基于影像多级分割的大坝施工范围识别方法研究

赵 琳，曹家印，许 健，奚 歌，索 靖，谢津平

(1.中水北方勘测设计研究有限责任公司，天津 300222；2.天津市测绘院有限公司，天津 300381)

精细化、智能化是当今水利工程发展的大趋势[1]，精细化管理是智慧水利建设对水利工程建设管理的基本要求。随着信息技术的进步，水利工程建设中涵盖的施工过程、监测数据、环境信息、人员设备行为状态等各类数据逐步向自动采集方向发展，实现了对建设过程、人员设备和工程质量安全的高效管控[2]。水利工程建设中大坝工程是一项复杂、综合性强的工程建设，其中大坝施工范围的准确定位对工程建设和监测起着至关重要的作用。传统的人工勘察方式存在效率低下、准确度难以保证等问题，为了提高大坝施工范围识别的精度和效率，基于遥感影像技术的自动化识别成为当前关注的研究热点。

遥感技术具有监测范围广、信息量丰富、客观直接、成本低、周期性等独特优势，通过时序遥感影像对工程建设项目进行监测和分析，可为建设项目管理提供真实可靠的数据支撑[4]。因此，水利工程建设进度遥感监测是实现水利工程精细化管理极为重要的一种手段，对保障工程按期完工、达到预定效果具有重要作用。目前，水利工程建设进度遥感监测的研究已成为当前水利工程建设的研究热点之一。

国内方面，近年来，工程施工范围遥感监测越来越受到重视。多个研究院所及高校进行了大量的遥感监测研究。贾永红等[5]针对道路施工的遥感监测进行了研究，提出了一种结合规划矢量的高分辨率遥感道路施工进度监测方法，研究表明，基于高分辨率遥感影像的监测方法能够有效地提高其监测精度和效率。张雅琼等[6]针对线路工程项目，提出一种基于高分遥感影像的工程施工扰动及生态恢复动态监测方法，结果表明卫星遥感在线性工程建设项目施工前、施工中、运行后跟踪监测及环境监管中发挥着重要作用。

国外方面，美国、澳大利亚、加拿大等国家也对于工程施工范围遥感监测进行了研究和实践。例如，美国耶鲁大学的研究者们使用高分辨率遥感影像进行了建筑施工区域的监测，并将其应用于项目管理和绩效评估中[7]。澳大利亚昆士兰科技大学的研究者们则使用卫星影像进行了工程施工区域的遥感监测，并提出了一种新的基于机器学习的监测方法[8]。

总体来说，国内外在工程施工范围遥感监测方面都进行了一些有益的探索和实践，为进一步完善和提高遥感监测技术提供了重要的参考和借鉴。虽然已经取得了不少的研究成果，但是目前还存在一些问题和挑战，比如水利工程施工范围遥感监测的研究依然处于空白，需要继续加强研究和应用。文章以我国贵州省黔南州凤山水库为研究区，提出一种基于遥感影像多级分割的大坝施工范围快速识别方法，并通过实验对比分析，表明该方法在效率和精度上都具有一定的优势，此外，文章采用该方法对凤山水库建设以来的施工范围及主要施工区进行长时序监测，识别凤山水库施工进度情况，为大坝建设管理提供基础数据。

1 数据与方法

1.1 区域概况

凤山水库位于贵州省黔南布依族苗族自治州福泉市境内，拟建的坝址位于福泉市马场坪办事处西南侧，工程处于鱼梁江上游，鱼梁江为长江流域沅江水系清水江支流。水库坝址控制流域面积约347km2。鱼梁江流域处于亚热带季风气候区，具有气候温和，雨量充沛，冬无严寒，夏无酷暑，多阴雨，少日照，无霜期长的特点，每年4月开始进入雨季，直至9月汛期结束。凤山水库工程于2020年2月19日开工建设，总工期48个月，截至2022年9月18日，大坝总体已填筑至889.0m高程。

1.2 数据源

本研究中的遥感数据源以国产高分影像为主，辅以哨兵二号多光谱遥感影像，其中用到的国产高分影像包括高分一号、高分二号、高分六号和高分七号等遥感影像，哨兵二号多光谱遥感影像来源于欧空局(https：//scihub.copernicus.eudhus#/home)提供的免费数据。文中用到的两种数据的具体参数见表1。

表1 两种遥感影像数据的具体参数

2 研究方法

影像分割是将一幅影像划分成若干个具有独立语义的区域的过程，也是遥感图像处理中的重要任务之一。常用的影像分割方法的优缺点及其适用范围见表2。可以看出，基于区域的分割方法适用于影像分辨率不高但地物分布连续的场景，可以采用方法对哨兵二号影像(分辨率为10m)进行分割处理；基于纹理的分割方法能够处理复杂背景的分割问题，结果准确度高，对于具有丰富纹理和复杂结构的图像表现良好，因此，可以采用该方法对高分影像(影像分辨率优于2m)进行分割处理。

表2 常见的影像分割方法及其优缺点

考虑到大坝的施工范围具有区域范围大、人工扰动程度高、相对较集中、包含的地物多等特点，本研究提出一种基于不同空间分辨率遥感影像多级分割的施工范围识别方法，首先利用低分辨率的光学遥感影像(哨兵二号)进行影像分割，对分割结果进行主成分分析，得到包含主要信息的影像，由于施工范围内的地物与其他区域的地物相比，具有高亮度的特点，通过波段阈值分割得到施工范围的潜在区域，结合施工范围的面积较大且连续的特点，对提取结果进行斑块面积筛选，剔除掉面积较小的区域，从而得到施工范围的大致区域；然后利用高分辨率遥感影像进行影像分割和阈值分割，并对分割结果与上一阶段提取的施工范围大致区域进行叠加分析，同样地，对叠加分析的结果进行斑块面积筛选，最终得到施工范围精确的结果。具体的方法流程如图1所示。

图1 基于影像多级分割的施工范围识别方法流程图

3 实验分析

首先选取大坝建设过程中的某一期为例，研究文章提出的方法的可行性，之后通过长时序影像对大坝建设的全过程进行周期性监测。同样地，本文的实验也按照该思路开展。

3.1 单期施工范围识别

选取2022年9月份的影像作为研究对象，利用2022年9月5日的哨兵二号影像和同时期的2022年9月15日的高分二号遥感影像进行大坝施工范围识别。

利用不同的分割方法对两种影像进行分割的结果及其影像灰度直方图如图2所示。可以看出，利用基于区域的分割方法对哨兵二号影像分割后，施工范围对应的区域亮度值大于其他区域，能够明显地区分施工区域和非施工区域，从直方图中也可以明显得出该结论；利用基于纹理的分割方法对高分二号影像进行分割，可以看出，分割结果具有丰富的纹理信息，且细部的界限更加精确。将两个分割结果进行叠加，求取交集，并剔除小图斑，即可得到施工范围区域。

图2 不同影像使用不同分割方法的分割效果

以在高分辨率遥感影像上人工勾绘的施工范围为基准，与文章提出的方法提取的施工范围进行对比分析，提取结果如图3所示。利用整体精度和Kappa系数对提取结果进行评价，其中整体精度为97.55%，Kappa系数为0.79。

图3 施工范围识别结果

3.2 全周期施工范围识别及施工进度分析

从官方公布消息可知，凤山水库于2020年2月19日开工建设，因此，本文以2019年11月份的影像为开工前影像，以此为时间起点，收集每个季度的遥感影像，进行影像处理和施工范围识别，并结合专家知识，将施工范围划分为施工厂房、施工区、施工生活区和施工用道路四类，从而实现凤山水库建设进度全周期的遥感监测。将监测结果的图斑面积进行统计，得到的统计结果如图4所示，图4中2019S4_201911表示的是2019年第4季度_2019年11月。

图4 凤山水库施工范围全周期监测统计图

可以看出，凤山水库于2019年11月份已经开始了相关施工工作的准备，包括施工区、施工厂房、施工生活区、施工道路的建设，之后施工范围逐渐增大；在施工前期，建设重点在施工厂房和施工生活区的建设，并于2021年第一季度建设完成；在建设后期，建设重点在大坝施工区的建设。

4 结论

以凤山水库为研究区，在深入分析遥感影像分割方法的基础上，分别利用区域分割法和纹理分割法对不同影像源进行分割，进行施工范围识别，均取得较好的结果。最后，利用长时序的遥感影像，对凤山水库的建设过程进行了全周期的进度监测，可以得出以下的结论。

(1)充分利用中低分辨率遥感影像与高分遥感影像各自的优势，进行分割处理，对施工范围进行识别，该方法无需大量样本支撑，也不需要人工干预，实现了施工范围的自动识别。

(2)本文提出的方法虽然能够有效提取施工范围，但是无法区分施工厂房、施工用道路和施工生活区，后续工作中会继续尝试引入语义信息，利用语义分割技术对施工范围进行精细识别，提高应用效果。