分享

精品论文|海底地形测量技术现状及发展趋势

 張惠軍 2017-12-04


作者


赵建虎, 欧阳永忠, 王爱学

 

【摘要】简要回顾了海底地形测量技术的发展历史;详细介绍了船基声呐、机载激光、海岸带一体化测量海底地形技术及3种反演海底地形技术,呈现了海底地形的立体、高效、高精度、高分辨率获取现状。并展望了海底地形测量发展趋势,认为研制超宽覆盖、高精度、高分辨率、轻便型多波束测深系统和研究声速影响改正模型、测深数据滤波方法及海底地形表达是未来声呐测深领域的核心工作,无人船测量将会成为一种重要的作业模式,机载激光雷达测深、基于声呐图像的海底地形恢复及深拖测量发展潜力巨大。

【关键词】海底地形 立体测量 高分辨率 高精度 现状 发展趋势

海底地形反映了海床的起伏变化,在海底板块运动、沉积物迁移变化、导弹坐底发射、水面/水下载体安全航行、水下匹配导航、水下管节安放、沉船打捞、油气勘探和环境监测等海洋科学研究、海洋军事和海洋工程中发挥着重要的作用[1]。

海底地形测量是一项基础性海洋测绘工作,目的在于获得海底地形点的三维坐标,主要测量位置、水深、水位、声速、姿态和方位等信息,其核心是水深测量。水深测量经历了从人工到自动、单波束到多波束、单一船基测量到立体测量的3次大的变革。早期水深形测量主要借助测深杆或者测深锤来实现[2]。现代水深测量源于二战时期出现的基于超声波的单波束回声测深技术。通过检测声波往返于换能器到海底的双程传播时间,再结合声速计算水深,反映海底地形的起伏变化。单波束测深虽每次只能发射一个波束,但实现了水深测量从人工到自动的变革。随着声学、传感器、计算机和数据处理等技术发展,20世纪70年代起出现了由换能器阵列组成的多波束回声测深技术。多波束测深系统每次发射可以在与航迹正交的扇面内形成上百甚至几百个波束,相对单波束,多波束测深系统的出现是水深测量的又一场革命。长期以来,船基声呐测深是海底地形测量的主要作业模式。随着相关技术进步,历经半个多世纪的发展,船基测深技术不断完善,基于星基遥感图像的海底地形反演[3]、机载激光测深[4]、基于潜航器或深拖系统的测深技术相继出现,且研究和应用日益成熟。目前海底地形已形成了立体测量体系和信息的高精度、高分辨率、高效获取态势。


1海底地形测量的现状 

1.1 高精度定位技术

海底地形测量中,定位需与水深测量同步进行,以获取测深点三维坐标。目前的定位不再局限于为海底地形测量提供高精度的导航服务,还为测深提供高精度的瞬时三维起算基准。现代海底地形测量中,高精度定位服务主要借助GNSS(Global Navigation Satellite System)技术中的RTK(real-time kinematics)、PPK(post-processing kinematics)和PPP(pointing precise positioning)来实现[5]。3种GNSS定位模式均具有提供厘米级平面解的能力;RTK和PPK可提供厘米级的垂直解,PPP可提供10~20 cm的垂直解。通常,受无线电传输影响,RTK的作用距离为10~20 km,适合近岸海底地形测量;PPK无须无线电数传,但受局域差分原理局限,作用距离通常限制在70 km以内;PPP不受作用距离限制,可在任何位置获取高精度三维解。同PPK一样,PPP需要事后处理。  

1.2 船基海底地形测量技术

船基海底地形测量是目前最常用的海底地形测量技术。传统船基海底地形测量主要借助船载单波束/多波束回声测深仪开展水深测量,同步开展潮位、定位和声速测量。该技术已在设备性能、测量模式、数据处理方法等方面发生了深刻变化,充分体现了测深的高精度、高分辨率和高效测量特点,下面具体介绍各项进展。  

1.2.1 测量模式

目前,船基海底地形测量系统集多元传感器于一体,在航实现多源信息综合采集和融合,最大限度地削弱或消除了测量中的各项误差影响,提高了海底地形测量精度和效率。GNSS一体化测深技术是该领域的典型代表。联合单波束/多波束测深技术、GNSS RTK/PPK/PPP高精度定位技术、POS(position and orientation system)技术和声速在航测量技术等于一体,借助GNSS高精度三维解,联合船姿和方位以及换能器和GNSS天线在船体坐标系下坐标,实时获得测深换能器三维坐标,为测深提供高精度的瞬时三维起算基准,结合利用在航声速声线跟踪获得的高精度水深,最终获得高精度水下测点三维坐标。GNSS一体化测深技术的优势在于无须同步开展潮位站潮位观测、较彻底地补偿了波浪和动态吃水等因素对测量的影响[6],在航实现海底测深点三维坐标的确定,因此显著提高了测量精度和效率,并成为一种常用的船基海底地形测量作业模式。  

船基海底地形测量的无人化和自动化充分体现在无人船海底地形测量技术中。除GNSS一体化测深系统设备外,无人船还配备自动操控、避碰、无线电、雷达等系统[7]。根据遥控指令,无人船自动到达测量水域,沿事先设计测线实施测量,提取、存储和发送数据到岸上操控中心,操控中心开展实时或事后数据处理。无人船海底地形测量技术极大地降低了作业成本,提高了作业效率,在海况良好的大区域测量、浅滩等危险或困难水域测量中作用明显[8]  

1.2.2 测深数据处理

测深数据处理一直是海底地形测量中研究的热点问题之一,包括质量控制、声速、吃水、姿态、水位等改正,测深数据滤波及海底地形图绘制等,进展集中体现在如下3个方面: 

1.2.2.1 声速及声线跟踪方法、声速剖面简化

声速对测深精度影响显著,研究主要聚焦于声线跟踪、声速剖面简化和声场构建。  

声线跟踪是利用声速剖面(sound velocity profile, SVP)和往返传播时间、基于Snell法则确定不同入射角波束在海底圆斑坐标的方法。目前声线跟踪主要有层内常声速/常梯度声线跟踪方法,以及在此基础上为提高计算效率提出的误差修正法和等效声速剖面法。改进方法基于简单SVP与实际SVP的面积差,修正利用简单SVP的声线跟踪结果,替代实际SVP的声线跟踪结果。改进方法不失精度,实现了水深的高效计算。  

以上改进改善了计算效率,但忽略了声线中间变化。SVP简化通过去除不具有代表性、对声线跟踪精度贡献小的声速,形成简化的特征声速序列,达到提高声线跟踪效率、反映声线变化过程的目的,因此克服了声线跟踪改进方法的不足。SVP简化主要有人工和自动两类方法。人工法通过人工挑选SVP中特征声速形成新的SVP,虽简单但受人工经验影响较大。自动或半自动简化法包括滑动平均法[9]、D-P(Douglas-Peucker)法、MOV(maximum offset of sound velocity)法和面积差法。滑动平均法通过选择一定深度窗口,用平均声速替代窗口内原SVP进而实现整个SVP简化;D-P法以垂直距离为指标[10],在保证SVP形状特点的基础上实现简化;MOV法是D-P法的改进,将距离指标改为维度上的最大距离实施简化。D-P法和MOV法均基于形状简化SVP,忽视了声线跟踪特点,基于简化后SVP声线跟踪的精度会随深度增加表现出不稳定。面积差法基于等效声速剖面思想实施简化,SVP简化率和声线跟踪精度均优于前三种方法。  

基于SVP变化正交性,利用多个测站的SVP数据通过构建声速空间场模型,实现所覆盖水域任何位置的SVP确定;借助表层声速和已知深度约束,基于正交性原理也可实现SVP反演[11]。以上研究成果削弱了声速代表性误差影响,提高了声线跟踪精度。  

1.2.2.2 测深数据滤波

受复杂海洋环境、系统噪声和测量船噪声等影响,获取的测深数据有时会存在大量粗差,严重影响测深数据对海底地形的准确描述,需给予人工剔除或自动滤除。目前常用自动滤波方法主要有COP(combined offline processing)法,Ware、Knight & Wells法,Eag(RDANH)法,趋势面法[12],抗差估计法[13],Bayes估计法[14]中值/均值滤波、局部方差检测和小波分析相结合的滤波方法、选权迭代加权平均等。以上均基于统计实现滤波,对于海量测深数据存在处理速度慢、适用性较差、碎石区等复杂海床测深数据滤波性能欠佳等不足。CUBE(combined uncertainty bathymetry estimation)是一种自动滤波方法,具有滤波高效、可靠、抗差、稳健等特点而被广泛采用[15]。CUBE算法在进行格网水深估计时认为测深点在格网节点周围均匀分布,据此可准确的估计出格网节点的水深值。CUBE算法会在碎石区测深数据滤波中遇到挑战,滤波后结果中仍存在大量噪声,需借助人工滤除。CUBE滤波结合人工交互滤波为当前主要滤波方法。 

1.2.2.3 残余误差综合影响削弱

多波束测深系统是由多传感器组成的综合测深系统,除受自身测量误差影响外,还受声速、姿态、安装偏差等影响。虽对这些影响可严密测定和补偿,但其残余误差仍会给测深结果带来系统性综合影响,导致多波束测深Ping扇面地形出现“哭脸”或“笑脸”。根据相邻条带公共覆盖区测量对象的一致性,采用误差强制压制法可消除该现象,但简单的平均并不能从机理上对其彻底消除。基于地形频谱特征的削弱方法认为综合影响仅改变了测深结果对地形变化趋势的反映,未影响对微地形的呈现。据此,利用高精度中央波束测深结果构建边缘波束地形趋势,联合实测微地形,合成边缘波束地形,从机理上较彻底地削弱了残余误差综合影响[16] 

1.2.3 测深系统及数据处理软件

相对单波束测深系统,多波束测深系统因其全覆盖、高效率等特点广受用户青睐,系统研制进展较快,目前产品主要有SeaBeam系列、FANSWEEP系列、EM系列、Seabat系列、R2SONIC系列及我国自主研发的多个型号的浅水多波束测深系统,已形成了全海深、全覆盖、高精度、高分辨、高效率测量态势。高分辨、宽带信号处理及测深假象消除、CUBE测深估计等技术的采用,大幅度提高了测深精度、分辨率和可信度,测深覆盖已从传统的3~5倍水深扩展到6~8倍,Ping波束从上百个发展为几百个,设备的小型化和便于安装特点突出。 

测深数据采集与处理目前主要采用CARIS、PDS、Hypack、Qinsy Evia、Triton等软件,我国自主研发的测深数据处理软件也已投入应用。 

1.3 机载激光雷达测深(ALB)技术

ALB(airborne LiDAR bathymetry)借助红外、绿激光,通过检测海表和海底回波实现测深。同多波束测深技术一样,可实现全覆盖测量,其作业效率更高,在潮间带、浅水等地形测量中应用广泛。 

1.3.1 ALB系统

ALB系统主要由激光扫描仪、POS(position and orientation system)、高度计等组成。按照设计测线,飞行过程中快速扫描实现海底地形全覆盖测量。以飞机平台为基准,ALB分别借助红外、绿激光获得海面和海底高。测量中同步采集飞机位置、姿态和航向。飞机位置借助GNSS RTK/PPK/PPP获得,姿态和航向借助POS获得。此外,联合外部获得的海水浑浊度及部分船基实测海底地形,构建修正模型,提高ALB测量成果的精度。

1.3.2 数据处理技术

1.3.2.1 激光雷达测深理论

激光测深能力与水体散射系数和衰减系数比值强相关,借助唯像理论可建立激光测量的唯像雷达方程。激光束虽具有一定发射角,但其传输规律仍可用准直光束传输特性来描述,据此可建立准直光束在海水中传输的唯像理论模型。影响水底回波振幅的因素主要有水底反射率和脉冲展宽,基于激光辐射传输模型可对水底回波振幅进行校正。

1.3.2.2 归位计算

ALB归位计算理论和方法已经比较完善。根据GNSS提供的激光扫描仪三维绝对坐标,结合飞机姿态、激光扫描模式及扫描角、往返测量时间,可归算海面点的三维坐标。据此,再根据红外、绿激光测量时差、海水折射率、波束扫描角,归算绿激光海底圆斑的三维坐标。

1.3.2.3 波形识别

波形识别是检测激光回波、获取水面和海底波束传播时间,进而计算深度的关键。目前采用的技术主要有:为抑制白天强背景噪声,更精确地提取激光回波信号,对回波信号首先开展高通滤波滤除低频信号,再识别两种高频脉冲;利用回波信号的上升时间及振幅等特征,采用半波峰法识别海表和海底回波信号,进而估算水深;采用窄脉冲、高速探测器、小接收视场、窄带干涉滤光片和正交偏振方式接收,改善浅水海表和海底反射信号叠加;采用双高斯脉冲拟合,从极浅海水回波中分离海表和海底脉冲,实现水深提取。 

1.3.2.4 浑浊度反演

海水浑浊度会引起激光能量衰减,影响激光回波波形;反之,根据激光水体回波特征可估计海水浑浊度。提取ALB原始波形数据后,分析激光水体后向散射波形,估计有效衰减系数,进而反演海水浑浊度。 

1.3.2.5 绿激光高度修正及单一绿激光测量

受海表渗透深度影响,绿激光海表测量存在不可靠性。利用红外、绿激光测量结果分析绿激光水表渗透深度空间变化,利用统计法对绿激光海表高程修正,提高绿激光海表测量精度[17]。采用逐步回归法建立关于泥沙含量、波束扫描角和传感器高度的绿激光水表渗透深度模型,推导绿激光高度修正模型,据此对绿激光海表和海底高程修正,实现基于单一绿激光的高精度海底地形测量[18]  

1.3.2.6 深度偏差修正

几何发散和多次散射使绿激光底回波产生脉冲展宽效应,引起波峰位移,导致测深产生偏差。深度偏差主要与ALB系统测量参数(波束扫描角,传感器高度)和海水水文参数(水深、浑浊度)有关。采用逐步回归法建立关于水深、波束扫描角、传感器高度和海水浑浊度的深度偏差模型,据此对ALB进行深度修正,实现ALB高精度水深测量。  

1.3.3 软硬件系统研发

ALB系统研发目前已从实用化迈入商业化,脉冲发射频率得到进一步提高,半导体泵浦Nd:YAG固体激光器和双波长(红外激光1064 nm,绿激光532 nm)系统极大增强了ALB探测能力,系统体积、重量和能耗显著减小,机动性和续航时间增强[19]。ALB正向小型化,轻量化,有人驾驶机载平台向无人机平台转变。典型的ALB系统主要有Optech的SHOALS 200/400/1000/3000,CZMIL和Aquarius系列产品,AHAB的HawkEye Ⅱ/Ⅲ和Chiroptera,Fugro的LADS MK3,RIEGL的VQ-820-G和VQ-880-G。按采用的激光波长分为双频激光(SHOALS系列,CZMIL,HawkEye Ⅱ/Ⅲ、Chiroptera, VQ-880-G)和单频激光(Aquarius, VQ-820-G, LADS MK3) ALB系统,双频激光ALB一般采用红外激光和绿激光共线、圆形扫描方式,单频激光系统一般采用绿激光圆弧扫描方式。我国目前也在研制ALB系统,多处于研发阶段。目前,ALB数据处理软件多为各公司研制的随机软件,国内尚无相应的软件系统。  

1.4 海岸带一体化地形测量技术

尽管ALB可实现海岸带水下和干出地形的一体化测量,但穿透能力和测量精度受海水浑浊度影响较大,有些水域难以实施测量。近年,利用多波束测深系统和激光扫描仪面扫测、非接触测量特点,出现了集多波束测深仪、激光扫描仪、稳定平台、POS等于一体的、安装在测量船或气垫船上的海岸带一体化测量系统,同步测量浅滩水深以及激光测程内的岸边地形,同时获取水下和干出地形[20]。海岸带一体化地形测量在堤坝、码头等水域有较好的应用,但在一般的浅滩地带存在测量盲区。尽管现代多波束测深仪具有旋转声呐探头的功能,但依然难以扫测获得接近干出部分的浅水地形。  

1.5 潜基海底地形测量技术

为了提高海底地形地貌信息获取的分辨率和精度,满足海洋科学研究和工程应用需要,以AUV/ROV/深拖系统为平台,携载多波束测深系统、侧扫声呐系统、压力传感器、超短基线系统于一体的潜基海底地形地貌测量系统已经面世,并在我国一些重点勘测水域和工程中得到了应用,也受到了海事、水下考古、海洋调查等部门的高度重视[21]

潜基海底地形地貌测量系统借助超短基线定位系统、罗经、姿态传感器和压力传感器为平台提供绝对平面和垂直坐标,利用多波束测深系统和侧扫声呐获得海底地形和地貌信息,并将信息通过电缆传输到船载存储和处理单元,综合计算获得海底地形。  

潜基测量技术适用于深海地形测量[22]。随着我国深海调查活动的深入,其应用必将越来越广泛。 

1.6 反演技术

1.6.1 卫星遥感反演水深

卫星遥感反演水深是借助电磁波在水中传播和反射后的光谱变化,结合实测水深,构建反演模型,实现大面积水深反演,再结合遥感成像时刻水位反算得到海底地形[3]。可用数据以多光谱和SAR(synthetic aperture radar)影像为主,数据主要来源于IRS、Ikonos、QuickBird、AVIRIS、Sentinel-2,Landsat、TM、SPOT、Seasat-1、TerraSAR-X、Radarsat-2、GF-3等卫星。卫星遥感反演水深具有经济,灵活等优点,但反演精度及范围需提高。

反演水深的关键是构建不同波段或组合波段与水深间的反演模型,主要包括波段优选、波段组合及反演模型构建3部分[23]。波段优选是提取显著波段的工作,目前借助主成分分析法或相关法通过分析各波段反演水深的显著性或与水深的相关性来选择。波段组合是分析不同显著波段组合对反演水深精度改善程度,进而确定最优组合波段的工作。反演模型构建实则是构建显著波段或组合波段与实测水深间的关系模型并用于水深反演,先后出现了线性模型、附加幂函数非线性修正的线性模型、基于底部反射模型建立的单/双/三波段反演模型、结合多光谱遥感信息传输方程推导出的水深对数反演模型等。以上3个过程对于不同卫星影像和在不同水域,最优波段选择、最佳波段组合及反演模型均存在差异。 

1.6.2 重力反演海底地形

重力异常和海底地形在一定波段内存在高度相关,借助重力异常或重力梯度异常可反演大尺度的海底地形,为科学研究提供支撑。重力反演海底地形经历了从一维线性滤波到二维线性滤波发展,其核心是反演模型构建。 

反演模型构建经历了直接建模和修正建模过程,目前多采用修正建模。如利用ETOPO5模型、GMT海岸线数据、卫星测高重力异常和船测水深,一些学者建立了海底地形模型[24]。采用垂直重力梯度异常可以反演得到独立于重力异常的海底地形模型。在不同海底模型假设基础上,许多学者开展了水深反演,如在椭圆形海山模型假设基础上利用垂直重力梯度异常、采用非线性反演方法对全球的海山分布进行了反演,基于高斯海山模型,通过分析地壳密度、岩石圈有效弹性厚度及截断波长对反演的影响,采用垂直重力梯度异常反演得到海底地形。  

借助重力地质法(gravity geologic method,GGM)法,利用大地水准面数据,在频域内采用二维反演技术,以迭代法处理海底地形和大地水准面的高次项问题,削弱岩石圈挠曲强度的误差影响,改善反演精度;采用快速模拟退火法,利用重力垂直梯度也可反演海底地形[25]。比较GGM法、导纳法、SAS法(Smith and Sandwell)、垂直重力梯度异常法和最小二乘配置法,认为GGM法、SAS法反演精度较高,GGM法、垂直重力梯度异常法和最小二乘配置法适宜开展大面积海底地形反演。  

1.6.3 声呐图像反演高分辨率海底地形

高分辨率海底地形在沉船打捞、油气勘探和环境监测等海洋工程和科学研究中发挥着重要作用。在浅水、高精度和高分辨率海底地形主要借助多波束测深系统获得,但在深水其测深分辨率会随波束入射角和水深增大而显著降低。侧扫声呐通过深拖可获得20~100倍于测深分辨率的海底声呐图像,但缺少高程信息。基于侧扫声呐成像机理及光照理论,借助SFS(shape from shading)方法可实现基于声呐图像的海底高分辨率地形反演。SFS方法是基于声波在海床表面遵循的海底反射理论,通过构建回波强度与入射方向、地形梯度等因素之间的关系,对模型求解即可得到海床地形[26]。SFS反演仅能得到相对形状,需借助外部测深数据或侧扫声呐测量中提取出的水深数据约束,才能实现绝对海底地形的恢复[27-28]

1.7 水位测量及改正

水位联合换能器吃水为测深提供瞬时起算基准。水位观测及改正是传统船基海底地形测量中的一项基础性工作。测深位置水位的传统获取方法是基于水位面的变化特点,借助周围水位站观测水位,利用水位内插模型获得,或基于潮位预报来获得[1]。在此基础上,目前已拓展出了GNSS在航潮位、基于全球潮汐模型的潮位预报和余水位改正等方法。 

若具备测量水域各分潮潮汐调和常数和平均海平面,借助潮汐模型可预报测量时刻水位[29]。随着全球海潮模型如Schw80、NAO.99、FES2004、TPXO7等和全球平均海平面模型如DTU10-MSS等研究的深入,可获得全球任何海域各分潮调和常数及平均海平面,进而构建潮汐模型和预报水位。基于全球模型解决了对陌生水域潮汐特征了解和精度要求不高情况下海底地形测量时潮位的改正问题,但需注意模型精度的不均匀问题及模型的精化问题。  

无论采用何种预报方法,相对观测潮位,预报潮位精度偏低。余水位改正法可较好地改善预报潮位精度。在潮位站,根据实测潮位与潮汐调和常数预报潮位差值,即余水位,可修正测深位置潮位预报结果,改善潮位预报精度,为测深提供潮位改正。若存在多个预报模型时,需根据余水位变化规律,考虑建立恰当的改正模型。  

为进一步改善潮位的获取精度,在航GNSS潮位测量技术得到了普遍应用。借助GNSS RTK/PPK/PPP高精度定位技术,实时获取GNSS天线的垂直解,结合船姿、GNSS天线到水面的垂直距离,获得海面高序列;根据潮位和波浪变化周期,提取出在航潮位,为测深提供瞬时起算基准[30]。GNSS在航潮位的最大特点是无须顾及潮位模型误差,在航获取高精度潮位,可同时为邻近水域多艘测量船提供水位改正信息。  

潮位为测深提供瞬时垂直起算基准。随着测深模式和潮位获取模式的变化,潮位改正呈现事后和在航改正两种情况。基于潮位站的经典潮位改正方法主要有单站内插法、双站内插法、双站/多站分带法、时差法、最小二乘法等,基于上述方法可事后对水深数据进行处理,也可利用各潮位站实时发送的潮位数据来改正。类似的,基于潮汐预报或余水位的潮位改正也可采用实时或事后处理;在航GNSS潮位测量由于最终的潮位需借助长序列海面高变化序列来提取,因此需事后提取潮位和事后实施潮位改正。GNSS一体化测深中,GNSS为换能器提供瞬时高程,结合水深可在航获得测点高程。远海航渡式水深测量,测深瞬时垂直起算基准可借助全球潮汐模型、GNSS潮位、GNSS一体化水深测量3种方式获得。 

1.8 无缝垂直基准

GNSS高精度垂直解已广泛应用于GNSS一体化测深技术和GNSS在航潮位测量中,但均需解决如何实现GNSS实测大地高与海图深度基准下水深的转换问题。目前的垂直基准转换以平均海平面或似大地水准面为中介,实现大地高到正常高、正常高到海图深度基准下水深两步转换,也可实现大地高到海图深度基准下水深的一步转换。无论采用何种转换,均需解决3个问题,即垂直参考基准面选取,深度基准面的无缝化和垂直基准间的无缝转换。椭球面或平均海平面常被选做垂直参考基准面。深度基准面定义于验潮站,离散、跳变和不连续,其无缝化问题是3个问题中的关键。  

河口水域潮位站密集,各站上大地高、正常高和海图深度基准下水深的关系明确,可实现彼此转换。潮位站覆盖水域的深度基准面无缝化问题可借助几何内插或依深度基准面定义基于潮差比关系内插获得[31]。据此机理已在多个水域实现了深度基准面无缝化及垂直基准的无缝转换。 

全球潮汐模型和全球平均海平面模型为全球任意海域垂直基准面的无缝构建及垂直基准间的无缝转换提供了条件。借助全球潮汐模型可获得深度基准面相对平均海平面的差距,基于全球平均海平面模型可得到基于椭球面的平均海平面值,联合二者可实现椭球面、平均海平面和深度基准面之间的无缝转换。但在近海岸,全球平均海平面模型和全球潮汐模型的精化问题应引起足够重视。

 

2海底地形测量的发展趋势


未来水下地形测量仍呈现立体测量态势,且在各个层次会进一步加深,未来的测深将向自动化、智能化、集群化、高精度、高密度、高效率方向发展。具体表现如下:  

2.1 回声测深技术

2.1.1 多波束测深系统

超宽覆盖、高精度、高分辨率是多波束测深系统未来的发展方向。

覆盖宽度和测量精度是影响多波束测深的两个重要指标。换能器扇面开角影响覆盖宽度,为提高覆盖宽度,国内外学者和厂家正致力于换能器基阵形式研发,采用U型、V型阵列分布替代传统的Mill’s交叉阵,尤其是V型阵,利用两套均能独立收发基阵构成V型安装,使每套基阵水平夹角合理设置后发射波束主轴偏离基阵正下方,增强边缘波束方向的能量,利于接收边缘波束海底回波信号。为精确检测边缘波束的回波和实现宽覆盖、全Ping扇面所有波束精确测量,一些学者利用分裂子阵相位差检测法、多子阵检测法等实现波束检测,提高了检测精度和可靠性[32-33]  

分辨率是衡量多波束测深水平的另一个重要指标,决定了水下小目标及复杂地形的精细探测能力。除采用双基阵提高数据分辨率外,近年来,相干研究从机理上解决了多波束测深分辨率受波束数限制的问题。因具有算法简单、波束数显著增加、不增加硬件成本等优点,相干声呐技术受到愈来愈多的科研单位及生产厂商重视。  

2.1.2 测深数据处理

声速影响改正、复杂海底地形下测深数据的滤波以及海床地形表达问题一直都是测深数据处理研究的热点。声速剖面实时获取和高精度、快速声线跟踪算法,对于解决声速的代表性误差以及由此产生的边缘波束测深数据异常问题、深海海量多波束Ping测深数据的快速处理问题等具有重要的作用。随着深海调查活动的深入,以上两个问题将会成为影响测深精度的关键问题。目前的测深数据滤波方法多基于地形/测深数据变化的一致性原则设计算法来实现滤波,该前提假设在复杂海床,如碎石区或工程抛石区将会遇到挑战,只有结合地形特征、多波束测深机理开展测深数据滤波,才能更好地剔除粗差和确保测深数据质量。此外,基于测深数据,如何准确地构建海床数字模型,满足航行、地形调查等不同需求是当前研究一个难点问题,也是未来测深数据处理发展的一个方向。  

2.2 无人船海底地形测量技术

船基测量是目前获取海底地形精度较高的一种作业模式。船基测量需要根据测量范围、设计测线开展长程走航测量,尤其对于单波束系统,作业枯燥、烦琐、费时费力问题突出。无人船测量技术解决了浅水、低海况时海底地形的自动获取问题,提高了作业效率,显著降低了作业成本。但现有无人船海底地形测量系统在抗风浪、自治作业、全方位参数获取、海量测量数据实时传输、复杂海况下测量数据的高精度处理等方面研究仍需要深入,系统性能尚需进一步完善。  

2.3 机载激光雷达测深技术

ALB对于解决近岸浅水、潮间带等地形测量相较其他测量方法更具优势,但近岸海水浑浊,导致激光穿透性能下降,测深能力不足、测深精度降低。因而未来的ALB系统在硬件方面将朝着性能改进和单绿激光方向发展。前者将进一步提高测深性能和精度,后者将在精度要求不高的情况下提高穿透力和降低设备成本,使设备小型轻量化,增强测量灵活性。浑浊度是影响穿透力和测深精度的主要因素,进一步研究海洋水文要素与激光测深精度的量化关系模型,对于修正ALB测深结果,提高测深精度将非常有益,也是未来ALB一个重要研究方向。  

2.4 水深反演技术

基于声呐图像,恢复海底三维地形是实现海底高分辨率地形获取的一种有效途径。目前尽管取得了一些研究性结论,但距成熟应用尚有较大差距。基于声呐图像的海底地形恢复需解决的问题主要包括:顾及镜反射与漫反射的综合海底反射模型建立、基于声呐图像的海底非监督底质分类及底质因素对回波强度影响的消除,以及成像机理造成的阴影带来的反射模型解发散问题。此外,为实现无须外源测深数据辅助的相对地形向绝对地形转变,在侧扫声呐系统上需增加单波束测深仪,辅助海底线检测,提高图像精度的同时,也为绝对海底地形的恢复提供起算基准。  

2.5 深拖综合测量技术

随着深海调查活动深入和对重点水域海底地形详勘需求的日益增加,深拖测深成像一体化系统将会日益受到关注。借助深拖中的测深系统可以获得精细的海底地形,借助侧扫声呐图像可以获得高分辨海底地貌图像,由于两套系统的基准同为拖体,因此解决了常规测深和成像出现的位置不匹配问题,直接将形成的地貌图像叠加到地形上,实现高精度地形和地貌信息的一体化获取。

参考文献:滑动可阅览全部内容)

[1]赵建虎. 现代海洋测绘[M]. 武汉: 武汉大学出版社, 2008.

  [2]赵建虎, 刘经南. 多波束测深及图像数据处理[M]. 武汉: 武汉大学出版社, 2008. 

  [3]滕惠忠, 辛宪会, 李军, 等. 卫星遥感水深反演技术的发展与应用[C]//第二届高分辨率对地观测学术年会论文集. 北京: 中国宇航学会, 中科院电子学研究所, 2013. 

  [4]翟国君, 吴太旗, 欧阳永忠, 等. 机载激光测深技术研究进展[J]. 海洋测绘, 2012, 32(2): 67–71. 

  [5]张全德, 范京生. 我国卫星导航定位技术应用及发展[J]. 导航定位学报, 2016, 4(3): 82–88. 

  [6]何广源, 吴迪军, 李剑坤. GPS无验潮多波束水下地形测量技术的分析与应用[J]. 地理空间信息, 2013, 11(2): 155–156, 159. 

  [7]黄国良, 徐恒, 熊波, 等. 内河无人航道测量船系统设计[J]. 水运工程, 2016(1): 162–168. 

  [8]金久才, 张杰, 马毅, 等. 一种无人船水深测量系统及试验[J]. 海洋测绘, 2013, 33(2): 53–56. 

  [9]BEAUDOIN J, SMYTH S, FURLONG A. Streamlining Sound Speed Profile Pre-Processing:Case Studies and Field Trials[C]//Proceedings of US Hydrographic Conference. Tampa, FL:The Hydrographic Society of America, 2011:25-28. http://archimer./doc/00115/22615/

  [10]DAVID D H, PEUCKER T K. Algorithms for the Reduction of the Number of Points Required to Represent a Digitized Line or Its Caricature[J]. Cartographica:the International Journal for Geographic Information and Geovisualization, 2011, 10(2): 112–122.

  [11]魏碧辉, 刘翀, 周青, 等. 基于最小二乘支持向量机的声速空间变化模型构建[J]. 海洋测绘, 2013, 33(4): 12–15. 

  [12]王海栋, 柴洪洲, 翟天增, 等. 多波束测深异常的两种趋势面检测算法比较[J]. 海洋通报, 2010, 29(2): 182–186. 

  [13]张志伟, 暴景阳, 肖付民. 抗差估计的多波束测深数据内插方法[J]. 测绘科学, 2016, 41(10): 14–18. 

  [14]黄贤源, 隋立芬, 翟国君, 等. 利用Bayes估计进行多波束测深异常数据探测[J]. 武汉大学学报(信息科学版), 2010, 35(2): 168–171. 

  [15]王德刚, 叶银灿. CUBE算法及其在多波束数据处理中的应用[J]. 海洋学研究, 2008, 26(2): 82–88. 

  [16]赵建虎, 张红梅, 严俊, 等. 削弱残余误差对多波束测深综合影响的方法研究[J]. 武汉大学学报(信息科学版), 2013, 38(26): 1184–1187. 

  [17]MANDLBURGER G, PFENNIGBAUER M, PFEIFER N. Analyzing Near Water Surface Penetration in Laser Bathymetry-A Case Study at the River Pielach[C]//Proceedings of ISPRS Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences. Antalya, Turkey:ISPRS, 2013:175-180. http://adsabs./abs/2013ISPAn.II5b.175M

  [18]ZHAO Jianhu, ZHAO Xinglei, ZHANG Hongmei, et al. Shallow Water Measurements Using a Single Green Laser Corrected by Building a Near Water Surface Penetration Model[J]. Remote Sensing, 2017, 9(5): 426. DOI:10.3390/rs9050426

  [19]秦海明, 王成, 习晓环, 等. 机载激光雷达测深技术与应用研究进展[J]. 遥感技术与应用, 2016, 31(4): 617–624. 

  [20]元建胜. 海岸带地形一体化测图生产技术研究[J]. 海洋测绘, 2011, 31(4): 75–78. 

  [21]马小川, 栾振东, 张鑫, 等. 基于ROV的近海底地形测量及其在马努斯盆地热液区的应用[J]. 海洋学报, 2017, 39(3): 76–84. 

  [22]曹金亮, 刘晓东, 张方生, 等. DTA-6000声学深拖系统在富钴结壳探测中的应用[J]. 海洋地质与第四纪地质, 2016, 36(4): 173–181.

  [23]黄文骞, 苏奋振, 杨晓梅, 等. 多光谱遥感水深反演及其水下碍航物探测技术[J]. 海洋测绘, 2015, 35(3): 16–19.

  [24]胡敏章, 李建成, 金涛勇, 等. 联合多源数据确定中国海及周边海底地形模型[J]. 武汉大学学报(信息科学版), 2015, 40(9): 1266–1273. 

  [25]李倩倩, 鲍李峰. 高精度测高重力场反演南海海底地形[J]. 海洋测绘, 2016, 36(2): 1–5. 

  [26]COIRAS E, PETILLOT Y, LANE D M. Multiresolution 3D Reconstruction from Side-scan Sonar Images[J]. IEEE Transactions on Image Processing, 2007, 16(2): 382–390.DOI:10.1109/TIP.2006.888337

  [27]王爱学, 赵建虎, 尚晓东, 等. 单波束水深约束的侧扫声呐图像三维微地形反演[J]. 哈尔滨工程大学学报, 2017, 38(5): 739–745. 

  [28]赵建虎, 尚晓东, 张红梅. 水深数据约束下的声呐图像海底地形恢复方法[J]. 中国矿业大学学报, 2017, 46(2): 443–448. 

  [29]李大炜, 李建成, 金涛勇, 等. 利用验潮站资料评估全球海潮模型的精度[J]. 大地测量与地球动力学, 2012, 32(4): 106–110. 

  [30]赵建虎, 董江, 柯灝, 等. 远距离高精度GPS潮汐观测及垂直基准转换研究[J]. 武汉大学学报(信息科学版), 2015, 40(6): 761–766.

  [31]柯灏. 海洋无缝垂直基准构建理论和方法研究[D]. 武汉: 武汉大学, 2012. 

  [32]陆秀平, 黄谟涛, 翟国君, 等. 多波束测深数据处理关键技术研究进展与展望[J]. 海洋测绘, 2016, 36(4): 1–6, 11. 

  [33]李海森, 周天, 徐超. 多波束测深声呐技术研究新进展[J]. 声学技术, 2013, 32(2): 73–80. 


来源:《测绘学报》版权归原作者及刊载媒体所有)

    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息,谨防诈骗。如发现有害或侵权内容,请点击一键举报。
    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多