百曉 張雪妮

百曉，北京航空航天大學(xué)計算機(jī)學(xué)院教授、博士生導(dǎo)師。 2001年本科畢業(yè)于北京航空航天大學(xué)，2006年博士畢業(yè)于英國約克大學(xué)。主要研究領(lǐng)域為模式識別、計算機(jī)視覺、遙感圖像分析等。先后主持?jǐn)?shù)十項國家科研課題，在相關(guān)領(lǐng)域國際著名期刊和會議上發(fā)表論文百余篇，發(fā)表論著3部，榮獲省部級科學(xué)獎勵一等獎2項。2012年獲評為教育部“新世紀(jì)優(yōu)秀”人才，2016年被中國科協(xié)授予“全國優(yōu)秀科技工作者”榮譽(yù)稱號，現(xiàn)為模式識別領(lǐng)域著名期刊Pattern Recognition副主編，Pattern Recognition Letter期刊客座編委。

人工智能及減災(zāi)遙感概述

近年來，人工智能已經(jīng)滲透到國民經(jīng)濟(jì)、國防以及人民生活的各個方面，2017年國務(wù)院發(fā)布了《新一代人工智能發(fā)展規(guī)劃》將人工智能上升為國家戰(zhàn)略，有利地推動新一代智能研發(fā)應(yīng)用與產(chǎn)業(yè)深入融合。美國、歐盟、英國、日本等也均將人工智能上升為國家戰(zhàn)略，紛紛出臺相關(guān)戰(zhàn)略和計劃，力爭搶占產(chǎn)業(yè)技術(shù)制高點。

對于人工智能的定義有很多，但大多看來主要是讓機(jī)器或系統(tǒng)具備人類那樣的認(rèn)知能力，能夠?qū)邮盏降母鞣N數(shù)據(jù)和信息進(jìn)行分析學(xué)習(xí)獲取其中的知識，雖然人工智能的研究才起步三十年，但近年來人工智能及其相關(guān)領(lǐng)域，如機(jī)器學(xué)習(xí)、計算機(jī)視覺、模式識別等均在理論上和應(yīng)用上取得了很大的進(jìn)展和突破。

在遙感領(lǐng)域，人工智能及相關(guān)方法也得到了很好的應(yīng)用。遙感數(shù)據(jù)主要是指通過衛(wèi)星、飛機(jī)等載體獲得的遠(yuǎn)距離圖像、雷達(dá)數(shù)據(jù)，通過對遙感數(shù)據(jù)的分析可以獲得地表環(huán)境、城市結(jié)構(gòu)、農(nóng)業(yè)生產(chǎn)等重要信息和數(shù)據(jù)。傳統(tǒng)的遙感數(shù)據(jù)分析大量依賴人力和一些簡單的統(tǒng)計圖像處理方法，隨著近年來人工智能等相關(guān)領(lǐng)域的發(fā)展，遙感數(shù)據(jù)的分析也大量地使用人工智能方法。利用人工智能處理分析數(shù)據(jù)的優(yōu)勢，可以提高遙感數(shù)據(jù)分析的智能化、自動化，提升分析的精度與效率。

我國是一個地大物博的國家，資源豐富，但自然災(zāi)害也給國家民生帶來了很大的影響，如何利用最新的技術(shù)減少自然災(zāi)害帶給我們的傷害是科研領(lǐng)域的重要任務(wù)。多年來，遙感技術(shù)應(yīng)用于各類災(zāi)害的減災(zāi)、預(yù)測、響應(yīng)、災(zāi)后恢復(fù)等方面，取得了很多進(jìn)展。災(zāi)害遙感已經(jīng)成為各國應(yīng)對自然災(zāi)害的重要手段。國際上，一系列用于環(huán)境、災(zāi)害等的遙感衛(wèi)星SPOT、TM、AVHRR、MODIS、ASTER、PRISM的發(fā)射也為開展遙感減災(zāi)提供了可行性，增強(qiáng)了遙感技術(shù)在減災(zāi)上的作用。國內(nèi)也緊隨其后發(fā)射了環(huán)境減災(zāi)小衛(wèi)星“星座A”“星座B”以及“風(fēng)云”“海洋”“資源”等系列衛(wèi)星，此外，以高分系列衛(wèi)星為代表的新一代遙感衛(wèi)星也在加速發(fā)展，由此防災(zāi)減災(zāi)已成為衛(wèi)星遙感技術(shù)的重要應(yīng)用領(lǐng)域之一。

隨著人工智能理論和方法的不斷發(fā)展，遙感數(shù)據(jù)的分析將更加借助和依賴人工智能方法，從而更加有效地從遙感數(shù)據(jù)中獲取有用的知識，為防災(zāi)減災(zāi)提供更加準(zhǔn)確高效的服務(wù)。

本論文主要講述人工智能及其相關(guān)方法（如目標(biāo)檢測、圖像分類與識別、圖像變化檢測、圖像分割等）在幾類典型自然災(zāi)害（如暴風(fēng)、洪澇、地震、森林火災(zāi)、滑坡等）中的應(yīng)用，介紹人工智能在減災(zāi)遙感中發(fā)揮的作用及未來發(fā)展趨勢。

人工智能方法在減災(zāi)遙感中的應(yīng)用

目前，人們主要通過利用人工智能相關(guān)方法對遙感數(shù)據(jù)分析達(dá)到對自然災(zāi)害的檢測與評估等目的。表1給出了不同人工智能方法在各種災(zāi)害遙感中所發(fā)揮的作用。主要涉及的方法包括：圖像分類與識別、變化檢測、圖像分割、目標(biāo)檢測等，這里首先簡單介紹一下這些人工智能方法。圖像分類與識別是計算機(jī)視覺與機(jī)器學(xué)習(xí)領(lǐng)域的基本問題，根據(jù)圖像中所含的目標(biāo)圖像特征與分類器學(xué)習(xí)到的類別特征進(jìn)行比對，進(jìn)而判斷圖像屬于什么類別，識別出圖像中的物體或場景。變化檢測通過對不同時刻獲取圖像進(jìn)行對比分析找出圖像之間的區(qū)別。圖像分割是根據(jù)圖像中場景含義將圖像分割成不同的區(qū)域，每個區(qū)域具有獨特的語義信息。目標(biāo)檢測則是指在遙感圖像數(shù)據(jù)中檢測特定的目標(biāo)，主要通過提取目標(biāo)有效特征然后利用機(jī)器學(xué)習(xí)方法對量化的特征進(jìn)行分析來確定存在目標(biāo)的概率和位置等。上述方法是計算機(jī)視覺、機(jī)器學(xué)習(xí)領(lǐng)域的重要分析方法，需要指出的是隨著人工智能的發(fā)展，上述方法本身也在發(fā)展，近年來也不斷地提出了在性能上更加優(yōu)秀的方法，進(jìn)而也提升了應(yīng)用的效果。

本文將根據(jù)不同災(zāi)害種類具體分析這些方法的應(yīng)用。

（一）熱帶氣旋

習(xí)慣上，熱帶氣旋所帶來的災(zāi)害可以被稱為颶風(fēng)、臺風(fēng)或熱帶風(fēng)暴，它在衛(wèi)星遙感圖像上具有較明顯的特征，圖1是部分種類的熱帶氣旋衛(wèi)星圖像示例。人工智能手段主要通過對采集到的遙感數(shù)據(jù)進(jìn)行分析從而定位風(fēng)眼和預(yù)測路徑，進(jìn)而對此類災(zāi)害進(jìn)行預(yù)防和報警。

表1 人工智能方法在各類災(zāi)害遙感圖像上的應(yīng)用

圖1 部分種類熱帶氣旋的衛(wèi)星云圖

1.風(fēng)眼定位：由于有眼熱帶氣旋的眼壁輪廓通常是一條不規(guī)則的閉合曲線，因此可以使用基于活動輪廓模型的偏微分方程法來進(jìn)行圖像分割定位眼區(qū)。另外，由于在圖像中風(fēng)眼位置較暗，并且在邊緣位置風(fēng)速是不連續(xù)的,可根據(jù)這兩個成像特點對遙感圖像進(jìn)行分析增加圖像約束求得風(fēng)眼邊緣。風(fēng)眼定位過程中要用到的人工智能方法有圖像分割、圖像識別等。

2.路徑預(yù)測：研究表明，氣旋路徑可以通過周圍積雨云的形狀和相對位置進(jìn)行判斷，如圖2所示。因此可以使用神經(jīng)網(wǎng)絡(luò)來學(xué)習(xí)不同時間點衛(wèi)星圖像中周圍云相對于氣旋中心的相對位置，及圖像中云的拉長形狀，以此指示氣旋可能的移動路徑。

圖2 通過對積雨云的分析預(yù)測氣旋路徑

（二）洪澇

洪澇災(zāi)害中利用人工智能手段進(jìn)行水體識別可以確定出洪澇受災(zāi)的區(qū)域，道路水毀識別則可以確定道路的毀壞進(jìn)而評估受災(zāi)情況，確定最佳救援路徑。

1.水體識別：水體識別技術(shù)是基于水體的光譜特征和空間位置關(guān)系進(jìn)行分析，排除其他非水體信息從而實現(xiàn)水體信息提取的技術(shù)，是洪澇范圍檢測的核心。由于水體和周邊地形地貌往往具有較大差異，根據(jù)水體特征的圖像分割成為水體識別的主要方法。一種思路是通過綜合提取遙感影像中地物的形狀、光譜、紋理和鄰域等特征進(jìn)行逐像元分類實現(xiàn)智能分割。另一種思路是先進(jìn)行遙感圖像的多尺度分割，然后使用分類器，例如分類神經(jīng)網(wǎng)絡(luò)，進(jìn)行水體識別。也可同時對洪澇前后時間段的同樣位置進(jìn)行水體識別，分析出受災(zāi)區(qū)域為搶險救災(zāi)提供信息。圖3是鄱陽湖部分地區(qū)洪澇過后水體識別的結(jié)果示意圖，在識別出水體和非水體的基礎(chǔ)上，進(jìn)一步根據(jù)水深程度進(jìn)行洪澇等級分類并用不同的顏色表示，為下一步的災(zāi)害救援提供信息。這里用到的人工智能方法主要包括特征提取、圖像分割、圖像分類等。

2. 公路水毀識別：公路水毀災(zāi)情是汛期災(zāi)情分析和抗災(zāi)搶險中的重要內(nèi)容。通過對比洪澇發(fā)生前后的圖像，采取圖像多層次分析進(jìn)行變化檢測分析損毀信息。多層次方法就是采用面向?qū)ο蟮姆诸惙椒ㄟM(jìn)行地物的分類和劃分，但是分類有層次順序，不同層次劃分不同地物。例如可以在第一層次中，從洪災(zāi)發(fā)生后的影像中進(jìn)行洪水范圍的劃分，然后在災(zāi)前災(zāi)后影像的配準(zhǔn)基礎(chǔ)上，用洪水發(fā)生前的影像進(jìn)行第二層次的劃分，劃分道路和樹木、建筑、空地等其他地物。

圖3 鄱陽湖（部分）地區(qū)洪澇分布圖

圖4 汶川地震都江堰房屋倒塌評估圖

（三）地震

在地震災(zāi)害里，人工智能方法可以用來解決房屋倒塌評估、次生地質(zhì)災(zāi)害監(jiān)測，以及救災(zāi)帳篷識別等問題。

1.房屋倒塌評估：對房屋倒塌情況的評估是地震直接危害中最能反映震區(qū)破壞程度的指標(biāo)。通過對震前震后遙感衛(wèi)星數(shù)據(jù)進(jìn)行影像匹配和變化檢測，得到兩者變化的區(qū)域，從而獲取房屋倒塌信息和地震影響區(qū)域，評估結(jié)果如圖4所示。這里應(yīng)用人工智能中的圖像變化檢測方法完成地震影響區(qū)域分析。

2.次生地質(zhì)災(zāi)害監(jiān)測：地震次生地質(zhì)災(zāi)害是指由地震直接引發(fā)或由地震作用影響而引發(fā)的災(zāi)害性地貌重塑過程。主要針對地震所造成的山體滑坡、堰塞湖等開展監(jiān)測，按照其影像特征，結(jié)合災(zāi)前影像數(shù)據(jù)進(jìn)行變化檢測，開展滑坡體的識別。這里主要采用圖像變化檢測方法進(jìn)行分析。

圖像變化檢測大致分為基于像元、基于特征以及基于目標(biāo)三類方法?；谙裨椒ㄓ谢叶炔钪捣?、比值法、回歸法等?；谔卣鞯姆椒ㄓ兄鞒煞址治龇ā⒐庾V角檢測法、指數(shù)差值法、形狀分析法和紋理分析法等?；谀繕?biāo)的方法主要利用圖像識別、分類等方法，常用的算法有分類比較法、多時相分類法、小波變換分析法及神經(jīng)網(wǎng)絡(luò)分析法等?；谙裨姆椒ㄊ菍⑾裨鳛閱挝贿M(jìn)行前后時刻變換檢測；特征方法則是在圖像一定區(qū)域內(nèi)提取圖像量化特征并分析其變化；目標(biāo)方法則根據(jù)特定目標(biāo)，分析此目標(biāo)在前后時刻是否有變化。

在特殊情況無法獲得災(zāi)前影像數(shù)據(jù)時，圖像分割方法也可以使用，具體表現(xiàn)為先分割后分類的思想，即先通過多尺度的分割將遙感圖像劃分為不同區(qū)域，然后通過分類器判別各區(qū)域是否屬于地質(zhì)災(zāi)害。這里一般需要進(jìn)行分析方法訓(xùn)練，提前獲取一些地震圖像作為訓(xùn)練集，通過人工智能學(xué)習(xí)方法學(xué)習(xí)出地震區(qū)域的特點。圖5給出一個災(zāi)后次生地質(zhì)災(zāi)害提取的示例。

3.救災(zāi)帳篷識別：救災(zāi)帳篷識別屬于特定目標(biāo)的識別與分析，救災(zāi)帳篷是地震發(fā)生后安置災(zāi)民的重要裝備,準(zhǔn)確核實災(zāi)區(qū)的帳篷數(shù)量和空間分布是評估災(zāi)區(qū)救助需求、核查地方救災(zāi)工作成效、優(yōu)化安置點布局、估算轉(zhuǎn)移安置人數(shù)的重要依據(jù)。目前主要使用分辨率高的無人機(jī)航空遙感圖像，利用目標(biāo)檢測技術(shù)識別出帳篷的具體位置。目標(biāo)檢測算法根據(jù)要分析目標(biāo)進(jìn)行預(yù)學(xué)習(xí)和訓(xùn)練，然后設(shè)計一個滑動窗口在圖像上均勻移動，每次對滑動窗口內(nèi)的局部圖像進(jìn)行分類，判斷是否存在此類物體，最終找到整張圖像內(nèi)的所有目標(biāo)。

（四）森林火災(zāi)

人工智能方法在森林火災(zāi)中主要有火燒跡地分析、火災(zāi)識別等主要應(yīng)用。

1.火災(zāi)識別：火災(zāi)識別主要利用無人機(jī)遙感的高分辨率圖像判別有無可疑火災(zāi)發(fā)生，以便后續(xù)進(jìn)行重點監(jiān)測和及時救治。對無人機(jī)地面接收站接受的圖像（圖6）進(jìn)行分類，使用分類神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，可以達(dá)到很高的識別精度。這里主要是通過對紅外遙感圖像進(jìn)行分析，借用紅外圖像熱成像特點對發(fā)熱點區(qū)域進(jìn)行分析。

2.火燒跡地：火燒跡地是指火災(zāi)結(jié)束后被燒毀的區(qū)域。由于森林中被火燒過的部分植被已不存在，在遙感圖像上沒有了森林影響反射，與周圍植被的反射具有不連續(xù)性，因此可以通過面向區(qū)域的圖像分割算法提取火燒跡地的范圍。另外，也可以結(jié)合災(zāi)前的森林圖像，通過面向像元的變化檢測，比較配準(zhǔn)后的災(zāi)前災(zāi)后影像得到差值灰度圖，從而獲得了火燒區(qū)域，可以進(jìn)一步求得過火面積，如圖7所示。

（五）滑坡

人工智能方法主要在滑坡識別、滑坡區(qū)域提取等方面發(fā)揮作用。

圖5 震后次生災(zāi)害（滑坡、泥石流等）提取

圖6 無人機(jī)拍攝森林火災(zāi)圖像

1.滑坡體識別：遙感衛(wèi)星圖像通常包含的空間范圍比較大，因此可以利用滑坡區(qū)域與背景區(qū)域之間存在明顯差異的特點進(jìn)行分析，快速確定滑坡體的位置?；谏疃葘W(xué)習(xí)的目標(biāo)檢測技術(shù)主要包括基于可能區(qū)域的分類和基于邊界框的回歸兩種思路，前者具有更高的準(zhǔn)確度，后者則具有更快的速度。此外，大型滑坡調(diào)查中常常會使用無人機(jī)這種航空遙感手段獲取地表災(zāi)害數(shù)據(jù)。由于航空遙感數(shù)據(jù)具有較高的分辨率，可以直接對其進(jìn)行分類識別，來判斷該區(qū)域是否包含滑坡體。深度學(xué)習(xí)的發(fā)展帶來了分類精度的極大提高，因此也出現(xiàn)不少基于深度網(wǎng)絡(luò)的滑坡分類識別方法。

2. 滑坡體區(qū)域提取：通過對多時相遙感影像進(jìn)行變化檢測能夠自動地提取滑坡邊界信息。變化檢測方法通常有兩類方法：圖像差集和后分類比較。圖像差集是對災(zāi)前災(zāi)后圖像進(jìn)行減法，后分類比較則可以使用神經(jīng)網(wǎng)絡(luò)分類器對災(zāi)前災(zāi)后的圖像進(jìn)行多尺度分類，然后對分類結(jié)果進(jìn)行比較得到變化信息，從而確定滑坡的區(qū)域。另外，也可以在滑坡體識別的基礎(chǔ)上，進(jìn)一步通過圖像分割算法得到更精細(xì)的滑坡體輪廓（圖8），從而為后續(xù)的救災(zāi)提供信息。

圖7 昆明西山森林火災(zāi)前后遙感影像及變化檢測圖像（局部）

圖8 四川漳扎鎮(zhèn)附近滑坡體提取

發(fā)展趨勢及展望

人工智能在減災(zāi)遙感領(lǐng)域雖然取得了很好的發(fā)展與應(yīng)用，但仍然還有很多的不足和值得突破的地方，具體如下：

1.目前人工智能在減災(zāi)遙感方面的應(yīng)用主要依賴于對遙感圖像數(shù)據(jù)的分析，下一步需要將衛(wèi)星數(shù)據(jù)、地面數(shù)據(jù)以及其他傳感器如無人機(jī)數(shù)據(jù)進(jìn)行融合分析，利用人工智能方法對氣象大數(shù)據(jù)和多源數(shù)據(jù)融合進(jìn)行分析會比單純只對遙感數(shù)據(jù)進(jìn)行分析獲得更多的信息和更好的預(yù)測。

2.現(xiàn)有智能分析方法大多還是在獲取了數(shù)據(jù)后將數(shù)據(jù)傳輸?shù)降孛孢\(yùn)算中心進(jìn)行分析，未來將會在數(shù)據(jù)獲取平臺直接進(jìn)行快速分析，例如在衛(wèi)星上直接進(jìn)行智能分析，將分析后有用的“信息”傳輸給地面，而不再是將衛(wèi)星原始數(shù)據(jù)傳給地面再分析。這好比在各類傳感器上安裝一個“大腦”提高了整體分析的效率和響應(yīng)速度。

3.現(xiàn)有的人工智能方法大多還是用來解決災(zāi)害發(fā)生后的評估和救援，發(fā)揮的作用大多還是輔助現(xiàn)有災(zāi)害預(yù)防、氣象分析等方法，隨著人工智能領(lǐng)域的不斷發(fā)展，筆者猜想未來人工智能會在災(zāi)害預(yù)測預(yù)防等方面起到引領(lǐng)的作用，從配角變成主角。