文章

多传感器沿海映射

集成有源和无源传感器提供重大收益

2016年12月15日

辉固测试了一种多传感器方法，以平衡不断增长的数据需求和有限的机构预算。沿海测绘项目正迅速成为全球政府机构的首要任务。更好地定义和理解陆地/海洋界面的愿望是基于几个相互关联的因素，包括海平面上升及其对沿海人口的影响，蓝色经济的增长和依赖，以及在不断变化的景观中维持关键的近岸栖息地的需要。

(由José Martínez Díaz和Don Ventura, Fugro USA)

为了支持其水文制图计划，美国国家海洋和大气局(NOAA)海岸测量办公室与辉固签订合同，在2016年夏秋两个月为美国缅因州的佩诺布斯科特湾提供测量服务。项目场地占地约370平方公里，以龙虾捕鱼业的蓬勃发展和船舶运输量大为特色。根据美国国家海洋和大气管理局的说法，这一区域的大部分地区已经超过60年没有被测量过了，需要进行现代水文测量来更新官方海图(图1)。

最初的任务要求使用安装在沿海船只上的多波束回声测深系统(MBES)进行数据采集。但是，考虑到海湾锯齿状、多岩石的海岸线，辉固认为，用船只对近岸水域进行调查，不仅耗时，而且可能很危险。虽然大量的淹没岩石已经被标记在现有的图表上，但这些古老的数据集是在全底覆盖超声波时代之前创建的。因此，船员需要缓慢航行，以避免未知的危险。此外，调查计划在龙虾季节的高峰期进行，这将进一步妨碍生产力，因为龙虾捕虾器的索具密度很高，而且经常需要避免被缠绕。

替代方法

为了简化调查进度，减少所需人员的数量，减轻财产损失和人员安全，Fugro与NOAA合作，制定了一项调查计划，将基于船舶的MBES与机载激光雷达测深(ALB)结合起来，利用每个传感器系统的优势，以更快、更有效地进行测量。更具成本效益的项目。ALB的使用主要集中在水深不足8米的浅水区。这部分调查以安全和有效的方式满足了NOAA对最小深度信息的制图要求。此外，利用全波形ALB生成的反射率图像提取水面附近和上方的自然和人工海岸特征，可以外推表示海图上陆地边界的平均高潮线。通过ALB数据采集获得的数字图像也产生了正校正图像拼接，显示了调查时的特征和条件。

利用MBES和ALB技术进行测量也促使辉固公司与德国Seefeld的合作伙伴EoMap GmbH合作，在不增加客户成本的情况下，生成卫星导出的水深测量(SDB)数据。SDB调查的目的是根据ALB和MBES调查的有源传感器数据，对其交付成果进行评估。这是Fugro和EoMap进行的大量真实数据比较的最新成果，这些数据有助于量化不同区域情景下的结果，并为未来该技术的使用和应用制定战略。

深发展的方法

从多光谱成象源生成水深测量有多种方法。EoMap使用了一种基于物理的方法，旨在重建可见光和近红外光谱信息的损失，这些信息发生在卫星传感器的光穿过大气和水时。通过解决这些光传递问题，EoMap可以检索环境的光学特性，以标准化海底反射测量值，并提供水深估计。

经过彻底设计的专门算法工作流程，将原始卫星图像校正为环境人工因素——大气气溶胶含量、陆地邻接(地球表面的高反射率)和水面上的阳光反射等——然后使用各种区域水类型的光学模型。用这种方法可以得到更精确的水深估计和海底反射率。这个过程远远超出了使用经验方法或摄影测量技术所能做到的;前者由于依赖未经校正的原始图像而大大退化，而后者纯粹是成本和时间效益(图2)。

结果

考虑到两个系统的技术来源互补，对ALB和SDB的比较尤其有用。虽然ALB是一种主动传感技术，而SDB是一种被动传感技术，但两者都依赖于光通过大气和水介质的物理特性。因此，两者都能够实现在很大程度上重叠的测深结果，主要受SDB最大深度探测的控制。重叠区域的水深相关性是SDB方法评价的主要兴趣点之一:至少，SDB获得的结果证实了其作为测量项目规划的工具，补充了MBES和ALB测量。图3a、3b和3c显示了三个数据类型叠加的示例区域。

对于NOAA来说，SDB的主要好处是能够在不需要主动传感器探测固有开销的情况下生成数据。缺点是，水深提取算法的绝对垂直精度还不能满足独立产品的航海图要求。然而，用户可以从SDB获得的初步结果中至少做三件事:

利用这些数据为后续的、更有效的可量化MBES和ALB测量技术提供侦察信息(对地图不太好的地区进行聚焦)
对开发或海防/监测的最关键领域进行更离散、更高分辨率的调查
使用主动传感器数据来改进原始的SDB结果，从而创建一个定义更好的集成产品，可以开始获得更广泛的利益相关者群体可以接受的精度。

它还使人们认识到发达的卫星图像算法的好处，从多光谱分析中提取更稳健的栖息地分类。尽管在深度和光学水体清晰度方面的覆盖范围有限制，但SDB的栖息地分类至少与使用MBES后向散射、干涉声纳或测深激光雷达进行的类似模型相当。这种假设是有逻辑的。基于物理的方法工作流，如由EoMap开发的，旨在提取海底反射率作为其主要结果;为了达到这个结果，提取水柱(我们将其作为水深说明)只是这个过程的一个元素。因此，与栖息地映射相关的算法不是一个补充，而是整个图像分析工作的基础。然而，与其他高阶测量数据相结合，SDB还可以帮助创建符合客户规格的水文测量数据集，以非常经济的方式。

持续改善

在撰写本文时，SDB与主动传感器数据集的对比分析正在进行中。从多个平台调动多个测量传感器，从相互补充和重申的传感器获取数据，并将数据处理成各种数据产品和衍生产品的能力，实现并超越了专注于海图更新的水文测量的预期。它还提供了对其他从大面积基线映射中派生出来的应用具有重要意义的结果。在过去的十年中，MBES测量与ALB测量相结合，在浅水和海岸线的测量中效率得到了提高。SDB通过提供计划更安全和更经济有效的近岸勘探所需的信息，进一步提高了这些优势。