1. 引言
气候变化导致极端天气事件频发，而山洪灾害的影响最为恶劣，严重危害人民群众的生命财产安全。为了能够及时有效地采取防灾措施，就需要作出科学合理的预判和应急处置，因此实现山洪地流速流量准确监测具有至关重要的作用。受限于山区环境的复杂性，山洪灾害通常呈现出水流湍急、泥沙混杂等现象，伴随而来的还有泥石流、滑坡等地质灾害，给测流工作带来众多的安全隐患。这些隐患不仅仅是设备的损坏或丢失，更是直接威胁到监测人员的生命安全，极大地增加了应急作业的难度与风险。在山洪等灾害暴发的紧要关头，人工实地采集数据的可能性微乎其微，所以传统监测手段无法满足数据实时获取和准确记录的需求，给监测和应急处置工作带来了极大的不便[1]。
传统的水文测流方法，诸如浮漂法、转子流速仪和ADCP，除了需要依靠人工进行布设和数据采集、以及操作繁琐复杂且难以保证监测数据的时效性之外，在地形复杂的区域中，这些监测设备往往只能部署在特定的位置进行监测，难以全面覆盖到山洪的整个区域，获得的数据也仅仅是片面的，缺乏代表性[2] [3]。因此，迫切需要开发出一种新型的测流方法和设备来克服传统监测方式的局限性。
由于无人机具备起飞便捷、不受地形地势影响的机动灵活性以及低空循迹的自主飞行等优势，其与视觉测流技术结合[4]，就可实现垂线流速数据测量以及实时影像的同步采集和传输。本文以计算机视觉领域为基础[5] [6]，将图像处理技术和无人机技术相结合[4] [7]，提出并设计了武大AiFlow无人机视觉测流系统，并在贵州麦穰水文站、重庆江津五岔水文站以及广西桂平大藤峡进行比测实验。
2. 武大AiFlow无人机视觉测流系统
2.1. 设备组成
武大AiFlow无人机视觉测流系统主要由行业无人机系统、视觉采集模块、雷达测高模块、落水漂浮模块、数据处理系统、高性能地面工作站等硬件设备及分析系统平台组成[8]，如图1所示，具有姿态控制能力强、续航时间长、防风性能好的特点。
图1. 武大AiFlow无人机视觉测流系统架构
1) 无人机系统：选取大疆无人机。该产品拥有全新的图传系统和操控体验，使得飞行操作更为流畅和精准。在视觉系统方面，无人机配备了先进的视觉定位功能，可在无GNSS信号或GNSS信号欠佳的环境下为飞行器提供定位信息，从而保障作业的稳定性和精度。
2) 视觉采集模块：选用大疆P1相机。P1相机采用了全画幅尺寸传感器，全画幅的画幅尺寸带来了更高的画质，极大地提升了作业精度。该相机的分辨率高达4500万像素，配合高速拍照可以使影像的采集效率倍增，同时也可以得到更为清晰和细腻的图像，以此来满足测流算法的需求。
3) 雷达测高模块：测高模块使用的是高精度毫米波雷达。通过向周围发射低功率电磁波束并及时捕获回波信号，分析捕获的回波信号就可以精确测量出无人机到水面的高度，不仅保障了无人机在水面飞行的安全性，还能够实时确保无人机在合适的高度实现稳定地作业。
4) 高性能地面工作站：配备ThinkPad P16V移动工作站。该工作站采用高品质的材料与制造工艺，并经过严格的测试和验证，以确保在各种恶劣环境下都能够正常工作，保证其稳定性与可靠性。此外强大的数据和图形处理能力、存储空间充足、具备便携性和可扩展性以及稳定性、可靠性等优势可以让用户在任何地点实现复杂的水文数据计算工作。
5) 数据处理系统：数据处理系统提供了航线规划和管理、地图展示模块、视频播放模块、断面展示模块、测流结果展示和导出等模块。数据处理系统中集成了自主开发的STIV、光流法、PIV等先进的AI智能处理算法，在适应场景以及测量精度等方面具有较大优势。
2.2. 武大AiFlow无人机视觉测流系统工作原理
武大AiFlow无人机视觉测流系统采用相机垂直水面的方式进行录像，并通过STIV智能算法对视频进行分析来获得河流表面流速[4] [9]，将表面流速转化为平均流速，利用断面数据计算流量大小[8] [10]。由于河流表面的流动特征，诸如涟漪、波纹通常随水流一起运动，其运动速度基本近似于河流表面流速，这些特征的运动会导致河流表面灰度发生变化，通过量化灰度的变化就可获取河流表面流速信息。通过在采集的河流视频中沿水流方向设置一系列测速线，逐帧提取每条测速线的灰度信息的方式来合成该条测速线的时空图像。由于灰度的变化导致每幅时空图像中会呈现带状纹理，而带状纹理与竖直方向所夹的角度(纹理角)就反映了表面流速大小，相应的流量计算方法可以参考GB 50179-2015《河流流量测验规范》[11]。
3. 武大AiFlow无人机视觉测流系统应用实践
3.1. 贵州麦穰水文站对比观测
麦穰水文站属于典型的山区河流，年最大洪水一般发生在5月至10月，而且单式和复式洪峰均有出现，每一次洪水过程大约持续2至7天、洪峰时间持续在0.5至4小时。该站点通常采用转子式流速仪和走航式ADCP进行流速和流量的监测，测验河段长度大约在600 m，期间无岔流和串沟情况，而且各级水位控制条件较好，历年水位流量呈现单一曲线关系。麦穰水文站于2023年6月30日至2023年8月30日使用武大AiFlow无人机视觉测流开展流量测验工作，共测得54组流量数据。测流期间的最低水位为983.03 m、最高水位为984.23 m，水位变幅为1.20 m，实测的最小虚流量为34.9 m3/s (表面平均流速0.73 m/s)、最大虚流量为106 m3/s (表面平均流速1.10 m/s)。
以武大AiFlow无人机视觉测流系统在麦穰站点的实测数据作为率定样本，通过对比分析AiFlow无人机视觉流量计测得的虚流量与同水位下麦穰水文站流量线上值的相关关系，进行断面综合流量系数率定，再根据推求断面流量进行系统误差和三项检验分析。如下图2所示，通过对武大AiFlow无人机测流系统的虚流量与同水位下麦穰水文站整编资料流量关系线上值进行拟合可以得到流量的换算关系式为Q = 0.0062 ×
+ 0.1370 × Qf + 13.8521。
图2. 虚流量与比测断面流量拟合关系曲线
根据上述断面综合流量关系，可以将武大AiFlow无人机测流系统获取的虚流量转换为断面流量，并以麦穰水文站整编资料水位流量关系线上值为参照开展相关的误差检验，包括计算随机不确定度、系统误差以及符号、适线、偏离数值三项检验，计算结果如表1所示。
表1. 麦穰水文站武大AiFlow无人机视觉测流系统率定关系检验
|
规范参数 |
计算结果 |
是否合格 |
系统误差 |
±1% |
0.31% |
是 |
随机不确定度 |
14% |
14.0% |
是 |
符号检验 |
<1.96 |
0.52 |
是 |
适线检验 |
<1.64 |
0.92 |
是 |
偏离值检验 |
|t| < 1.33 |
0.79 |
是 |
根据SL/T 247-2020《水文资料整编规范》[12]的定线标准精度要求，二类精度站流量测验的系统误差应在±1%以内，水面浮标法定线随机不确定度应在14%以内。在总体样本中，断面流量与比测流量相对误差在5%以内的数据占比49.2%，相对误差在10%以内占比79.7%，精度良好。表2记录了10组随机率定样本的误差检验结果，相对误差最大为12.5%，平均误差为0.32%。结果表明，武大AiFlow无人机测流系统率定效果较好，其采集的流量数据与麦穰站流量线上值数据的相对分布关系较合理。
表2. 武大AiFlow无人机测流系统检验样本误差
比测时间 |
水位(m) |
无人机测流虚流量(m3/s) |
无人机测流断面流量(m3/s) |
比测流量(m3/s) |
相对误差 |
2023/6/30 12:09 |
983.17 |
43.3 |
31.4 |
31.5 |
0.3% |
2023/7/1 8:52 |
983.16 |
40.9 |
29.8 |
31.1 |
−4.2% |
2023/7/3 16:05 |
983.16 |
42.9 |
31.1 |
31.1 |
0.0% |
2023/7/3 16:36 |
983.14 |
36.3 |
27.0 |
30.2 |
−10.6% |
2023/7/4 9:42 |
983.04 |
36.6 |
27.1 |
26.0 |
4.2% |
2023/7/4 10:14 |
983.03 |
39.3 |
28.8 |
25.6 |
12.5% |
2023/7/9 10:50 |
983.36 |
57.4 |
42.1 |
40 |
5.3% |
2023/7/9 13:31 |
983.32 |
53.0 |
38.5 |
37.8 |
1.9% |
2023/8/27 13:34 |
984.05 |
88.3 |
74.3 |
80.5 |
−7.7% |
2023/8/29 16:09 |
983.40 |
58.1 |
42.8 |
41.9 |
2.1% |
运用上述率定结果，将武大AiFlow无人机视觉测流系统的测流数据转换为相应的断面流量数据，由此得出的水位与流量之间的分布关系如图3所示。通过比对分析可知，无人机测流数据与比测数据在整体分布趋势上呈现出良好的一致性，总体关系曲线的趋势清晰可辨，相关关系也呈现单一曲线关系。
为进一步验证无人机测流数据的准确性和可靠性，采用武大AiFlow无人机视觉测流系统在麦穰水文站进行流量数据采集，并绘制水位、流量时间序列图，如图4和图5所示。通过观察这两张图可以清晰地观察到，武大AiFlow无人机视觉测流系统获取的流量数据与麦穰线上整编流量趋势吻合，进一步证明了其在实践应用中的有效性和可行性。
3.2. 重庆江津五岔水文站对比观测
五岔水文站位于重庆江津区贾嗣镇两公里外，是綦江流域控制站、国家一级水文站和中央报讯站，每年报送1500多条水文信息，为綦江流域防汛抗旱提供重要决策依据，因此对五岔水文站进行实时准确的水文监测是至关重要的。武大AiFlow无人机视觉测流系统在2023年7月5日上午9:30至11:20之间，于该站点采集了5组水文信息数据，表3为不同起点距对应的河流表面流速结果。同时与船载ADCP设备进行了比测实验，结果如下：武大AiFlow无人机视觉测流系统获取的平均流量为429.5 m3/s，船载ADCP测得的流量为440 m3/s，误差仅为−2.39%，验证了武大AiFlow无人机视觉测流系统水文监测的稳定性和准确性。
图3. AiFlow无人机测流水位–流量关系率定结果
图4. 麦穰站第1期武大AiFlow无人机视觉测流系统时间序列图
图5. 麦穰站第2期武大AiFlow无人机视觉测流系统时间序列图
表3. 五岔水文站武大AiFlow无人机测流系统测量结果
工作点 |
起点距(m) |
表面流速(m/s) |
#1 |
21.5 |
0.74 |
#2 |
29.7 |
0.5 |
#3 |
37.9 |
0.78 |
#4 |
46.1 |
0.83 |
#5 |
54.3 |
1.00 |
#6 |
62.5 |
1.14 |
#7 |
70.7 |
1.21 |
#8 |
78.9 |
1.25 |
#9 |
87.1 |
1.21 |
#10 |
95.3 |
1.12 |
#11 |
103.5 |
0.96 |
#12 |
111.7 |
0.79 |
#13 |
119.9 |
0.6 |
#14 |
128.1 |
0.42 |
3.3. 广西桂平大藤峡对比观测
大藤峡位于广西桂平城区西北约8 km的黔江下游，是广西境内最大最长的峡谷，扼守我国西南水运出海咽喉要道，控制56%的西江流域面积和水资源量，因此实现对大藤峡中水文信息的实时监测具有重大意义。武大AiFlow无人机视觉测流系统与船载ADCP于2024年5月10日上午进行比测分析，下表4记录了两种测流设备的测流结果以及流量误差，该结果表明武大AiFlow无人机视觉测流系统的测量误差完全符合GB 50179-2015《河流流量测验规范》要求。
表4. 大藤峡武大AiFlow无人机测流系统测量结果
工作点 |
ADCP流速(m/s) |
武大AiFlow流速(m/s) |
ADCP流量(m3/s) |
武大AiFlow流量(m3/s) |
误差 |
#1 |
0.95 |
1.02 |
4130 |
4190 |
1.45% |
#2 |
0.99 |
1.05 |
4370 |
4280 |
−2.06% |
#3 |
0.8 |
0.93 |
3640 |
3680 |
1.10% |
4. 结论
针对传统水文测流方式在应急洪水测流中，遇到的设备损毁风险高、人员安全系数低、机动性差、建站成本高、自动化程度低等问题，本文提出并设计了一种武大AiFlow无人机视觉测流系统。经过在贵州麦穰水文站、重庆五岔水文站和广西桂平大藤峡进行大量的对比实验和分析，表明武大AiFlow无人机视觉测流系统性能具备高效、精准、稳定的性能，能够满足应急洪水监测的需求。此外，武大AiFlow无人机视觉测流系统还极大地拓宽了应急测流作业的可选空间范围，在应对突发洪水应急测流展现出较高的应用价值。
基金项目
感谢国家重点研发计划项目2022YFC3002701和水利部重大科技项目SKS-2022020对本研究的支持。
NOTES
作者简介：拓展翔(1982.7-)，陕西志丹人，硕士研究生，高级工程师，从事水文水资源研究，Email: swjtzx@163.com