WADI - 新型機載漏損檢測監控服務：偏遠地區的解決方案
管網漏損是目前很多水司面臨的重大問題，傳統的檢漏方法無法在各種環境下都能提供有效的解決方案。2017年數據（EurEau 2017. Europe’s Water in Figures: An Overview of the European Drinking Water and Waste Water Sectors）顯示，歐洲供水聯合會（EurEau）29個成員國供水管網的平均漏損率為23%；在歐洲某些地區，供水管網漏損率能高達近50%。此外，漏損問題不僅有損能效還會波及水質，并且直接影響用戶水費的繳納。大口徑干管的漏損在整個管網系統漏損中占比高，特別是邊遠地區；但由于不易接近，傳統實地調研方法耗財耗力等困難，干管的漏損問題至今仍未能得到很好的解決。
目標
WADI項目的主要目標就是通過研發新型技術/設備為水司提供充足的信息來判斷偏遠地區水基礎設施中的漏損問題，實現及時和經濟高效的漏損修復，有助于減少供水，灌溉和水力發電配水過程中的損失。WADI研究人員開發了一種監測服務，該服務使用配備了多光譜和紅外攝像頭的小型載人飛機來調查大范圍區域并監測長距離基礎設施，以及無人機來調查無法訪問或危險區域。
目前，基于聲學、氣體注射、探地雷達和管道內部檢測方法的地面傳感和監測技術可用于檢測和定位配水管網中的主動漏損；但是對于供水干管（尤其是在農村等偏遠地區）檢漏來說，這些方法還遠遠達不到預期效果，這就需要新的且經濟高效的管道漏損檢測方法。
該項目的創意主要依賴于耦合及優化現成的光學遙感設備，并將其應用在兩個互補的空中平臺（有人駕駛和無人駕駛）上，針對不同類型不同區域的基礎設施進行作業。通過檢測地面濕度異常，植被含水量和熱慣性從而實現對漏損的定位和監控。
管道中泄漏的水會通過擴散作用進入到附近的土壤，造成土壤濕度的增加以及溫度的降低（主要是因為地表蒸發和植被蒸騰作用），溫度的變化可以通過紅外熱像儀進行檢測。但是，植被覆蓋土壤的溫度變化與裸地不同，難以確定水分的流失。因此，研究人員引入了隨溫度和植被覆蓋率變化的一種濕度標度來消除這種不確定性。植被覆蓋率可根據一系列植被指數（VI），例如NDVI（歸一化植被指數）或OSAVI（最佳土壤調整植被指數）推斷出來；而這些指數可通過高光譜相機提供的紅色和近紅外（NIR）信號評估得出。
該方法，即將溫度和植被指數結合起來，是通過建立植被覆蓋率和含水量表現出極大差異的區域內所有像素構建溫度-植被指數散點圖來實現的。該方法也稱為“三角形（或梯形）法“（Triangle or Trapezo?d），主要是因為獲得的散點圖與三角形形狀相關。通常，三角形散點圖的頂點被截斷形成梯形形狀。散點圖通過評估每個點或像素相對于三角形/梯形的干邊和濕邊的相對位置來推斷水分指數（water index）。
WADI項目分別在法國的普羅旺斯（Provence）以及葡萄牙的阿爾克瓦（Alqueva）進行了示范驗證。首個機載遙感驗證于2017年2月、4月和7月在普羅旺斯多個區域內進行，覆蓋法國SCP水司（Société du Canal de Provence）的管網基礎設施，以評估基于機載監測數據的“三角形法”在漏損檢測中的實際適用性及最佳光波長度。首次飛行由法國宇航院ONERA的BUSARD飛行平臺提供，飛行設備裝有兩個高光譜Hyspex VNIR和SWIR攝像機以及一個微輻射熱紅外攝像儀（FLIR A325或FLIR A655sc7.5-12μm）。通過應用“三角形法“，同時基于可見圖像（紅色）和近紅外（NIR）圖像的熱紅外圖像和植被指數圖像組合，可以獲得最佳結果。2018年10月，WADI集成傳感系統同時在小型飛機和無人機上進行驗證，地點仍為覆蓋SCP水司管網的區域，數據仍使用“三角形法”進行分析。
載人機（MAV）：有效負載由多光譜輪式攝像機（Pixelteq SpectroCam）和熱紅外攝像機（Noxant NoxCam）組成。兩個攝像機都安裝在陀螺穩定常平架（Gyrostabilized Gimbal）上，以實時糾正非理想飛行。慣性測量單元（IMU）和GPS裝置為每個觸發圖像提供姿態（attitude）和地理位置（geographic position）。有效負載由機載計算機控制，該計算機可以存儲圖像以及來自IMU的相關慣性和地理數據。
無人機（RPA）：無人機有效負載略有不同，并且受限。無人機重量輕，RPA平臺重量輕，導致在攝像機的選擇上必須偏向于超低重攝像機（ultra-low weight cameras）。出于相同的原因，陀螺穩定器也無法使用。為抵消限制，無人機必須增加所獲取圖像的正面和側面重疊。機載多光譜和熱能選擇攝像機和導航系統由地面站臺進行控制，遙控飛機系統（RPAS）可以存儲圖像以及導航數據。
圖5. Manned Aircraft Payload Setup. Both cameras are GigE Vision and Genicam Compliants
數據處理
預處理：在任何情況下，兩中飛行平臺的圖像都需要進行預處理，以獲取正射校正（orthomosaics）以及大氣校正（atmosphere correction）或者發射率補償（emissivity compensation），這取決于所選參數識別方法，該項目中為濕度分布。然后進行分離合成圖像（RED，TIR，NIR）的處理，并結合來自地面相同點的響應，以獲得不同的植被和水分指數目標值。
后處理：假設分別創建了RED圖像，NIR圖像和TIR圖像的鑲嵌圖，其中的一個合成圖像已啟用地理參照（georeference），另外兩個圖像已相對于第一個進行了配準。此時三個合成圖像完美重疊。然后可以對這三個圖像信號進行數學運算。完美重疊至關重要，否則在組合三個圖像信號時，需要混合地面上相鄰點的響應。
數據可靠性
研發人員使用性能矩陣分析法（Performance Matrix Analysis）對WADI項目進行了評估，主要評估WADI技術檢測供水管網漏損的能力，并確定適合其準確應用的場景條件。載人機和無人機飛行期捕獲的圖像和收集的數據經過處理和分析可以識別出潛在的漏損事件。針對兩次實地（法國和葡萄牙）驗證中發生的所有檢測事件進行分類：真陽性（TP）、真陰性（TN）、假陽性（FP）和假陰性（FN）。
潛在漏損事件可根據航拍圖像的成功捕捉、處理和分析來判斷。漏損事件由技術（UAV / MAV）、管網類型（開放水道/埋管）、管材（混凝土，金屬，PEAD）以及飛行前期或飛行中的環境條件共同表征，其中環境條件包括：飛行前10天的土壤類型、植被類型、土壤濕度、土壤溫度、灌溉與否以及降水。
該方法將全球數據與本地特征結合在一起，并通過用戶友好的Web界面將其合并，通過基于Sentinel圖像分析指標來構建可靠性層，并進一步補充地形跟蹤水路模型。該方法可減少假陽性和假陰性時間的發生，從而降低成本并提高效率。
環境與經濟效益
為確保WADI技術的環境可持續性，項目進行了環境和經濟生命周期（Environmental and Economic Life Cycle Assessment）評估，計算相關環境影響指標，并將結果與現在主流的聲學方法等技術進行比較。
從碳排放來看，以及考慮兩種技術（MAV和UAV）的應用潛力，據估計，如果5% 的歐洲供水網管系統使用WADI技術進行檢漏分析，每年可以減少1.665億公斤的二氧化碳排放，主要是通過控制漏損從而減少供水能耗來實現的。此外，WADI項目還比較了WADI技術和聲學檢測系統的5個環境指標，結果如下表所示：
未來展望
實施WADI技術預計可以將其減少50％管網漏損。事實證明，該技術還可以檢測地下水，可用于干旱地區來定位地下水。總體而言，WADI成果有望減少水資源短缺的影響并增加供水效率。該項目于今年7月項目進入收尾階段，經過長達4年的研發以及兩次實地驗證，WADI技術得到了很好的驗證和支持。今年6月，WADI項目在ICT4Water Cluster舉行的網絡研討會中分享了其主要發現和成果。WADI現在正在為下一階段的商業化做準備。