卫星在管线探漏的应用探讨

2020-11-03王众娇马洪坤

山西建筑 2020年21期

王众娇马洪坤潘拓高磊刘彤

(哈尔滨航天恒星数据系统科技有限公司，黑龙江哈尔滨 150000)

1 概述

我国水资源的人均占有量仅为世界人均占有量的1/4，属于贫水国家[1]，但城市管网的漏损率一直很高，不仅造成水资源浪费[2]，也造成了不小的经济损失。我国供水管网平均漏损率超过15%，每年经济损失超过200亿元。为了控制供水管网的漏损率，2015年4月，国务院印发《水污染防治行动计划》(水十条)，对使用超过50年和材质落后的供水管网进行更新改造，到2017年，全国公共供水管网漏损率控制在12%以内；到2020年，控制在10%以内。2016年，国家发展改革委、水利部、住房城乡建设部联合印发了《水利改革发展“十三五”规划》，明确指出全国供水管网漏损率控制在10%以内。

管线探漏的主要方法有利用声学设备的传统漏损定位，该方法依赖于水加压后漏水产生的噪声(声音或振动)，不适用于静态漏损，且探漏过程耗时长；水利模型漏损定位，该方法主要是通过实测压力或流量值与模拟值的差异最小化定位可能的漏损点，但模型的校准比较困难[3]。

雷达卫星主要有德国的TerraSAR-X(X频段)、加拿大的RADARSAT-2(C频段)、意大利的COSMO-SkyMed(X频段)、以色列的TeeSAR(X频段)、德国的TanDEM-X(X频段)、日本的ALOS-2(L频段)、我国的GF-3(C频段)等。雷达卫星影像具有不受云、雨、暗夜等条件限制的特点，可穿透植被，获取土壤信息。目前，土壤中含水量的研究主要应用在农业领域及地下水资源研究，主要是建立后向散射系数与土壤水分的关系[4]。管线漏损会带来土壤含水量的变化，含水量越高后向散射值越强，这使得卫星探漏成为可能。

2 卫星探漏总体设计

利用雷达卫星的强穿透性，获取地表影像数据，经多视、滤波等预处理，去除噪声，获取地表真实散射。利用雷达信号对土壤水分的敏感，建立地表含水量反演模型，利用土壤含水量越高，雷达影像后向散射越强的特点，提取疑似漏损点位[5,6]。将疑似漏损点位与管线或道路数据叠加分析，缩小待核查的点位数量。采用外业核查的方式，确定漏损点位。卫星探漏总体设计如图1所示。

2.1 卫星影像数据获取及分析

国内外雷达卫星波段主要有X(波长2.5 cm～3.75 cm)、C(波长3.75 cm～7.5 cm)、L(波长15.0 cm～30.0 cm)，目前，X波段能够精确地描述目标的细微形状，主要用来做冰的观测、分类以及海面污染情况观测；C波段主要用来做海洋的强目标观测，也用于旱涝灾害的土壤湿度观测；L波段主要用于淡水和穿透目标的观测。对于土壤湿度观测常采用C或L波段。由于波长越长穿透能力越强，而管线多埋于地下，属于穿透目标的观测，因此，数据源应选取含L波段的卫星影像数据最为合适，C波段次之。含L波段的数据源较难获取，考虑到方法的易实现性，本文采用C波段影像进行实验，影像情况如表1所示。

表1 数据源

2.2 影像预处理

影像预处理包括多视处理、滤波、地理编码和定标等。多视处理目的是采用获取最高的空间分辨率影像，提升影像的可解译性。滤波目的是消除或者减少影像中的相关噪声，提高影像的信噪比和可解译性，提升影像的反演质量。地理编码目的是使得影像符合真实的地理表面和面积；辐射定标目的是使得像元值真实反映反射表面的后向散射值。处理结果见图2，实验区主要包括农田、道路以及少量的房屋。

2.3 地表含水量反演

地表含水量反演对结果影响较大的参数为粗糙度和介电常数。AIEM模型中主要考虑相关长度、均方根高度、介电常数三个参数，其中相关长度、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。将实测样本点土壤水分数据导入AIEM模型中，得到样本点的模拟后向散射系数。将样本点实测的后向散射系数与模拟的样本点后向散射系数对比分析，剔除差值大于2的值，建立样本库。由样本库训练BP人工神经网络模型，得到符合样本库的BP人工神经网络参数和结构。将后向散射系数图转换成后向散射系数矩阵，输入训练后的BP人工神经网络模型中，得到地表含水量反演结果。处理流程如图3所示。

2.3.1AIEM模型原理

AIEM是改进的IEM模型，主要改进了模型对地表粗糙度参量和Fresnel反射系数，对反射系数处理不完善。IEM模型与AIEM的模型推导过程比较复杂，可参考文献[7]进行。AIEM模型是一个物理模型，主要是建立同极化后向散射系数与地表参数和传感器系统配置参数之间的定量函数关系，地表参数主要包含介电常数、地表粗糙度，传感器系统参数主要包括频率、极化和入射角。将AIEM模型参数概念化表示如式(1)所示：

(1)

2.3.2BP人工神经网络原理

人工神经网络是包含输入层、隐含层、输出层，是通过一定的拓扑结构将简单的神经元组合起来，构成群体并行式的处理结构。输入层作用是连接外部输入模式，并由输入层递给相连的隐含层。本次输入层为建立的样本库。中间层作用是内部处理单元层，可以是一层，可以是多层，也可以是零层。输出层作用是产生神经网络的输出模式。一般均方误差MSE的值越小，R值越接近1，则神经网络模型越优，将此时神经网络的各参数保留，作为反演整幅影像含水量的参数。BP神经网络训练结果见图4，土壤含水量反演结果见图5，图5中白色方框亮度值较高，表示其含水量较高，可能为漏损点。

2.4 疑似点位提取及核查

对土壤含水量反演结果进行分析，设定阈值，求取疑似漏损点位。将提取的疑似漏损点位与管网或道路数据基于同一坐标系下进行叠加分析，将有管线或道路数据且含水量较高的点位进行提取，剔除部分疑似点位，缩小待核查范围。核查采用声学设备，为减少外部噪声干扰，听音时间选择在凌晨0点～4点，每个疑似点位重复听取3次，以判断该点是否为漏损点。如果条件允许也可以在疑似点位进行开挖验证。疑似漏损点位见图6，图6a)为叠加道路数据的含水量分级图，图6b)为局部放大图，其含水量较高的区域为红色，将含水量高且离道路较近的点判断为疑似漏损点。

3 卫星探漏应用分析

雷达卫星探漏不受天气和地质环境的限制，且具有监测范围大的特点，理论上每次卫星过境都会拍摄一次影像，就可实现过境区域的全范围漏损监测，可实现对漏损区域情况的整体把握。利用卫星监测结果，指导外业探漏工作，减少盲探，有助于提高工作效率。卫星探漏采用的是经验模型，区域不同准确率也存在差异，需要实地采样来保证模型的精度，卫星探漏只是缩小传统探漏范围，其提取的疑似结果，仍需外业核查，因此，无法取代人工探漏，但其可以缩短监测范围的调查周期，减少核查人员的工作量，因此，在实际应用中具有一定价值。