基于衛星遙感的鐵路災害監測與評估應用研究

吳瑋 王匯 蘇偉 劉慧

（1 應急管理部國家減災中心，北京 100124）

（2 北京林業大學水土保持學院，北京 100083）

（3 中國農業大學土地科學與技術學院，北京 100091）

0 引言

鐵路作為我國重要交通基礎設施和國民經濟發展的大動脈，對于保障經濟和社會發展發揮重要作用。我國鐵路種類多、營業里程長、覆蓋范圍廣、連通的區域自然地理環境復雜，涉及的自然災害類型多種多樣。按直接致災過程劃分，鐵路自然災害包括地震、滑坡、崩塌、泥石流、洪澇、風沙、凍融、積雪、溶塌、鹽脹、軟土和膨脹土等12 種基本類型[1]。特別是在西南地區、山地眾多、河流縱橫，鐵路橋隧相連，易受洪澇、地震、地質災害等威脅，而北方地區風沙、強降雪對鐵路運輸也會造成嚴重影響。據交通運輸部統計，截至2022 年末，全國鐵路營業里程15.5 萬千米，其中高鐵營業里程4.2 萬千米。鐵路一旦遭受重大自然災害，將導致嚴重經濟損失和廣泛的社會影響，如2022 年1 月8 日青海海北州門源縣6.9 級地震造成蘭新高鐵受損嚴重，2023 年7 月底京津冀暴雨洪澇災害沖毀鐵路線并導致大量乘客滯留，2023 年第9 號臺風“蘇拉”造成京港高鐵、穗深城際、京九線等線路上百趟旅客列車停運。隨著鐵路營業里程不斷增加，鐵路的安全運營保障壓力也持續增加，迫切需要加強對鐵路沿線自然災害監測與評估應用研究，為防災減災救災等應急管理各環節工作提供有效信息支持。衛星遙感具有大范圍、周期性、多手段監測鐵路災害的優勢，能夠有效彌補地面災害調查的不足，提高防災減災救災工作效率。近年來，伴隨著高分辨率對地觀測重大專項的實施，我國的衛星遙感技術取得顯著進步，“資源”、“環境減災”、“高景”等民、商衛星蓬勃發展，遙感衛星正向著高空間分辨率、高時間分辨率、高光譜、高輻射分辨率、多載荷、多尺度、多角度的綜合觀測方向發展，為開展鐵路災害衛星遙感監測與評估提供了豐富的數據資源。

1 鐵路災害衛星遙感研究現狀

鐵路的生命周期包括規劃與勘察設計、施工建設、運營維護等階段[2]。地質災害是鐵路災害的主要類型之一。光學衛星遙感適用于鐵路線路沿線地災隱患識別預監測，而雷達衛星遙感適用于鐵路線路路基、沿線邊坡的沉降監測與預報[3]。我國學者利用多源、多載荷衛星遙感數據開展了大量鐵路全生命周期的地質災害監測評估研究工作。在規劃與勘察設計階段進行鐵路工程選線，其重要考慮因素是沿途的地質條件狀況，需要有效地避開崩塌、滑坡、泥石流、地面沉降等地質條件差的地區，以保證鐵路工程建設和運營的安全。針對鐵路線工程前期的線路方案遴選工作，利用多種遙感手段能夠進行地質災害隱患排查和風險評價。劉桂衛等采用多光譜、熱紅外、雷達、高分辨率遙感和三維遙感相結合的綜合判釋方法，開展地質問題解譯，應用于艱險山區鐵路工程地質勘察及設計選線[4]；黃勇利用多源、高分辨率、三維光學遙感進行山地災害川藏鐵路交通安全廊道宏觀規劃[5]；張金敏運用ALOS/PALSAR-2 和Sentinel-1A 衛星升降軌數據，采用時間序列合成孔徑雷達干涉測量（Interferometric Synthetic Aperture Radar, InSAR）技術開展規劃設計的川藏鐵路林芝-雅安段滑坡隱患廣域探測、分布規律和監測分析研究[6]；邵虹波等根據滇西山區地質災害特征和SPOT4/5 衛星遙感影像特征，開展滇西山區鐵路選線勘察研究，分析崩塌、滑坡、泥石流災害對鐵路線的影響[7]；王文婷分析了包蘭鐵路沿線崩塌、滑坡、泥石流等災害分布特點，提出了包蘭線改建方案建議[8]；路瀚等將遙感信息分析、工程地質遙感解譯及野外驗證相結合，利用“高分二號”等衛星圖像，對新建川藏線CD-LZ 段進行全面的工程地質條件解譯，為路線方案優選和橋隧工程布設提供工程地質資料[9]；徐喬等結合中吉烏鐵路勘察設計，研究綜合利用高分辨率遙感、數字高程模型（Digital Elevation Model, DEM）等多源數據，基于極限梯度提升算法（Extreme Gradient Boosting,XGBoost）開展滑坡危險性評價分區，為鐵路設計選線提供數據支撐[10]；王嬋針對擬建中尼跨境鐵路，采用遙感影像解譯和野外調查等方法，基于Landsat8 OLI 衛星數據提取的植被覆蓋度等指標，開展滑坡災害易發性的定量化評價，為中尼跨境鐵路區域的防災減災提供科學依據[11]。在施工建設階段， 白永健等采用InSAR 監測、無人機航拍等“星-空-地”識別技術，對川藏鐵路建設項目自東向西橫穿雅礱江段高山峽谷區深切河谷滑坡進行早期識別[12]；童鵬等綜合運用時序衛星影像地物變化信息、InSAR 地表形變信息，開展新建貴陽至南寧高速鐵路（廣西段）沿線滑坡隱患遙感解譯工作，確定鐵路沿線滑坡隱患的位置與范圍、風險程度等[13]。在鐵路的運營維護階段，利用衛星遙感針對鐵路沿線開展地質災害調查和應急監測取得了良好的應用效果。基于在既有鐵路開展地質災害防治工作的實踐經驗，孫琪皓等提出了以“區域-區段-工點”三級防控策略為主線、天空地多源遙感協同的鐵路地質災害早期識別與監測預警技術體系[14]；劉桂衛等利用三維遙感、雷達遙感、無人機遙感、衛星定位等技術手段，開展既有鐵路沿線地質災害篩查監測工作[15]；張曉荔利用遙感技術在渝懷鐵路重慶段開展地質災害調查[16]；張璇鈺等采用小基線集雷達干涉測量（Small Baseline Subsets InSAR, SBAS-InSAR）獲取植被覆蓋區域高可靠性的形變信息，對山區鐵路沿線泥石流溝谷開展勘察分析[17]；王雨針對玉磨鐵路普洱段使用SBAS-InSAR 技術對多幅遙感影像進行處理以獲取地表形變時間序列數據，并使用大數據分析技術研究泥石流的影響因素[18]；王世寶針對川藏鐵路雅安-林芝段，對Google Earth 多期遙感影像進行滑坡解譯，并建立基于機器學習的滑坡易發性評價模型[19]；李睿祺針對川藏鐵路拉林段區域泥石流災害，通過野外調查、遙感解譯、理論計算等方法，建立了泥石流危險性評價模型，為災害治理等提供科學依據[20]；唐堯等基于“高分二號”衛星等數據源，開展成昆鐵路高位山體崩塌災情應急監測，完成了甘洛縣成昆鐵路高位山體崩塌災害基本災情信息評估[21]。此外，我國研究人員利用InSAR 開展了多項鐵路重大工程和鐵路沿線地面沉降遙感監測[22]。

在洪澇災害研究方面，王文基于Landsat 和Sentinel 衛星遙感數據，建立冰湖災害評估模型，發現2個冰湖的潰決會對彼得藏布流域川藏鐵路后續建設運行造成威脅[23]；張聰利用遙感和地理信息系統（Geographic Information System, GIS）技術，以中巴鐵路達蘇段為例，分析冰磧湖潰決洪水災害效應強烈的V 型峽谷段內，不同線位高程對鐵路工程投資和運營成本的影響，為跨喜馬拉雅等干線工程建設提供防災減災依據[24]。

在雪災研究方面，向世誼針對藏東邦達草原，利用多源遙感影像解譯、GIS 空間分析、數值模擬等手段，進行積雪分布解譯和主動微波雪深反演估算，對擬建鐵路昌都至林芝段的風吹雪致災情況進行危險性評價[25]；邊瑞通過遙感解譯輔以精細化實地調查等手段，篩選出14 個雪崩評價因子，利用集成模型進行雪崩易發性評價研究，分析對在建進藏鐵路的影響[26]。

綜合分析已有的研究成果，不難看出，地質災害的調查與風險早期識別評價是鐵路災害研究的熱點，在鐵路工程前期的規劃與勘察設計、施工建設、運營維護等鐵路全生命周期中，我國學者利用多類型衛星遙感數據開展了大量地災隱患早期識別、鐵路工程選線與規劃、地災監測與影響評估等應用研究工作，取得了良好的應用價值。但從災害類型看，應用研究的災種以地災為主，潰決性洪水、雪災的研究涉及不多，其它類型災害鮮有研究和應用。從災害管理階段看，除地質災害外，其它災害以災前的風險評估為主，而災中應急響應和災后恢復重建階段的應用研究少。因此，本文旨在立足鐵路災害應急管理工作的實際需要，充分發揮衛星遙感作用，針對當前研究存在的薄弱環節，分析利用衛星遙感監測評估不同類型、不同階段鐵路災害的應用能力和主要技術方法，結合近年來發生的典型災害，探討衛星遙感鐵路災害監測評估的應用模式和實踐效果，為全方位滿足鐵路各類主要災害防災減災救災工作對衛星遙感的應用需求提供借鑒參考。

2 鐵路災害衛星遙感應用能力和方法

衛星遙感能夠應用于減災、備災、應急響應和恢復重建等鐵路災害管理各個階段，是保障鐵路等重大基礎設施建設和運行安全的重要技術手段。在減災階段，利用衛星遙感開展鐵路沿線崩塌、滑坡等高風險點早期識別和隱患排查，進行災害危險性評價，能為鐵路安全運營和韌性設施建設提供有價值的風險信息。在備災階段，利用衛星遙感開展致災因子的動態監測，進行臨災風險評估，分析災害風險范圍和可能的影響程度，能為鐵路安全運行和災害防護提供決策參考信息。在應急響應階段，利用衛星遙感開展災害范圍監測、次生災害監測和鐵路損毀實物量監測，進行災害影響和損失評估，能為鐵路應急搶險救援和災后恢復重建規劃提供及時的技術支持。在恢復重建階段，利用衛星遙感對損毀鐵路的修復重建進度、鐵路周邊災害風險點進行持續監測，能為鐵路工程復建和災后安全運營提供信息服務。

1）地質災害。我國西部山區鐵路沿線地質環境復雜，地質災害多發。隨著山區鐵路運營里程的增加，加之突發地震、強降雨等外部因素的影響，山區鐵路沿線存在地質災害重發頻發風險，對鐵路工程建設和安全運行均構成嚴重威脅。衛星遙感是一種重要的鐵路巡檢手段。在地質災害發生前，利用高分辨率光學遙感圖像，結合滑坡等典型地質災害樣本，通過機器學習和人工解譯等方式提取滑坡區域，可為鐵路沿線滑坡風險評估提供基礎數據。利用InSAR 技術，對鐵路沿線地質災害高發區和人口密集區的地表變化進行持續監測，通過差分干涉測量（Differential InSAR, D-InSAR）、永久散射體雷達干涉測量（Permanent Scatterers InSAR, PS-InSAR）、SBAS-InSAR 等方法，能夠獲取高精度的地表形變信息，用于識別和排查地質災害風險隱患區，為地質災害風險詳查提供可靠的風險區范圍。地質災害發生后，基于災后高分辨率光學衛星圖像，能夠分析研判地質災害造成的鐵路線損毀情況，評估鐵路損失量和受損程度。將衛星圖像與高精度DEM 結合，在精確幾何配準的基礎上，構建鐵路沿線虛擬地表三維場景，能夠多角度、大場景地查看和量測鐵路沿線地形地貌和景觀特征，直觀再現沿線地質災害點空間形態分布和立體特征，輔助地質災害成因分析和特征解譯。

2）地震災害。重大地震發生后，會對地震災區鐵路運行和鐵路線設施造成影響，并易加劇鐵路沿線高山峽谷地區地質災害風險。因此，基于震后災區高分辨率衛星遙感圖像，建立三維地理環境場景，與震前影像對比，能夠對鐵路軌道、橋梁、客貨運站等受損情況進行輔助分析和研判，為震后災情統計和核查提供直觀可靠的基礎信息。同時，衛星遙感還能對震后鐵路沿線新增滑坡進行排查，為震后震區地質災害危險性評估，科學制定除險應急方案提供依據。

3）洪澇災害。洪澇災害包括江河洪水、山區洪水、冰凌洪水等，是我國分布范圍廣泛、多發頻發重發的主要災害之一。災害發生前，利用光學遙感影像可定期對鐵路線附近自然環境和洪澇風險源進行監測，制作影像專題圖，跟蹤分析洪澇災害風險情況和對鐵路線影響。洪澇災害發生后，針對災害前后的光學遙感圖像，可采用單波段閾值、譜間關系法、水體指數、面向對象分類以及支持向量機、決策樹、深度神經網絡等方法進行水體提取。對于災后SAR 圖像，通過像元閾值、圖像分割等方法可提取水體范圍。利用圖像差分、變化向量分析、隨機森林等方法實現洪澇災害變化檢測，結合鐵路線分布，能夠分析洪澇災害對鐵路及周邊環境的影響。針對災害前后高分辨率遙感圖像，采用目視解譯、基于對象的變化檢測等方法進行鐵路基礎設施受損情況識別，能夠用于評估路基、橋梁等鐵路設施損毀長度和經濟損失。

4）臺風災害。臺風生成后，利用風云等氣象衛星紅外、可見光云圖等能夠跟蹤監測臺風路徑變化，為鐵路運行方案調整和風險防范提供決策支持。針對臺風引發的暴雨洪澇和地質等次生災害，利用災害前后光學和雷達圖像，對影響鐵路安全運行的洪澇變化區域、地質災害風險區進行監測，并基于高分辨率光學遙感圖像，可監測鐵路設施的受損位置、長度，分析評估受損程度和經濟損失，為應急管理災情統計和核查提供基礎信息。

5）雪災。我國雪災包括牧區雪災、雪崩、風吹雪等，雪災會阻礙鐵路交通正常運行，嚴重的雪災甚至會造成鐵路線周邊人員生命財產和設施設備損失。雪災遙感監測可采用光學和雷達等傳感器。利用積雪在光學圖像上的強反射特征和雪蓋指數，能區分雪和典型地物，進而統計分析受風雪掩埋的鐵路線路。對于雪崩，通過光學圖像上堆積面的形狀、密度、紋理等特征進行判識，而在SAR 圖像上則根據雪崩發生的前后散射、相位變化進行分析研判，在此基礎上，分析雪崩對鐵路線及周邊環境影響。雪災遙感監測能夠提供雪災風險評估所需的雪災位置、規模等信息，為鐵路沿線科學制定雪災應急方案、開展清雪作業、確保鐵路安全運行提供基礎資料。

6）森林草原火災。森林草原火災是一種突發性強、處置難度較大的災害。在我國西南地區，春季少雨干旱，加之大風高溫，易發生森林火災，嚴重威脅鐵路沿線安全。在林火發生前，利用衛星遙感能開展林火可燃物的識別和分類，用于林火災害發生風險的評估。林火發生后，根據火點在中波紅外的強輻射特性、在遠紅外與其它地物的亮溫差異，利用“風云四號”、“高分四號”（GF-4）等高軌衛星快速定位發現火點位置，結合火點、火線、煙在可見光近紅外、短波紅外的反射特性與圖像特征，通過“高分一號”（GF-1）等極軌衛星跟蹤監測火情擴散蔓延變化，分析鐵路線風險及對鐵路周邊造成的損失和影響。

為新生舉辦白袍儀式起源于1989年芝加哥普利茲克醫學院[9]，近年來白袍儀式也逐漸應用于藥學院，該儀式有利于培養藥學生的專業認同感，激勵新生樹立理想，在學習生涯中努力提高專業素養。美國的佛羅里達大學、加州大學舊金山分校、肯塔基大學、休斯敦大學，加拿大的紐芬蘭及拉布拉多紀念大學、戴爾豪斯大學、滑鐵盧大學等諸多北美高校，每年組織一年級藥學新生參加白袍儀式，學生在儀式上第一次穿上專業的實驗工作服，宣誓成為專業的藥學人[2- 8]。

7）沙塵暴。沙塵暴是我國北方地區主要的災害性天氣，會對鐵路交通的運行和供電線路造成影響。利用“風云二號”掃描輻射儀、“風云四號”先進靜止軌道輻射成像儀等靜止軌道衛星多通道傳感器，能持續監測沙塵暴大范圍的時空演變過程，時間分辨率可達分鐘級，空間分辨率達千米級。通過可見光近紅外、紫外、熱紅外、微波等多種探測波段及其組合，采用目視判讀、亮溫差、指數閾值以及機器學習等方法，實現對沙層區域范圍的動態監測，為鐵路線災害風險評估、鐵路運營線路調整等提供及時有效的沙塵災害范圍變化信息。

3 衛星遙感監測評估典型鐵路災害案例

針對洪澇、地質災害、森林火災和雪災等4 類災害，結合實際案例建立衛星遙感監測評估鐵路災害的技術流程，重點分析衛星遙感數據如何用于鐵路災害的監測評估中，以進一步闡明衛星遙感對于鐵路災害應急管理所發揮的作用。

3.1 洪澇災害

以青藏鐵路鹽湖漫溢風險的遙感監測和2023 年7 月北京市暴雨洪澇災害損毀鐵路評估為例，闡述衛星遙感分析洪澇災害影響的技術方法，展示并分析取得的實際效果。

（1）青藏鐵路鹽湖漫溢風險監測

2011 年9 月，可可西里卓乃湖發生潰決，大量外泄湖水注入鹽湖，導致鹽湖面積擴張。如果鹽湖范圍持續擴大將會造成湖水外泄，溢出洪水將嚴重威脅附近青藏鐵路的安全。GF-1 衛星16 m 寬幅相機（Wide Field of View, WFV）具有多光譜、大幅寬、中分辨率特點，能夠對可可西里鹽湖水面狀態及鐵路周邊環境進行多時相持續監測，進而輔助分析鹽湖漫溢可能對青藏鐵路造成的影響。

采用GF-1 寬幅影像的綠光波段（b2）和近紅外波段（b4）數據，通過歸一化差分水體指數（Normalized Difference Water Index, NDWI）提取鹽湖湖水范圍（圖1）。結果顯示：2011—2019 年鹽湖處于湖面范圍快速擴張時期，圖1（a）、（b）、（c）、（d）分別反映了2014 年8 月23 日、2016 年10 月22 日、2018 年7 月25 日和2019 年8 月13 日GF-1 影像中鹽湖狀態，鹽湖面積分別為144.3 km2、156.5 km2、177.2 km2和205.6 km2，五年間面積累計增加了61.3 km2，年平均增加12.3 km2。其中，在2018 年7 月25 日—2019 年8 月13 日約1 年時間里，鹽湖面積增加了28.4 km2，表明鹽湖面積正在加速擴大。

圖1 青藏鐵路鹽湖漫溢風險監測圖Fig.1 Risk monitoring map of Yanhu Lake overflow on the Qingzang railway

利用衛星圖像上反映的鹽湖面積變化，能輔助判斷鹽湖潰決風險程度。據預測，鹽湖在潰決時面積將達到約220 km2，而2019 年8 月13 日遙感監測的鹽湖面積距潰決閾值僅剩不到15 km2。因此，在鹽湖湖水處在快速擴張階段，如不采取措施，鹽湖湖水可能會在數月內發生漫溢。結合鹽湖周邊地形條件和近年來的擴張趨勢（圖2），鹽湖潰決后，判斷洪水可能向東南方向泄流，將會嚴重威脅青藏鐵路安全。

圖2 2014—2019 年鹽湖范圍變化圖Fig.2 Yanhu Lake area change map from 2014 to 2019

針對鹽湖漫溢的嚴峻風險形勢，2019 年7—10 月，青海省對鹽湖采取了引流疏導應急工程，有效遏制了鹽湖的擴張勢頭。圖1（e）、（f）分別為2021 年9 月19 日和2023 年8 月12 日GF-1 影像，遙感監測的鹽湖面積分別為205.7 km2、204.5 km2，與2019 年8 月13 日鹽湖面積相比范圍不再增大，表明引流疏導應急工程取得了明顯效果，有效控制了鹽湖水位的上漲。至此，鹽湖擴張引發的青藏鐵路洪水風險得到解除。

（2）北京市“23·7”暴雨洪澇災害損毀鐵路評估

2023 年7 月29 日—8 月1 日，受臺風“杜蘇芮”殘余環流等因素影響，北京市遭遇百年不遇極端暴雨洪澇災害，導致河洪、山洪、泥石流等災害并發，嚴重影響鐵路運行并給鐵路基礎設施造成嚴重損毀。

利用災前2023 年6 月6 日“高分二號”（GF-2）衛星全色多光譜數據（Panchromatic and Multispectral Sensor, PMS）和災后2023 年8 月16 日“高分一號”B 星（GF-1B）全色多光譜數據（PMS），結合北京市道路路網數據（OpenStreetMap），開展地物變化信息提取，用于分析評估北京市門頭溝區境內鐵路受損情況。其中，GF-2 衛星PMS 數據和GF-1B 衛星PMS 數據在分別經過幾何校正和融合圖像處理后，能生成1 m 分辨率和2 m 分辨率多光譜圖像。基于災害前后高分辨率遙感影像上地物特征變化，可識別出鐵路沿線山體滑坡等災害位置及其變化信息，研判鐵路沿線災后受損情況，確定鐵路損壞位置與長度等信息。

圖3 顯示靠近沿河城站鐵路受損情況，受損長度為24 m，損毀路段位于北京市門頭溝區沿河城村與向陽口村中部。通過影像變化分析，該地段地勢低洼，暴雨導致路基上方山體滑坡從而覆蓋路基，損壞鐵道。圖4 顯示安家莊站至落坡嶺站鐵路存在受損情況，受損長度為160 m，損壞路段位于北京市門頭溝區呂家坡村。由影像變化分析，暴雨導致路面積水后形成洪流，造成鐵道損壞，威脅該路段車-軌-路的安全。

圖3 沿河城站附近鐵路受損情況監測圖Fig.3 Monitoring map of railway damage near Yanhecheng station

圖4 安家莊站至落坡嶺站鐵路受損情況監測圖Fig.4 Monitoring map of railway damage from Anjiazhuang station to Luopoling station

3.2 地質災害

2019 年8 月14 日，成昆鐵路四川省涼山彝族自治州甘洛縣路段一側發生高位山體崩塌，崩塌物滑落至成昆鐵路線，導致鐵路及相關基礎設施受損。利用多源衛星遙感數據，能夠用于分析災害發生前的地質災害滑移風險、評估災后鐵路損毀等情況，支持鐵路地質災害全過程的應急管理需要。

在災害發生前，利用該地區七景Sentinel-1A 衛星C 波段、VV 極化的合成孔徑雷達降軌數據，能夠分析災前崩塌區附近地表形變情況。七景數據的成像時間分別為2019 年2 月9 日、2019 年3 月5 日、2019 年4 月10 日、2019 年5 月4 日、2019 年6 月9 日、2019 年7 月15 日和2019 年8 月8 日。基于航天飛機雷達地形測繪任務（Shuttle Radar Topography Mission，SRTM）30 m DEM 數據，采用D-InSAR技術，通過SAR 數據預處理、生成干涉圖、差分干涉圖濾波、相位解纏、軌道精煉和重去平、相位轉形變、地理編碼等過程，生成形變圖。圖5（a）表示2019 年2 月9 日—3 月5 日期間形變量，崩塌區域內最大形變量約為-23 mm；圖5（b）表示2019 年3 月5 日—4 月10 日期間形變量，崩塌區域內最大形變量約為-39 mm；圖5（c）表示2019 年4 月10 日—5 月4 日期間形變量，崩塌區域內最大形變量約為-19 mm；圖5（d）表示2019 年5 月4 日—6 月9 日期間形變量，崩塌區域內最大形變量約為-20 mm；圖5（e）表示2019 年6 月9 日—7 月15 日期間形變量，崩塌區域內最大形變量-47 mm；圖5（f）表示2019 年7 月15 日—8 月8 日期間形變量，崩塌區域內最大形變量約為-21 mm。由此可見，在甘洛山體崩塌發生前半年時間里，崩塌范圍內一直處于沉降狀態。而在發生崩塌前兩個月，該區域出現了較大的滑移，在臨近崩塌的7 月下旬—8 月中上旬，該區域又出現了強降雨過程，累計雨量大，從而誘發了山體崩塌的發生。因此，針對鐵路沿線的地質災害，利用InSAR 技術進行持續監測，結合強降水、地震等誘發因素分析，能夠為鐵路沿線災害早期識別研判和防災減災提供有力的技術支撐。

圖5 差分干涉圖Fig.5 Differential interferogram

災害發生后，利用山體崩塌區域2019 年8 月16 日GF-1 衛星PMS 數據和2019 年12 月10 日GF-2衛星PMS 數據，進行幾何校正和全色銳化（Pan-sharpening）融合處理（圖6），對災后崩塌和損毀情況進行分析評估。圖6（a）顯示崩塌區色調為亮白色，山體崩塌總體呈“啞鈴狀”，崩塌體頂部和底部較寬，分別為80 m 和63 m，中間較窄為30 m。崩塌區面積達19 884 m2，頂部海拔高程約為1 236 m，底部海拔高程約為1 002 m，最大高差為234 m，最大崩滑距離約300 m。通過量測，該區域崩塌掩埋成昆鐵路60 m。圖6（b）顯示災害發生4 個月后，經過工程治理，該區域頂部和中部長度為105 m 和57 m，面積為27 909 m2。該崩塌區周邊巖體較為破碎松散，后期受降水等因素影響，仍存在崩滑的可能性。因此，需要持續進行監測，加強鐵路線的防護，并做好成昆鐵路該路段繞線方案的規劃和實施。

圖6 成昆鐵路甘洛縣路段山體崩塌災后影像圖Fig.6 Post disaster image of mountain collapse in Ganluo County of Chengdu-Kunming railway

3.3 森林火災

森林火災會對周邊鐵路線安全構成嚴重威脅。2023 年4 月17 日，云南省安寧市發生一起森林火災，火線距離昆楚大鐵路很近。利用2023 年4 月17 日的GF-1 衛星寬幅影像和GF-4 衛星影像可對火災位置和范圍進行有效觀測。

圖7 展示了經幾何處理后的森林火災GF-1 衛星影像。其中，鐵道數據來源于OpenStreetMap，土地覆蓋數據來源于武漢大學發布的2022 年土地覆蓋數據[27]。圖7 中可見位于圖右側、昆楚大鐵路以北有白色的煙霧，推測森林火災應在煙霧覆蓋區域附近。根據測算，煙霧和昆楚大鐵路最近的距離只有250 m左右，煙霧覆蓋的南北方向距離約為3 km。利用GF-4 衛星400 m 中波紅外（Infrared Sensor, IRS）影像數據，與GF-1 衛星寬幅影像進行幾何配準，聯合開展火情判識和火場情況分析評估。從圖8 中可以看到，黑色圈內有聚集性的異常高值，并且其位置和圖7 中煙霧位置非常接近，推斷圖8 黑色圈內為火災區域。對比土地覆蓋數據，此區域內絕大部分土地覆蓋類型為森林，極少部分為草地和農田。因此，圖8 黑色圈內為此次森林火災發生的位置。經測算，火場區域距離昆楚大鐵路有500 m 左右，如果此次火災沒有及時得到撲救，其擴散蔓延將嚴重威脅鐵路線安全。因此，通過多星聯合的森林火災監測，能夠及時提供火情觀測資料，為火災撲救和鐵路線的應急管理提供有用的監測信息。

圖7 云南省安寧市昆楚大鐵路附近森林火災“高分一號”衛星監測圖Fig.7 GF-1 satellite monitoring map of forest fire near the Kunchu railway in Anning city, Yunnan province

圖8 云南省安寧市昆楚大鐵路附近森林火災“高分四號”衛星監測圖Fig.8 GF-4 satellite monitoring map of forest fire near the Kunchu railway in Anning city, Yunnan province

3.4 雪災

2018 年1 月，陜西、河南、湖北、安徽、江蘇等地出現大雪或暴雪，導致大規模的火車停運，對鐵路運輸安全和通行效率造成不利影響，交通安全風險增加。為分析雪災對鐵路線的持續影響情況，基于GF-1 衛星寬幅影像對陜西部分地區積雪覆蓋情況進行監測。

考慮到該區域云層少，利用GF-1 衛星近紅外譜段積雪強反射特性，提取積雪區域，圖9 中白色表示積雪范圍。圖9（a）顯示2018 年1 月14 日積雪范圍分布。受強降雪影響，陜西省西安、渭南、咸陽等市境內大西高速鐵路、包西鐵路、咸銅鐵路、梅七鐵路、侯西鐵路、甘鐘鐵路等鐵路線受到積雪影響。圖9（b）顯示1 月31 日同一區域的積雪范圍。較之于1 月14 日，雪蓋區域在南部和東北部明顯減少，積雪影響主要集中在包西鐵路、咸銅鐵路、梅七鐵路等部分路段。圖9（c）顯示2 月3 日該區域積雪覆蓋范圍，積雪主要集中在西北部山區，大西高速鐵路、包西鐵路、侯西鐵路、甘鐘鐵路等鐵路線已沒有積雪覆蓋，鐵路運行不再受降雪影響。由此可見，雪災遙感監測能為鐵路部門啟動應急預案、開展鐵路線限速運行、做好除冰除雪和列車運行計劃調整等決策提供有效的信息支持。

圖9 2018 年1—2 月陜西省部分地區積雪覆蓋影像圖Fig.9 Snow cover images in Shaanxi province from January to February in 2018

4 結束語

影響鐵路安全所涉及的主要自然災害包括地質災害、地震、洪澇、臺風、雪災、森林草原火災、沙塵暴等。開展鐵路沿線災害監測與評估對于保障鐵路交通建設和運行安全、促進經濟發展和社會穩定有重要意義。衛星遙感具有探測范圍廣、成像譜段多、多尺度動態觀測等優勢，是監測與評估鐵路災害的重要技術手段，在鐵路應急管理工作中有著巨大的應用潛力。

多年來，衛星遙感在鐵路沿線地質災害早期識別與監測、鐵路規劃與勘查設計等方面取得了卓有成效的應用成果，但對于其他類型主要災害在鐵路領域的全周期運用還較少。為此，本文從災害管理的全過程角度提出了衛星遙感技術在鐵路減災、備災、應急和恢復重建中的應用需求，針對影響鐵路安全運營的主要災害，探討衛星遙感在鐵路致災風險的監測與影響評估中的應用能力。結合洪澇、地質災害、森林火災、雪災等典型災害實例，建立衛星遙感監測評估鐵路災害的技術流程，分析其在鐵路應急管理中的作用效果，為防災減災救災工作提供決策支持。

當前，衛星遙感在鐵路軌道、橋梁等結構受損的精細化判識以及客貨運站、隧道等災損評估上還存在缺陷。為此，文獻[28]提出了“天-空-車-地”多源協同路基災害隱患早期識別與服役狀態監測體系和監測方案，以實現“區域-工段-工點”為主線的星地協同工作模式。因此，深度融合衛星遙感技術與航空遙感、地面監測、移動平臺等天-空-地-人多種監測手段，將進一步提高鐵路災害風險和損失評估的精準性和實用性，為鐵路防災減災救災提供更為全面系統可靠的決策服務信息。隨著新時代“防減救治一體化”的應急管理需求不斷深入以及災害遙感技術的快速發展，鐵路災害衛星遙感應用將日趨成熟，監測評估方法將日益規范和深化，鐵路災害衛星遙感應用前景必將越來越廣闊。