高分遥感在交通领域中的应用状况与趋势分析

黄俊松 鲁士仿 彭向阳 鲁 伟 许成涛 吴 岚

(1. 中电莱斯信息系统有限公司, 江苏 南京 210007; 2. 江苏省交通通信信息中心, 江苏 南京 210007; 3. 中设设计集团股份有限公司, 江苏 南京 210014)

0 引言

21世纪以来,卫星遥感已进入高分辨率时代,其中分辨率的提高使得探测和表达地物更加精细、准确和快速。采用人工或计算机解译等技术,可从影像中获得土地利用、植被覆盖、灾害分布以及土壤含水量、地表沉降等信息,能为交通规划设计、建设监管、运营养护、执法监督、灾害应急提供翔实可靠的分析资料,满足用户不断增长的多样化、特色化需求,如交通、精准扶贫[1]。

1 高分遥感概况

遥感在交通领域的应用出现很早,20世纪70年代学者便利用卫星影像开展道路的识别提取。随着遥感卫星进入亚米级、高光谱、快速重访的高分辨率时代,其在交通领域的应用越来越广。另一方面,我国高分重大专项的成功实施,打破了过去依赖于国外卫星数据的局面,所产生的数据逐步替代了近80%的同等分辨率的国外卫星数据[2-3],进一步促进了高分遥感在交通领域的应用。

高分遥感一般体现在“四高”:高空间分辨率、高时间分辨率、高光谱分辨率以及高辐射分辨率。其中,空间分辨率体现的是卫星对地物的辨别能力,空间分辨率越高,地物被刻画的越精细,越容易被辨别;时间分辨率体现的是卫星对目标的动态监测能力,时间分辨率越高卫星对目标的动态监测能力越强,越能捕捉地物的动态变化过程;光谱分辨率是指能被卫星传感器监测到的最小波段宽度,一般而言,波段越窄,则波段数越多、光谱分辨率越高。在划分标准上,一般把空间分辨率优于1 m的影像称为高空间分辨率[4],而时间分辨率、光谱分辨率如何为高则随应用场景的不同而不同。根据行业经验,一般一天以内至数天可为高时间分辨率、数十个至数百个谱段可为高光谱分辨率。高辐射分辨率数据在交通领域应用较少,在此不做叙述。满足上述标准并在交通领域常用的高分遥感卫星如表1所示。

表1 高分遥感卫星及其相关参数

2 高分遥感在交通运输领域的应用

2.1 信息提取技术

高分遥感是对地表所有地物的客观表达,真实地记录了地物相关信息,其在交通领域的应用前提是信息的获取[5-6]。各类信息的提取主要有三种方式:人工提取、计算机自动提取以及定量反演。

人工提取是利用地物在影像中的颜色、形状、大小、纹理、空间关系等特征,通过目视判别、影像比对、矢量化标绘等方式,直接从影像中提取各类地物信息及其动态变化的有效手段。人工提取精度常依赖专业人员的知识、经验和所掌握的资料以及影像本身的时空分辨率等。当目标尺寸与影像空间分辨率处于相近或更小尺度时,人工提取往往存在一定困难,因而需要进行知识推理以及必要的实地调查和验证。人工提取的优点是精度高,缺点是工作量大、重复性强,特别是针对海量遥感信息的提取存在明显短板。

进入遥感大数据时代,海量、多源异构信息的提取不可能完全依赖人工,计算机自动提取是未来发展趋势[7]。计算机自动提取是基于目标地物的各种影像特征,例如颜色、大小、形状、空间关系等,综合运用地学分析、图像处理、模式识别与人工智能技术,实现对信息的智能化、自动化获取。以大样本为基础,综合图像融合、机器学习、图像分割等技术,计算机已能较好地提取影像中飞机[8]、车辆[9]、机场[10]、交通枢纽[11]等交通目标信息以及土地覆盖[12]等非交通信息。计算机自动提取在效率上有显著优势,但识别的准确性依赖样本库大小、模型精度等,其与人工手段之间的关系是相辅相成的。

定量反演是建立待求参量与地物实测信号(例如光谱反射率、相位)之间的数学或物理模型,通过求解该模型实现对待求参量的获取。例如,通过合成孔径雷达干涉(Interferometric Synthetic Aperture Radar, InSAR)技术,建立地表位移或高程与像元相位之间的定量模型,可以从影像中获取交通目标形变信息等。

2.2 信息应用场景

2.2.1在规划设计中的应用

交通规划设计需要做大量的调查、测量和分析工作,以准确把握交通现状并对未来发展做出可靠预测[13]。传统调查手段方式比较费时费力,缺乏对面上宏观信息的把握。高分遥感兼具宏观调查以及微观详查能力,可为规划设计提供各类客观准确的信息。主要应用场景有交通综合调查与制图、交通选址(选线)、交通流量分析等。

(1)交通综合调查与制图

高分遥感客观记录了各类地物信息,是交通综合调查(勘察)的主要资料。通过人工或计算机的方式可方便地从影像中采集交通设施[5]、路网[1]、土地利用、居民地、地形地貌地质[14-17]等各类信息。例如,在农路调查方面,笔者团队利用高分遥感影像掌握了高淳、灌云等地公路建设现状及农村公路长度、宽度等相关基础信息,辅助对农路建设状态的核查。在地质调查方面,戚浩平等利用两组高分遥感影像获取了329国道北仑至三山沿线的地形地貌、区域断裂、局部断层、岩浆岩等信息并进行了验证,为公路工程的设计和施工提供了帮助[15]。中国煤炭地质总局航测遥感局、陕西省公路勘察设计院等单位利用光学和SAR影像在交通地质勘察中也做了大量应用工作,获取了线路走廊不良地质分布情况等信息[16-17]。将从高分遥感影像中获取的大量信息进行分层标注,可以制作交通“一张图”,直观展示各类交通和非交通要素的位置、形状、大小、分布、空间关系等各类信息,便于交通指挥和决策。

(2)交通选址(选线)

交通选址(选线)是一个复杂过程,需要考虑地表自然、人文甚至经济社会因素。高分遥感以其观测范围大、信息丰富的特点,可用于获取各类信息,如交通网络、道路流量、居民区分布、地质隐患、地表沉降等。对这些多源异构的各类空间和非空间信息,经过数据清洗和融合,采用地理信息系统(Geographic Information System, GIS)空间分析技术可确定合理的选址区域和最佳的规划路线[18]。

(3)交通流量分析

基于人工或计算机提取技术,利用亚米级高分辨率卫星影像可对车辆、船舶等交通工具及设施进行提取、检测、分类和定位,辅助交通流量分析,为交通规划提供有利数据支持。相比传统地基检测手段,通过高分遥感获取的交通流量信息宏观性更强,一次观测可获取上百至千平方公里(城市)范围内的所有路网流量信息,但是缺点是时效性不够,不能反映交通流的动态变化。通过对区域交通流量进行时间序列分析,可以掌握路网流量现状以及预测未来发展规律,服务路网科学规划[19]、交通限行决策[20]以及出行服务[21]。

2.2.2在建设监管中的应用

高分遥感从上帝视角俯瞰整个交通工程,可获取交通工程及其周边的全貌信息,有利于掌握施工安全、建设进度和环境保护信息。主要应用场景有:建设进度监测、物料堆放监测、非法侵占监测、土方规模量算和三维制图和显示等。

(1)建设进度监测

利用多高分遥感影像数据,结合土地利用规划、土地征拆计划、工程建设计划等信息资料,对区域内的工程地块进行定期、定点监测,可全面跟踪地块从征收、拆迁、整理、开工、建设、竣工的全生命周期过程,为工程的有序稳步推进提供数据支持和分析支持。

(2)物料堆放监测

对于大型和超大型工程而言,专业人员通过目视解译方式可从亚米级遥感影像中判别出物料的堆放位置、规模甚至类别,从而辅助工程的安全监管。当前,通过高分遥感对物料堆放进行监测尚难做到以d为单位,但通过遥感定期监测可起到抽查作用。

(3)非法侵占监测

交通工程建设及运营过程中,会划定红线控制区,该区域通常不允许新建建筑物、构筑物等。对于线状交通工程而言(例如高速工程),由于工程施工线路长,人工很难做到对每处非法侵占行为的排查。而在高分遥感影像上,工程概貌一目了然,以工程施工区域为中心划定红线控制区,通过多时期高分遥感影像比对或变化检测技术[22],可以容易地判定红线控制区内是否存在非法侵占以及,侵占物的位置和面积。

(4)土方规模量算

高分数据为工程建设提供内容全面、影像清晰、定位准确的空间信息,结合地形图和DEM数据等,根据拟建工程的宽度、长度等信息,利用高分影像可以对拟建公路的土石方、桥梁、隧道建设等施工量进行估算,并掌握施工进度情况。

(5)三维制图和显示

高分遥感中采集的工程施工区域、物料堆放点和类别、绿植面积、红线控制区等信息可在电子地图、影像地图中进行更新,结合DEM等数据,可以制作工程施工的三维可视化地图,实现科学直观的监管。

2.2.3在运营养护中的应用

交通运营养护首要关注安全。高分遥感不仅可辅助掌握工程本身及周边环境等面上信息,通过定量分析亦能探测影响运营安全的不良因素。主要应用场景有:基础设施形变监测、路面老化状态监测、路域环境监测等。

(1)基础设施及地表形变监测

基础设施形变或地表形变都对基础设施的安全运营产生重大影响,是开展基础设施安全评价与管理的基础和重要组成。采用时序合成孔径雷达干涉(Time-Series InSAR,TS-InSAR)测量技术,处理目标区域的长时间序列高分辨率SAR影像,可以获取区域内地表形变以及轨道交通、桥梁、高铁线路、高速公路、机场、场站等基础设施形变,精度可达毫米级。该技术相比传统以点代面的测量手段(如GPS测量、水准测量)而言,有效地缩短了观测周期,扩大了测量范围,具有全天候、全天时工作特点。

(2)路面老化状态监测

高速公路、城市公路等在运营过程中会发生路面老化,影响行车安全。不同程度老化路面其理化属性不同,在高光谱影像中反映的光谱特征有所差异。基于这一原理,利用高光谱遥感影像绘制不同程度老化路面的光谱曲线,同时结合实地勘测数据,可以建立不同老化程度路面的特征库,通过将路面的光谱曲线与该特征库进行比对,即可确定路面的老化程度[23]。

(3)公路域环境监测

公路交通运营难免会对周边环境产生一定影响,例如空气污染、植被破坏、水土流失等。高分遥感数据不但包含地物的几何结构和纹理信息,而且蕴含准确、精细的自然环境信息与生态背景信息,因此能够针对上述环境影响因素对公路周边环境影响进行有效监测与评估[24]。具体包括:①公路域空气污染监测:通过高光谱卫星数据,例如我国的高分5号卫星数据,可以探测计算公路域周边的空气组成成分,监测有害气体含量是否超标,并结合路面尾气排放探测器实际测量的数据估算公路车辆每天的尾气排放量,从而评估高速公路是否会给自然保护区环境及其他环境带来负面影响。②公路域植被破坏监测:采用高光谱数据或高空间分辨率数据,配合地面手段,对不同健康情况下的植被光谱反射率的差异进行识别,获取植被健康状况信息并生成植被覆盖度产品。

2.2.4在执法监督中的应用

交通执法监督过程中有时候面临取证难、取证不及时的问题。高分遥感采用非接触式成像,非常有利于人力无法到达或不便到达现场的取证工作,且取证工作具有隐秘、客观的特点,在时效性上亦能满足多数场景的要求,如长江航道非法码头整治监测、高速公路控制区监测、航道非法采砂监测等。

由于监测原理类似,这里以非法码头整治为例。传统的整治流程是由地方上报非法码头信息,经备案后开展整治,整治完后在岸上布设视频监控,防止拆后复建。这种方式比较费时费力,可能会存在漏报、瞒报现象。通过高分遥感能为非法码头整治工作提供良好的空间信息支撑,在信息获取的全面性、准确性方面更具优势,与传统手段形成补充。具体而言,码头的形状和空间特点等特征使得其在高分影像中容易通过人工或计算机智能提取方式识别标绘,帮助摸清航道码头数量,在此基础上套合交管部门备案的合规码头数据,即可比较准确地确定非法码头位置,从而支撑非法码头整治工作。另一方面,利用多时期高分影像定期观测航道码头,通过影像比对或变化检测技术,可帮助判定是否拆后复建、是否有码头新增等,为执法监督提供客观及时线索。

2.2.5在灾害应急中的应用

作为非接触式观测手段,高分遥感具备快速响应能力,是掌握受灾范围、评估受灾损失、开展灾害应急的第一手资料。高分遥感在交通灾害应急中的应用主要有:灾前早期识别、灾后监测与制图等。

(1)灾害早期识别

传统监测办法是在重点路段或区域布设地基传感器,例如线圈、隧道光强检测器、视频监控、GNSS监控等,这些设备的监测结果实时传输到后台存储计算中心,如果超过阈值则系统自动告警。这种监测方式是实时的,自动化水平高,但只能聚焦于点上监测,难以做到对整个路段或区域灾害风险的全面监测和评估。高分遥感可大范围、周期性地对目标区域观测,通过周期性影像上丰富的几何和光谱信息,结合一定的专业知识并(或)采用定量反演技术,可以解译出早期风险隐患点。例如,根据滑坡体的形状和与周围岩的亮度差异,可以解译出滑坡体的位置,崩塌常见于公路两侧陡崖或陡坎处,常具有弧形、三角形和新月形等形状特征,在坡脚可见倒石堆[25-26]。这些都是遥感影像上地质灾害早期识别的标志。另一方面,由于地表形变是(地质)灾害监测预防的重要观测指标,与滑坡、崩塌、塌陷甚至地震的发生呈关联关系,能客观反映灾害从形成、发育到激发的过程。当灾害风险区与周围区域并无明显差异、目视解译失效时,利用目标区域的多景SAR影像,通过时序InSAR技术,可以定量反演出区域的地表形变,进而分析灾害可能发生的位置、规模、以及发生时间,为交通风险评估和安全预防提供支撑。

(2)灾后监测与制图

灾害发生后,利用高分辨率可见光遥感卫星和SAR卫星,可以大范围、快速获取和掌握公路灾情信息,能够在短时间内对道路损毁位置、规模等信息进行采集,可较精确地开展交通线损毁评估、洪水淹没交通线评估、灾区交通运行状态监测等应用,并形成专题产品和评估报告,为领导决策和指挥提供技术保障。

2.3 数据选用原则

交通规划设计中一项重要工作即是交通综合调查与制图,重在对静态信息的获取,强调信息获取的精细化程度,对动态变化信息获取要求并不高。因而,首要考虑的因素是空间分辨率,卫星重访能力其次,影像光谱分辨率最次。从已公开的文献和实践经验看,优于5 m的空间分辨率基本满足要求[5-6]。但并不是空间分辨率越高越好,因为越高的空间分辨率往往幅宽越窄且采购成本越高。因此需要结合具体的应用场景选择空间分辨率。

建设监管领域分为诸多应用场景,不同场景其监管目的不同,但不外乎对空间分辨率和对时间分辨率的要求。对交通工程建设的监管而言,目的在于全面了解工地概况、设施分布、周边情况、建设进度等信息,重在信息获取的全面性和精细化,因而亚米级分辨率影像应用较多。在时间分辨率上亦有一定要求,笔者团队经验是以月度为单位进行观测即可(成本上用户也能较好地接受)。对农村公路建设监管而言,重在调查农村公路建设和上报情况,由于农路宽度较窄,容易受周边环境影响,因而更强调目视可见,一般利用亚米级影像,例如高分2号、北京2号等,开展农村公路建设的核查监管,而在时间分辨率以满足影像比对要求为准,季度或半年度的监测频次为宜。

运营养护比较关注影响交通运行安全的信息,例如路面裂缝、路面坑洼、路面沉降、路面老化等情况。对于路面裂缝和坑洼而言,其空间尺度较小,即使是亚米级分辨率影像也难以发现。但如果坑的直径达到甚至超过影像空间分辨率,则利用高空间分辨率影像有发现坑洼的可能。对于路面沉降信息,无法从目视上获取,但可利用InSAR技术获取。这时一般要求SAR影像分辨率优于路面宽度,时间分辨率越小越好,例如Cosmo-Skymed、TerraSAR-X卫星影像等,否则容易导致形变测量点精度不准、数量不足、定位不准。对于路面老化而言,目的在于评估路面的老化程度,为路政养护提供数据支撑。路面老化程度的辨别,是基于不同老化程度的路面其理化性质不同,因而特征性光谱曲不同。在路面老化程度评估中,高光谱分辨率影像是优先选项,其次是影像的空间分辨率,例如Worldview-3卫星影像。

在交通执法监督上,监管或执法者关注地表的动态变化,以捕捉违法或违规线索,同时要求线索获取的准确性和及时性。因此,在这类应用中更关注高空间分辨率和高时间分辨率。例如,在高速公路控制区管理和城市交通控规中,不允许未经批准在两侧控制区红线内新建建筑物或构筑物,这时取证的精准性尤其重要。如果空间分辨率不足,则难以有效辨识是否越过控制区或红线。同时,交通执法监督对时效性要求也较高,如果两景影像之间间隔太大,则难以及时捕捉红线侵占行为和目标物,也就难起到震慑作用。根据笔者团队经验,以月为单位的观测频次即可满足大多数应用场景需求。

对于交通灾害应急而言,毫无疑问影像时间分辨率是首要考虑因此,其次是空间分辨率。卫星星座相对单星而言,可调用的卫星数量更多,应急情况下对影像数据的保障能力更强。根据笔者团队经验,一般情况下,综合多卫星24 h内可获取目标区高分遥感影像。

3 存在问题与发展趋势

3.1 存在问题

高分遥感在交通运输业的应用需求巨大,目前已取得不少成功经验,但在产业化路上仍存在一些问题和挑战。

(1)高频次观测需求下总费用偏高

经过十几年的发展,特别是高分重大专项实施以来,影像单价已降到一个较低水平。但在需要高频次观测的应用场景中,总费用(影像单价乘以观测次数)仍然偏高,有时会超过用户心理预期。为降低成本,只能降低观测频次,但可能会带来应用效果打折扣的不利影响,进而影响交通遥感的产业化推广。

这一矛盾有望通过创新采购模式以及降低价格解决。例如,按实际面积而不是按景采购数据,则用户不需为非感兴趣区负担费用。此外,未来随着技术不断进步,卫星数据源(特别时小卫星)不断丰富,采购成本必将进一步降低。解决这一矛盾将有利于交通遥感产业化的形成。

(2)信息自动化提取还存在不小挑战

遥感大数据时代,信息自动化提取已经取得不小进步,可大大提高信息的提取效率,这是未来发展的重要趋势。但是不同源影像之间在辐射和几何上的差异以及同源影像因受光照、地形、入射角等影响,都会导致同类目标间存在差异,再加上目标本身的颜色、形态、大小、光谱特征也不同,这都给不同传感器影像上、不同分辨率条件下等复杂环境下信息自动提取带来挑战。因此这依然是一个难题,是限制遥感业务化应用的瓶颈因素之一[25]。这一问题的解决可在数据处理端考虑多源数据融合、数据同化、尺度转化等问题,在推理端建立影像从感知、认知到推理、决策的系统的类脑解译理论和方法。

(3)影像数据质量和分析精度问题

遥感数据的时空分辨率与交通实际应用的精度要求还存在一定差距。光学遥感只能在白天、无云、天气良好情况下工作,微波遥感虽能在夜间和不良天气条件下运行,但可读性较差、空间分辨率相对较低。例如,西部地区或在交通灾害易发的山区,往往水汽聚集,能见度低,公路易受复杂地形的阻挡,这些都限制了高分遥感在交通领域的应用。这就需要加强高光谱、多角度、多时相、多传感器的结合,开展天空地一体化的协同观测,不断提高数据获取能力和质量。

3.2 发展趋势

(1)遥感卫星重访周期将极大缩短

在资本、技术和需求的三重推动下,卫星设计、制造、发射和运营成本将不断降低,在轨高分遥感卫星数量将极大丰富,卫星的重访周期将极大缩短,有望达到小时级甚至分钟级,这将促进交通遥感行业应用和产业化形成,道路交通流、港口船舶、危化品运输、海洋溢油、盗采河沙等的实时性监测成为可能。目前,各国竞相发展的(微纳)卫星星座计划已表明此种趋势。

(2)遥感卫星将变得更加智能

卫星影像下传后需经人工或计算机处理才交付用户使用。但随着人工智能技术在星上的应用,这一过程有望在星上完成,使得数据的获取、处理和分发将更加精准高效。例如,美国在EO-1卫星上测试了在轨星上云判、任务规划和目标识别技术,使卫星具备自主决策、自主执行高优先级任务和对洪水、火山爆发等灾害事件的目标识别能力。国内在该领域也开展了研究,攻克了在轨辐射校正、几何校正、区域提取、云判以及目标检测等技术[27-29]。

(3)海量数据传输效率将极大提高

高分遥感影像具有大体量的特点,海量影像的传输面临不小挑战。5G技术具有高速、低时延传输特点。随着5G技术投入商用,无线设备的数据传输速率将得到飞速提高,这为大体量卫星影像实时、高速传输提供可能,为大区域的持续性观测创造条件,将极大丰富交通遥感的应用领域,面向消费者端的遥感应用服务将得到快速发展。

(4)海量数据处理分析将更加智能

随着以人工智能、大数据分析以及云计算为代表新型技术的不断发展,海量数据的处理、分析和发布将变得更加智能化、自动化甚至实时,大大降低遥感处理和分析成本,从而服务更广泛的各行业政府、企业甚至终端用户,加快产业的形成。例如,基于云计算的遥感信息处理和智能分析服务,可支持专业甚至非专业用户随时随地在线提交任务,一键式获取专业分析产品等等。目前,泰坦公司已拥有泰坦超算平台和云平台,可以付费获取云计算资源,获取影像数据处理分析服务。

(5)通信导航遥感一体化集成应用

通信、导航、遥感的集成已成为交通行业应用重要趋势:平台层面,卫星搭载能力不断增强,构建卫星通信、导航、遥感一体的信息实时服务系统成为可能;应用层面,结合大数据、人工智能、移动互联网等新技术,通信、导航、遥感一体化集成应用将更加顺畅,应用广度可覆盖交通建设、管理、运营、养护全过程,应用深度可在交通业务辅助决策方面取得突破,应用形式将可能在共享服务等方面催生更多的新技术、新产品、新业态、新模式。

4 结束语

本文在介绍高分遥感概况基础上,总结了交通信息提取技术和具体应用场景,分析了高分遥感应用能力和不足,总结不同应用领域的数据选用原则,同时结合从业经验指出了目前在成本、自动化提取和数据可用性方面仍存在的问题和解决途径,最后总结了在人工智能、大数据分析、云计算以及5G技术驱动下,未来高分遥感的发展趋势。得出如下结论:

(1)高分是对地表全要素信息的客观反映,结合人工解译、计算机解译和定量反演技术,可以为交通运输提供丰富的分析资料,在交通运输领域具有广阔的应用前景,但距离形成产业仍有差距,主要表现在数据使用成本较高、自动化提取手段仍不足等方面。

(2)高分遥感数据的选用需要结合具体应用场景和使用成本确定,并不是分辨率越高越好。同时,在不同场景下对空间分辨率、时间分辨率和光谱分辨率的侧重也有所不同。

(3)未来在资本、技术和需求的推动下,遥感数据获取、传输、处理和分析以及分发将朝着智能化、自动化、高效率、实时方向发展,将极大促进交通遥感应用并催生许多新的应用领域,有利于交通遥感产业化形成。