一座大坝的表面看似平静坚固,但外表可能具有欺骗性。
这就是为什么世界各国政府要求定期对大坝进行检查。这是一个复杂的过程,旨在发现大坝周围土地的微小变化、细裂缝的出现或其他表明结构承受压力的迹象。

然而,全球7万座大坝中有许多位于偏远地区,这使得定期检查变得困难。
因此,越来越多的大坝检查数据从空中获取。近年来,无人机和卫星技术的发展为大坝检查提供了新的解决方案,能够以前所未有的方式监测大坝的完整结构。
“无人机和卫星彻底改变了大坝检查,提供了能够进入到以前无法到达区域的机会,并提供了更经济的方式来监控整个结构。”IEEE终身高级会员Raul Colcher说。
大坝面临的新威胁
虽然很少见,但大坝偶尔也会失事。国际大坝委员会对世界上最大的大坝进行追踪,该委员会称其数据库中的36,000座大坝里大约有300座曾经失事。这些事件造成了重大的生命损失和财产损害。该委员会指出,尽管历史上失事率约为1%,但近年来这一比率已大幅下降。
“一般来说,出现问题的主要原因是自然因素——如侵蚀、极端天气或地震活动,以及人为因素——糟糕的项目、施工失误、维护不足和老化,”Colcher说道。
一些专家将气候变化视为大坝面临的新威胁,因为它增加了大规模降雨事件发生的可能性。IEEE高级会员Paul Kostek说:“气候变化导致大坝后的蓄水量增加,这反过来又增加了对大坝结构的压力。这凸显出加强检查以及利用技术来扩大检查人员检查范围的必要性。”
合成孔径雷达(SAR)的出现
近年来,最具价值的卫星检测工具出现了:合成孔径雷达(SAR)。这种工具利用微波脉冲绘制地面地图,收集这些脉冲从地球反射回来时的反射波(https://spectrum.ieee.org/synthetic-aperture-radar-synspective)。合成孔径雷达技术的一个优势在于,它在创建地球物体高度精细的三维模型时能够穿透云层进行观测。
多年来,已经发射了许多合成孔径雷达卫星,这些卫星持续对地球进行测量。一个合成孔径雷达卫星星座每12天经过地球上的同一地点一次。这种持续测量带来了另一项能力,即干涉合成孔径雷达(InSAR),它通过比较两幅合成孔径雷达图像来探测大坝表面从太空来看小到1毫米的微小变化。
Kostek说,SAR系统也可以安装在无人机上,从而能够从其他角度进行观测。
“使用无人机或卫星(进行检测),无需(检测人员)前往现场就可以开展检测工作,并且在必要时,可以优先检测那些需要实地查看的大坝,”Kostek说道。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。