基于综合感知的水利业务综合平台设计与实现

蒲虹宇，李银花，张 雍

(1.广东粤水信息科技有限公司，广东 广州 510175;2.广东省水利电力勘测设计研究院有限公司，广东 广州 510000)

随着网络通信、物联感知、人工智能、大数据挖掘与云计算等新一代信息技术的快速发展，水利发展已经具备向数字化、网络化、智能化转变的技术条件。其中，运用新一代信息技术，对数据资源实现深度挖掘和整合共享，并充分利用获取的信息资源，结合各行业、各单位的业务需求和发展需求进行资源的优化配置以及信息的共享服务，是实现水利治理管理的数字化、信息化和智能化的关键[1]。

《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》明确要求“构建智慧水利体系”[2]，为贯彻“水利工程补短板、水利行业强监管”的发展目标[3]，本文依据水利部提出的智慧水利建设总体框架，结合水利业务需求，提出多种监管手段为一体的水利业务综合应用平台技术架构。该平台在现有的河湖监管、防洪调度管理、水环境监管等业务的基础上，挖掘不同监管技术手段产生的成果在业务上的相互联系，建立业务——技术数据关系模型，实现多种水利业务集成管理。

1 总体设计

本项目以水利部提出的“智慧水利建设顶层设计”总体框架为建设导则，充分利用物联网、大数据、卫星遥感、视频图像识别、无人机和人工智能等现代信息技术手段，以感知网络层为基础，数据资源层为底座、数据中枢层为核心，模型算法层为驱动，智慧应用层为目标，打造全面化感知、可视化监管、智能化决策、智慧化应用的水利业务综合平台，以推进智慧水利建设。平台的建设应用能进一步提升河湖监管、防洪调度、水环境监管等业务管理能力。

水务业务综合应用平台的系统架构如图1所示。

图1 系统架构

1.1 感知网络层

感知网络层是智慧水利的“感知系统”，为数据资源层提供数据源，为智慧应用层提供基础支撑环境，是水利业务综合应用平台的重要基础设施。感知网络层通过充分利用已有的水利感知网，根据业务需求进一步加强卫星遥感、视频智能监控、无人机、无人船等监测技术手段，运用物联网、3G/4G/5G通信、有线网络等水利信息网技术提升数据传输和处理能力，实现对河流水系、水工程和水利治理管理活动等水安全对象的全面感知。

1.2 数据资源层

数据资源层是水利业务综合应用平台的底座，为数据处理、模型应用、智能分析提供算据。数据资源层包括地理空间数据、监测数据、基础数据和业务管理数据。地理空间数据来源多样，实地测量是最主要的方式之一。本项目应用基于机载激光雷达和无人船多波束测深系统集成应用技术，实践水陆一体化三维地形数据采集。利用水位计、雨量计、水质仪监测水位、雨量、水质数据；采用PS-InSAR技术监测堤防岸线变化，为监测预警提供支撑服务。基础数据主要包括基于GF-1B遥感影像提取的河湖、水库水体基础信息，水闸、堤防的属性和空间数据。业务管理数据主要包括河湖管理范围、巡查数据、问题上报数据、组织用户等信息。

1.3 数据中枢层

数据中枢层是水利业务综合应用平台的数据大脑[4]。数据中枢层包括数据汇聚、数据校验、数据治理、智能分析和数据服务。数据汇聚是将各类水利业务监控数据进行标准化处理，根据数据源梳理情况归纳数据汇聚方式和方法，每类数据采用适合方式汇入数据资源池，进行集中存储；数据校验是通过数据质量控制对采集和汇聚的数据进行自动化校验，检查数据质量的合规性；数据治理的关键在于强化对数据资产的管控，一方面严控数据整个全生命周期的管理，另一方面通过数据分析，深度挖掘数据价值；智能分析是基于智能数据分析系统，通过数据挖掘、机器学习等方法研究、释放信息数据价值；数据服务将治理后的数据封装并发布API，对接到智慧应用层，支持各个业务场景的数据应用。基于以上的数据管理，数据中枢层才能释放数据资产的价值，为上层智慧应用提供公共基础服务支撑。

1.4 模型算法层

模型算法层是水利业务综合应用平台的“智慧支点”，以模型算法为中心，开发智能使能服务[5]，包括遥感分析服务、智能识别服务、防洪调度服务。通过水质反演模型、遥感影像解译算法、图像智能识别模型、深度学习算法、基于最大李雅普诺夫指数的PSR-LSTM耦合径流模型、洪水演进模型等多种模型算法的搭建，结合数据中枢层的数据服务，可以对水利业务进行场景化定制，实现水质监测、河湖“四乱”监管、防洪调度等智能分析与深度挖掘的模型计算能力，支撑决策精准化，促进应用智慧化。

1.5 智慧应用层

智慧应用层直接面向各类、各职能的用户，是本平台建设的重点[6]。在数据资源层的基础上，智慧应用层依托数据中枢层的数据治理和数据服务能力以及模型算法层的模型计算能力，实现水利业务综合应用平台的统一管理。智慧应用层主要包括5大系统：水利一张图子系统、水环境监测子系统、水域岸线保护子系统、无人机监测子系统、水动力分析子系统。

2 关键技术应用

2.1 高光谱遥感技术

利用高光谱遥感技术能反映涉水地物的生物物理特征的能力以及频谱分辨率高、监测地物信息性能好、可获得光谱信息多样化、数据采集快等优势[7]，将高光谱遥感技术应用于水质监测、水华富营养化、水污染溯源、漂浮物、岸线开发监测等方面，能有效解决监管范围广、人工巡查效率低、问题事件多且分散等问题。

高光谱遥感可利用遥感解译来掌握水体中各种物质的光谱特性，对光谱特征越是突出的水体要素，说明它的反演成效更好[7]。利用该特点进行水质遥感分析：对光谱特征比较明显的水质要素进行直接测算其浓度，例如悬浮物；然后结合悬浮物浓度与其他水质要素浓度关系选择适合的算法和建立反演模型快速计算叶绿素a、总氮、总磷等物质浓度[8]。高光谱遥感反演模型大体上以分析模型和经验模型为主，通过建立遥感水质的反演模型测算水体中各水质参数的浓度，最终获取河湖水质的时空分布和变化情况[9](图2(a))。同时，通过污染水体的光谱效应和研究遥感影像的颜色、灰阶、形态、纹理等特征差异，确定污染源、污染范围和污染程度(图2(b))。利用高光谱遥感获取的纳米级光谱信息以及蓝藻的光谱曲线特征参数来构建反演模型[7,10]，实现蓝藻水华的精确监测，标出疑似出现水华的水体区域(图2(c))。

图2 高光谱遥感技术应用场景

针对河湖范围广、事件发生地点偏远、问题事件多等问题，高光谱遥感影像解译法能迅速地发现各种问题并标注出发生位置，便于及时安排人员进行核查[11]。水域岸线监测分析主要围绕河道侵占、岸线开发利用，通过解析高分辨的多源卫星遥感影像数据，对相同地点的岸线不同时段数据比较分析(图2(d)～(f))，掌握岸线侵占问题类型、发生地点、岸线开发利用程度和变化情况，有助于水务局及时处理与水域岸线监测相关的问题。

2.2 图像智能识别技术

图像智能识别技术是信息时代的一项很关键的技术，其目的在于让计算机取代人们花费巨大精力去处理大量的物理信息。图像智能识别技术的流程主要包括获取视频图像、图像预处理、图像特征提取和确定、分类器设置与分类决策。

基于视频(图像)信息，使用CspDarknet模型提取图像特征，再用Yolo模型获得预测结果，对预测结果采用focal loss和CIoU loss算法以及其他方式进行训练，提高模型识别精度[12]，最终实现多场景智能识别模型，满足随机突发事件的多场景(岸边侵占、漂浮物、船体、乱建乱采、垃圾堆放)目标识别监管需求。系统可针对违规采砂、垃圾堆放等情况实现图像智能辨别(图3(a)、(b))，发布问题事件识别成果，及时反馈给管理人员，实现监管方式从传统人工、盲目被动到智能发现、全程监管的转变，同时可以通过智能识别模型技术在指定领域或场景进行复用，从而节省成本，也能通过对同一画面发生的多个事件进行智能识别，提高监测效率。

图3 图像智能识别技术应用场景

2.3 无人机

针对监管河湖范围广、事件发生地点偏远、问题事件多等特点，利用无人机大视野宽尺度的航飞系统和机载遥感装置来实现地面拍摄，并利用其机动灵活的特性，和其他技术手段进行实时数据的高速传输以及后期的信息模型分析[13]，极大节省人力、物力，有效提升外业巡查效率。

本项目采用无人机激光雷达地形测量与无人船多波束水下地形测量相结合的水陆一体化测量技术，将传感器获得的目标与传感器中心的相对距离运用惯导系统(IMU)得到相对定位，再通过RTK基站数据和GNSS数据对传感器数据进行后差分和坐标变换，实现对测量目标的位置测量，以获得高精度的二维多光谱地图和三维实景模型。利用生成的正射影像图和三维实景模型可全面监测河湖管理范围内网箱养殖、阻碍行洪的植物和建筑物、乱堆废弃物、河流漂浮物、违建物等情况。为提升工作效率，减少人力投入在传统的图像比对上，可根据经过训练后的AI图像识别模型对问题事件进行自动标记，在系统上对各种问题事件进行数据分析，为河湖管控提供全面、有效的技术手段，有助于提升河湖监管的智能化、效能化水平。

针对高光谱遥感分析获取的疑似问题点和不便于实地核查的事件，利用无人机可以进行重点巡查，便于及时确定问题事件，为后续管理提供依据。通过设置无人机的设定航带点、拍摄距离、航线速度、航带切割长度等参数，自动生成巡检航线，获取影像数据时会自动写入的影像瞬时位置信息[14]，结合360°全景数据处理和AI图像智能识别技术，实现河湖问题分布查看、无人机巡河成果报告发布、全景图浏览及巡查路径全景跟踪，仿真模拟巡河过程(图4(a)～(d))，提高河湖问题监管效率。

3 功能设计与实现

本系统在重点区域深入应用新一代信息技术，利用空天地一体化监测感知能力提高数据时效性，同时结合现有业务，挖掘不同监管技术应用成果与业务的联系，建立业务-技术数据关系模型，为水利综合业务的统一决策提供参考指标，为水利一张图、水环境监测、岸线监测保护、无人机河湖监管、防洪调度系统提供重要的数据支撑和应用服务。

3.1 水利一张图子系统

水利一张图子系统作为对水利业务服务的GIS综合地图平台，在数据库基础上，针对系统应用特点提出了统一的运行环境和技术架构，为系统集成建设提供技术服务，也为信息资源整合与数据共享提供了服务平台。通过对地理空间数据、基础信息、水文数据、工况数据的多源数据的采集、汇聚、融合、映射等处理，水利一张图子系统可实现对河湖水库、水利工程设施、水文测站、雨量站的信息查询和统计分析等功能。按照用户需求，在GIS一张图的基础上叠加水质分布、清“四乱”、岸线变化、洪水风险分析等专题图，以实现水利信息和业务应用一张图的可视化展示，如图5所示。

3.2 水环境监测子系统

水环境监测子系统运用卫星遥感和色谱分析等手段，对主要河道水环境现状及变化趋势进行宏观分析和简报管理，该系统包括水质参数分布、水污染溯源、河流漂浮物三大模块。系统运用建立水质反演模型分析高光谱遥感影像数据，绘制叶绿素a、悬浮物浓度、水体透明度(SD)、总氮(TN)、总磷(TP)、氨氮的时空分布图，以及水质变化趋势统计图。结合水质参数时空分布成果以及周边企业、排污口情况进行比对分析，查找上游区域内各行业污染源的分布和排污信息，快速锁定超排区域或特定疑似企业，为流域水污染溯源监测提供辅助支撑服务。利用遥感影像数据反演提取河流大面积水面漂浮物空间分布，对较大面积的漂浮物进行提取、框选，生成成果图和监测报告，实现对漂浮物的去向、种类、范围等情况分析。系统能动态掌握区域水质情况、河流漂浮物分布现状，使管理部门能及时采取应对措施，解决水质问题。

图4 无人机应用场景

图5 水利一张图

3.3 水域岸线保护子系统

水域岸线保护子系统利用卫星遥感、PS-InSAR、图像识别、无人机等技术手段对影响河湖行洪、堤防岸线变化以及违规采砂等问题进行自动预警，可以及时发现“乱占、乱采、乱堆、乱建”4类问题，将“四乱”问题形成专题图和分析报告，辅助河湖“清四乱”综合整治工作。系统运用综合感知技术对水体岸线变化情况实施智能监控，及时、准确地反馈有关水域和岸线利用的变化信息，揭示自然因素及人类活动对水域岸线的影响，为河湖岸线治理与利用规划提供技术支撑。

3.4 无人机监测子系统

无人机监测子系统利用多旋翼无人机对重点区域进行全景数据采集和处理，同时进行数据发布服务、数据共享服务，支撑系统应用。系统结合5G通信与无人机巡查技术，可实时回传拍摄的高清视频数据和同步巡航轨迹信息，对碧道工程的实时情况、无人机河道巡查轨迹和巡查成果进行管理。系统结合图像识别和遥感解译技术，及时发现无人机巡查过程中的河流漂浮物、“四乱”问题、乱排等事件，同时整理和发布问题事件的位置、范围、疑似原因等信息。本项目采用水陆一体化地形测量技术获取水下、地面的激光雷达数据和点云数据，经过数据预处理和数据融合后建立碧道三维模型，结合无人机航测技术实现碧道工程实时监督和生命周期监管。无人机监测系统减少人力资源的投入，促进河湖管理由被动应对向主动行动的转化，提高河湖管理水平。

3.5 防洪调度子系统

防洪调度子系统是基于雨情、水情、工情、灾情等多种数据采集平台建设的综合业务管理系统，为水灾情信息管理服务和防洪调度管理奠定了统一的基础架构。该系统结合降雨量、水位、流量和地形数据，构建基于最大李雅普诺夫指数的PSR-LSTM耦合径流模型、洪水演进模型，对流域多个水文站进行水位预报，结合数据挖掘分析的预警指标实现自动洪水预警。结合模型计算结果，在地图上可以查看历史洪水和实时预报洪水的演进过程，以及洪水风险点分布情况；可视化预演洪水淹没过程以及淹没风险信息和受灾情况统计数据，根据洪水淹没风险图和避险安置点位置图，提供避险转移方案预案。多种模型的耦合构建使系统洪水预警预报的时效性、预报精度得到有效提升，对辅助流域防洪形势研判分析、防洪调度决策等业务场景具有重要意义。如图6所示

图6 防洪调度子系统

4 结语

本文以感知网络层为基础、数据资源层为底座、数据中枢层为核心、模型算法层为驱动、智慧应用层为目标，构建了数字化、智能化、可视化的水利业务综合应用平台。通过高光谱遥感、图像智能识别、无人机等监测技术，实现了对全空间数据的实时、不间断监控和问题告警，使水利监管由被动转为主动，显著提升水行政单位的监管能力。本平台具有综合感知技术与业务耦合、多模型算法与应用场景耦合特点，在防洪减灾、河湖管理、水资源管理等方面具有显著的应用前景，后续将深化智能分析和辅助决策业务应用，实现监管问题分析、解决方案推送以及辅助决策会商[15]。