河湖岸线综合监管系统方法

赖 杭，邹显勇，范光伟，杨 跃，田茂春

(1.珠江水利委员会珠江水利科学研究院 智慧水利研究所，广州 510610；2.华南理工大学 软件学院，广州 510006)

1 研究背景

2016—2017年，中央全面深化改革领导小组、中共中央办公厅和国务院办公厅相继印发了《关于全面推行河长制的意见》和《关于在湖泊实施湖长制的指导意见》，明确提出了加强河湖水域岸线管理保护、加强执法监管、建立河湖日常监管巡查制度等方面的工作要求。

目前，已有不少学者在强化河湖岸线监管方面进行了研究。文献[1]—文献[4]基于无人机及遥感技术的特点，分析了无人机及遥感技术在河湖岸线监管中应用的可行性，提出了相应的应用模式。金晶等[5-6]提出通过无人机三维倾斜摄影、遥感航摄等手段实时高效采集河湖岸线监测数据，搭建无人机遥感河湖岸线监测平台。同时，针对河湖岸线监管效率不高及监管手段信息化程度不足等现状，设计和开发了河湖岸线监测管理系统，为河湖综合治理提供技术支撑。丁春梅等[7]根据黑臭水体的特性，选取透明度、溶解氧等监测指标，构建了基于物联网技术的水质自动监测网，为降低河长巡河问题的漏报率，做到及时预警提供了技术支撑。陈鹏等[8]提出应用舆情分析、图像识别、智能语音交互、知识图谱等人工智能技术，辅助河长制舆情监控、河湖突发事件监控、巡河监督等业务的高效和精细管理，支撑河长制长效管理目标的实现。许静波[9]利用视频监控搭建水面漂浮物监测及估算系统，实现了水面漂浮物信息的数据采集、处理和资源共享,为河道的强化管理提供了新思路。还有不少学者[10-12]提出了基于移动端与PC端协同的河长制信息管理系统，利用PC端系统实现各类信息高效处理，利用移动端实现户外高效巡河。此外，谈广鸣等[13]提出要研发河湖水域及岸线动态监管与功能评估技术，构建河湖岸线动态监管模式与服务平台，为建设生态岸线、平安岸线提供科技支撑。刘晋高等[14]提出了综合利用多种监管技术手段的河湖岸线智慧监管方案，为提高河湖岸线监管水平提供了新的思路，但并未介绍方案具体该如何实现。

综上可知，已有的研究主要集中在单独利用遥感、物联网、人工智能等技术手段进行河湖及岸线监管，综合利用多种监管手段进行河湖岸线监管的研究较少。在现有的河湖长制工作方案基础上，如何综合利用各种监管手段，建立有效可持续的监管技术方案，已是水利管理工作者切实关注的问题。本文提出一种综合利用空、天、地立体监管手段进行河湖岸线监管的监管模式，同时，研究分析了综合利用空、天、地等监管技术存在的关键技术问题，并提出相应的解决方法。最后，以广州市南沙区为例，设计开发一套可综合利用空、天、地等监管手段的河湖岸线智慧监管平台，以期为河湖岸线智慧监管提供技术支撑，提高河湖岸线监管水平。

2 综合监管模式

当前，空、天、地监测的技术方法主要有遥感影像解译、无人机航拍、无人监测船、水文水质测站和视频监控站等。不同的监测方法对应不同的监管手段，本文将监管手段分成基于遥感监测的遥感监管、基于现场巡查和无人机航拍的现场监管、基于各类测站监测的测站监管。不同的监测手段各有特点，适用于不同的监管场景，如表1所示。

表1 监测手段特点及适用场景Table 1 Characteristics and application scenarios of monitoring approaches

面对范围广、问题类型多、场景复杂的河湖岸线，单独使用某种监测手段难以实现全面高效监管，所以，需综合利用上述监管手段，充分发挥各种监管手段的优势，实现河湖岸线的智慧监管。本文提出一种将遥感监管、现场监管、测站监管相结合的监管模式。以最常见的岸线侵占监管为例，首先，以遥感监管为基础，利用遥感监管对岸线进行摸底，通过分析遥感监管成果，制定现场监管方案；然后，以现场监管为补充，结合无人机及人工巡查对遥感监管及测站监管发现的问题进行现场复核及处置；最后，对一些重点问题利用视频图像、水文水质等测站进行持续监管。监管流程如图1所示。

图1 综合监管流程Fig.1 Comprehensive supervision process

综合监管中，不同监管手段之间的数据可以相互验证、相互补充，提高监管的准确性和监管效率。在遥感监管和测站监管间，一方面，通过遥感反演可以获取河段范围内可能存在的污染点，为测站安装选址提供参考；另一方面，通过测站监测到的水质数据对遥感反演的结果进行验证和率定，不断优化模型，使得遥感反演的结果更加准确。在遥感监管和现场监管间，一方面，遥感解译发现的问题可以帮助制定现场巡查方案，根据问题点的数量、面积、位置提前规划好巡查的人数、路线、要携带的设备，当问题点扰动的面积较大时，还可以提前计划携带无人机辅助现场勘察，提高现场监管效率，避免盲目巡河；另一方面，现场监管除了可以对问题进行处置，还可以对遥感解译的成果进行复核，排除一些非监管问题，如一些地质灾害导致的扰动。在现场监管和测站监管间，一方面，现场监管可以对测站监管的问题进行处置和复核，如水质数据异常也可能是设备问题导致的；另一方面，测站监管可以轻松实现问题点的无人值守，当发现问题后再派人到现场进行处置，可以提高监管效率，减少监管工作量。

3 关键技术研究

3.1 基于分布式的遥感监管技术

遥感技术已被广泛应用于河湖水域岸线管理保护、水质与水污染监测。以“四乱”(乱占、乱采、乱堆、乱建)中的岸线侵占为例，利用遥感影像进行监管的主要流程如图2所示。其中，解译成果综合分析是将解译结果结合岸线规划信息、涉水工程审批信息、测站监测信息以及现场巡查信息进行综合比对，从而判断某一图斑是否存在监管问题，如是否在岸线保护范围内、是否经过审批、是否超出建设范围等。

图2 遥感监管流程Fig.2 Remote sensing supervision process

遥感监管的实现离不开一些关键技术的支持。在数据管理方面，遥感监管离不开海量的遥感影像，对海量遥感影像的高效管理、快速检索是实现持续性遥感监管的基础。利用基于分布式数据库的海量遥感影像存储技术[15-17]可以解决海量遥感影像存储管理问题。在数据访问方面，遥感影像因为数据量大，直接使用几GB甚至十几GB的原始数据较为困难，利用基于分布式的遥感影像快速切片技术[18-20]可以将遥感影像转化成影像瓦片，再将瓦片发布成地图服务，实现数据的在线访问，可解决遥感数据在线访问问题。本文综合利用上述分布式、大数据技术实现遥感数据的高效管理，为实现高效可持续的遥感监管奠定数据基础。

3.2 基于微信小程序的现场监管技术

针对遥感监管发现的问题，需要通过现场监管对问题进行复核及处置。对于较小的侵占问题，可以通过人工现场勘察的方式进行复核。对于侵占数量多且侵占面积较大的区域，可以选择利用无人机航拍对侵占区域进行取证。利用无人机航拍可根据需要采集现场视频、图像、激光点云等数据，除了可以提高现场监管效率，后期还可以对数据进行加工获得更丰富的数据，如加工成正射影像、三维模型或者全景图。将加工后的数据和工程审批信息进行精准对比，可以帮助判定工程项目是否存在违规行为，以及准确计算违规面积的大小。此外，现场监管还包括河长制日常巡河，在巡河过程中可能发现一些遥感解译无法发现的问题，如岸边小面积的垃圾堆放、隐蔽处的排污口。

现场监管离不开移动端应用的配合。目前主流的移动端应用大致可分为传统App和微信小程序两类。传统App开发成本高、开发周期长、升级维护繁琐、用户体验不佳；和传统App相比，微信小程序具有更多优势[21-24]。从用户角度看，微信小程序使用方便，用户体验好。微信小程序无需安装、随点随用、资源占用小、兼容性强等特点极大提升了用户体验；从开发者角度看，微信小程序开发成本低、开发周期短。微信小程序采用组件化开发框架，有良好的开发生态圈，提供丰富的组件及应用程序编程接口(API)，具有原生的跨平台性，可满足不同手机平台的需求。

为提高现场监管效率和能力，开发与平台配套的巡查小助手微信小程序，通过平台与移动端相互配合，实现监管能力的提升。一方面，平台为人工巡河提供问题导向，避免盲目巡河，提高巡河效率：巡河前，通过小程序从平台自动获取存在的监管问题，然后针对问题地点进行巡查；到现场后，对问题进行确认和处置时，可以采集现场的音视频信息，同时将信息上传到平台。另一方面，平台为巡河问题的判断提供信息支撑，在巡查过程中如果发现不确定的问题，可以通过小程序将问题位置、问题现场的音视频图片等信息上传到平台，由平台结合岸线规划信息、涉水工程审批信息、水利设施信息对问题进行定性与定量分析，如河边的建筑是否在河道管理范围内，进一步，计算有多大面积是在河道管理范围内或者有多大面积超出审批范围。这些问题的定性及定量分析单靠现场目视是无法完成的。

3.3 基于人工智能的测站监管技术

针对一些长期存在且反复出现的问题，如工厂排污、工地施工废水排放等，利用监测站点可以对问题点实现持续监管。对于水质水文测站获取的监测数据，系统只需将监测结果跟标准进行比对即可发现结果是否正常，如果结果超过标准，则在系统中增加相应的监管问题，并通过系统进行提示。对于视频图像监测站获取的监控视频图像，因为违规事件发生过程往往只需1～2 min，甚至只有几秒，如何从大量的视频图像中发现有用的信息是实现基于视频图像监管可持续的关键。利用基于人工智能的图像识别目标检测技术可以帮助快速发现图像中存在的监管问题。以岸线侵占中的岸边砂场监管为例，可通过检测砂场中的卡车、船舶等关键目标判断砂场的运行状态。砂场正常运行期间通过船舶将河砂运到岸边，再由卡车将河砂运到施工现场。所以，检测到的卡车和船舶的数量越多说明砂场的运行情况越好;相反，如果较长一段时间内砂场都没有卡车驶入，则说明砂场可能已经停工。

YOLO(You Only Look Once)[25]是一个端到端的统一的实时目标检测神经网络模型，具有速度快、背景误检率低、泛化能力强等特点。文献[26]—文献[30]研究表明，由于模型的上述优点，基于该模型或者该模型的改进模型已被广泛应用于不同领域的目标检测当中。本文选择利用YOLO模型进行目标检测实现基于视频图像的智能监管。YOLO模型实现了包括船舶、卡车、行人在内的一共80类物体的目标检测功能，为了提高模型在实际应用中对目标检测的准确率，可以利用监控的图片对模型进行强化训练。首先，在监控的图片中标注一批关键目标的样本;然后，利用标记好的样本对模型进行训练;最后，将训练好的模型用于监控图片的目标检测。

利用目标检测实现监管的流程如图3所示。以岸边砂场监管为例，站点对应的监管场景是岸边砂场，监管问题是砂场是否运营，关键目标是船舶、卡车、行人。当图片检测到目标对象时，系统生成该站点的“疑似砂场营运”问题。因为检测存在误差，所以将问题标注为疑似问题，同时需要对疑似问题进行人工审核。

图3 基于图像识别的监管流程Fig.3 Supervision process based on image recognition

识别到疑似问题后平台会发出相应的提示，管理人员通过查看相应的监控图片以及综合分析临近时段内的监控图片、测站监测数据、遥感影像数据等判断该问题是否存在。如果确实存在，则可以将相应的问题推送给河长制管理系统或者平台移动端，由巡河人员去现场进行问题处理。如果结果为错误识别，则将疑似问题撤销，同时更新检测结果表中的记录状态为错误检测，后期可以利用检测错误的图片对模型进行新一轮的强化训练，从而提高模型的识别能力。

4 应用实践

4.1 平台构建

河湖岸线智慧监管平台依托云平台，采用前后端分离的技术路线，前端采用Html5等技术，后台采用SSM[31]框架，系统主界面如图4所示。整体框架如图5所示，包含数据层、方法层、应用层。其中，数据层主要用于汇集多源、海量的各类动态监管数据信息，实现数据的快速接入和高效存储管理，如遥感影像数据的管理；方法层采用组件化技术，实现对各类监管数据处理方法的封装和高效集成，如智能图像识别功能实现视频图像的智能识别；应用层是系统人机交互的接口，通过PC端和移动端为用户提供河湖岸线动态监管服务，为各层级河湖岸线管理保护与高效利用提供支撑。

图4 系统主界面Fig.4 Main interface of the system

图5 系统框架Fig.5 Architecture of the system

系统的数据层包括了基础地理库、立体监测库、评估规划库、河湖监管库等。从业务层看，基础地理库用于存放河流水系、水利设施、遥感影像等河湖岸线相关的地理数据；立体监测库主要用于存储遥感解译成果、视频图像、水文水质等监测信息；河湖监管库包括涉水工程管理库和监管问题库。其中，涉水工程管理库主要用于存放涉水工程数据，监管问题库主要用于存储在河湖岸线监管过程中发现的问题数据及问题的处理情况。

不同监管手段间的数据关联，除了通过问题编号，即针对同一个问题，可以通过不同手段获取不同的监管信息，然后补充到监管问题库中，还可以通过监管问题中的地理位置信息进行关联。如将巡查发现的问题与遥感解译发现的问题在空间上进行叠加，调用简单的GIS要素相交运算，即可实现2个问题的关联分析。

4.2 实际应用

系统研发完成后，利用系统对示范区进行了立体监管应用测试。系统能够综合利用遥感影像、无人机航拍、视频监控、人工巡查对河湖岸线问题进行监管。结果表明，综合利用多种监管手段对河湖岸线进行监管相比单独利用某种监管手段，收集的问题资料更加全面，更加有利于决策，符合设计预期功能，满足河湖岸线监管需求，提高了监管效率和水平。部分监管成果如表2所示。

表2 监管成果统计Table 2 Statistics of regulatory achievements

5 总结与展望

通过监管应用测试，证明系统能够利用无人机遥感、人工智能、大数据处理等技术，充分结合遥感监管、现场监管、测站监管等监管手段，实现对河湖岸线高精度实时监测，可达到及时、准确、全面获取河湖岸线监管信息的目的，改善传统监管模式信息获取不及时、监测覆盖面窄和工作效率低的问题。该系统在河湖岸线日常管理中的应用，将提高河湖岸线监管工作的覆盖面和时效性，为提高河湖岸线监管水平，提高河湖岸线利用效率提供技术支撑。总而言之，本文提出综合利用空、天、地多种监管手段进行河湖岸线监管，为河湖岸线监管提供了一种可行的参考方案，具有一定推广应用价值。

在使用过程中，发现系统还存在一些不足。如在监控图像识别过程中有一些错误识别的情况，图像识别的准确率还有待提高；多种监管信息的叠加分析还依赖人工，无法实现多种监管信息的自动叠加分析；利用岸线监管成果对岸线实现分析评价功能还未实现等。这些功能需要在后面的研究中进一步实现、改进和完善。