基于時(shí)序分析的港口航道水深變化研究及應(yīng)用

戴紅偉 嚴(yán)明

摘 ?要：本文基于Python語言，設(shè)計(jì)并實(shí)現(xiàn)了港口航道水深變化分析軟件，可按照時(shí)序?qū)v史水深監(jiān)測數(shù)據(jù)進(jìn)行疊加對(duì)比沖淤分析，能直觀反映出港口航道水深變化情況及趨勢，為航道維護(hù)、海事監(jiān)管等決策分析提供有力支持。

關(guān)鍵詞：時(shí)序分析;水深;沖淤分析

0 引 言

上海海事測繪中心負(fù)責(zé)江蘇、上海、浙江和福建三省一市公共港口、航道、航路及其他通航水域的測量工作，承擔(dān)轄區(qū)通航尺度核定測量工作和轄區(qū)測繪應(yīng)急處置工作，在歷年的測量作業(yè)下積累有大量的港口航道水深數(shù)據(jù)資料。將這些數(shù)據(jù)按時(shí)間序列進(jìn)行疊加對(duì)比分析，可以直觀地反映出港口航道水深變化情況，為測量規(guī)劃、航道維護(hù)、海事監(jiān)管等提供指導(dǎo)，具有重要的現(xiàn)實(shí)意義。

1 技術(shù)方案設(shè)計(jì)

1.1 系統(tǒng)框架

實(shí)現(xiàn)港口航道水深數(shù)據(jù)的時(shí)序分析，需要進(jìn)行數(shù)據(jù)入庫、建模、疊加對(duì)比等工作，為此設(shè)計(jì)系統(tǒng)框架如圖1所示，分為數(shù)據(jù)層、引擎層、服務(wù)層、應(yīng)用層等4部分。

整個(gè)系統(tǒng)設(shè)計(jì)為C＼S架構(gòu)，核心功能基于Python語言和開放的地理空間數(shù)據(jù)分析包GDAL進(jìn)行開發(fā)。GDAL（Geospatial Data Abstraction Library）是一個(gè)在X/MIT許可協(xié)議下的開源柵格空間數(shù)據(jù)轉(zhuǎn)換庫，支持包括Arc/InfoASCIIGrid（asc），GeoTiff（tiff），ErdasImagineImages（img），ASCIIDEM（dem）等多種柵格數(shù)據(jù)格式，具有較強(qiáng)的通用性[1]。

1.2 水深數(shù)據(jù)入庫

為了方便使用和管理水深監(jiān)測數(shù)據(jù)，本文設(shè)計(jì)采用SQlite來構(gòu)建數(shù)據(jù)庫，SQLite也是一款通用性很強(qiáng)的開源軟件，可以進(jìn)行定制開發(fā)。數(shù)據(jù)存儲(chǔ)的內(nèi)容包括歷年水深監(jiān)測數(shù)據(jù)、水深三維模型數(shù)據(jù)、生成的斷面線數(shù)據(jù)和輔助矢量GIS數(shù)據(jù)等。在錄入水深監(jiān)測數(shù)據(jù)時(shí)，需同步錄入數(shù)據(jù)的采集時(shí)間。

1.3 水深數(shù)據(jù)建模

在本文中需要將水深數(shù)據(jù)進(jìn)行DEM建模，設(shè)計(jì)為以GeoTIFF文件來進(jìn)行存儲(chǔ)，相關(guān)的索引數(shù)據(jù)則錄入到數(shù)據(jù)庫中進(jìn)行管理。GeoTIFF是TIFF （Tag Image File Format） 圖像文件的一種擴(kuò)展，具有TIFF圖像可以保存豐富的圖像層次和細(xì)節(jié)的優(yōu)勢，同時(shí)在TIFF的基礎(chǔ)上定義了一些GeoTag （地理標(biāo)簽） ， 來對(duì)各種坐標(biāo)系統(tǒng)、橢球基準(zhǔn)、投影信息等進(jìn)行定義和存儲(chǔ)， 使圖像數(shù)據(jù)和地理數(shù)據(jù)存儲(chǔ)在同一圖像文件中，方便制作和使用帶有地理信息的圖像。

1.4 水深數(shù)據(jù)疊加對(duì)比

在水深變化分析中，最核心的需求就是將歷年的水深監(jiān)測數(shù)據(jù)進(jìn)行疊加對(duì)比分析，查看同一點(diǎn)位或同一斷面線在不同的時(shí)期下的水深值變化情況，以此來分析預(yù)判未來的變化，對(duì)于河勢演變分析、航道維護(hù)等有著重要意義。在本文中該功能主要基于GDAL庫來實(shí)現(xiàn)。

2 關(guān)鍵技術(shù)

2.1 空間插值模型選擇

常用的柵格數(shù)據(jù)集插值方法有反距離權(quán)重（IDW）加權(quán)插值和普通克里金（OrdinaryKringing）插值2種。2種方法各有優(yōu)勢。

（1）反距離權(quán)重（IDW）加權(quán)插值

根據(jù)給定的控制點(diǎn)對(duì)和控制點(diǎn)的位移矢量（方向和距離），實(shí)現(xiàn)圖像每一個(gè)像素點(diǎn)的位移。反距離加權(quán)插值的方法是通過得到每一個(gè)像素點(diǎn)和選定控制點(diǎn)對(duì)的逼近關(guān)系，以及相對(duì)應(yīng)的權(quán)重關(guān)系，求得像素點(diǎn)相對(duì)應(yīng)的變化關(guān)系。逼近函數(shù)可以理解為對(duì)像素點(diǎn)p的影響程度，而權(quán)重函數(shù)則可以看成是對(duì)距離的權(quán)重，距離越遠(yuǎn)，權(quán)重越小，如式1所示，其中fi（p）為逼近函數(shù)，wi（p）為權(quán)重函數(shù)。

式（1）

反距離權(quán)重加權(quán)插值法適用于水深監(jiān)測點(diǎn)較多，且分布較均勻的情況，構(gòu)建出來的DEM模型準(zhǔn)確性會(huì)比較高。

（2）普通克里金（OrdinaryKringing）插值

克里金方法最早是由法國地理學(xué)家Matheron和南非礦山工程師Krige提出的，用于礦山勘探。這種方法認(rèn)為在空間連續(xù)變化的屬性是非常不規(guī)則的，用簡單的平滑函數(shù)進(jìn)行模擬將出現(xiàn)誤差，用隨機(jī)表面函數(shù)給予描述會(huì)比較恰當(dāng)。克里金方法的關(guān)鍵在于權(quán)重系數(shù)的確定，該方法在插值過程中根據(jù)某種優(yōu)化準(zhǔn)則函數(shù)來動(dòng)態(tài)地決定變量的數(shù)值，從而使內(nèi)插函數(shù)處于最佳狀態(tài)。

本文采用的是普通克里金法，它的假設(shè)條件是，對(duì)于空間任意一點(diǎn)s處的觀測值z(mì)（s）都有同樣的期望c和方差σ2，即任意一點(diǎn)的值都是由區(qū)域平均值c和該點(diǎn)處的隨機(jī)偏差組成，所以可以導(dǎo)出普通克里金插值公式如式2所示。

式（2）

克里金方法考慮了觀測的點(diǎn)和被估計(jì)點(diǎn)的位置關(guān)系，并且也考慮各觀測點(diǎn)之間的相對(duì)位置關(guān)系，在水深點(diǎn)稀少時(shí)插值效果比反距離權(quán)重等方法要好，可以較好地反映區(qū)域整體地形起伏情況。

2.2 剖面數(shù)據(jù)生成

剖面數(shù)據(jù)生成的算法原理是，將選取的剖面線從屏幕坐標(biāo)轉(zhuǎn)換成地理坐標(biāo)，求出直線段方程，在根據(jù)采樣點(diǎn)距算出相應(yīng)的XY坐標(biāo)，代入到水深DEM模型中，從而生成離散的水深點(diǎn)序列，部分代碼如圖2所示。

2.3 沖淤分析

沖淤分析是核心功能，原理是通過設(shè)置區(qū)域范圍，將該范圍內(nèi)2個(gè)不同時(shí)間序列的水深數(shù)據(jù)集，通過幾何代數(shù)運(yùn)算，生成區(qū)域水深差值數(shù)據(jù)集。并根據(jù)具體需求，設(shè)定格網(wǎng)間隔、顏色等，生成的成果文件同樣保存為GeoTIFF格式。部分代碼如圖3所示。

3 算例應(yīng)用

本文以長江口深水航道為例，選取了2020年5—8月深水航道的逐月水深數(shù)據(jù)，來分析該段時(shí)期內(nèi)深水航道水下地形變化情況。

將4個(gè)月的水深數(shù)據(jù)按時(shí)間序列依次錄入軟件，分別利用插值算法生成DEM模型，如圖4所示。結(jié)果顯示該區(qū)域整體水深基本維持在12.5 m以上，未見有明顯的沖淤區(qū)域。

為進(jìn)一步確認(rèn)水下地形的逐月變化情況，利用軟件對(duì)該區(qū)域進(jìn)行了沖淤分析，如圖5所示，其中正值代表淤積，負(fù)值代表沖刷。

從上圖中可以看出，5—6月，南港段及北槽中上段呈現(xiàn)微淤趨勢，北槽下段微沖，而導(dǎo)堤外段向海方向先淤后沖。6—7月水下地形變化明顯，南港上段向海方向先沖后淤，北槽上段和中段整體上呈現(xiàn)微沖趨勢，但在北槽中段末端開始向淤積轉(zhuǎn)變，改淤積趨勢蔓延至整個(gè)北槽下段，在導(dǎo)堤外段上段轉(zhuǎn)變?yōu)槲_狀態(tài)，而導(dǎo)堤外段地形變化與5—6月呈相反趨勢，向海展現(xiàn)為先沖后淤。7—8月水下地形變化與于6—7月基本保持一致，但是變化幅度有減小。此外，導(dǎo)堤外段地形變化再次轉(zhuǎn)變?yōu)橄葲_后淤。

而根據(jù)5月至8月的整體沖淤圖可見，3個(gè)月的沖淤變化與6—7月沖淤變化不僅在分布上基本保持一致，在幅度上也明顯保持一致。僅導(dǎo)堤外段地形變化呈現(xiàn)相反趨勢。因此可見，自南港段至北槽下段的5—8月地形沖淤變化主要集中于6—7月之間，而導(dǎo)堤外段沖淤分布上下段交替變化，最終5—8月呈現(xiàn)為上段淤積，下段沖刷。

4 結(jié) 語

本文通過研究，實(shí)現(xiàn)了對(duì)歷史水深監(jiān)測數(shù)據(jù)的時(shí)序分析，能及時(shí)掌握水深變化情況及趨勢，更加直觀地為港航管理部門提供決策依據(jù)，充分發(fā)揮出了水深監(jiān)測數(shù)據(jù)的作用。經(jīng)實(shí)例驗(yàn)證，分析結(jié)果準(zhǔn)確可靠，具有較高的應(yīng)用價(jià)值。

參考文獻(xiàn)

[1] Team GD . GDAL-Geospatial data abstraction library[J]. 2011.