基于卫星遥感的铁路灾害监测与评估应用研究

吴玮 王汇 苏伟 刘慧

（1 应急管理部国家减灾中心，北京 100124）

（2 北京林业大学水土保持学院，北京 100083）

（3 中国农业大学土地科学与技术学院，北京 100091）

0 引言

铁路作为我国重要交通基础设施和国民经济发展的大动脉，对于保障经济和社会发展发挥重要作用。我国铁路种类多、营业里程长、覆盖范围广、连通的区域自然地理环境复杂，涉及的自然灾害类型多种多样。按直接致灾过程划分，铁路自然灾害包括地震、滑坡、崩塌、泥石流、洪涝、风沙、冻融、积雪、溶塌、盐胀、软土和膨胀土等12 种基本类型[1]。特别是在西南地区、山地众多、河流纵横，铁路桥隧相连，易受洪涝、地震、地质灾害等威胁，而北方地区风沙、强降雪对铁路运输也会造成严重影响。据交通运输部统计，截至2022 年末，全国铁路营业里程15.5 万千米，其中高铁营业里程4.2 万千米。铁路一旦遭受重大自然灾害，将导致严重经济损失和广泛的社会影响，如2022 年1 月8 日青海海北州门源县6.9 级地震造成兰新高铁受损严重，2023 年7 月底京津冀暴雨洪涝灾害冲毁铁路线并导致大量乘客滞留，2023 年第9 号台风“苏拉”造成京港高铁、穗深城际、京九线等线路上百趟旅客列车停运。随着铁路营业里程不断增加，铁路的安全运营保障压力也持续增加，迫切需要加强对铁路沿线自然灾害监测与评估应用研究，为防灾减灾救灾等应急管理各环节工作提供有效信息支持。卫星遥感具有大范围、周期性、多手段监测铁路灾害的优势，能够有效弥补地面灾害调查的不足，提高防灾减灾救灾工作效率。近年来，伴随着高分辨率对地观测重大专项的实施，我国的卫星遥感技术取得显著进步，“资源”、“环境减灾”、“高景”等民、商卫星蓬勃发展，遥感卫星正向着高空间分辨率、高时间分辨率、高光谱、高辐射分辨率、多载荷、多尺度、多角度的综合观测方向发展，为开展铁路灾害卫星遥感监测与评估提供了丰富的数据资源。

1 铁路灾害卫星遥感研究现状

铁路的生命周期包括规划与勘察设计、施工建设、运营维护等阶段[2]。地质灾害是铁路灾害的主要类型之一。光学卫星遥感适用于铁路线路沿线地灾隐患识别预监测，而雷达卫星遥感适用于铁路线路路基、沿线边坡的沉降监测与预报[3]。我国学者利用多源、多载荷卫星遥感数据开展了大量铁路全生命周期的地质灾害监测评估研究工作。在规划与勘察设计阶段进行铁路工程选线，其重要考虑因素是沿途的地质条件状况，需要有效地避开崩塌、滑坡、泥石流、地面沉降等地质条件差的地区，以保证铁路工程建设和运营的安全。针对铁路线工程前期的线路方案遴选工作，利用多种遥感手段能够进行地质灾害隐患排查和风险评价。刘桂卫等采用多光谱、热红外、雷达、高分辨率遥感和三维遥感相结合的综合判释方法，开展地质问题解译，应用于艰险山区铁路工程地质勘察及设计选线[4]；黄勇利用多源、高分辨率、三维光学遥感进行山地灾害川藏铁路交通安全廊道宏观规划[5]；张金敏运用ALOS/PALSAR-2 和Sentinel-1A 卫星升降轨数据，采用时间序列合成孔径雷达干涉测量（Interferometric Synthetic Aperture Radar, InSAR）技术开展规划设计的川藏铁路林芝-雅安段滑坡隐患广域探测、分布规律和监测分析研究[6]；邵虹波等根据滇西山区地质灾害特征和SPOT4/5 卫星遥感影像特征，开展滇西山区铁路选线勘察研究，分析崩塌、滑坡、泥石流灾害对铁路线的影响[7]；王文婷分析了包兰铁路沿线崩塌、滑坡、泥石流等灾害分布特点，提出了包兰线改建方案建议[8]；路瀚等将遥感信息分析、工程地质遥感解译及野外验证相结合，利用“高分二号”等卫星图像，对新建川藏线CD-LZ 段进行全面的工程地质条件解译，为路线方案优选和桥隧工程布设提供工程地质资料[9]；徐乔等结合中吉乌铁路勘察设计，研究综合利用高分辨率遥感、数字高程模型（Digital Elevation Model, DEM）等多源数据，基于极限梯度提升算法（Extreme Gradient Boosting,XGBoost）开展滑坡危险性评价分区，为铁路设计选线提供数据支撑[10]；王婵针对拟建中尼跨境铁路，采用遥感影像解译和野外调查等方法，基于Landsat8 OLI 卫星数据提取的植被覆盖度等指标，开展滑坡灾害易发性的定量化评价，为中尼跨境铁路区域的防灾减灾提供科学依据[11]。在施工建设阶段， 白永健等采用InSAR 监测、无人机航拍等“星-空-地”识别技术，对川藏铁路建设项目自东向西横穿雅砻江段高山峡谷区深切河谷滑坡进行早期识别[12]；童鹏等综合运用时序卫星影像地物变化信息、InSAR 地表形变信息，开展新建贵阳至南宁高速铁路（广西段）沿线滑坡隐患遥感解译工作，确定铁路沿线滑坡隐患的位置与范围、风险程度等[13]。在铁路的运营维护阶段，利用卫星遥感针对铁路沿线开展地质灾害调查和应急监测取得了良好的应用效果。基于在既有铁路开展地质灾害防治工作的实践经验，孙琪皓等提出了以“区域-区段-工点”三级防控策略为主线、天空地多源遥感协同的铁路地质灾害早期识别与监测预警技术体系[14]；刘桂卫等利用三维遥感、雷达遥感、无人机遥感、卫星定位等技术手段，开展既有铁路沿线地质灾害筛查监测工作[15]；张晓荔利用遥感技术在渝怀铁路重庆段开展地质灾害调查[16]；张璇钰等采用小基线集雷达干涉测量（Small Baseline Subsets InSAR, SBAS-InSAR）获取植被覆盖区域高可靠性的形变信息，对山区铁路沿线泥石流沟谷开展勘察分析[17]；王雨针对玉磨铁路普洱段使用SBAS-InSAR 技术对多幅遥感影像进行处理以获取地表形变时间序列数据，并使用大数据分析技术研究泥石流的影响因素[18]；王世宝针对川藏铁路雅安-林芝段，对Google Earth 多期遥感影像进行滑坡解译，并建立基于机器学习的滑坡易发性评价模型[19]；李睿祺针对川藏铁路拉林段区域泥石流灾害，通过野外调查、遥感解译、理论计算等方法，建立了泥石流危险性评价模型，为灾害治理等提供科学依据[20]；唐尧等基于“高分二号”卫星等数据源，开展成昆铁路高位山体崩塌灾情应急监测，完成了甘洛县成昆铁路高位山体崩塌灾害基本灾情信息评估[21]。此外，我国研究人员利用InSAR 开展了多项铁路重大工程和铁路沿线地面沉降遥感监测[22]。

在洪涝灾害研究方面，王文基于Landsat 和Sentinel 卫星遥感数据，建立冰湖灾害评估模型，发现2个冰湖的溃决会对彼得藏布流域川藏铁路后续建设运行造成威胁[23]；张聪利用遥感和地理信息系统（Geographic Information System, GIS）技术，以中巴铁路达苏段为例，分析冰碛湖溃决洪水灾害效应强烈的V 型峡谷段内，不同线位高程对铁路工程投资和运营成本的影响，为跨喜马拉雅等干线工程建设提供防灾减灾依据[24]。

在雪灾研究方面，向世谊针对藏东邦达草原，利用多源遥感影像解译、GIS 空间分析、数值模拟等手段，进行积雪分布解译和主动微波雪深反演估算，对拟建铁路昌都至林芝段的风吹雪致灾情况进行危险性评价[25]；边瑞通过遥感解译辅以精细化实地调查等手段，筛选出14 个雪崩评价因子，利用集成模型进行雪崩易发性评价研究，分析对在建进藏铁路的影响[26]。

综合分析已有的研究成果，不难看出，地质灾害的调查与风险早期识别评价是铁路灾害研究的热点，在铁路工程前期的规划与勘察设计、施工建设、运营维护等铁路全生命周期中，我国学者利用多类型卫星遥感数据开展了大量地灾隐患早期识别、铁路工程选线与规划、地灾监测与影响评估等应用研究工作，取得了良好的应用价值。但从灾害类型看，应用研究的灾种以地灾为主，溃决性洪水、雪灾的研究涉及不多，其它类型灾害鲜有研究和应用。从灾害管理阶段看，除地质灾害外，其它灾害以灾前的风险评估为主，而灾中应急响应和灾后恢复重建阶段的应用研究少。因此，本文旨在立足铁路灾害应急管理工作的实际需要，充分发挥卫星遥感作用，针对当前研究存在的薄弱环节，分析利用卫星遥感监测评估不同类型、不同阶段铁路灾害的应用能力和主要技术方法，结合近年来发生的典型灾害，探讨卫星遥感铁路灾害监测评估的应用模式和实践效果，为全方位满足铁路各类主要灾害防灾减灾救灾工作对卫星遥感的应用需求提供借鉴参考。

2 铁路灾害卫星遥感应用能力和方法

卫星遥感能够应用于减灾、备灾、应急响应和恢复重建等铁路灾害管理各个阶段，是保障铁路等重大基础设施建设和运行安全的重要技术手段。在减灾阶段，利用卫星遥感开展铁路沿线崩塌、滑坡等高风险点早期识别和隐患排查，进行灾害危险性评价，能为铁路安全运营和韧性设施建设提供有价值的风险信息。在备灾阶段，利用卫星遥感开展致灾因子的动态监测，进行临灾风险评估，分析灾害风险范围和可能的影响程度，能为铁路安全运行和灾害防护提供决策参考信息。在应急响应阶段，利用卫星遥感开展灾害范围监测、次生灾害监测和铁路损毁实物量监测，进行灾害影响和损失评估，能为铁路应急抢险救援和灾后恢复重建规划提供及时的技术支持。在恢复重建阶段，利用卫星遥感对损毁铁路的修复重建进度、铁路周边灾害风险点进行持续监测，能为铁路工程复建和灾后安全运营提供信息服务。

1）地质灾害。我国西部山区铁路沿线地质环境复杂，地质灾害多发。随着山区铁路运营里程的增加，加之突发地震、强降雨等外部因素的影响，山区铁路沿线存在地质灾害重发频发风险，对铁路工程建设和安全运行均构成严重威胁。卫星遥感是一种重要的铁路巡检手段。在地质灾害发生前，利用高分辨率光学遥感图像，结合滑坡等典型地质灾害样本，通过机器学习和人工解译等方式提取滑坡区域，可为铁路沿线滑坡风险评估提供基础数据。利用InSAR 技术，对铁路沿线地质灾害高发区和人口密集区的地表变化进行持续监测，通过差分干涉测量（Differential InSAR, D-InSAR）、永久散射体雷达干涉测量（Permanent Scatterers InSAR, PS-InSAR）、SBAS-InSAR 等方法，能够获取高精度的地表形变信息，用于识别和排查地质灾害风险隐患区，为地质灾害风险详查提供可靠的风险区范围。地质灾害发生后，基于灾后高分辨率光学卫星图像，能够分析研判地质灾害造成的铁路线损毁情况，评估铁路损失量和受损程度。将卫星图像与高精度DEM 结合，在精确几何配准的基础上，构建铁路沿线虚拟地表三维场景，能够多角度、大场景地查看和量测铁路沿线地形地貌和景观特征，直观再现沿线地质灾害点空间形态分布和立体特征，辅助地质灾害成因分析和特征解译。

2）地震灾害。重大地震发生后，会对地震灾区铁路运行和铁路线设施造成影响，并易加剧铁路沿线高山峡谷地区地质灾害风险。因此，基于震后灾区高分辨率卫星遥感图像，建立三维地理环境场景，与震前影像对比，能够对铁路轨道、桥梁、客货运站等受损情况进行辅助分析和研判，为震后灾情统计和核查提供直观可靠的基础信息。同时，卫星遥感还能对震后铁路沿线新增滑坡进行排查，为震后震区地质灾害危险性评估，科学制定除险应急方案提供依据。

3）洪涝灾害。洪涝灾害包括江河洪水、山区洪水、冰凌洪水等，是我国分布范围广泛、多发频发重发的主要灾害之一。灾害发生前，利用光学遥感影像可定期对铁路线附近自然环境和洪涝风险源进行监测，制作影像专题图，跟踪分析洪涝灾害风险情况和对铁路线影响。洪涝灾害发生后，针对灾害前后的光学遥感图像，可采用单波段阈值、谱间关系法、水体指数、面向对象分类以及支持向量机、决策树、深度神经网络等方法进行水体提取。对于灾后SAR 图像，通过像元阈值、图像分割等方法可提取水体范围。利用图像差分、变化向量分析、随机森林等方法实现洪涝灾害变化检测，结合铁路线分布，能够分析洪涝灾害对铁路及周边环境的影响。针对灾害前后高分辨率遥感图像，采用目视解译、基于对象的变化检测等方法进行铁路基础设施受损情况识别，能够用于评估路基、桥梁等铁路设施损毁长度和经济损失。

4）台风灾害。台风生成后，利用风云等气象卫星红外、可见光云图等能够跟踪监测台风路径变化，为铁路运行方案调整和风险防范提供决策支持。针对台风引发的暴雨洪涝和地质等次生灾害，利用灾害前后光学和雷达图像，对影响铁路安全运行的洪涝变化区域、地质灾害风险区进行监测，并基于高分辨率光学遥感图像，可监测铁路设施的受损位置、长度，分析评估受损程度和经济损失，为应急管理灾情统计和核查提供基础信息。

5）雪灾。我国雪灾包括牧区雪灾、雪崩、风吹雪等，雪灾会阻碍铁路交通正常运行，严重的雪灾甚至会造成铁路线周边人员生命财产和设施设备损失。雪灾遥感监测可采用光学和雷达等传感器。利用积雪在光学图像上的强反射特征和雪盖指数，能区分雪和典型地物，进而统计分析受风雪掩埋的铁路线路。对于雪崩，通过光学图像上堆积面的形状、密度、纹理等特征进行判识，而在SAR 图像上则根据雪崩发生的前后散射、相位变化进行分析研判，在此基础上，分析雪崩对铁路线及周边环境影响。雪灾遥感监测能够提供雪灾风险评估所需的雪灾位置、规模等信息，为铁路沿线科学制定雪灾应急方案、开展清雪作业、确保铁路安全运行提供基础资料。

6）森林草原火灾。森林草原火灾是一种突发性强、处置难度较大的灾害。在我国西南地区，春季少雨干旱，加之大风高温，易发生森林火灾，严重威胁铁路沿线安全。在林火发生前，利用卫星遥感能开展林火可燃物的识别和分类，用于林火灾害发生风险的评估。林火发生后，根据火点在中波红外的强辐射特性、在远红外与其它地物的亮温差异，利用“风云四号”、“高分四号”（GF-4）等高轨卫星快速定位发现火点位置，结合火点、火线、烟在可见光近红外、短波红外的反射特性与图像特征，通过“高分一号”（GF-1）等极轨卫星跟踪监测火情扩散蔓延变化，分析铁路线风险及对铁路周边造成的损失和影响。

为新生举办白袍仪式起源于1989年芝加哥普利兹克医学院[9]，近年来白袍仪式也逐渐应用于药学院，该仪式有利于培养药学生的专业认同感，激励新生树立理想，在学习生涯中努力提高专业素养。美国的佛罗里达大学、加州大学旧金山分校、肯塔基大学、休斯敦大学，加拿大的纽芬兰及拉布拉多纪念大学、戴尔豪斯大学、滑铁卢大学等诸多北美高校，每年组织一年级药学新生参加白袍仪式，学生在仪式上第一次穿上专业的实验工作服，宣誓成为专业的药学人[2- 8]。

7）沙尘暴。沙尘暴是我国北方地区主要的灾害性天气，会对铁路交通的运行和供电线路造成影响。利用“风云二号”扫描辐射仪、“风云四号”先进静止轨道辐射成像仪等静止轨道卫星多通道传感器，能持续监测沙尘暴大范围的时空演变过程，时间分辨率可达分钟级，空间分辨率达千米级。通过可见光近红外、紫外、热红外、微波等多种探测波段及其组合，采用目视判读、亮温差、指数阈值以及机器学习等方法，实现对沙层区域范围的动态监测，为铁路线灾害风险评估、铁路运营线路调整等提供及时有效的沙尘灾害范围变化信息。

3 卫星遥感监测评估典型铁路灾害案例

针对洪涝、地质灾害、森林火灾和雪灾等4 类灾害，结合实际案例建立卫星遥感监测评估铁路灾害的技术流程，重点分析卫星遥感数据如何用于铁路灾害的监测评估中，以进一步阐明卫星遥感对于铁路灾害应急管理所发挥的作用。

3.1 洪涝灾害

以青藏铁路盐湖漫溢风险的遥感监测和2023 年7 月北京市暴雨洪涝灾害损毁铁路评估为例，阐述卫星遥感分析洪涝灾害影响的技术方法，展示并分析取得的实际效果。

（1）青藏铁路盐湖漫溢风险监测

2011 年9 月，可可西里卓乃湖发生溃决，大量外泄湖水注入盐湖，导致盐湖面积扩张。如果盐湖范围持续扩大将会造成湖水外泄，溢出洪水将严重威胁附近青藏铁路的安全。GF-1 卫星16 m 宽幅相机（Wide Field of View, WFV）具有多光谱、大幅宽、中分辨率特点，能够对可可西里盐湖水面状态及铁路周边环境进行多时相持续监测，进而辅助分析盐湖漫溢可能对青藏铁路造成的影响。

采用GF-1 宽幅影像的绿光波段（b2）和近红外波段（b4）数据，通过归一化差分水体指数（Normalized Difference Water Index, NDWI）提取盐湖湖水范围（图1）。结果显示：2011—2019 年盐湖处于湖面范围快速扩张时期，图1（a）、（b）、（c）、（d）分别反映了2014 年8 月23 日、2016 年10 月22 日、2018 年7 月25 日和2019 年8 月13 日GF-1 影像中盐湖状态，盐湖面积分别为144.3 km2、156.5 km2、177.2 km2和205.6 km2，五年间面积累计增加了61.3 km2，年平均增加12.3 km2。其中，在2018 年7 月25 日—2019 年8 月13 日约1 年时间里，盐湖面积增加了28.4 km2，表明盐湖面积正在加速扩大。

图1 青藏铁路盐湖漫溢风险监测图Fig.1 Risk monitoring map of Yanhu Lake overflow on the Qingzang railway

利用卫星图像上反映的盐湖面积变化，能辅助判断盐湖溃决风险程度。据预测，盐湖在溃决时面积将达到约220 km2，而2019 年8 月13 日遥感监测的盐湖面积距溃决阈值仅剩不到15 km2。因此，在盐湖湖水处在快速扩张阶段，如不采取措施，盐湖湖水可能会在数月内发生漫溢。结合盐湖周边地形条件和近年来的扩张趋势（图2），盐湖溃决后，判断洪水可能向东南方向泄流，将会严重威胁青藏铁路安全。

图2 2014—2019 年盐湖范围变化图Fig.2 Yanhu Lake area change map from 2014 to 2019

针对盐湖漫溢的严峻风险形势，2019 年7—10 月，青海省对盐湖采取了引流疏导应急工程，有效遏制了盐湖的扩张势头。图1（e）、（f）分别为2021 年9 月19 日和2023 年8 月12 日GF-1 影像，遥感监测的盐湖面积分别为205.7 km2、204.5 km2，与2019 年8 月13 日盐湖面积相比范围不再增大，表明引流疏导应急工程取得了明显效果，有效控制了盐湖水位的上涨。至此，盐湖扩张引发的青藏铁路洪水风险得到解除。

（2）北京市“23·7”暴雨洪涝灾害损毁铁路评估

2023 年7 月29 日—8 月1 日，受台风“杜苏芮”残余环流等因素影响，北京市遭遇百年不遇极端暴雨洪涝灾害，导致河洪、山洪、泥石流等灾害并发，严重影响铁路运行并给铁路基础设施造成严重损毁。

利用灾前2023 年6 月6 日“高分二号”（GF-2）卫星全色多光谱数据（Panchromatic and Multispectral Sensor, PMS）和灾后2023 年8 月16 日“高分一号”B 星（GF-1B）全色多光谱数据（PMS），结合北京市道路路网数据（OpenStreetMap），开展地物变化信息提取，用于分析评估北京市门头沟区境内铁路受损情况。其中，GF-2 卫星PMS 数据和GF-1B 卫星PMS 数据在分别经过几何校正和融合图像处理后，能生成1 m 分辨率和2 m 分辨率多光谱图像。基于灾害前后高分辨率遥感影像上地物特征变化，可识别出铁路沿线山体滑坡等灾害位置及其变化信息，研判铁路沿线灾后受损情况，确定铁路损坏位置与长度等信息。

图3 显示靠近沿河城站铁路受损情况，受损长度为24 m，损毁路段位于北京市门头沟区沿河城村与向阳口村中部。通过影像变化分析，该地段地势低洼，暴雨导致路基上方山体滑坡从而覆盖路基，损坏铁道。图4 显示安家庄站至落坡岭站铁路存在受损情况，受损长度为160 m，损坏路段位于北京市门头沟区吕家坡村。由影像变化分析，暴雨导致路面积水后形成洪流，造成铁道损坏，威胁该路段车-轨-路的安全。

图3 沿河城站附近铁路受损情况监测图Fig.3 Monitoring map of railway damage near Yanhecheng station

图4 安家庄站至落坡岭站铁路受损情况监测图Fig.4 Monitoring map of railway damage from Anjiazhuang station to Luopoling station

3.2 地质灾害

2019 年8 月14 日，成昆铁路四川省凉山彝族自治州甘洛县路段一侧发生高位山体崩塌，崩塌物滑落至成昆铁路线，导致铁路及相关基础设施受损。利用多源卫星遥感数据，能够用于分析灾害发生前的地质灾害滑移风险、评估灾后铁路损毁等情况，支持铁路地质灾害全过程的应急管理需要。

在灾害发生前，利用该地区七景Sentinel-1A 卫星C 波段、VV 极化的合成孔径雷达降轨数据，能够分析灾前崩塌区附近地表形变情况。七景数据的成像时间分别为2019 年2 月9 日、2019 年3 月5 日、2019 年4 月10 日、2019 年5 月4 日、2019 年6 月9 日、2019 年7 月15 日和2019 年8 月8 日。基于航天飞机雷达地形测绘任务（Shuttle Radar Topography Mission，SRTM）30 m DEM 数据，采用D-InSAR技术，通过SAR 数据预处理、生成干涉图、差分干涉图滤波、相位解缠、轨道精炼和重去平、相位转形变、地理编码等过程，生成形变图。图5（a）表示2019 年2 月9 日—3 月5 日期间形变量，崩塌区域内最大形变量约为-23 mm；图5（b）表示2019 年3 月5 日—4 月10 日期间形变量，崩塌区域内最大形变量约为-39 mm；图5（c）表示2019 年4 月10 日—5 月4 日期间形变量，崩塌区域内最大形变量约为-19 mm；图5（d）表示2019 年5 月4 日—6 月9 日期间形变量，崩塌区域内最大形变量约为-20 mm；图5（e）表示2019 年6 月9 日—7 月15 日期间形变量，崩塌区域内最大形变量-47 mm；图5（f）表示2019 年7 月15 日—8 月8 日期间形变量，崩塌区域内最大形变量约为-21 mm。由此可见，在甘洛山体崩塌发生前半年时间里，崩塌范围内一直处于沉降状态。而在发生崩塌前两个月，该区域出现了较大的滑移，在临近崩塌的7 月下旬—8 月中上旬，该区域又出现了强降雨过程，累计雨量大，从而诱发了山体崩塌的发生。因此，针对铁路沿线的地质灾害，利用InSAR 技术进行持续监测，结合强降水、地震等诱发因素分析，能够为铁路沿线灾害早期识别研判和防灾减灾提供有力的技术支撑。

图5 差分干涉图Fig.5 Differential interferogram

灾害发生后，利用山体崩塌区域2019 年8 月16 日GF-1 卫星PMS 数据和2019 年12 月10 日GF-2卫星PMS 数据，进行几何校正和全色锐化（Pan-sharpening）融合处理（图6），对灾后崩塌和损毁情况进行分析评估。图6（a）显示崩塌区色调为亮白色，山体崩塌总体呈“哑铃状”，崩塌体顶部和底部较宽，分别为80 m 和63 m，中间较窄为30 m。崩塌区面积达19 884 m2，顶部海拔高程约为1 236 m，底部海拔高程约为1 002 m，最大高差为234 m，最大崩滑距离约300 m。通过量测，该区域崩塌掩埋成昆铁路60 m。图6（b）显示灾害发生4 个月后，经过工程治理，该区域顶部和中部长度为105 m 和57 m，面积为27 909 m2。该崩塌区周边岩体较为破碎松散，后期受降水等因素影响，仍存在崩滑的可能性。因此，需要持续进行监测，加强铁路线的防护，并做好成昆铁路该路段绕线方案的规划和实施。

图6 成昆铁路甘洛县路段山体崩塌灾后影像图Fig.6 Post disaster image of mountain collapse in Ganluo County of Chengdu-Kunming railway

3.3 森林火灾

森林火灾会对周边铁路线安全构成严重威胁。2023 年4 月17 日，云南省安宁市发生一起森林火灾，火线距离昆楚大铁路很近。利用2023 年4 月17 日的GF-1 卫星宽幅影像和GF-4 卫星影像可对火灾位置和范围进行有效观测。

图7 展示了经几何处理后的森林火灾GF-1 卫星影像。其中，铁道数据来源于OpenStreetMap，土地覆盖数据来源于武汉大学发布的2022 年土地覆盖数据[27]。图7 中可见位于图右侧、昆楚大铁路以北有白色的烟雾，推测森林火灾应在烟雾覆盖区域附近。根据测算，烟雾和昆楚大铁路最近的距离只有250 m左右，烟雾覆盖的南北方向距离约为3 km。利用GF-4 卫星400 m 中波红外（Infrared Sensor, IRS）影像数据，与GF-1 卫星宽幅影像进行几何配准，联合开展火情判识和火场情况分析评估。从图8 中可以看到，黑色圈内有聚集性的异常高值，并且其位置和图7 中烟雾位置非常接近，推断图8 黑色圈内为火灾区域。对比土地覆盖数据，此区域内绝大部分土地覆盖类型为森林，极少部分为草地和农田。因此，图8 黑色圈内为此次森林火灾发生的位置。经测算，火场区域距离昆楚大铁路有500 m 左右，如果此次火灾没有及时得到扑救，其扩散蔓延将严重威胁铁路线安全。因此，通过多星联合的森林火灾监测，能够及时提供火情观测资料，为火灾扑救和铁路线的应急管理提供有用的监测信息。

图7 云南省安宁市昆楚大铁路附近森林火灾“高分一号”卫星监测图Fig.7 GF-1 satellite monitoring map of forest fire near the Kunchu railway in Anning city, Yunnan province

图8 云南省安宁市昆楚大铁路附近森林火灾“高分四号”卫星监测图Fig.8 GF-4 satellite monitoring map of forest fire near the Kunchu railway in Anning city, Yunnan province

3.4 雪灾

2018 年1 月，陕西、河南、湖北、安徽、江苏等地出现大雪或暴雪，导致大规模的火车停运，对铁路运输安全和通行效率造成不利影响，交通安全风险增加。为分析雪灾对铁路线的持续影响情况，基于GF-1 卫星宽幅影像对陕西部分地区积雪覆盖情况进行监测。

考虑到该区域云层少，利用GF-1 卫星近红外谱段积雪强反射特性，提取积雪区域，图9 中白色表示积雪范围。图9（a）显示2018 年1 月14 日积雪范围分布。受强降雪影响，陕西省西安、渭南、咸阳等市境内大西高速铁路、包西铁路、咸铜铁路、梅七铁路、侯西铁路、甘钟铁路等铁路线受到积雪影响。图9（b）显示1 月31 日同一区域的积雪范围。较之于1 月14 日，雪盖区域在南部和东北部明显减少，积雪影响主要集中在包西铁路、咸铜铁路、梅七铁路等部分路段。图9（c）显示2 月3 日该区域积雪覆盖范围，积雪主要集中在西北部山区，大西高速铁路、包西铁路、侯西铁路、甘钟铁路等铁路线已没有积雪覆盖，铁路运行不再受降雪影响。由此可见，雪灾遥感监测能为铁路部门启动应急预案、开展铁路线限速运行、做好除冰除雪和列车运行计划调整等决策提供有效的信息支持。

图9 2018 年1—2 月陕西省部分地区积雪覆盖影像图Fig.9 Snow cover images in Shaanxi province from January to February in 2018

4 结束语

影响铁路安全所涉及的主要自然灾害包括地质灾害、地震、洪涝、台风、雪灾、森林草原火灾、沙尘暴等。开展铁路沿线灾害监测与评估对于保障铁路交通建设和运行安全、促进经济发展和社会稳定有重要意义。卫星遥感具有探测范围广、成像谱段多、多尺度动态观测等优势，是监测与评估铁路灾害的重要技术手段，在铁路应急管理工作中有着巨大的应用潜力。

多年来，卫星遥感在铁路沿线地质灾害早期识别与监测、铁路规划与勘查设计等方面取得了卓有成效的应用成果，但对于其他类型主要灾害在铁路领域的全周期运用还较少。为此，本文从灾害管理的全过程角度提出了卫星遥感技术在铁路减灾、备灾、应急和恢复重建中的应用需求，针对影响铁路安全运营的主要灾害，探讨卫星遥感在铁路致灾风险的监测与影响评估中的应用能力。结合洪涝、地质灾害、森林火灾、雪灾等典型灾害实例，建立卫星遥感监测评估铁路灾害的技术流程，分析其在铁路应急管理中的作用效果，为防灾减灾救灾工作提供决策支持。

当前，卫星遥感在铁路轨道、桥梁等结构受损的精细化判识以及客货运站、隧道等灾损评估上还存在缺陷。为此，文献[28]提出了“天-空-车-地”多源协同路基灾害隐患早期识别与服役状态监测体系和监测方案，以实现“区域-工段-工点”为主线的星地协同工作模式。因此，深度融合卫星遥感技术与航空遥感、地面监测、移动平台等天-空-地-人多种监测手段，将进一步提高铁路灾害风险和损失评估的精准性和实用性，为铁路防灾减灾救灾提供更为全面系统可靠的决策服务信息。随着新时代“防减救治一体化”的应急管理需求不断深入以及灾害遥感技术的快速发展，铁路灾害卫星遥感应用将日趋成熟，监测评估方法将日益规范和深化，铁路灾害卫星遥感应用前景必将越来越广阔。