01.4 · Raziskovalni projekt ESA
Ocenjevanje iztekanja iz vodovodnega sistema s slikami SAR
Iz polarimetričnih radarskih slik satelita ALOS-2 iščemo mesta, kjer voda izteka iz zakopanih vodovodnih cevi – za pregled celotnega omrežja naenkrat.
O projektu
Vodovodni sistemi izgubijo velik del vode zaradi puščanja zakopanih cevi, večina teh mest pa je na površini nevidnih, dokler okvara ne postane velika. Akustični senzorji, merjenje tlaka in georadar puščanje zanesljivo najdejo, vendar le na kratkih odsekih, zato niso primerni za pregled celotnega mesta.
Satelitski radar SAR snema ne glede na vreme in dnevno svetlobo ter naenkrat pokrije celotno omrežje. V pasu L je signal občutljiv na spremembo dielektričnosti tal blizu površine, ki jo povzroči voda, ki izteka iz cevi. Metodo smo preizkusili na vodovodnem omrežju Maribora (Mariborski vodovod), ki obsega okoli 1800 km cevi, s polarimetričnimi posnetki satelita ALOS-2.
Kako deluje
- Zajem: satelit ALOS-2 (PALSAR-2) posname območje v pasu L v vseh štirih polarizacijah (HH, HV, VH, VV); posnetke radiometrično kalibriramo.
- Filtriranje po modelu UTILIS: iz povratnega sipanja odstranimo prispevke trdnih objektov in hrapavosti površja. Neznane koeficiente modela določi Kolmogorov–Arnoldova mreža (KAN).
- Večskalna dvovejna mreža s pozornostjo združi filtrirano sipanje, elemente koherenčne matrike in polarizacijska razmerja ter izdela karto verjetnosti iztekanja.
- Primerjava s klasičnimi modeli vlažnosti tal (Oh, Dubois, IEM, Freeman–Durden): ti vlažnost ocenijo, mest iztekanja pa ne locirajo.
Rezultat je predizbor sumljivih odsekov omrežja, na katerih vodovodno podjetje nato ciljno išče okvare na terenu.
| Vrsta | Raziskovalni projekt |
| Financer | ESA (Evropska vesoljska agencija) |
| Satelit | ALOS-2 PALSAR-2 (JAXA) |
| Pas | L |
| Polarizacije | HH, HV, VH, VV |
| Območje | Maribor, vodovodno omrežje |
| Metode | Model UTILIS, Kolmogorov–Arnoldove mreže, večskalna mreža s pozornostjo |
| Članek | A. Hanzić, D. Gleich, A. Sarjaš: Synthetic Aperture Radar Data-Based Leakage Detection from Water Pipeline Networks using Multiscale Dual-Branch Cross-Attention Encoder and Kolmogorov–Arnold Networks, oddano v revijo Remote Sensing. |
| Predhodno delo | B. Pongrac, D. Gleich: Regression Neural Network for Soil Moisture Estimation, APSAR, 2021. |
