无人机技术在灾害勘察中的应用和挑战

程堃，2015年5月

说到应用无人机做查勘，那必然要先说一下遥感的概念。

遥感的英文是remote sensing，中文翻译的很优秀，既是遥远的感知，很形象的说明了这门技术的本质，就是在非接触的状态下，探测目标物体的性质。目前，遥感的分类有很多，如果按照搭载传感器的载体来分类，可以分为卫星遥感、飞机遥感、车载遥感、定点遥感。卫星遥感多用于大面积的宏观星球探测，如用于气象探测的风云系列卫星、用于地球资源探测的资源系列卫星、用于探月的嫦娥系列。卫星遥感的分辨率现在最高可以达到分米级别（间谍卫星可以达到更高精度，不在讨论范围）；飞机遥感，又叫做航空摄影测量，可以算是遥感的鼻祖。由于飞行高度比卫星较低，覆盖范围相对较小，用于资源探测，地形测绘，边界勘察等；车载遥感，定点遥感是今年发展起来的新兴类别，在城市建筑，三维测量的应用相当广泛。如果再根据传感器的不同来归类，就能分出更多类别，如可见光遥感、激光遥感、微波遥感等。在激光遥感兴起以前，遥感其实是一种被动的探测技术，依赖传感器记录目标物反射太阳辐射的特征对目标物进行辨识。激光遥感开创了主动遥感的新篇章。传感器平台主动发射出激光，利用回波延时探测距离、利用回波强度特征识别目标为何种物体。

可以说，遥感是深入到每个人生活的每一分每一秒的，广义的说，从你看到一个物体到确定这个物体是什么的过程，就是人脑通过眼球这个可见光传感器接受到物体反射光信号的一个遥感解译过程。只不过现代科技发明了各种高端传感器用来代替人的眼球，并且把传感器安装到各种人类不容易达到的位置，比如高空、甚至深海，利用光、声的反射波性质对目标进行探测。因此，遥感技术的核心就是传感器和信号成像的判识。图像判识的过程最精确也最理想的方法是人眼和机器的结合，就是应用人眼对特定波段的判别经验作为机器训练和机器识别的依据对图像进行自动识别。因此遥感最大的挑战性就在于如何快速并且准确的对大量数据进行识别。

无人机作为飞行在云顶以下的平台，在快速部署、路线规划方面有其他平台不可媲美的优势。一旦灾情发生，在迅速灾情查看以及救灾指导方面有巨大的辅助作用。2008年汶川地震之后，由于地震之后释放的大量热能导致一连几天的天气都不好，主要灾区均有厚厚的云层覆盖，导致即使有高分辨率的资源卫星在轨道上做好了准备，也获取不到可用性强的灾情信息。所以，无人机线路规划灵活，部署快速的优点就更能在极端情况下发挥出来。无人机获取到的图像甚至实时传送的视频，极大的帮助外界对灾情建立直接的感知，对救灾部署中第一手资料的获取提供了决策依据。通过无人机的使用，更可以对灾民提供物资的支援和精神支持。不过，无人机滞空时间短（能滞空超过几十小时的军用级无人机不在讨论范围），视界范围小的缺点也是不能忽视的。当大范围灾害和远距离勘察的时候，小型的旋翼机就不适合了，而中大型的固定翼无人机就是更好的选择。而这种平台就需要更专业的操作人士，更职业的路线规划人员。

在数据可用性方面，中小型无人机主要在近地面对流层飞行，收到近地气流影响比较大，作为平台来说，本身的稳定度没有大型平台好，导致图像几何失真严重，后期图像几何纠正的技术需求就更高，使用时尤其是作为导航定位的时效价值就大大降低。而且无人机搭载的传感器一般都是民用数码相机级别，使用定焦镜头，中小尺寸可见光传感器较多。传感器失真，镜头畸变导致图像几何变形等系统误差也是比较难避免的，这也加大了后期数据处理的难度、延长了数据处理的时间。消除误差对高精度快速应用就是比较重大的一个课题。这也会影响无人机的普及和应用。由于复杂的后期处理需要更多专业技能，获取回的数据的实际信息可用率也会降低。除非由专业人士做专业的勘察，而不是仅仅用无人机平台搭载普通的传感器实现远程高空监控摄像头的功能。这么看，如何扩展无人机平台的使用效率，并且提高数据的可用度就是无人机灾后查勘的最关键一环。

如果对灾情的了解还要扩展到对损失的估计，平台的稳定性和传感器的特性就决定了损失估计的精度。在消除系统误差之后，一般的灾情面积估算精度可以达到90%以上。这也能满足对损失估算的要求。对于城市内涝、电网倾倒、房屋震塌等财产损失来说，知道了损失目标的范围和损失物的类别对损失的估计会比较直观。也有各种工程力学方法，在已知能量释放大小的条件下，用以估算各种类型财产的损失率，进而计算出一次灾害过程中造成的损失。

但是在估计农业、林业损失的时候，仅仅估算面积并不能高精度的估算出一次损失有多少。用玉米倒伏为例子，在一次大风过境之后，面积的估计可以通过把无人机影像与现有GIS（地理信息系统）数据相叠加的办法进行量测算出，但是无法简单以玉米的倒伏作为损失或者死亡的依据。只要作物主要茎部仍然不断，做好修正之后仍然可以继续生长。农户及时的补救就不会带来更大的最终产量上的损失。而能不能补救则取决于灾害发生在作物生长的某个生长周期。如果农户购买了农业保险，在补救之后的产量如果达不到损失的标准，保险公司也不会对该保单进行赔付。所以仅仅使用事件发生以后的影像数据不能说明是不是应该对某一单保险进行赔偿。然而，如果作物损失的分析已经建立在长期的定期对某种作物的生长做观测的基础上，在作物各个生长时期的发生不同影响跨度的灾害对作物产量的影响有可能被预测。鉴于现在主要的农作物保险的保障标的是成本而不是产量，综合成本的测算和对损失的定义就是赔付和拒赔的生死令牌。

现在有了各种现代化的高科技手段对灾害做可视化的监控和管理，这些信息不能仅仅掌握在少数人手里，信息的不对称性在互联网O2O时代应该尽可能的被消除，而不是被用来当作判断输赢的杠杆。

无人机毫无疑问是灾害勘察、损失估计的一个重要的新平台、新数据源。最大化的从技术上克服平台本身的弱点，同时最大化的发挥平台机动灵活、快速亲民的优点，让损失的估算不再是一个黑箱子，这才是专业人士应该努力发展的方向。当由信息不对称导致的价差被缩小，各个服务提供商才能靠提升服务质量等软实力来赢得市场。无人机也才不会仅仅当作一个广告噱头而存在，无人机在灾害的损失尤其是保险业损失的估算上才能发挥最大的效用。