基于时序分析的港口航道水深变化研究及应用

戴红伟 严明

摘  要：本文基于Python语言，设计并实现了港口航道水深变化分析软件，可按照时序对历史水深监测数据进行叠加对比冲淤分析，能直观反映出港口航道水深变化情况及趋势，为航道维护、海事监管等决策分析提供有力支持。

关键词：时序分析;水深;冲淤分析

0 引 言

上海海事测绘中心负责江苏、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测量工作，承担辖区通航尺度核定测量工作和辖区测绘应急处置工作，在历年的测量作业下积累有大量的港口航道水深数据资料。将这些数据按时间序列进行叠加对比分析，可以直观地反映出港口航道水深变化情况，为测量规划、航道维护、海事监管等提供指导，具有重要的现实意义。

1 技术方案设计

1.1 系统框架

实现港口航道水深数据的时序分析，需要进行数据入库、建模、叠加对比等工作，为此设计系统框架如图1所示，分为数据层、引擎层、服务层、应用层等4部分。

整个系统设计为C＼S架构，核心功能基于Python语言和开放的地理空间数据分析包GDAL进行开发。GDAL（Geospatial Data Abstraction Library）是一个在X/MIT许可协议下的开源栅格空间数据转换库，支持包括Arc/InfoASCIIGrid（asc），GeoTiff（tiff），ErdasImagineImages（img），ASCIIDEM（dem）等多种栅格数据格式，具有较强的通用性[1]。

1.2 水深数据入库

为了方便使用和管理水深监测数据，本文设计采用SQlite来构建数据库，SQLite也是一款通用性很强的开源软件，可以进行定制开发。数据存储的内容包括历年水深监测数据、水深三维模型数据、生成的断面线数据和辅助矢量GIS数据等。在录入水深监测数据时，需同步录入数据的采集时间。

1.3 水深数据建模

在本文中需要将水深数据进行DEM建模，设计为以GeoTIFF文件来进行存储，相关的索引数据则录入到数据库中进行管理。GeoTIFF是TIFF （Tag Image File Format） 图像文件的一种扩展，具有TIFF图像可以保存丰富的图像层次和细节的优势，同时在TIFF的基础上定义了一些GeoTag （地理标签） ， 来对各种坐标系统、椭球基准、投影信息等进行定义和存储， 使图像数据和地理数据存储在同一图像文件中，方便制作和使用带有地理信息的图像。

1.4 水深数据叠加对比

在水深变化分析中，最核心的需求就是将历年的水深监测数据进行叠加对比分析，查看同一点位或同一断面线在不同的时期下的水深值变化情况，以此来分析预判未来的变化，对于河势演变分析、航道维护等有着重要意义。在本文中该功能主要基于GDAL库来实现。

2 关键技术

2.1 空间插值模型选择

常用的栅格数据集插值方法有反距离权重（IDW）加权插值和普通克里金（OrdinaryKringing）插值2种。2种方法各有优势。

（1）反距离权重（IDW）加权插值

根据给定的控制点对和控制点的位移矢量（方向和距离），实现图像每一个像素点的位移。反距离加权插值的方法是通过得到每一个像素点和选定控制点对的逼近关系，以及相对应的权重关系，求得像素点相对应的变化关系。逼近函数可以理解为对像素点p的影响程度，而权重函数则可以看成是对距离的权重，距离越远，权重越小，如式1所示，其中fi（p）为逼近函数，wi（p）为权重函数。

式（1）

反距離权重加权插值法适用于水深监测点较多，且分布较均匀的情况，构建出来的DEM模型准确性会比较高。

（2）普通克里金（OrdinaryKringing）插值

克里金方法最早是由法国地理学家Matheron和南非矿山工程师Krige提出的，用于矿山勘探。这种方法认为在空间连续变化的属性是非常不规则的，用简单的平滑函数进行模拟将出现误差，用随机表面函数给予描述会比较恰当。克里金方法的关键在于权重系数的确定，该方法在插值过程中根据某种优化准则函数来动态地决定变量的数值，从而使内插函数处于最佳状态。

本文采用的是普通克里金法，它的假设条件是，对于空间任意一点s处的观测值z（s）都有同样的期望c和方差σ2，即任意一点的值都是由区域平均值c和该点处的随机偏差组成，所以可以导出普通克里金插值公式如式2所示。

式（2）

克里金方法考虑了观测的点和被估计点的位置关系，并且也考虑各观测点之间的相对位置关系，在水深点稀少时插值效果比反距离权重等方法要好，可以较好地反映区域整体地形起伏情况。

2.2 剖面数据生成

剖面数据生成的算法原理是，将选取的剖面线从屏幕坐标转换成地理坐标，求出直线段方程，在根据采样点距算出相应的XY坐标，代入到水深DEM模型中，从而生成离散的水深点序列，部分代码如图2所示。

2.3 冲淤分析

冲淤分析是核心功能，原理是通过设置区域范围，将该范围内2个不同时间序列的水深数据集，通过几何代数运算，生成区域水深差值数据集。并根据具体需求，设定格网间隔、颜色等，生成的成果文件同样保存为GeoTIFF格式。部分代码如图3所示。

3 算例应用

本文以长江口深水航道为例，选取了2020年5—8月深水航道的逐月水深数据，来分析该段时期内深水航道水下地形变化情况。

将4个月的水深数据按时间序列依次录入软件，分别利用插值算法生成DEM模型，如图4所示。结果显示该区域整体水深基本维持在12.5 m以上，未见有明显的冲淤区域。

为进一步确认水下地形的逐月变化情况，利用软件对该区域进行了冲淤分析，如图5所示，其中正值代表淤积，负值代表冲刷。

从上图中可以看出，5—6月，南港段及北槽中上段呈现微淤趋势，北槽下段微冲，而导堤外段向海方向先淤后冲。6—7月水下地形变化明显，南港上段向海方向先冲后淤，北槽上段和中段整体上呈现微冲趋势，但在北槽中段末端开始向淤积转变，改淤积趋势蔓延至整个北槽下段，在导堤外段上段转变为微冲状态，而导堤外段地形变化与5—6月呈相反趋势，向海展现为先冲后淤。7—8月水下地形变化与于6—7月基本保持一致，但是变化幅度有减小。此外，导堤外段地形变化再次转变为先冲后淤。

而根据5月至8月的整体冲淤图可见，3个月的冲淤变化与6—7月冲淤变化不仅在分布上基本保持一致，在幅度上也明显保持一致。仅导堤外段地形变化呈现相反趋势。因此可见，自南港段至北槽下段的5—8月地形冲淤变化主要集中于6—7月之间，而导堤外段冲淤分布上下段交替变化，最终5—8月呈现为上段淤积，下段冲刷。

4 结 语

本文通过研究，实现了对历史水深监测数据的时序分析，能及时掌握水深变化情况及趋势，更加直观地为港航管理部门提供决策依据，充分发挥出了水深监测数据的作用。经实例验证，分析结果准确可靠，具有较高的应用价值。

参考文献

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