高分遙感在交通領域中的應用狀況與趨勢分析

黃俊松 魯士仿 彭向陽 魯 偉 許成濤 吳 嵐

(1. 中電萊斯信息系統有限公司, 江蘇 南京 210007; 2. 江蘇省交通通信信息中心, 江蘇 南京 210007; 3. 中設設計集團股份有限公司, 江蘇 南京 210014)

0 引言

21世紀以來,衛星遙感已進入高分辨率時代,其中分辨率的提高使得探測和表達地物更加精細、準確和快速。采用人工或計算機解譯等技術,可從影像中獲得土地利用、植被覆蓋、災害分布以及土壤含水量、地表沉降等信息,能為交通規劃設計、建設監管、運營養護、執法監督、災害應急提供翔實可靠的分析資料,滿足用戶不斷增長的多樣化、特色化需求,如交通、精準扶貧[1]。

1 高分遙感概況

遙感在交通領域的應用出現很早,20世紀70年代學者便利用衛星影像開展道路的識別提取。隨著遙感衛星進入亞米級、高光譜、快速重訪的高分辨率時代,其在交通領域的應用越來越廣。另一方面,我國高分重大專項的成功實施,打破了過去依賴于國外衛星數據的局面,所產生的數據逐步替代了近80%的同等分辨率的國外衛星數據[2-3],進一步促進了高分遙感在交通領域的應用。

高分遙感一般體現在“四高”:高空間分辨率、高時間分辨率、高光譜分辨率以及高輻射分辨率。其中,空間分辨率體現的是衛星對地物的辨別能力,空間分辨率越高,地物被刻畫的越精細,越容易被辨別;時間分辨率體現的是衛星對目標的動態監測能力,時間分辨率越高衛星對目標的動態監測能力越強,越能捕捉地物的動態變化過程;光譜分辨率是指能被衛星傳感器監測到的最小波段寬度,一般而言,波段越窄,則波段數越多、光譜分辨率越高。在劃分標準上,一般把空間分辨率優于1 m的影像稱為高空間分辨率[4],而時間分辨率、光譜分辨率如何為高則隨應用場景的不同而不同。根據行業經驗,一般一天以內至數天可為高時間分辨率、數十個至數百個譜段可為高光譜分辨率。高輻射分辨率數據在交通領域應用較少,在此不做敘述。滿足上述標準并在交通領域常用的高分遙感衛星如表1所示。

表1 高分遙感衛星及其相關參數

2 高分遙感在交通運輸領域的應用

2.1 信息提取技術

高分遙感是對地表所有地物的客觀表達,真實地記錄了地物相關信息,其在交通領域的應用前提是信息的獲取[5-6]。各類信息的提取主要有三種方式:人工提取、計算機自動提取以及定量反演。

人工提取是利用地物在影像中的顏色、形狀、大小、紋理、空間關系等特征,通過目視判別、影像比對、矢量化標繪等方式,直接從影像中提取各類地物信息及其動態變化的有效手段。人工提取精度常依賴專業人員的知識、經驗和所掌握的資料以及影像本身的時空分辨率等。當目標尺寸與影像空間分辨率處于相近或更小尺度時,人工提取往往存在一定困難,因而需要進行知識推理以及必要的實地調查和驗證。人工提取的優點是精度高,缺點是工作量大、重復性強,特別是針對海量遙感信息的提取存在明顯短板。

進入遙感大數據時代,海量、多源異構信息的提取不可能完全依賴人工,計算機自動提取是未來發展趨勢[7]。計算機自動提取是基于目標地物的各種影像特征,例如顏色、大小、形狀、空間關系等,綜合運用地學分析、圖像處理、模式識別與人工智能技術,實現對信息的智能化、自動化獲取。以大樣本為基礎,綜合圖像融合、機器學習、圖像分割等技術,計算機已能較好地提取影像中飛機[8]、車輛[9]、機場[10]、交通樞紐[11]等交通目標信息以及土地覆蓋[12]等非交通信息。計算機自動提取在效率上有顯著優勢,但識別的準確性依賴樣本庫大小、模型精度等,其與人工手段之間的關系是相輔相成的。

定量反演是建立待求參量與地物實測信號(例如光譜反射率、相位)之間的數學或物理模型,通過求解該模型實現對待求參量的獲取。例如,通過合成孔徑雷達干涉(Interferometric Synthetic Aperture Radar, InSAR)技術,建立地表位移或高程與像元相位之間的定量模型,可以從影像中獲取交通目標形變信息等。

2.2 信息應用場景

2.2.1在規劃設計中的應用

交通規劃設計需要做大量的調查、測量和分析工作,以準確把握交通現狀并對未來發展做出可靠預測[13]。傳統調查手段方式比較費時費力,缺乏對面上宏觀信息的把握。高分遙感兼具宏觀調查以及微觀詳查能力,可為規劃設計提供各類客觀準確的信息。主要應用場景有交通綜合調查與制圖、交通選址(選線)、交通流量分析等。

(1)交通綜合調查與制圖

高分遙感客觀記錄了各類地物信息,是交通綜合調查(勘察)的主要資料。通過人工或計算機的方式可方便地從影像中采集交通設施[5]、路網[1]、土地利用、居民地、地形地貌地質[14-17]等各類信息。例如,在農路調查方面,筆者團隊利用高分遙感影像掌握了高淳、灌云等地公路建設現狀及農村公路長度、寬度等相關基礎信息,輔助對農路建設狀態的核查。在地質調查方面,戚浩平等利用兩組高分遙感影像獲取了329國道北侖至三山沿線的地形地貌、區域斷裂、局部斷層、巖漿巖等信息并進行了驗證,為公路工程的設計和施工提供了幫助[15]。中國煤炭地質總局航測遙感局、陜西省公路勘察設計院等單位利用光學和SAR影像在交通地質勘察中也做了大量應用工作,獲取了線路走廊不良地質分布情況等信息[16-17]。將從高分遙感影像中獲取的大量信息進行分層標注,可以制作交通“一張圖”,直觀展示各類交通和非交通要素的位置、形狀、大小、分布、空間關系等各類信息,便于交通指揮和決策。

(2)交通選址(選線)

交通選址(選線)是一個復雜過程,需要考慮地表自然、人文甚至經濟社會因素。高分遙感以其觀測范圍大、信息豐富的特點,可用于獲取各類信息,如交通網絡、道路流量、居民區分布、地質隱患、地表沉降等。對這些多源異構的各類空間和非空間信息,經過數據清洗和融合,采用地理信息系統(Geographic Information System, GIS)空間分析技術可確定合理的選址區域和最佳的規劃路線[18]。

(3)交通流量分析

基于人工或計算機提取技術,利用亞米級高分辨率衛星影像可對車輛、船舶等交通工具及設施進行提取、檢測、分類和定位,輔助交通流量分析,為交通規劃提供有利數據支持。相比傳統地基檢測手段,通過高分遙感獲取的交通流量信息宏觀性更強,一次觀測可獲取上百至千平方公里(城市)范圍內的所有路網流量信息,但是缺點是時效性不夠,不能反映交通流的動態變化。通過對區域交通流量進行時間序列分析,可以掌握路網流量現狀以及預測未來發展規律,服務路網科學規劃[19]、交通限行決策[20]以及出行服務[21]。

2.2.2在建設監管中的應用

高分遙感從上帝視角俯瞰整個交通工程,可獲取交通工程及其周邊的全貌信息,有利于掌握施工安全、建設進度和環境保護信息。主要應用場景有:建設進度監測、物料堆放監測、非法侵占監測、土方規模量算和三維制圖和顯示等。

(1)建設進度監測

利用多高分遙感影像數據,結合土地利用規劃、土地征拆計劃、工程建設計劃等信息資料,對區域內的工程地塊進行定期、定點監測,可全面跟蹤地塊從征收、拆遷、整理、開工、建設、竣工的全生命周期過程,為工程的有序穩步推進提供數據支持和分析支持。

(2)物料堆放監測

對于大型和超大型工程而言,專業人員通過目視解譯方式可從亞米級遙感影像中判別出物料的堆放位置、規模甚至類別,從而輔助工程的安全監管。當前,通過高分遙感對物料堆放進行監測尚難做到以d為單位,但通過遙感定期監測可起到抽查作用。

(3)非法侵占監測

交通工程建設及運營過程中,會劃定紅線控制區,該區域通常不允許新建建筑物、構筑物等。對于線狀交通工程而言(例如高速工程),由于工程施工線路長,人工很難做到對每處非法侵占行為的排查。而在高分遙感影像上,工程概貌一目了然,以工程施工區域為中心劃定紅線控制區,通過多時期高分遙感影像比對或變化檢測技術[22],可以容易地判定紅線控制區內是否存在非法侵占以及,侵占物的位置和面積。

(4)土方規模量算

高分數據為工程建設提供內容全面、影像清晰、定位準確的空間信息,結合地形圖和DEM數據等,根據擬建工程的寬度、長度等信息,利用高分影像可以對擬建公路的土石方、橋梁、隧道建設等施工量進行估算,并掌握施工進度情況。

(5)三維制圖和顯示

高分遙感中采集的工程施工區域、物料堆放點和類別、綠植面積、紅線控制區等信息可在電子地圖、影像地圖中進行更新,結合DEM等數據,可以制作工程施工的三維可視化地圖,實現科學直觀的監管。

2.2.3在運營養護中的應用

交通運營養護首要關注安全。高分遙感不僅可輔助掌握工程本身及周邊環境等面上信息,通過定量分析亦能探測影響運營安全的不良因素。主要應用場景有:基礎設施形變監測、路面老化狀態監測、路域環境監測等。

(1)基礎設施及地表形變監測

基礎設施形變或地表形變都對基礎設施的安全運營產生重大影響,是開展基礎設施安全評價與管理的基礎和重要組成。采用時序合成孔徑雷達干涉(Time-Series InSAR,TS-InSAR)測量技術,處理目標區域的長時間序列高分辨率SAR影像,可以獲取區域內地表形變以及軌道交通、橋梁、高鐵線路、高速公路、機場、場站等基礎設施形變,精度可達毫米級。該技術相比傳統以點代面的測量手段(如GPS測量、水準測量)而言,有效地縮短了觀測周期,擴大了測量范圍,具有全天候、全天時工作特點。

(2)路面老化狀態監測

高速公路、城市公路等在運營過程中會發生路面老化,影響行車安全。不同程度老化路面其理化屬性不同,在高光譜影像中反映的光譜特征有所差異。基于這一原理,利用高光譜遙感影像繪制不同程度老化路面的光譜曲線,同時結合實地勘測數據,可以建立不同老化程度路面的特征庫,通過將路面的光譜曲線與該特征庫進行比對,即可確定路面的老化程度[23]。

(3)公路域環境監測

公路交通運營難免會對周邊環境產生一定影響,例如空氣污染、植被破壞、水土流失等。高分遙感數據不但包含地物的幾何結構和紋理信息,而且蘊含準確、精細的自然環境信息與生態背景信息,因此能夠針對上述環境影響因素對公路周邊環境影響進行有效監測與評估[24]。具體包括:①公路域空氣污染監測:通過高光譜衛星數據,例如我國的高分5號衛星數據,可以探測計算公路域周邊的空氣組成成分,監測有害氣體含量是否超標,并結合路面尾氣排放探測器實際測量的數據估算公路車輛每天的尾氣排放量,從而評估高速公路是否會給自然保護區環境及其他環境帶來負面影響。②公路域植被破壞監測:采用高光譜數據或高空間分辨率數據,配合地面手段,對不同健康情況下的植被光譜反射率的差異進行識別,獲取植被健康狀況信息并生成植被覆蓋度產品。

2.2.4在執法監督中的應用

交通執法監督過程中有時候面臨取證難、取證不及時的問題。高分遙感采用非接觸式成像,非常有利于人力無法到達或不便到達現場的取證工作,且取證工作具有隱秘、客觀的特點,在時效性上亦能滿足多數場景的要求,如長江航道非法碼頭整治監測、高速公路控制區監測、航道非法采砂監測等。

由于監測原理類似,這里以非法碼頭整治為例。傳統的整治流程是由地方上報非法碼頭信息,經備案后開展整治,整治完后在岸上布設視頻監控,防止拆后復建。這種方式比較費時費力,可能會存在漏報、瞞報現象。通過高分遙感能為非法碼頭整治工作提供良好的空間信息支撐,在信息獲取的全面性、準確性方面更具優勢,與傳統手段形成補充。具體而言,碼頭的形狀和空間特點等特征使得其在高分影像中容易通過人工或計算機智能提取方式識別標繪,幫助摸清航道碼頭數量,在此基礎上套合交管部門備案的合規碼頭數據,即可比較準確地確定非法碼頭位置,從而支撐非法碼頭整治工作。另一方面,利用多時期高分影像定期觀測航道碼頭,通過影像比對或變化檢測技術,可幫助判定是否拆后復建、是否有碼頭新增等,為執法監督提供客觀及時線索。

2.2.5在災害應急中的應用

作為非接觸式觀測手段,高分遙感具備快速響應能力,是掌握受災范圍、評估受災損失、開展災害應急的第一手資料。高分遙感在交通災害應急中的應用主要有:災前早期識別、災后監測與制圖等。

(1)災害早期識別

傳統監測辦法是在重點路段或區域布設地基傳感器,例如線圈、隧道光強檢測器、視頻監控、GNSS監控等,這些設備的監測結果實時傳輸到后臺存儲計算中心,如果超過閾值則系統自動告警。這種監測方式是實時的,自動化水平高,但只能聚焦于點上監測,難以做到對整個路段或區域災害風險的全面監測和評估。高分遙感可大范圍、周期性地對目標區域觀測,通過周期性影像上豐富的幾何和光譜信息,結合一定的專業知識并(或)采用定量反演技術,可以解譯出早期風險隱患點。例如,根據滑坡體的形狀和與周圍巖的亮度差異,可以解譯出滑坡體的位置,崩塌常見于公路兩側陡崖或陡坎處,常具有弧形、三角形和新月形等形狀特征,在坡腳可見倒石堆[25-26]。這些都是遙感影像上地質災害早期識別的標志。另一方面,由于地表形變是(地質)災害監測預防的重要觀測指標,與滑坡、崩塌、塌陷甚至地震的發生呈關聯關系,能客觀反映災害從形成、發育到激發的過程。當災害風險區與周圍區域并無明顯差異、目視解譯失效時,利用目標區域的多景SAR影像,通過時序InSAR技術,可以定量反演出區域的地表形變,進而分析災害可能發生的位置、規模、以及發生時間,為交通風險評估和安全預防提供支撐。

(2)災后監測與制圖

災害發生后,利用高分辨率可見光遙感衛星和SAR衛星,可以大范圍、快速獲取和掌握公路災情信息,能夠在短時間內對道路損毀位置、規模等信息進行采集,可較精確地開展交通線損毀評估、洪水淹沒交通線評估、災區交通運行狀態監測等應用,并形成專題產品和評估報告,為領導決策和指揮提供技術保障。

2.3 數據選用原則

交通規劃設計中一項重要工作即是交通綜合調查與制圖,重在對靜態信息的獲取,強調信息獲取的精細化程度,對動態變化信息獲取要求并不高。因而,首要考慮的因素是空間分辨率,衛星重訪能力其次,影像光譜分辨率最次。從已公開的文獻和實踐經驗看,優于5 m的空間分辨率基本滿足要求[5-6]。但并不是空間分辨率越高越好,因為越高的空間分辨率往往幅寬越窄且采購成本越高。因此需要結合具體的應用場景選擇空間分辨率。

建設監管領域分為諸多應用場景,不同場景其監管目的不同,但不外乎對空間分辨率和對時間分辨率的要求。對交通工程建設的監管而言,目的在于全面了解工地概況、設施分布、周邊情況、建設進度等信息,重在信息獲取的全面性和精細化,因而亞米級分辨率影像應用較多。在時間分辨率上亦有一定要求,筆者團隊經驗是以月度為單位進行觀測即可(成本上用戶也能較好地接受)。對農村公路建設監管而言,重在調查農村公路建設和上報情況,由于農路寬度較窄,容易受周邊環境影響,因而更強調目視可見,一般利用亞米級影像,例如高分2號、北京2號等,開展農村公路建設的核查監管,而在時間分辨率以滿足影像比對要求為準,季度或半年度的監測頻次為宜。

運營養護比較關注影響交通運行安全的信息,例如路面裂縫、路面坑洼、路面沉降、路面老化等情況。對于路面裂縫和坑洼而言,其空間尺度較小,即使是亞米級分辨率影像也難以發現。但如果坑的直徑達到甚至超過影像空間分辨率,則利用高空間分辨率影像有發現坑洼的可能。對于路面沉降信息,無法從目視上獲取,但可利用InSAR技術獲取。這時一般要求SAR影像分辨率優于路面寬度,時間分辨率越小越好,例如Cosmo-Skymed、TerraSAR-X衛星影像等,否則容易導致形變測量點精度不準、數量不足、定位不準。對于路面老化而言,目的在于評估路面的老化程度,為路政養護提供數據支撐。路面老化程度的辨別,是基于不同老化程度的路面其理化性質不同,因而特征性光譜曲不同。在路面老化程度評估中,高光譜分辨率影像是優先選項,其次是影像的空間分辨率,例如Worldview-3衛星影像。

在交通執法監督上,監管或執法者關注地表的動態變化,以捕捉違法或違規線索,同時要求線索獲取的準確性和及時性。因此,在這類應用中更關注高空間分辨率和高時間分辨率。例如,在高速公路控制區管理和城市交通控規中,不允許未經批準在兩側控制區紅線內新建建筑物或構筑物,這時取證的精準性尤其重要。如果空間分辨率不足,則難以有效辨識是否越過控制區或紅線。同時,交通執法監督對時效性要求也較高,如果兩景影像之間間隔太大,則難以及時捕捉紅線侵占行為和目標物,也就難起到震懾作用。根據筆者團隊經驗,以月為單位的觀測頻次即可滿足大多數應用場景需求。

對于交通災害應急而言,毫無疑問影像時間分辨率是首要考慮因此,其次是空間分辨率。衛星星座相對單星而言,可調用的衛星數量更多,應急情況下對影像數據的保障能力更強。根據筆者團隊經驗,一般情況下,綜合多衛星24 h內可獲取目標區高分遙感影像。

3 存在問題與發展趨勢

3.1 存在問題

高分遙感在交通運輸業的應用需求巨大,目前已取得不少成功經驗,但在產業化路上仍存在一些問題和挑戰。

(1)高頻次觀測需求下總費用偏高

經過十幾年的發展,特別是高分重大專項實施以來,影像單價已降到一個較低水平。但在需要高頻次觀測的應用場景中,總費用(影像單價乘以觀測次數)仍然偏高,有時會超過用戶心理預期。為降低成本,只能降低觀測頻次,但可能會帶來應用效果打折扣的不利影響,進而影響交通遙感的產業化推廣。

這一矛盾有望通過創新采購模式以及降低價格解決。例如,按實際面積而不是按景采購數據,則用戶不需為非感興趣區負擔費用。此外,未來隨著技術不斷進步,衛星數據源(特別時小衛星)不斷豐富,采購成本必將進一步降低。解決這一矛盾將有利于交通遙感產業化的形成。

(2)信息自動化提取還存在不小挑戰

遙感大數據時代,信息自動化提取已經取得不小進步,可大大提高信息的提取效率,這是未來發展的重要趨勢。但是不同源影像之間在輻射和幾何上的差異以及同源影像因受光照、地形、入射角等影響,都會導致同類目標間存在差異,再加上目標本身的顏色、形態、大小、光譜特征也不同,這都給不同傳感器影像上、不同分辨率條件下等復雜環境下信息自動提取帶來挑戰。因此這依然是一個難題,是限制遙感業務化應用的瓶頸因素之一[25]。這一問題的解決可在數據處理端考慮多源數據融合、數據同化、尺度轉化等問題,在推理端建立影像從感知、認知到推理、決策的系統的類腦解譯理論和方法。

(3)影像數據質量和分析精度問題

遙感數據的時空分辨率與交通實際應用的精度要求還存在一定差距。光學遙感只能在白天、無云、天氣良好情況下工作,微波遙感雖能在夜間和不良天氣條件下運行,但可讀性較差、空間分辨率相對較低。例如,西部地區或在交通災害易發的山區,往往水汽聚集,能見度低,公路易受復雜地形的阻擋,這些都限制了高分遙感在交通領域的應用。這就需要加強高光譜、多角度、多時相、多傳感器的結合,開展天空地一體化的協同觀測,不斷提高數據獲取能力和質量。

3.2 發展趨勢

(1)遙感衛星重訪周期將極大縮短

在資本、技術和需求的三重推動下,衛星設計、制造、發射和運營成本將不斷降低,在軌高分遙感衛星數量將極大豐富,衛星的重訪周期將極大縮短,有望達到小時級甚至分鐘級,這將促進交通遙感行業應用和產業化形成,道路交通流、港口船舶、危化品運輸、海洋溢油、盜采河沙等的實時性監測成為可能。目前,各國競相發展的(微納)衛星星座計劃已表明此種趨勢。

(2)遙感衛星將變得更加智能

衛星影像下傳后需經人工或計算機處理才交付用戶使用。但隨著人工智能技術在星上的應用,這一過程有望在星上完成,使得數據的獲取、處理和分發將更加精準高效。例如,美國在EO-1衛星上測試了在軌星上云判、任務規劃和目標識別技術,使衛星具備自主決策、自主執行高優先級任務和對洪水、火山爆發等災害事件的目標識別能力。國內在該領域也開展了研究,攻克了在軌輻射校正、幾何校正、區域提取、云判以及目標檢測等技術[27-29]。

(3)海量數據傳輸效率將極大提高

高分遙感影像具有大體量的特點,海量影像的傳輸面臨不小挑戰。5G技術具有高速、低時延傳輸特點。隨著5G技術投入商用,無線設備的數據傳輸速率將得到飛速提高,這為大體量衛星影像實時、高速傳輸提供可能,為大區域的持續性觀測創造條件,將極大豐富交通遙感的應用領域,面向消費者端的遙感應用服務將得到快速發展。

(4)海量數據處理分析將更加智能

隨著以人工智能、大數據分析以及云計算為代表新型技術的不斷發展,海量數據的處理、分析和發布將變得更加智能化、自動化甚至實時,大大降低遙感處理和分析成本,從而服務更廣泛的各行業政府、企業甚至終端用戶,加快產業的形成。例如,基于云計算的遙感信息處理和智能分析服務,可支持專業甚至非專業用戶隨時隨地在線提交任務,一鍵式獲取專業分析產品等等。目前,泰坦公司已擁有泰坦超算平臺和云平臺,可以付費獲取云計算資源,獲取影像數據處理分析服務。

(5)通信導航遙感一體化集成應用

通信、導航、遙感的集成已成為交通行業應用重要趨勢:平臺層面,衛星搭載能力不斷增強,構建衛星通信、導航、遙感一體的信息實時服務系統成為可能;應用層面,結合大數據、人工智能、移動互聯網等新技術,通信、導航、遙感一體化集成應用將更加順暢,應用廣度可覆蓋交通建設、管理、運營、養護全過程,應用深度可在交通業務輔助決策方面取得突破,應用形式將可能在共享服務等方面催生更多的新技術、新產品、新業態、新模式。

4 結束語

本文在介紹高分遙感概況基礎上,總結了交通信息提取技術和具體應用場景,分析了高分遙感應用能力和不足,總結不同應用領域的數據選用原則,同時結合從業經驗指出了目前在成本、自動化提取和數據可用性方面仍存在的問題和解決途徑,最后總結了在人工智能、大數據分析、云計算以及5G技術驅動下,未來高分遙感的發展趨勢。得出如下結論:

(1)高分是對地表全要素信息的客觀反映,結合人工解譯、計算機解譯和定量反演技術,可以為交通運輸提供豐富的分析資料,在交通運輸領域具有廣闊的應用前景,但距離形成產業仍有差距,主要表現在數據使用成本較高、自動化提取手段仍不足等方面。

(2)高分遙感數據的選用需要結合具體應用場景和使用成本確定,并不是分辨率越高越好。同時,在不同場景下對空間分辨率、時間分辨率和光譜分辨率的側重也有所不同。

(3)未來在資本、技術和需求的推動下,遙感數據獲取、傳輸、處理和分析以及分發將朝著智能化、自動化、高效率、實時方向發展,將極大促進交通遙感應用并催生許多新的應用領域,有利于交通遙感產業化形成。