WADI - 新型机载漏损检测监控服务：偏远地区的解决方案
管网漏损是目前很多水司面临的重大问题，传统的检漏方法无法在各种环境下都能提供有效的解决方案。2017年数据（EurEau 2017. Europe’s Water in Figures: An Overview of the European Drinking Water and Waste Water Sectors）显示，欧洲供水联合会（EurEau）29个成员国供水管网的平均漏损率为23%；在欧洲某些地区，供水管网漏损率能高达近50%。此外，漏损问题不仅有损能效还会波及水质，并且直接影响用户水费的缴纳。大口径干管的漏损在整个管网系统漏损中占比高，特别是边远地区；但由于不易接近，传统实地调研方法耗财耗力等困难，干管的漏损问题至今仍未能得到很好的解决。
目标
WADI项目的主要目标就是通过研发新型技术/设备为水司提供充足的信息来判断偏远地区水基础设施中的漏损问题，实现及时和经济高效的漏损修复，有助于减少供水，灌溉和水力发电配水过程中的损失。WADI研究人员开发了一种监测服务，该服务使用配备了多光谱和红外摄像头的小型载人飞机来调查大范围区域并监测长距离基础设施，以及无人机来调查无法访问或危险区域。
目前，基于声学、气体注射、探地雷达和管道内部检测方法的地面传感和监测技术可用于检测和定位配水管网中的主动漏损；但是对于供水干管（尤其是在农村等偏远地区）检漏来说，这些方法还远远达不到预期效果，这就需要新的且经济高效的管道漏损检测方法。
该项目的创意主要依赖于耦合及优化现成的光学遥感设备，并将其应用在两个互补的空中平台（有人驾驶和无人驾驶）上，针对不同类型不同区域的基础设施进行作业。通过检测地面湿度异常，植被含水量和热惯性从而实现对漏损的定位和监控。
管道中泄漏的水会通过扩散作用进入到附近的土壤，造成土壤湿度的增加以及温度的降低（主要是因为地表蒸发和植被蒸腾作用），温度的变化可以通过红外热像仪进行检测。但是，植被覆盖土壤的温度变化与裸地不同，难以确定水分的流失。因此，研究人员引入了随温度和植被覆盖率变化的一种湿度标度来消除这种不确定性。植被覆盖率可根据一系列植被指数（VI），例如NDVI（归一化植被指数）或OSAVI（最佳土壤调整植被指数）推断出来；而这些指数可通过高光谱相机提供的红色和近红外（NIR）信号评估得出。
该方法，即将温度和植被指数结合起来，是通过建立植被覆盖率和含水量表现出极大差异的区域内所有像素构建温度-植被指数散点图来实现的。该方法也称为“三角形（或梯形）法“（Triangle or Trapezoïd），主要是因为获得的散点图与三角形形状相关。通常，三角形散点图的顶点被截断形成梯形形状。散点图通过评估每个点或像素相对于三角形/梯形的干边和湿边的相对位置来推断水分指数（water index）。
WADI项目分别在法国的普罗旺斯（Provence）以及葡萄牙的阿尔克瓦（Alqueva）进行了示范验证。首个机载遥感验证于2017年2月、4月和7月在普罗旺斯多个区域内进行，覆盖法国SCP水司（Société du Canal de Provence）的管网基础设施，以评估基于机载监测数据的“三角形法”在漏损检测中的实际适用性及最佳光波长度。首次飞行由法国宇航院ONERA的BUSARD飞行平台提供，飞行设备装有两个高光谱Hyspex VNIR和SWIR摄像机以及一个微辐射热红外摄像仪（FLIR A325或FLIR A655sc7.5-12μm）。通过应用“三角形法“，同时基于可见图像（红色）和近红外（NIR）图像的热红外图像和植被指数图像组合，可以获得最佳结果。2018年10月，WADI集成传感系统同时在小型飞机和无人机上进行验证，地点仍为覆盖SCP水司管网的区域，数据仍使用“三角形法”进行分析。
载人机（MAV）：有效负载由多光谱轮式摄像机（Pixelteq SpectroCam）和热红外摄像机（Noxant NoxCam）组成。两个摄像机都安装在陀螺稳定常平架（Gyrostabilized Gimbal）上，以实时纠正非理想飞行。惯性测量单元（IMU）和GPS装置为每个触发图像提供姿态（attitude）和地理位置（geographic position）。有效负载由机载计算机控制，该计算机可以存储图像以及来自IMU的相关惯性和地理数据。
无人机（RPA）：无人机有效负载略有不同，并且受限。无人机重量轻，RPA平台重量轻，导致在摄像机的选择上必须偏向于超低重摄像机（ultra-low weight cameras）。出于相同的原因，陀螺稳定器也无法使用。为抵消限制，无人机必须增加所获取图像的正面和侧面重叠。机载多光谱和热能选择摄像机和导航系统由地面站台进行控制，遥控飞机系统（RPAS）可以存储图像以及导航数据。
图5. Manned Aircraft Payload Setup. Both cameras are GigE Vision and Genicam Compliants
数据处理
预处理：在任何情况下，两中飞行平台的图像都需要进行预处理，以获取正射校正（orthomosaics）以及大气校正（atmosphere correction）或者发射率补偿（emissivity compensation），这取决于所选参数识别方法，该项目中为湿度分布。然后进行分离合成图像（RED，TIR，NIR）的处理，并结合来自地面相同点的响应，以获得不同的植被和水分指数目标值。
后处理：假设分别创建了RED图像，NIR图像和TIR图像的镶嵌图，其中的一个合成图像已启用地理参照（georeference），另外两个图像已相对于第一个进行了配准。此时三个合成图像完美重叠。然后可以对这三个图像信号进行数学运算。完美重叠至关重要，否则在组合三个图像信号时，需要混合地面上相邻点的响应。
数据可靠性
研发人员使用性能矩阵分析法（Performance Matrix Analysis）对WADI项目进行了评估，主要评估WADI技术检测供水管网漏损的能力，并确定适合其准确应用的场景条件。载人机和无人机飞行期捕获的图像和收集的数据经过处理和分析可以识别出潜在的漏损事件。针对两次实地（法国和葡萄牙）验证中发生的所有检测事件进行分类：真阳性（TP）、真阴性（TN）、假阳性（FP）和假阴性（FN）。
潜在漏损事件可根据航拍图像的成功捕捉、处理和分析来判断。漏损事件由技术（UAV / MAV）、管网类型（开放水道/埋管）、管材（混凝土，金属，PEAD）以及飞行前期或飞行中的环境条件共同表征，其中环境条件包括：飞行前10天的土壤类型、植被类型、土壤湿度、土壤温度、灌溉与否以及降水。
该方法将全球数据与本地特征结合在一起，并通过用户友好的Web界面将其合并，通过基于Sentinel图像分析指标来构建可靠性层，并进一步补充地形跟踪水路模型。该方法可减少假阳性和假阴性时间的发生，从而降低成本并提高效率。
环境与经济效益
为确保WADI技术的环境可持续性，项目进行了环境和经济生命周期（Environmental and Economic Life Cycle Assessment）评估，计算相关环境影响指标，并将结果与现在主流的声学方法等技术进行比较。
从碳排放来看，以及考虑两种技术（MAV和UAV）的应用潜力，据估计，如果5% 的欧洲供水网管系统使用WADI技术进行检漏分析，每年可以减少1.665亿公斤的二氧化碳排放，主要是通过控制漏损从而减少供水能耗来实现的。此外，WADI项目还比较了WADI技术和声学检测系统的5个环境指标，结果如下表所示：
未来展望
实施WADI技术预计可以将其减少50％管网漏损。事实证明，该技术还可以检测地下水，可用于干旱地区来定位地下水。总体而言，WADI成果有望减少水资源短缺的影响并增加供水效率。该项目于今年7月项目进入收尾阶段，经过长达4年的研发以及两次实地验证，WADI技术得到了很好的验证和支持。今年6月，WADI项目在ICT4Water Cluster举行的网络研讨会中分享了其主要发现和成果。WADI现在正在为下一阶段的商业化做准备。