地下水监测中大数据技术的应用策略

盖燕如，冯平，丁素媛

（济南市水文局，济南250000）

1 引言

在信息技术飞速发展的今天，互联网+、云计算、大数据已被广泛应用。新基建的提出为各行各业的数字化转型升级提供了有利的政策支持，科技创新成为行业发展的有力推手。在地下水监测行业中，传统监测方法已不能满足我国当下的用水需求，向信息化、自动化发展成为必然趋势。

2 地下水监测技术

2.1 我国水资源的应用现状

目前，很多国家都面临着水资源严重缺乏的危机，给各国经济发展、社会民生都带来了极其严峻的考验。目前，全球总体水资源保有量大约在1.4×109km3，其中，工业用水占比24%，农业用水占比70%。随着人口增长和经济发展，全球整体水资源保有量已经减少了25%[1]。

我国水资源也面临着同样的严峻形势，存在极度匮乏问题，仅城市用水每年就有6×109m3的缺口，直接导致经济损失约2 000亿元人民币。严重的缺水与水污染等问题不仅限制了我国经济现代化建设和GDP增长的速度，同时也对部分居民的生活造成了严重影响。

2.2 地下水监测技术的发展

随着我国水资源利用和开发规模的不断扩大，很多地区在对地下水资源进行大量超采后，出现了永久性的漏斗塌陷区，同时，浅层地下水资源的污染范围也开始逐渐扩大。地表水与地下水在流动性和地质条件上有根本性的差异，这就导致地下水资源一旦被污染很难恢复，所以，要加强地下水资源的监测，避免水资源不受到破坏。

我国在地下水自动监测技术方面起步较晚。地下水监测最重要的部分是水位检测，目前还有很大一部分地区需要相关工作人员手动操作进行观测，只有少数地区可以实现自动观测水位。同样，地下水水质的检测工作也是以人工采样分析为主，自动分析检测为辅。国际上很多发达国家已经普及应用自动检测设备，尤其是德国、美国、日本等国家，已经可以完成水位、水质、水温等数据的自动采集分析以及自动化的数据存储和传输，为基础数据的获得和对大数据的分析管理打下了坚实的基础。

3 大数据技术概述

英国的维克多·迈尔·舍恩伯格（Victor Mayer Schonberg）教授在20世纪80年代最早提出大数据这一概念。大数据是指体积非常大、数据类别非常多、传统数据库工具无法捕捉、管理和处理的数据集。

1）大数据的容量很大。一个大型数据集的容量一般不会超过10 TB，但这并不能满足人类生产生活日益提高的需求，很多企业用户不得不将多个数据集组合在一起进行使用，这就使组合后的数据集容量超过了PB级别。

2）索引数据的类型越来越多，数据的来源也在逐渐增长。数据的类型和格式变得复杂多样，已经超越了以前有限的结构化数据类别，主要包括半结构化和非结构化数据。

3）数据处理的速度非常快。在数据量非常大的情况下，也可以实现实时数据处理。

4）大数据能保持很高的数据真实性，在社交、企业管理、金融交易这些对数据集中度较为依赖的领域，传统的数据处理方式急需改进，政府和企业更需要确保数据的真实性和安全性。大数据技术主要包含：数据收集、数据存取、基础架构、数据处理、统计分析、数据挖掘、模型预测和结果呈现等[2]。

4 地下水监测的大数据获取

4.1 地下水地理位置信息监测

使用计算机软硬件作为基础平台，可以对地下水的分布信息进行监测、收集、分析与管理，并可以将实时地理信息数据导入数据库。经过收集分析并导入数据库的地理信息和户外观测数据、通过传感器获取并数字化处理的数据也可以实时进行模拟和以图表形式输出。为了实现以上要求，需要采集大量多样化的数据，使用DQ数据处理技术不仅可以使整体数据更加规范化和统一化，还可以保证地下水地理位置信息的准确性并且得到精准的可视化表格。

这一技术主要组成部分为数据收集、数据重组、数据转换、空间信息分析和查询。其中，空间信息查询模块是DQ数据处理的一个最重要的部分，它被用来确定地理信息要素之间的空间关系以及更多复杂环境下的空间信息处理[3]。

1）空间信息查询：DQ数据处理技术主要用于查询空间信息，它支持对已知地区和地理信息及各种特殊情况下地区的空间信息查询。

2）拓展查询：拓展查询可将单一地区内的多个不同图层特征进行叠加形成新的空间特征，同时将得到的属性进行组合，这样地下水地图表更新和其他信息的查询会更为快捷。

3）缓冲网络查询：使用空间信息中点、线、面数据，智能化模拟一个地下水区块多边形来计算其附近的地理信息要素和空间接近程度。

4）数字地形分析：使用大数据技术可以很方便地得到地下水及其周边地区的地理信息数据，包括地表属性、坡度、日照强度、地层剖析图等数字化信息，这些数据系统可以进行地形整体分析，为地下水位置信息监测搭建了展示平台。

4.2 地下水污染监测

地下水的流动性大大低于地表水，因此，如果某一区域的地下水受到污染，会对周边区域的地下水造成大范围地下水资源污染，导致水量短缺。大数据技术拥有极强的云端存储和计算能力，将其应用于地下水污染监测领域，可以将繁杂庞大的数据统一整理分析并做出图标，以帮助应对策略分析。大数据技术通过部署在各个水源的探测器实时收集地下水污染物的含量、种类、浓度等数据，并分类存储到数据库中，然后通过云计算对数据进行分区计算和分析后，把各种污染成分的浓度和污染等级反馈给相关部门以做应对。这种方式取代了传统的人工作业方式，通过海量数据和实时计算极大地提升了地下水水质评价的客观性和准确性。

大数据水污染监测主要有以下几点：

1）对地下水中的化学成分进行辨别及含量测定，并对可能造成的污染进行分析；

2）对地下水中的微生物种类和数量进行测定，发现有害微生物及时记录并报告；

3）对地下水进行放射性测定，如果发现含有放射性物质，立即进行含量测量并记录；

4）对地下水进行重金属物质测定，如果重金属含量过高，不能当作生活水源使用，会对人体生命安全产生危害；

5）对物理化学成分进行测定，这种成分具有快速扩散的特征，如果不及时控制会在短时间内迅速污染周边地下水源。当探测器发现污染发生且已扩散到一定范围时，大数据系统的监测模块会第一时间给监测部门发送预警通知，同时会控制探测传感器实时监测污染扩散方向，防止污染周边地下水资源。

大数据技术还可以通过分析污染物成分、含量等信息来推断出污染源，为相关部门污染治理提出指导策略和源头分析，以便在污染发生的早期及时得到控制，尽可能缩小污染扩散范围和程度，保护水资源。

4.3 地下水水位监测

地下水位监测必须具有适用性、及时性、灵活性、扩展性、兼容性和经济性。此系统主要由前端监控设备和中心控制平台构成。前端设备与中心平台之间的数据通信通过GSM/GPRS/3G/4G无线传输到中央机房的因特网完成。集成式的水位计内置锂电池供电，体积小，质量轻，在野外方便使用，不需要建站房，只需要将其放入监测井中，由监测井上方设立的设备外箱进行防护即可。水位计测量是根据水压与水深成正比的静水压力原理，采用水压敏感集成电路制造核心水位计部件。将水压测量传感器固定在井中观测点位，把测点上方的压力高度与传感器所在位置的标高累加，就可以测得当前地下水水位标高值。通过大数据可以实时查看各监测点实时水位数据。

4.4 地下水水流量监测

地下水水流监测是基于超声波回弹技术原理开发的，它使用超声波发射和返回发射点之前的时间差值来测量水流速度，精准度高、便于部署、稳定性强，可以不间断地把实时流量数据传回大数据中心。

5 大数据技术对地下水监测技术具有重要意义

5.1 大数据地下水水质监测平台的构建

构建大数据水质监测平台需要以大数据技术作为主要支柱，大数据数据库作为基础，高速通信技术作为媒介。在搭建平台的整个过程中，需要注意以下几个问题。

5.1.1 要保证获取数据的准确性和完整性

在整个监测过程中，水质的详细信息数据主要通过自动化传感设备实时取得，用过人工辅助获得周边水源地貌、水域地质信息等数据。在整合数据库时，需要对水质信息进行动态化的监测，同时还需要对周边地貌特征、地质情况、污染情况等数据进行多元化采集来保证其完整性，最后根据信息情况进行归纳分类并做标准化存储。

5.1.2 制定水质的等级规范

依据水质特征情况对不同区域水质进行等级标准划分。在划分时利用大数据技术对监测数据进行量化的统一分析，使用规范形式对所有数据做分布式存储，使用特定算法对水质特点和风险等进行评估。

5.1.3 制定水质监测的评价模型

应用模型发挥其预警功能是评价水质并对其进行预测评估的基础。随着大数据技术不断发展，地下水监测和信息技术可以快速结合并建立符合监测需要的数学应用模型。在地下水体系复杂多元的情况下，可以建立符合水质特性的数据数学应用模型并用其对水质的风险进行模糊性的评价。在整个地下水质监测过程中，更多的应用可以使水质及周边环境综合评价预警模型不断完善和发展。

5.1.4 监测和捕捉异常水质数据

在水质监测平台建设时,需要保证数据平台能够远程获取水质数据，对数据进行动态化分析并及时捕获异常，同时以此为基础进行分析计算，使用预警系统向有关部门发送异常警报，为及时恰当的处理问题提供决策分析基础。

5.1.5 基于大数据建立可靠的水质监测程序

程序设计包含数据采集、数据处理分析、分析水质状态等部分，使用图表等可视化方式展现大数据监测成果，展示地下水真实状态。在设计大数据水质监测程序时，要合理安排基础层、数据层、表现层和中间层顺序。基础层的主要内容包括基本数据信息、信息传感器、探测器等基本采集设备；数据层包括基础数据、水质数据等多种数据库；中间层主要包括数据信息挖掘、数据管理等，利用统计、管理、监控、计算等方式分析数据的价值和意义；表现层主要以地图、图表等形式展示和显示水质的基本信息和现状。

5.2 对数据快速专业化的分析和挖掘

大数据最大的优势是可以对大量数据进行深度挖掘和分析。通过监测设备得到地下水的实时数据，目的是经过挖掘和分析取得其中有价值的信息。数据的分析结果需要通过可视化的方式呈现给最终的使用者，让使用者可以直观地获得大数据特点并使人们容易接受。专业人员基于可视化数据，加上自身经验和知识，可以迅速地从大量繁杂数据中找到有用的信息。

5.3 对大量不同类型、复杂数据的快速处理

地下水的监测难度远高于地表水监测，地下水各种参数的变动和其引发的环境变化是在地下不能被直接观测到的。同时，过度开采所引发的地质变动速度都极其缓慢，虽不容易被发现，但一旦发展到一定程度就会导致严重的后果。大数据最大的优势就是可以对超量的复杂数据进行快速处理，因此，必须使用自动化设备不间断地进行地下水监测，实时监控数据变化，并且借助大数据对长期储存的数据进行挖掘分析，及时掌握其变化，快速做出处理。

6 结语

综上所述，大数据技术的发展在极大程度上促进了我国当前地下水监测技术的发展，在大数据的支持下，通过对采集到的数据信息进行分类运算，并对其发展情况进行分析判断，可以有效提高监测效率，并提前预警各类灾害，从根本上解决地下水监测中出现的问题，使水资源得到更加有效的管理和利用，进一步为经济社会的绿色、可持续发展提供技术支持。