基于綜合感知的水利業務綜合平臺設計與實現

蒲虹宇，李銀花，張 雍

(1.廣東粵水信息科技有限公司，廣東 廣州 510175;2.廣東省水利電力勘測設計研究院有限公司，廣東 廣州 510000)

隨著網絡通信、物聯感知、人工智能、大數據挖掘與云計算等新一代信息技術的快速發展，水利發展已經具備向數字化、網絡化、智能化轉變的技術條件。其中，運用新一代信息技術，對數據資源實現深度挖掘和整合共享，并充分利用獲取的信息資源，結合各行業、各單位的業務需求和發展需求進行資源的優化配置以及信息的共享服務，是實現水利治理管理的數字化、信息化和智能化的關鍵[1]。

《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》明確要求“構建智慧水利體系”[2]，為貫徹“水利工程補短板、水利行業強監管”的發展目標[3]，本文依據水利部提出的智慧水利建設總體框架，結合水利業務需求，提出多種監管手段為一體的水利業務綜合應用平臺技術架構。該平臺在現有的河湖監管、防洪調度管理、水環境監管等業務的基礎上，挖掘不同監管技術手段產生的成果在業務上的相互聯系，建立業務——技術數據關系模型，實現多種水利業務集成管理。

1 總體設計

本項目以水利部提出的“智慧水利建設頂層設計”總體框架為建設導則，充分利用物聯網、大數據、衛星遙感、視頻圖像識別、無人機和人工智能等現代信息技術手段，以感知網絡層為基礎，數據資源層為底座、數據中樞層為核心，模型算法層為驅動，智慧應用層為目標，打造全面化感知、可視化監管、智能化決策、智慧化應用的水利業務綜合平臺，以推進智慧水利建設。平臺的建設應用能進一步提升河湖監管、防洪調度、水環境監管等業務管理能力。

水務業務綜合應用平臺的系統架構如圖1所示。

圖1 系統架構

1.1 感知網絡層

感知網絡層是智慧水利的“感知系統”，為數據資源層提供數據源，為智慧應用層提供基礎支撐環境，是水利業務綜合應用平臺的重要基礎設施。感知網絡層通過充分利用已有的水利感知網，根據業務需求進一步加強衛星遙感、視頻智能監控、無人機、無人船等監測技術手段，運用物聯網、3G/4G/5G通信、有線網絡等水利信息網技術提升數據傳輸和處理能力，實現對河流水系、水工程和水利治理管理活動等水安全對象的全面感知。

1.2 數據資源層

數據資源層是水利業務綜合應用平臺的底座，為數據處理、模型應用、智能分析提供算據。數據資源層包括地理空間數據、監測數據、基礎數據和業務管理數據。地理空間數據來源多樣，實地測量是最主要的方式之一。本項目應用基于機載激光雷達和無人船多波束測深系統集成應用技術，實踐水陸一體化三維地形數據采集。利用水位計、雨量計、水質儀監測水位、雨量、水質數據；采用PS-InSAR技術監測堤防岸線變化，為監測預警提供支撐服務。基礎數據主要包括基于GF-1B遙感影像提取的河湖、水庫水體基礎信息，水閘、堤防的屬性和空間數據。業務管理數據主要包括河湖管理范圍、巡查數據、問題上報數據、組織用戶等信息。

1.3 數據中樞層

數據中樞層是水利業務綜合應用平臺的數據大腦[4]。數據中樞層包括數據匯聚、數據校驗、數據治理、智能分析和數據服務。數據匯聚是將各類水利業務監控數據進行標準化處理，根據數據源梳理情況歸納數據匯聚方式和方法，每類數據采用適合方式匯入數據資源池，進行集中存儲；數據校驗是通過數據質量控制對采集和匯聚的數據進行自動化校驗，檢查數據質量的合規性；數據治理的關鍵在于強化對數據資產的管控，一方面嚴控數據整個全生命周期的管理，另一方面通過數據分析，深度挖掘數據價值；智能分析是基于智能數據分析系統，通過數據挖掘、機器學習等方法研究、釋放信息數據價值；數據服務將治理后的數據封裝并發布API，對接到智慧應用層，支持各個業務場景的數據應用。基于以上的數據管理，數據中樞層才能釋放數據資產的價值，為上層智慧應用提供公共基礎服務支撐。

1.4 模型算法層

模型算法層是水利業務綜合應用平臺的“智慧支點”，以模型算法為中心，開發智能使能服務[5]，包括遙感分析服務、智能識別服務、防洪調度服務。通過水質反演模型、遙感影像解譯算法、圖像智能識別模型、深度學習算法、基于最大李雅普諾夫指數的PSR-LSTM耦合徑流模型、洪水演進模型等多種模型算法的搭建，結合數據中樞層的數據服務，可以對水利業務進行場景化定制，實現水質監測、河湖“四亂”監管、防洪調度等智能分析與深度挖掘的模型計算能力，支撐決策精準化，促進應用智慧化。

1.5 智慧應用層

智慧應用層直接面向各類、各職能的用戶，是本平臺建設的重點[6]。在數據資源層的基礎上，智慧應用層依托數據中樞層的數據治理和數據服務能力以及模型算法層的模型計算能力，實現水利業務綜合應用平臺的統一管理。智慧應用層主要包括5大系統：水利一張圖子系統、水環境監測子系統、水域岸線保護子系統、無人機監測子系統、水動力分析子系統。

2 關鍵技術應用

2.1 高光譜遙感技術

利用高光譜遙感技術能反映涉水地物的生物物理特征的能力以及頻譜分辨率高、監測地物信息性能好、可獲得光譜信息多樣化、數據采集快等優勢[7]，將高光譜遙感技術應用于水質監測、水華富營養化、水污染溯源、漂浮物、岸線開發監測等方面，能有效解決監管范圍廣、人工巡查效率低、問題事件多且分散等問題。

高光譜遙感可利用遙感解譯來掌握水體中各種物質的光譜特性，對光譜特征越是突出的水體要素，說明它的反演成效更好[7]。利用該特點進行水質遙感分析：對光譜特征比較明顯的水質要素進行直接測算其濃度，例如懸浮物；然后結合懸浮物濃度與其他水質要素濃度關系選擇適合的算法和建立反演模型快速計算葉綠素a、總氮、總磷等物質濃度[8]。高光譜遙感反演模型大體上以分析模型和經驗模型為主，通過建立遙感水質的反演模型測算水體中各水質參數的濃度，最終獲取河湖水質的時空分布和變化情況[9](圖2(a))。同時，通過污染水體的光譜效應和研究遙感影像的顏色、灰階、形態、紋理等特征差異，確定污染源、污染范圍和污染程度(圖2(b))。利用高光譜遙感獲取的納米級光譜信息以及藍藻的光譜曲線特征參數來構建反演模型[7,10]，實現藍藻水華的精確監測，標出疑似出現水華的水體區域(圖2(c))。

圖2 高光譜遙感技術應用場景

針對河湖范圍廣、事件發生地點偏遠、問題事件多等問題，高光譜遙感影像解譯法能迅速地發現各種問題并標注出發生位置，便于及時安排人員進行核查[11]。水域岸線監測分析主要圍繞河道侵占、岸線開發利用，通過解析高分辨的多源衛星遙感影像數據，對相同地點的岸線不同時段數據比較分析(圖2(d)～(f))，掌握岸線侵占問題類型、發生地點、岸線開發利用程度和變化情況，有助于水務局及時處理與水域岸線監測相關的問題。

2.2 圖像智能識別技術

圖像智能識別技術是信息時代的一項很關鍵的技術，其目的在于讓計算機取代人們花費巨大精力去處理大量的物理信息。圖像智能識別技術的流程主要包括獲取視頻圖像、圖像預處理、圖像特征提取和確定、分類器設置與分類決策。

基于視頻(圖像)信息，使用CspDarknet模型提取圖像特征，再用Yolo模型獲得預測結果，對預測結果采用focal loss和CIoU loss算法以及其他方式進行訓練，提高模型識別精度[12]，最終實現多場景智能識別模型，滿足隨機突發事件的多場景(岸邊侵占、漂浮物、船體、亂建亂采、垃圾堆放)目標識別監管需求。系統可針對違規采砂、垃圾堆放等情況實現圖像智能辨別(圖3(a)、(b))，發布問題事件識別成果，及時反饋給管理人員，實現監管方式從傳統人工、盲目被動到智能發現、全程監管的轉變，同時可以通過智能識別模型技術在指定領域或場景進行復用，從而節省成本，也能通過對同一畫面發生的多個事件進行智能識別，提高監測效率。

圖3 圖像智能識別技術應用場景

2.3 無人機

針對監管河湖范圍廣、事件發生地點偏遠、問題事件多等特點，利用無人機大視野寬尺度的航飛系統和機載遙感裝置來實現地面拍攝，并利用其機動靈活的特性，和其他技術手段進行實時數據的高速傳輸以及后期的信息模型分析[13]，極大節省人力、物力，有效提升外業巡查效率。

本項目采用無人機激光雷達地形測量與無人船多波束水下地形測量相結合的水陸一體化測量技術，將傳感器獲得的目標與傳感器中心的相對距離運用慣導系統(IMU)得到相對定位，再通過RTK基站數據和GNSS數據對傳感器數據進行后差分和坐標變換，實現對測量目標的位置測量，以獲得高精度的二維多光譜地圖和三維實景模型。利用生成的正射影像圖和三維實景模型可全面監測河湖管理范圍內網箱養殖、阻礙行洪的植物和建筑物、亂堆廢棄物、河流漂浮物、違建物等情況。為提升工作效率，減少人力投入在傳統的圖像比對上，可根據經過訓練后的AI圖像識別模型對問題事件進行自動標記，在系統上對各種問題事件進行數據分析，為河湖管控提供全面、有效的技術手段，有助于提升河湖監管的智能化、效能化水平。

針對高光譜遙感分析獲取的疑似問題點和不便于實地核查的事件，利用無人機可以進行重點巡查，便于及時確定問題事件，為后續管理提供依據。通過設置無人機的設定航帶點、拍攝距離、航線速度、航帶切割長度等參數，自動生成巡檢航線，獲取影像數據時會自動寫入的影像瞬時位置信息[14]，結合360°全景數據處理和AI圖像智能識別技術，實現河湖問題分布查看、無人機巡河成果報告發布、全景圖瀏覽及巡查路徑全景跟蹤，仿真模擬巡河過程(圖4(a)～(d))，提高河湖問題監管效率。

3 功能設計與實現

本系統在重點區域深入應用新一代信息技術，利用空天地一體化監測感知能力提高數據時效性，同時結合現有業務，挖掘不同監管技術應用成果與業務的聯系，建立業務-技術數據關系模型，為水利綜合業務的統一決策提供參考指標，為水利一張圖、水環境監測、岸線監測保護、無人機河湖監管、防洪調度系統提供重要的數據支撐和應用服務。

3.1 水利一張圖子系統

水利一張圖子系統作為對水利業務服務的GIS綜合地圖平臺，在數據庫基礎上，針對系統應用特點提出了統一的運行環境和技術架構，為系統集成建設提供技術服務，也為信息資源整合與數據共享提供了服務平臺。通過對地理空間數據、基礎信息、水文數據、工況數據的多源數據的采集、匯聚、融合、映射等處理，水利一張圖子系統可實現對河湖水庫、水利工程設施、水文測站、雨量站的信息查詢和統計分析等功能。按照用戶需求，在GIS一張圖的基礎上疊加水質分布、清“四亂”、岸線變化、洪水風險分析等專題圖，以實現水利信息和業務應用一張圖的可視化展示，如圖5所示。

3.2 水環境監測子系統

水環境監測子系統運用衛星遙感和色譜分析等手段，對主要河道水環境現狀及變化趨勢進行宏觀分析和簡報管理，該系統包括水質參數分布、水污染溯源、河流漂浮物三大模塊。系統運用建立水質反演模型分析高光譜遙感影像數據，繪制葉綠素a、懸浮物濃度、水體透明度(SD)、總氮(TN)、總磷(TP)、氨氮的時空分布圖，以及水質變化趨勢統計圖。結合水質參數時空分布成果以及周邊企業、排污口情況進行比對分析，查找上游區域內各行業污染源的分布和排污信息，快速鎖定超排區域或特定疑似企業，為流域水污染溯源監測提供輔助支撐服務。利用遙感影像數據反演提取河流大面積水面漂浮物空間分布，對較大面積的漂浮物進行提取、框選，生成成果圖和監測報告，實現對漂浮物的去向、種類、范圍等情況分析。系統能動態掌握區域水質情況、河流漂浮物分布現狀，使管理部門能及時采取應對措施，解決水質問題。

圖4 無人機應用場景

圖5 水利一張圖

3.3 水域岸線保護子系統

水域岸線保護子系統利用衛星遙感、PS-InSAR、圖像識別、無人機等技術手段對影響河湖行洪、堤防岸線變化以及違規采砂等問題進行自動預警，可以及時發現“亂占、亂采、亂堆、亂建”4類問題，將“四亂”問題形成專題圖和分析報告，輔助河湖“清四亂”綜合整治工作。系統運用綜合感知技術對水體岸線變化情況實施智能監控，及時、準確地反饋有關水域和岸線利用的變化信息，揭示自然因素及人類活動對水域岸線的影響，為河湖岸線治理與利用規劃提供技術支撐。

3.4 無人機監測子系統

無人機監測子系統利用多旋翼無人機對重點區域進行全景數據采集和處理，同時進行數據發布服務、數據共享服務，支撐系統應用。系統結合5G通信與無人機巡查技術，可實時回傳拍攝的高清視頻數據和同步巡航軌跡信息，對碧道工程的實時情況、無人機河道巡查軌跡和巡查成果進行管理。系統結合圖像識別和遙感解譯技術，及時發現無人機巡查過程中的河流漂浮物、“四亂”問題、亂排等事件，同時整理和發布問題事件的位置、范圍、疑似原因等信息。本項目采用水陸一體化地形測量技術獲取水下、地面的激光雷達數據和點云數據，經過數據預處理和數據融合后建立碧道三維模型，結合無人機航測技術實現碧道工程實時監督和生命周期監管。無人機監測系統減少人力資源的投入，促進河湖管理由被動應對向主動行動的轉化，提高河湖管理水平。

3.5 防洪調度子系統

防洪調度子系統是基于雨情、水情、工情、災情等多種數據采集平臺建設的綜合業務管理系統，為水災情信息管理服務和防洪調度管理奠定了統一的基礎架構。該系統結合降雨量、水位、流量和地形數據，構建基于最大李雅普諾夫指數的PSR-LSTM耦合徑流模型、洪水演進模型，對流域多個水文站進行水位預報，結合數據挖掘分析的預警指標實現自動洪水預警。結合模型計算結果，在地圖上可以查看歷史洪水和實時預報洪水的演進過程，以及洪水風險點分布情況；可視化預演洪水淹沒過程以及淹沒風險信息和受災情況統計數據，根據洪水淹沒風險圖和避險安置點位置圖，提供避險轉移方案預案。多種模型的耦合構建使系統洪水預警預報的時效性、預報精度得到有效提升，對輔助流域防洪形勢研判分析、防洪調度決策等業務場景具有重要意義。如圖6所示

圖6 防洪調度子系統

4 結語

本文以感知網絡層為基礎、數據資源層為底座、數據中樞層為核心、模型算法層為驅動、智慧應用層為目標，構建了數字化、智能化、可視化的水利業務綜合應用平臺。通過高光譜遙感、圖像智能識別、無人機等監測技術，實現了對全空間數據的實時、不間斷監控和問題告警，使水利監管由被動轉為主動，顯著提升水行政單位的監管能力。本平臺具有綜合感知技術與業務耦合、多模型算法與應用場景耦合特點，在防洪減災、河湖管理、水資源管理等方面具有顯著的應用前景，后續將深化智能分析和輔助決策業務應用，實現監管問題分析、解決方案推送以及輔助決策會商[15]。