Удалённое зондирование в гражданском строительстве: повышение устойчивости прибрежных и подверженных наводнениям районов

Планирование инфраструктуры и управление активами

Перед строительством дорог, мостов, морских стен или дренажных сетей инженерам-строителям нужна подробная информация о местности. Стерео-спутниковые снимки и фотограмметрия дронов производят ортофотоснимки и ДЭМ высокого разрешения. Обнаружение и ранжирование света (LiDAR) с воздуха или дронов создает 3D-облака точек, которые проникают в растительность, чтобы выявить голую поверхность земли. Эти модели необходимы для гидрологического и гидравлического моделирования, картирования риска наводнений и выравнивания маршрутов. В подверженных наводнениям районах данные дистанционного зондирования помогают идентифицировать естественные дренажные структуры и потенциальные зоны хранения наводнений, уменьшая необходимость дорогостоящих подземных исследований.

Моделирование штормового наступления и затопления

Водно-болотные угодья и мониторинг экосистем

Прибрежные водно-болотные угодья (болота, мангровые заросли, морские травы) действуют как естественные буферы против штормовых волн и наводнений. Дистанционное зондирование с помощью мультиспектральных и гиперспектральных датчиков может со временем отображать виды растительности, здоровье и изменения. Например, временные ряды Landsat показывают потерю болот из-за повышения уровня моря или гидрологических изменений. Инженеры включают эти данные в природные решения (например, восстановление болот, живые береговые линии), которые получают признание в качестве устойчивой защиты от наводнений.

Преимущества дистанционного зондирования для гражданского строительства

Широкое распространение дистанционного зондирования в прибрежных районах и управлении наводнениями обусловлено явными практическими преимуществами.

• Экономическая эффективность: Одно спутниковое изображение, охватывающее тысячи квадратных километров, стоит гораздо меньше, чем наземное обследование эквивалентной детализации, особенно для повторного мониторинга.
• Своевременность и регулярность: Спутники каждые несколько дней посещают одну и ту же область, и дроны могут быть развернуты по требованию. Это позволяет быстро информировать о ситуации во время чрезвычайных ситуаций и долгосрочного обнаружения тенденций.
• Доступность: В доступной местности (марши, нестабильные береговые линии, глубокие воды) удаленные датчики собирают данные, не подвергая персонал риску.
• Многоспектральный и многовременный анализ: Различные длины волн выявляют невидимые невооруженным глазом особенности (например, стресс растительности перед катастрофой, подводная топография в прозрачной воде).
• Интеграция с ГИС и моделирование: Данные дистанционного зондирования поступают непосредственно в географические информационные системы (ГИС) для пространственного анализа и в гидрологические/гидравлические модели для прогнозирования наводнений. Этот цифровой рабочий процесс ускоряет итерации проектирования и утверждения регулирующих органов.
• Масштабируемость: От локального исследования беспилотников до спутниковой программы континентального масштаба дистанционное зондирование поддерживает проекты в каждом масштабе, от одного дренажного кульверта до национальной стратегии береговой обороны.

Проблемы и ограничения

Несмотря на свои сильные стороны, дистанционное зондирование не является панацеей. Гражданские инженеры должны понимать его ограничения для надлежащего использования данных.

Пространственное и временное разрешение торговых операций

Высокое пространственное разрешение (подметр) часто имеет узкую ширину полосы и более длительное время повторного посещения или более высокую стоимость. Например, спутниковое изображение с разрешением 30 см может стоить более 20 долларов за км2, что делает его неэкономичным для рутинного мониторинга большой площади. И наоборот, бесплатные изображения Landsat (30 м) могут не захватывать небольшие функции эрозии или отдельные здания. Инженеры должны сбалансировать стоимость, охват и детали в зависимости от потребностей проекта.

Облако и погодная помеха

Оптические спутники не могут видеть сквозь облака, которые часто встречаются в прибрежных и подверженных наводнениям регионах (особенно во время штормов). В то время как SAR проникает в облака, у него есть свои собственные проблемы интерпретации (шум очков, сложные геометрические искажения). Пользователи должны планировать неоптимальные изображения и иметь готовые альтернативные источники данных.

Объем данных и сложность обработки

Обследования со спутников и дронов с высоким разрешением генерируют терабайты данных. Обработка необработанных изображений в пригодные для использования карты требует специализированного программного обеспечения (например, ERDAS IMAGINE, ENVI, альтернативы с открытым исходным кодом, такие как QGIS с GRASS) и квалифицированных аналитиков. Машинное обучение все чаще используется для автоматизации классификации, но обучение модели требует больших наборов данных с маркировкой, которые могут не существовать для местных условий.

Атмосферные и радиометрические коррекции

Значения отражения, регистрируемые датчиками, зависят от атмосферного рассеяния и поглощения, а также калибровки датчиков. Для обнаружения изменений или количественного анализа (например, вычисления глубины паводка из отражения) необходимы строгие корректировки. Неправильные корректировки могут привести к ложным выводам. Гражданские инженеры часто полагаются на государственные учреждения (USGS, ESA) для атмосферно корректируемых продуктов, но для данных беспилотников могут потребоваться пользовательские корректировки.

Вертикальная точность для инженерного проектирования

В то время как спутниковые DEM (например, от WorldView stereo) могут достигать вертикальных точности 0,5-2 м, этого недостаточно для многих инженерных проектов (например, подъемы гребня леви, глубины фундамента). Воздушно-десантный LiDAR обычно дает вертикальную точность 10-20 см, но это дороже. Дроны с RTK GPS могут достигать точности 5 см для небольших областей. Инженеры должны проверять вертикальную точность через наземные контрольные точки и использовать соответствующие данные для требуемых допусков конструкции.

Специализированные навыки и обучение

Принятие дистанционного зондирования в фирме гражданского строительства требует инвестиций в программное обеспечение, оборудование и обучение. Университеты теперь включают дистанционное зондирование в учебные программы, но многие практикующие инженеры нуждаются в непрерывном образовании. Партнерство с консультантами по геопространственным вопросам или федеральными агентствами может преодолеть разрыв.

Будущие направления и новые технологии

Темпы инноваций в области дистанционного зондирования обещают преодолеть существующие проблемы и открыть новые возможности для устойчивости к прибрежным и паводковым воздействиям.

Искусственный интеллект и глубокое обучение

Алгоритмы машинного обучения могут автоматически классифицировать земельный покров, обнаруживать изменения (например, новые здания в поймах) и даже прогнозировать масштабы наводнений по спутниковым снимкам. Свёрточные нейронные сети (CNN), обученные на больших наборах данных (например, набор данных Sen12Flood) могут очерчивать паводковые воды с точностью, сопоставимой с ручной интерпретацией. ИИ позволит отображать опасности в режиме реального времени и уменьшит необходимость ручного анализа.

Радар с синтетической апертурой (SAR) - рост созвездия

Новые спутниковые группировки SAR (например, ICEYE, Capella Space) обеспечивают частые повторные посещения (ежедневные или даже почасовые) и разрешение субметров. Эти данные произведут революцию в мониторинге наводнений, позволяя обнаруживать наводнения даже под плотной растительностью и городскими навесами. InSAR будет продолжать улучшать мониторинг оседания суши, что имеет решающее значение для оценки относительного повышения уровня моря.

Достижения в области беспилотных авиационных систем (UAS)

Дроны становятся дешевле, более автономными и способными нести мультиспектральные, лидарные и тепловые датчики. За пределами визуальной линии зрения (BVLOS) операции позволят проводить обследования больших районов без постоянного вмешательства пользователя. Рои дронов могут оценивать ущерб после шторма по всему округу за один полет. Регулярное наблюдение дронов за дамбами и стенами затопления станет стандартом для управления активами.

Интеграция с IoT и данными с помощью краудсорсинга

Данные дистанционного зондирования будут все чаще сливаться с наземными датчиками Интернета вещей (IoT) (колеи уровня воды, датчики влажности почвы, волновые буи) и краудсорсинговыми отчетами через приложения для смартфонов. Этот слияние данных улучшит калибровку модели и обеспечит поддержку принятия решений в режиме реального времени. Например, спутник, обнаруживающий сильные дожди, может автоматически вызывать полеты беспилотников для разведки наводнений.

Гиперспектральная визуализация для мониторинга окружающей среды

Гиперспектральные датчики регистрируют сотни узких полос, что позволяет идентифицировать загрязняющие вещества, типы осадков, разливы нефти и инвазивные виды. В прибрежной технике гиперспектральные данные могут отображать размер зерна на пляжах (влияя на скорость эрозии) или обнаруживать ранние признаки отмирания мангровых зарослей. По мере того, как гиперспектральные датчики становятся более компактными и доступными (в том числе на беспилотниках), они будут поддерживать дизайн на основе природы.

Облачная обработка и открытые данные