衛星在管線探漏的應用探討

王眾嬌 馬洪坤 潘 拓 高 磊 劉 彤

(哈爾濱航天恒星數據系統科技有限公司，黑龍江 哈爾濱 150000)

1 概述

我國水資源的人均占有量僅為世界人均占有量的1/4，屬于貧水國家[1]，但城市管網的漏損率一直很高，不僅造成水資源浪費[2]，也造成了不小的經濟損失。我國供水管網平均漏損率超過15%，每年經濟損失超過200億元。為了控制供水管網的漏損率，2015年4月，國務院印發《水污染防治行動計劃》(水十條)，對使用超過50年和材質落后的供水管網進行更新改造，到2017年，全國公共供水管網漏損率控制在12%以內；到2020年，控制在10%以內。2016年，國家發展改革委、水利部、住房城鄉建設部聯合印發了《水利改革發展“十三五”規劃》，明確指出全國供水管網漏損率控制在10%以內。

管線探漏的主要方法有利用聲學設備的傳統漏損定位，該方法依賴于水加壓后漏水產生的噪聲(聲音或振動)，不適用于靜態漏損，且探漏過程耗時長；水利模型漏損定位，該方法主要是通過實測壓力或流量值與模擬值的差異最小化定位可能的漏損點，但模型的校準比較困難[3]。

雷達衛星主要有德國的TerraSAR-X(X頻段)、加拿大的RADARSAT-2(C頻段)、意大利的COSMO-SkyMed(X頻段)、以色列的TeeSAR(X頻段)、德國的TanDEM-X(X頻段)、日本的ALOS-2(L頻段)、我國的GF-3(C頻段)等。雷達衛星影像具有不受云、雨、暗夜等條件限制的特點，可穿透植被，獲取土壤信息。目前，土壤中含水量的研究主要應用在農業領域及地下水資源研究，主要是建立后向散射系數與土壤水分的關系[4]。管線漏損會帶來土壤含水量的變化，含水量越高后向散射值越強，這使得衛星探漏成為可能。

2 衛星探漏總體設計

利用雷達衛星的強穿透性，獲取地表影像數據，經多視、濾波等預處理，去除噪聲，獲取地表真實散射。利用雷達信號對土壤水分的敏感，建立地表含水量反演模型，利用土壤含水量越高，雷達影像后向散射越強的特點，提取疑似漏損點位[5,6]。將疑似漏損點位與管線或道路數據疊加分析，縮小待核查的點位數量。采用外業核查的方式，確定漏損點位。衛星探漏總體設計如圖1所示。

2.1 衛星影像數據獲取及分析

國內外雷達衛星波段主要有X(波長2.5 cm～3.75 cm)、C(波長3.75 cm～7.5 cm)、L(波長15.0 cm～30.0 cm)，目前，X波段能夠精確地描述目標的細微形狀，主要用來做冰的觀測、分類以及海面污染情況觀測；C波段主要用來做海洋的強目標觀測，也用于旱澇災害的土壤濕度觀測；L波段主要用于淡水和穿透目標的觀測。對于土壤濕度觀測常采用C或L波段。由于波長越長穿透能力越強，而管線多埋于地下，屬于穿透目標的觀測，因此，數據源應選取含L波段的衛星影像數據最為合適，C波段次之。含L波段的數據源較難獲取，考慮到方法的易實現性，本文采用C波段影像進行實驗，影像情況如表1所示。

表1 數據源

2.2 影像預處理

影像預處理包括多視處理、濾波、地理編碼和定標等。多視處理目的是采用獲取最高的空間分辨率影像，提升影像的可解譯性。濾波目的是消除或者減少影像中的相關噪聲，提高影像的信噪比和可解譯性，提升影像的反演質量。地理編碼目的是使得影像符合真實的地理表面和面積；輻射定標目的是使得像元值真實反映反射表面的后向散射值。處理結果見圖2，實驗區主要包括農田、道路以及少量的房屋。

2.3 地表含水量反演

地表含水量反演對結果影響較大的參數為粗糙度和介電常數。AIEM模型中主要考慮相關長度、均方根高度、介電常數三個參數，其中相關長度、均方根高度代表的是地表粗糙度水平方向和垂直方向的描述。將實測樣本點土壤水分數據導入AIEM模型中，得到樣本點的模擬后向散射系數。將樣本點實測的后向散射系數與模擬的樣本點后向散射系數對比分析，剔除差值大于2的值，建立樣本庫。由樣本庫訓練BP人工神經網絡模型，得到符合樣本庫的BP人工神經網絡參數和結構。將后向散射系數圖轉換成后向散射系數矩陣，輸入訓練后的BP人工神經網絡模型中，得到地表含水量反演結果。處理流程如圖3所示。

2.3.1AIEM模型原理

AIEM是改進的IEM模型，主要改進了模型對地表粗糙度參量和Fresnel反射系數，對反射系數處理不完善。IEM模型與AIEM的模型推導過程比較復雜，可參考文獻[7]進行。AIEM模型是一個物理模型，主要是建立同極化后向散射系數與地表參數和傳感器系統配置參數之間的定量函數關系，地表參數主要包含介電常數、地表粗糙度，傳感器系統參數主要包括頻率、極化和入射角。將AIEM模型參數概念化表示如式(1)所示：

(1)

2.3.2BP人工神經網絡原理

人工神經網絡是包含輸入層、隱含層、輸出層，是通過一定的拓撲結構將簡單的神經元組合起來，構成群體并行式的處理結構。輸入層作用是連接外部輸入模式，并由輸入層遞給相連的隱含層。本次輸入層為建立的樣本庫。中間層作用是內部處理單元層，可以是一層，可以是多層，也可以是零層。輸出層作用是產生神經網絡的輸出模式。一般均方誤差MSE的值越小，R值越接近1，則神經網絡模型越優，將此時神經網絡的各參數保留，作為反演整幅影像含水量的參數。BP神經網絡訓練結果見圖4，土壤含水量反演結果見圖5，圖5中白色方框亮度值較高，表示其含水量較高，可能為漏損點。

2.4 疑似點位提取及核查

對土壤含水量反演結果進行分析，設定閾值，求取疑似漏損點位。將提取的疑似漏損點位與管網或道路數據基于同一坐標系下進行疊加分析，將有管線或道路數據且含水量較高的點位進行提取，剔除部分疑似點位，縮小待核查范圍。核查采用聲學設備，為減少外部噪聲干擾，聽音時間選擇在凌晨0點～4點，每個疑似點位重復聽取3次，以判斷該點是否為漏損點。如果條件允許也可以在疑似點位進行開挖驗證。疑似漏損點位見圖6，圖6a)為疊加道路數據的含水量分級圖，圖6b)為局部放大圖，其含水量較高的區域為紅色，將含水量高且離道路較近的點判斷為疑似漏損點。

3 衛星探漏應用分析

雷達衛星探漏不受天氣和地質環境的限制，且具有監測范圍大的特點，理論上每次衛星過境都會拍攝一次影像，就可實現過境區域的全范圍漏損監測，可實現對漏損區域情況的整體把握。利用衛星監測結果，指導外業探漏工作，減少盲探，有助于提高工作效率。衛星探漏采用的是經驗模型，區域不同準確率也存在差異，需要實地采樣來保證模型的精度，衛星探漏只是縮小傳統探漏范圍，其提取的疑似結果，仍需外業核查，因此，無法取代人工探漏，但其可以縮短監測范圍的調查周期，減少核查人員的工作量，因此，在實際應用中具有一定價值。

4 結語

衛星探漏可以解決大場景疑似漏損點位的快速提取，但提取精度需要進一步校核。因此，不同的反演算法混合應用以及探漏模型研究提升精度是進一步的發展方向。同時，現有模型研究針對的是植被或裸土地表的研究，針對城市復雜地物特點的土壤水分反演也是有待進一步研究的方向。