千米，公路總里程469.63萬千米，內河航道通航里程12.71萬千米，頒證民用航空機場218個[1]。交通基礎設施建設是發展交通運輸業、提升國民經濟實力的基礎環節，然而，隨著基礎設施數量的不斷增加，交通安全事故數量也在逐年升高。在我國，交通安全事故可分為三類，第一類是由地震、泥石流、暴雨等自然災害所引起的交通基礎設施阻斷或損害；第二類是由于人為造成的安全事故；第三類則是由于基礎設施使用損耗造成的安全事故。基于以上三點，如何有效地進行交通基礎設施的監測預警，以及如何在災害發生時進行快速地應急處置便成了促進交通運輸業健康發展的關鍵技術環節。

在過去，受限于技術發展水平，在交通應急安全領域，相關人員更多地是采用人工方式來進行基礎設施的巡測以及災害事故中應急方案規劃。然而，傳統的方法不僅需要投入大量的人力物力，而且一般只能針對小范圍區域開展，且時效性較差，不能快速、有效地解決問題。近年來，隨著遙感技術的日益發展，大范圍、高時效地獲取地表觀測影像已成為可能，尤其是高分辨率遙感衛星的相繼發射，為人們提供了更多的地表細節特征。基于遙感影像的信息提取與識別技術，近年來也得到了廣泛的發展，如基于影像灰度的圖像分割技術，基于支持向量機的影像分類技術以及基于深度學習網絡的目標識別技術等[2-6]。此外，由于微波遙感影像不易受地面條件、天氣狀況的限制，基于微波技術的相關應用也得到了迅速發展，如洪水監測、凍土區監測、地基沉降及形變等[7-10]。

隨著相關技術的不斷發展，高分遙感技術與交通應急安全領域的技術融合在近年來已逐漸成為研究的熱點問題之一。為更好地促進高分技術在未來交通領域中的應用以及成果轉化，本文以道路基礎設施為例，提出了一種融合高分辨率光學遙感與合成孔徑雷達干涉測量（InSAR）技術的道路提取與監測技術。首先，利用光學遙感影像進行地表信息的識別與提取，進行地表分類、道路提取等；然后，基于雷達遙感影像，使用InSAR技術獲取更深層的結構信息，如交通設施的沉降、變形等。通過光學遙感與雷達遙感的結合，可協同實現對道路路面狀態的識別與交通設施所處地表形變情況的高精度監測，為提升道路通行安全提供有效支持。

二、遙感數據簡介

自遙感技術出現以來，世界上主要的發達國家和部分發展中國家便一直致力于發展各自的高分辨率對地觀測系統，如美國的Landsat-7、法國的SPOT-5、德國MOMOS計劃、印度IRS系列等。對我國而言，雖然已具備氣象衛星、海洋衛星、資源衛星等觀測手段，但是受技術基礎限制，很多高分辨率影像數據在過去仍是從國外購買。為掌握信息資源獲取的主動性，提升國家科技實力，自2006年開始，我國啟動并著手高分辨率對地觀測系統重大工程的建設。如今，我國已經成功部署了多顆涵蓋多波段的高分辨率遙感衛星，根據具體需要搭載了不同的傳感器，如高分一號（GF-1）、高分二號（GF-2）搭載高分辨率光學傳感器，高分三號（GF-3）搭載微波傳感器等。

1. 高分一號

GF-1作為高分重大專項的首發星，具有重大的戰略意義。GF-1設計壽命5—8年，同時搭載了2m分辨率全色/ 8m分辨率多光譜相機和一臺16m分辨率寬幅多光譜相機。GF-1于2013年4月26日在酒泉衛星發射基地成功發射入軌[11]。

2. 高分二號

GF-2衛星在GF-1分辨率的基礎上進行了突破，是我國首顆自主研發的分辨率優于1m的民用光學遙感衛星。GF-2搭載有一臺1m分辨率全色相機和一臺4m分辨率多光譜相機。2014年8月19日，GF-2成功發射，標志著我國光學遙感衛星正式步入亞米級時代[12]。

3. 高分三號

GF-3于2016年8月10日在太原衛星發射中心成功發射入軌，是我國首顆優于1m分辨率的C頻段多極化合成孔徑雷達（SAR）衛星。GF-3可實現不同應用模式下1—500m分辨率、10—650km幅寬的微波遙感數據獲取，是目前世界上工作模式最多的在軌衛星，GF-3將為我國陸地資源監測和應急防災減災提供重要的技術支撐[13]。

三、基于光學與雷達影像的交通基礎設施監測方法

1. 基于高分光學影像的交通基礎設施信息提取

在快速發展的城市和地區，路網信息要求精度準確，需要及時更新，未及時更新路網信息而導致的交通事故及二次事故頻發是發達國家和發展中國家普遍面臨的問題。及時更新路網信息對地區的宏觀管理、交通運輸、出行導航、應急事務處理等具有非常重要的意義。科學技術的快速發展，使得交通路網信息的提取技術和提取算法發展迅速。隨著空間分辨率的不斷提高，遙感信息為地理信息庫的更新帶來了便利，高分辨率遙感影像開始廣泛應用于路網信息的提取。下面介紹典型的基于卷積神經網絡的路網提取思路[14]。

（1） 典型道路材質特征庫的建立

基于卷積神經網絡算法的路網提取技術，通常需要使用訓練數據進行網絡模型的建立。道路典型特征庫的建立首先是利用其形態、結構、連通性等特征進行典型遙感樣本的提取、分類與統計分析，然后根據統計結果盡可能多地涵蓋全部典型的道路特征單元，道路特征庫的數量將直接影響算法的識別與提取精度（見表1）。

表1 典型道路特征庫樣例

（2） 路網自動識別算法

近年來，隨著深度學習技術的出現與發展，自主學習特征已成為可能，網絡層數的增加也使得神經網絡的分類能力更強。通過卷積神經網絡對圖像區域進行分類，可得到像素的分類結果，然后將分類結果看作是二值圖像，通過分析二值圖像聯通區域的大小對識別結果進行篩選便可得到最終的提取結果。圖1為應用上述方法進行路網提取的結果示意圖。

通過自動化算法，可以快速從大范圍區域中提取路網，并從中尋找到因滑坡、泥石流等自然災害導致的路網中斷、路面損傷，快速判斷路面狀況，為應急響應提供有效支持。但是，在具體應用時，簡單采用卷積神經網絡算法得到的路網往往是不規則的點集，在實際的工程應用中，往往還需要對提取結果做進一步的處理，完成最終的道路提取，如常見的形態學方法、統計學方法等。

2. 基于雷達影像的路基監測與預警

利用SAR影像獲取地表特征信息的原理在于不同地物的后向散射差異，當地表內部結構發生變化時，其衛星傳感器接收到的信息也會隨之變化。基于這一原理，多時相的SAR影像可廣泛用于交通基礎設施的形變調查研究中。

（1）基于InSAR技術的地表形變分析

合成孔徑雷達干涉技術（InSAR）是主動微波成像傳感器的一種干涉測量模式，通過對同一區域具有一定角度差和相關性的影像進行干涉處理，檢測其相位差，并按照一定的幾何關系進行轉換，最終實現對觀測區域地形高度數據的獲取[15]。為保障數據精度，所基于的雷達影像通常要達到空間分辨率3m以上，多時相影像數量7景以上。在工程測量中，為保障數據精度一般還可采用永久散射（PSInSAR）技術。PSInSAR技術對數據質量要求較高，如果研究區域自然永久散射點較少，可人為架設角反射器作為補充。如圖2所示，當雷達電磁波掃描到角反射器后，電磁波在金屬角上形成很強的雷達反射回波信號。在PSInSAR中，角反射器可以起到骨干控制網的作用，并且在修正大氣效應誤差、提高干涉相位計算精度，以及關鍵算法研究和驗證中發揮重要價值。圖3為基于InSAR技術的地表形變結果圖，其中，不同顏色代表地表的沉降速度，紅色表示形變速度快的區域[16]。

（2）影像重采樣及匹配處理

區別于光學遙感影像的灰度信息，InSAR的分析結果能夠提供直觀的地表形變信息，但SAR遙感數據的可視化效果遠不如光學影像，即雖然能獲取某一空間坐標點的形變量，但是無法直觀地看到這一點是什么地物。所以，通常需要將基于光學遙感影像所提取的道路影像和InSAR結果進行匹配融合，實現二者信息的疊加互補。然而，由于光學遙感影像和雷達影像在觀測時間、成像模式上存在差異，在進行數據融合時，首先需要對兩種影像進行空間匹配，而匹配的精度也將直接影響最終的數據分析以及數據挖掘的合理與準確性。針對這一問題，一種有效的融合方法是：1）以多尺度遙感影像作為參考，建立獨立于影像的標準地理坐標格網；2）對兩種不同空間尺度的遙感影像進行雙線性插值，得到其位于標準格網位置的灰度信息，然后實現對不同空間尺度影像的配準工作。3）將InSAR結果中的低置信度觀測點剔除，按照上一步的配準映射關系，完成InSAR結果到光學影像數據間的匹配融合。如圖4所示。

（3）基于道路區域的路基狀態監測

完成影像間的信息融合后，利用歸一化后的道路影像進行掩膜生成，并結合歸一化形變數據提取出目標道路區域的地基形變信息，進行后續的數據分析與挖掘，從而實現對道路的提取與設施狀態的監測，如道路使用損耗情況、災后可通行能力以及區域內路網連通性的分析等方面。

四、總結

隨著遙感技術的不斷發展，高分辨率遙感數據為大范圍、高時效地獲取地面信息提供了可能。相比傳統人工手段，遙感數據不僅能夠極大地縮減人力和物力成本，而且還可以進行大尺度下的數據分析與挖掘，極大地促進了相關研究的發展。對于交通行業來說，與遙感技術的融合研究也正在成為科研學者的研究熱點，尤其是在交通應急領域內的技術應用。有效利用遙感技術服務交通安全應急，是遙感應用領域發展的一個重要方向。本文從技術應用的角度出發，提出了融合高分辨率光學遙感與雷達遙感技術的道路基礎設施安全監測方法。本文雖然僅以道路設施為例，但其思路同樣適用于其他基礎設施的狀態監測，如機場跑道、軌道交通、橋梁等。本文所提出的技術應用不僅能夠對基礎設施的狀態進行有效監測，同時也可為日常維護管理提供有力的科學依據，為交通通行安全提供有效保障，促進交通行業的健康發展。

[1] 交通運輸部. 2016年交通運輸行業發展統計公報[J]. 交通財會, 2017(5):92-96.

[2] Zhu G, Dan G B. Classification using ASTER data and SVM algorithms; The case study of Beer Sheva, Israel[J].Remote Sensing of Environment, 2002, 80(2):233-240.

[3] J. Im, J. R. Jensen, J. A. Tullis. Object‐based change detection using correlation image analysis and image segmentation[J]. International Journal of Remote Sensing,2008, 29(2):399-423.

[4] Cheriyadat A M. Unsupervised Feature Learning for Aerial Scene Classification[J]. IEEE Transactions on Geoscienceamp; Remote Sensing, 2013, 52(1):439-451.

[5] Chaib S, Liu H, Gu Y, et al. Deep Feature Fusion for VHR Remote Sensing Scene Classification[J]. IEEE Transactions on Geoscience amp; Remote Sensing, 2017, PP(99):1-10.

[6] Cheng G, Zhou P, Han J. Learning Rotation-Invariant Convolutional Neural Networks for Object Detection in VHR Optical Remote Sensing Images[J]. IEEE Transactions on Geoscience amp; Remote Sensing, 2016, 54(12):7405-7415.

[7] 劉國祥. 應用實例及其局限性分析[J]. 四川測繪, 2005,28(3):139-143.

[8] 劉廣, 郭華東, Ramon,等. InSAR技術在礦區沉降監測中的應用研究[J]. 國土資源遙感, 2008, 2008(2):51-55.

[9] 李珊珊, 李志偉, 胡俊,等. SBAS-InSAR技術監測青藏高原季節性凍土形變[J]. 地球物理學報, 2013, 56(5):1476-1486.

[10] 朱仁義. 寬幅InSAR技術在地質災害的綜合形變監測應用研究[D]. 長安大學, 2012.

[11] 白照廣. 高分一號衛星的技術特點[J]. 中國航天,2013(8):5-9.

[12] 潘騰. 高分二號衛星的技術特點[J]. 中國航天, 2015(1):3-9.

[13] 張慶君. 高分三號衛星總體設計與關鍵技術[J]. 測繪學報,2017, 46(3):269-277.

[14] Xia W, Zhong N, Geng D, et al. A weakly supervised road extraction approach via deep convolutional nets based image segmentation[C]// International Workshop on Remote Sensing with Intelligent Processing. IEEE, 2017.

[15] Massonnet D, Feigl K L. Radar interferometry and its application to changes in the Earth's surface[J]. Reviews of Geophysics, 1998, 36(4):441–500.

[16] 夏威. 遙感干涉測量和北斗高精度定位技術在橋梁監測中的信息化應用研究[J]. 電子測試, 2015,(10):12-22.