哈佛：高分遥感影像车辆变化检测如何玩？
点击图片上方蓝色字体“慧天地”即可订阅
作者简介
沈林树虹、李俊娇、三郎斯基、王晓妍、王天骄、李淑阳
北京建筑大学
移动地理空间大数据云服务创新团队
调研报告：武汉市六所医院2018-2019年停车数量高分遥感影像变化检测探讨
目录
1、研究背景
2、实验方法
3、数据处理
4、结果分析
5、结论
1.研究背景
遥感学界对变化检测领域进行了较为全面系统的理论和实践研究，不论是从太阳黑子、各大行星，还是到湖泊河流、城市建筑物，遥感变化检测应用无处不在，相应的方法技术也层出不穷。
2020年初，新冠肺炎COVID-19在我国武汉市爆发，同时期全球范围内的诸多国家也均有报道，人民生命安全受到威胁，生产生活秩序受到严重影响。时至今日，我国疫情得到有效控制，而世界范围的许多国家、许多人民依旧处在水深火热之中。众所周知，了解疫情发展时空特征对控制疫情蔓延有着至关重要的作用，我国相关部门均实时对国内疫情信息进行了客观真实的通报，为全球协同抗疫争取了宝贵时间。
图1.全球COVID-19发展态势（图片来源：https://coronavirus.jhu.edu/map.html）
近日哈佛大学Dash平台上预发表一篇名为“Analysis of hospital traffic and search engine data in Wuhan China indicates early disease activity in the Fall of 2019（翻译为：基于中国武汉医院交通流量和搜索引擎数据的2019年秋季早期疾病活动分析）”文献所述内容引起各界关注，具体内容见图2。鉴于该文所述观点存在一定“伪科学”的特点，本文从高分遥感影像变化检测角度出发进行纯学术探讨。
图2. Analysis of hospital traffic and search engine data in Wuhan China indicates early disease activity in the Fall of 2019. （文献来源：https://dash.harvard.edu/handle/1/42669767）
这篇论文的主要内容是：①通过对比2018年10月和2019年10月这两个时间段，武汉6所医院停车场内车辆数量的变化，以及②对比这两个时间段里武汉网民在中国百度搜索引擎检索“咳嗽”和“腹泻”这两个关键词的数量，便得出了一个在新冠肺炎被中国官方于12月底发现之前的2019年秋季甚至8月，当地就可能已经出现了异常的“伪科学”结论。
鉴于这篇论文内容①涉及笔者研究领域，故尝试对武汉市六所医院2018-2019年停车数量高分遥感影像变化检测问题进行探讨。
2.实验方法
哈佛大学、波士顿大学公共卫生学院全球卫生系、计算流行病学实验室，波士顿儿童医院、波士顿大学公共卫生学院流行病学系Nsoesie, Elaine Okanyene Rader，等预发表文献（如图2）中关于车辆识别所采用的方法可概括为“深度学习[1][2][3]|是一类机器学习方法，可实例化为深度学习器，所对应的设计、训练和使用方法集合称为深度学习+人工修整”，方法具体细节请参考该文献。
众所周知，基于深度学习的方法无法避免地物错识别、漏识别等问题，一般在多时相变化检测应用中此问题尤为突出，从而造成识别结果存在较大误差。出于结论准确性和方法可靠性两方面考虑，本文采取完全人工数字化的方式并结合实际网络踏勘的方式，进行车辆数据采集和多因素分析，以期得到较为客观的检测结果和结论。
此外，需要说明的是本团队在深度学习遥感影像分析方面也有部分成果，但限于本文的特殊性在此并不适用，感兴趣的朋友请关注本团队并查阅历史推文和已发表的相关学术论文[2][3]。
高分遥感城市典型地物对象化识别方法研究
基于深度学习卷积神经网络的高分影像地物对象化识别
阅读全文
3.数据处理
3.1实验数据
3.1.1数据来源
时间范围：本实验所用高分影像数据时间为哈佛大学该文同名地点2018年12月，2019年10月，以及2019年12月的高分遥感卫星影像图。
地点信息：研究区域为武汉中南医院、湖北妇幼保健医院、武汉天佑医院、武汉同济医院、武汉中心医院、武汉协和医院六大医院，完全对应于该哈佛文献的研究范围。
数据来源：数据来源于BIGEMAP谷歌地球(http://www.bigemap.com/)以及LocaSpace Viewer(http://www.locaspace.cn/LSV.jsp)，为19、20级高分辨率卫星影像。
实地踏勘：本实验所用调查数据为上述各医院结合网络的实地踏勘数据，各医院信息如表1所述。
表1 武汉六家医院高分遥感变化检测实地踏勘相关信息
3.1.2 影像数据
图3.六家医院高分遥感影像数据（部分）
3.2数据处理
（1）范围规定
本实验6所医院地界范围严格按照高德地图（https://www.amap.com/）所示区域划分，矢量边界范围完全对应用于高分遥感卫星影像区域，采用人工勾勒的方式将区域严格划定。
（2）车辆数据
地面停车信息采集基于GIS软件进行目视解译判读，分别由三人并行进行三次采集，获取对应区域车辆shp多边形矢量图层文件，并在采集后分析协调不一致部分，避免判读误差，最终同一时相的统一结果。
图4.地面停车信息采集示例（部分）
（3）变化检测
本实验首先将收集到的原始影像进行一系列的预处理，再经过人工矢量化操作，之后经由数据分析，得到变化检测结果。
图5.地面停车变化检测处理流程图
4.结果分析
4.1实验结果
4.2分析讨论
结合高分遥感影像地物变化检测的一般技术流程，同时针对哈佛大学该文所述观点存在的一定“伪科学”问题，实验分析讨论具体从以下6方面进行探讨。
4.2.1阴影因素
如图6，通过分析太阳高度角和卫星天顶角，一般阴影[4]|遥感影像阴影指因倾斜照射，地物自身遮挡能源而造成影像上的暗色调，它反映了地物的空间结构特征，阴影可以增强立体感，且它的形状和轮廓还显示了地物的高度和侧面形状，有助于地物的识别。可根据侧影的长度和照射角度（遥感影像的阴影），推算出地物的高度；当然阴影会拖盖一些地物信息，给解译工作带来一定困难。存在a，b两种情况：
图6.太阳和卫星与建筑物阴影几何关系
哈佛大学的论文所选时间与太阳高度角具有如下几何与光谱特征。如下图7，2018年停车场高分影像的时间为卫星下午一点半过境武汉时所拍摄，这是一天中就诊患者较少的时段（这是很基本的生活常识），且建筑物阴影较多，遮挡了一部分车辆；第二张影像是2019年上午十点半过境武汉的卫星拍摄，显然这是每天的就诊高峰时段，且建筑物阴影遮挡区域较少。
图7（a）中的2018年影像几何特征符合图6（a），太阳与卫星位于建筑物同侧，具有如图7（a）的阴影光谱特征。图7（b）中2019年影像几何特征符合图6的（b），太阳与卫星位于建筑物异侧，具有如图7（b）的阴影光谱特征。（图片来源：https://blog.csdn.net/qq_33356563）
当车辆被树木或建筑物的阴影遮挡，通过目视解译的方法不容易判别出来，特别是黑色的车辆在阴影里更难准确判别。
图7.左（a）右（b），影像对应的阴影光谱特征
对比哈佛大学的原文，显然对阴影因素的考量很不充分，导致其识别结果的统计分析具有很大的误差，同时也暴露出作者对该阴影问题的认识不足。然而，遥感影像中的阴影检测及消除等是遥感学界长期探讨的一个常见问题，有关该方面的研究工作及文献资料请自行查阅。
图8.左(a)、右(b)，哈佛文章中的问题图（局部）
建筑物阴影在高分辨率遥感影像中普遍存在，主要原因是太阳光的辐射能量被遮挡，阴影的存在会影响图像判读和目标提取的精度。本文对阴影部分的车辆信息在目视解译的基础上，采用可明确判读即纳入统计总额的原则进行信息采集，严格避免此类误差。
图9.10.本文对应区域采集结果图（局部）
4.2.2车辆特征
车辆的几何和光谱特征是深度学习模型中卷积层关注的重点，而在目视解译车辆时，同样可以根据这些特征来实施识别工作。例如，可利用车身颜色识别出该车辆，对于车身颜色是黑色的车辆，在影像上看极易与其它的地物混淆（如阴影区域），造成人工解译或自动识别存在较大困难。
图11.12.不同特征车辆
此外，车型自身也会对人工解译或自动识别造成影响。一般车型分为小轿车、面包车、大巴车等，荷载人数存在很大的不确定性。小轿车可以根据前后玻璃以及车身给予判别，面包车和大巴车的玻璃接近垂直于车身，从影像上仅能看到车身，极易与其它地物混淆。
图13.14.不同特征车辆
显然，仅从停车场的车辆数量本身很难获取车型等信息，更难以据此获取准确的就诊人数，据此推断的结果（臆造意图更为显著）是否严谨科学非常值得研究人员们共同商榷。
4.2.3地下停车场
如下图15，通过网络实地踏勘调研，笔者发现武汉天佑医院、武汉中心医院、湖北妇幼保健院、中南医院，同济医院均有地下停车场。一般室内停车场在卫星影像上无法体现出来（部分卫星影像可能会拍摄到入口，地下部分无法从卫星影像观察到），因而在识别解译过程中该部分车辆信息无法计数。
图15.地下停车场网络实地踏勘调研（图片来源：百度街景http://quanjing.baidu.com/#/）
4.2.4武汉市车辆保有量
根据武汉市相关部门统计，2018年末全市机动车保有量312.3万辆，较2017年增长13.6%。截止2019年3月，武汉市机动车保有量已达322.5万辆，三个月机动车保有量增长10.2万辆，增幅创新高，按此增长速度推算，2019年机动车增长量预计将超过40万辆。
假设医院停车场车辆数量呈小幅度上涨的趋势，那么是否与该市车辆保有量上升之间存在耦合及正相关的关系？显然该问题是需要科研人员仔细研究方能得出客观结论的研究课题。本文笔者限于自身研究力量有限，未能给出相应的实验分析结果。
4.2.5多时相因素
由下图16、17看出建筑物光影位置存在明显偏差，示意光源（太阳高度角[5]|对于地球上的某个地点，太阳高度角是指太阳光的入射方向和地平面之间的夹角，专业上讲太阳高度角是指某地太阳光线与通过该地与地心相连的地表切面的夹角。太阳高度角简称高度角。当太阳高度角为90°时，此时太阳辐射强度最大；当太阳斜射地面时，太阳辐射强度就小。）位置不一，也就是说拍摄的时间并不一致，时间不同没有可比性。
图16.17.多时相因素影响
众所周知，中国每座城市的大型医院一般一天当中的上午（开诊时间为：周一至周五7:00-17:00（夏季挂号时间6:30-17:00），周六、周日7:30-16:30（夏季挂号时间7:00-16:30））是求医的高峰期，，其他时间的病人量就会相对较少。这也就意味着，在正常情况下，在上午这个时间段，医院的停车场本就有可能比其他时间段停放更多的车辆。此外需注意在工作日停放的车辆本就会比节假日停放的车辆多，中午午饭期间也会出现病人量较少情况。
4.2.6卫星影像图中建筑物遮挡产生的影响
一般卫星在轨高度及摄影角度对成像结果产生较大影响，同时高层建筑物遮挡现象亦时常存在于高分遥感影像中。
垂直摄影是指摄影机主光轴垂直于地面或偏离垂线在三度以内，取得的像片称水平像片或垂直像片。垂直摄影采集的原始影像只是俯视图，没有立体信息。倾斜影像是通过具有一定倾角的倾斜航摄相机获取的，其可以获取多个视点和视角的多重分辨率的影像，从而获取更为详尽的侧面信息，但是倾斜摄影受地面的遮挡比较严重，从而造成近地面的数据失真[6]。
图18.19.建筑物遮挡因素影响
由图18、19可以明显看出两组卫星影像图的拍摄角度不同所造成建筑物遮挡影响的差异。哈佛大学文中2018年的卫星影像图并非垂直拍摄，导致建筑物投射遮盖停车场位置，建筑物遮挡部分车辆，无法识别统计。笔者按照所获取的影像数据，通过分析获取的变化结果同样受到遮挡因素的影响。
5.结论
通过变化检测分析，我们得到了不同时间同地点（即医院）的地上车辆数据。分析数据可知：2019年末医院内车辆数据虽比2018年有所增长（2019年12月1340辆、2019年10月1565辆、2018年12月1148辆），但成因复杂，仅仅从遥感角度便能列举如：阴影、车辆特征、地下停车场、车辆保有量、时相、遮挡等诸多影响因素，更何况该变化是众多领域各个影响因素的集成，因而并不能单纯地将车辆数据变化归因于新冠疫情，具体各个影响因素权重还有待深入研究。
科学严谨求真务实的精神是我们遥感学界及学人们一贯的优良传统，需要全球科研人员共同维护和遵守。
参考文献
[1]知乎.深度学习.网址：https://www.zh ihu.com/topic/19813032/intro.
[2]Song Shiran, Liu Jianhua*, Pu Heng, et al. The Comparison of Fusion Methods for HSRRSI Considering the Effectiveness of Land Cover (Features) Object Recognition Based on Deep Learning. Remote Sensing. 2019, 11, 1435.
[3]Song Shiran, Liu Jianhua*, Liu Yuan, et al. Intelligent Object Recognition of Urban Water Bodies Based on Deep Learning for Multi-Source and Multi-Temporal High Spatial Resolution Remote Sensing Imagery. Sensors, 2020, 20:2. 397.
[4]阴影.遥感图像的基本特征及其解译.网址：https://www.doc88.com/p-7965027955151.html
[5]360百科.太阳高度角.网址：https://bai ke.so.com/doc/4128005-4327467.html
[6]宋文平,杨志强,计国峰,童雅妮,高歌. 匹配地面街景的倾斜摄影全空间信息恢复研究[J]测绘通报 2015.
内容转载、商务活动、投稿等合作请联系
微信号：huitiandi321
邮箱：geomaticshtd@163.com
欢迎关注慧天地同名新浪微博：
ID：慧天地_geomaticser
国际资讯｜3D at Depth推出了遥感和远程数据控制解决方案
《慧天地》敬告
《慧天地》公众号聚焦国内外时空信息科技前沿、行业发展动态、跨界融合趋势，探索企业核心竞争力，传播测绘地理信息文化，为测绘、地信、遥感等相关专业的同学提供日常学习、考研就业一站式服务，旨在打造政产学研用精准对接的平台。《慧天地》高度重视版权，对于原创、委托发布的稿件，会烦请作者、委托方亲自审核通过后才正式推发；对于来自网站、期刊、书籍、微博、微信公众号等媒介的稿件，会在作者栏或者文章开头显著标明出处，以表达对作者和推文引用平台版权的充分尊重和感谢；对于来源于网络作者不明的优质作品，转载时如出现侵权，请后台留言，我们会及时删除。感谢大家一直以来对《慧天地》的关注和支持！