视觉测流技术助力水文现代化建设
Visual Flowmeter Technology Assists in the Construction of Hydrology Modernization
DOI: 10.12677/jwrr.2024.133028, PDF, HTML, XML, 下载: 6  浏览: 11 
作者: 吴益华, 陈 冰, 郑 涛, 张 磊, 赵 权:贵阳市水文水资源局,贵州 贵阳;陈伟仁:福建省泉州水文水资源勘测分中心,福建 泉州;黄 璇, 吴 谙:福建省水文水资源勘测中心,福建 福州;黄贵平:福建省建瓯市水文局,福建 建瓯;刘炳义:武汉大学水资源工程与调度全国重点实验室,湖北 武汉;武汉大水云科技有限公司,湖北 武汉
关键词: 水文现代化现代水文站改造视觉测流技术Hydrology Modernization Renovation of Modern Hydrological Stations Visual Flowmeter Technology
摘要: 推进水文现代化是实现水利现代化不可或缺的基础性、先导性工作。视觉测流技术,作为一种新兴的水文测量技术,以其高度的数字化、自动化和智能化水平,为现代化水文站建设提供了有力支持。本文旨在研究视觉测流技术在国家基本水文测站提档升级项目站点中的实际应用效果,为其他水文站建设或推进全要素全量程全自动监测,加快构建雨水情监测预报“三道防线”提供参考和借鉴。
Abstract: Promoting hydrological modernization is an essential and pioneering foundation for realizing the modernization of water resources management. Visual flowmeter technology, as a new approach in hydrological surveys, brings substantial support to the development of modern hydrological stations through its advanced levels of digitization, automation, and intelligence. This study focuses on examining the practical effectiveness of visual flowmeter technology in sites undergoing enhancement projects for national fundamental hydrological stations. The results shows that it intends to provide a reference and guidance for constructing other hydrological stations or advancing comprehensive, full-range, automated monitoring, which is helpful for accelerating the establishment of a “three-tier defense” system for hydrology monitoring and forecasting.
文章引用:吴益华, 陈伟仁, 陈冰, 郑涛, 黄璇, 张磊, 吴谙, 赵权, 黄贵平, 刘炳义. 视觉测流技术助力水文现代化建设[J]. 水资源研究, 2024, 13(3): 240-248. https://doi.org/10.12677/jwrr.2024.133028

1. 引言

在全球水资源日益受到重视的背景下,水文监测作为关键领域,对于保障水资源安全、预测洪涝灾害以及优化水资源配置具有不可替代的作用。长期以来,人类不断探索和创新流量监测技术,以适应复杂多变的水文环境。然而,随着全球气候加剧变化和人类活动更加频繁,传统的流量监测技术面临着前所未有的挑战。一方面,极端天气事件的频发导致河流流量波动范围扩大,给传统的接触式测量设备带来了极大考验。另一方面,城市化进程的加速增多了河流沿岸建筑物,使得低水位测量变得异常困难。此外,随着水资源,水生态保护和可持续性发展需要,对水文数据的准确性、时效性和连续性提出了更高的要求[1]

在“十二五”和“十三五”规划期间,我国的水文基础建设取得了显著成效,不仅优化了水文站网的布局,提升了监测能力,而且显著提高了服务水平。进入“十四五”时期,这是我国迈向全面社会主义现代化建设新征程、实现第二个百年奋斗目标的首个五年,也是水利改革的关键时刻,更是水文支撑服务能力全面提升的重要阶段。为了保障水利的高质量发展,对水文现代化的要求也随之提高。经过多年发展,水文事业取得了长足进步,但与经济社会和水利高质量发展需求相比,仍存在水文站网布局不完善、水文监测能力不足、业务应用和信息服务水平低、水文发展保障能力不强等问题[2]

传统河道流量测验使用流速仪、浮标以及走航式声学多普勒流速剖面仪(Acoustic Doppler Current Profilers, ADCP)等仪器设备进行现场测量,传统流量测验方法具有精度高,测量技术成熟等特点,但是在人员和设备安全、自动化测报等方面表现出明显不足。Fujita等人于2007年提出的时空影像测速法(Space-Time Image Velocimetry, STIV)非接触式河道流量测验方法在断面流量测量方面实现了新的突破[3]。陈华等人将STIV方法引入国内水文测验并开展流速比测试验取得了良好的结果[4],并设计和实现了基于STIV方法的武大AiFlow视觉测流产品[5]

为推动水文现代化建设,贵阳市和建瓯市先后采购和部署武大AiFlow视觉测流产品,在流量自动化监测、山洪实时监测预警、干旱洪涝预警和水资源调度方面发挥了重要作用,新技术的成功运用,不仅推动了水文站点的现代化建设,同时也为其他城市的现代水文建设树立了可供参考的典范。

2. 武大AiFlow视觉测流产品介绍

2.1. 武大AiFlow视觉测流产品组成

武大AiFlow视觉测流产品利用时空图像测量原理,依据时空图像中河流表面灰度的变化测量水体表面流速和流量[4] [5] [6]。产品组成包括:感知设备,包含视频摄像机和补光设备;计算设备,包含视觉影响测流智能终端机及供电系统;系统管理平台和数据传输设备。测流系统主要通过前端感知层摄像机等设备采集河面视频影像,前端计算层将采集的视频影像等资料传输到智能终端机通过算法进行解析处理,最终计算流速、流量结果通过传输层传输至系统管理平台进行存储与展示。其中前端设备可选用太阳能或市电进行供电,网络传输模式也有多种,可适配有线网络、4G/5G网络以及北斗网络进行数据传输。武大AiFlow视觉测流产品系统设计方案示意图如图1所示。

1. 武大AiFlow系统设计方案示意图

2.2. 武大AiFlow视觉测流产品特点

武大AiFlow视觉测流产品的测速范围为0.1~20 m/s,测速精度为0.01 m/s,单次测流历时为30~300 s (可人工调节),连续流量计算最短间隔为5 min。该产品采用非接触式测验方法,不会对水流产生干扰,保证了测量的准确性和可靠性,同时也确保工作人员无需涉水工作,从而充分保障工作人员的安全。此外,产品配备了智能化终端,使得测流工作实现高度自动化,适合无人值守的站点使用。值得一提的是,武大AiFlow视觉测流产品支持高中低水全量程测量,不仅覆盖了常规测流手段的适用工况和场景,还能实现枯水期河槽低水、浅滩水的流量监测,展现出极高的适应性和实用性。该产品还搭配了独立平台,提供直观可视化的操作界面,支持查看历史数据及视频追溯等特点,为用户提供了更为便捷和全面的使用体验。

3. 应用案例——现代化水文站建设

3.1. 项目背景

贵阳部分水文测站存在水文信息采集传输和数据应用智能化程度不高、现有监测手段单一、基础设施薄弱等问题,达不到国家基本水文站功能要求[7],针对上述问题对国家基本水文站进行全面的基础改造与升级。项目内容涵盖测验河段的优化、水位观测系统的精密化、流量与泥沙测定的精准化、降水蒸发监控的智能化,以及生产业务用房及相关配套设施的现代化改造等,并在麦穰、禾丰与南江三个水文站率先进行武大AiFlow视觉测流新技术的应用。

建瓯七里街水文站流量测验设施主要有:水文缆道、缆道智能测流控制系统、转子式流速仪、走航式ADCP、缆道雷达波测速仪等,传统测流方式测流历时较长,耗费大量人力物力资源。为实现流量全量程全自动监测的目标,2021年9月,在省水利厅、省水文中心大力支持下,安装武大AiFlow视觉测流产品,开展视觉测流试验研究工作[8]

3.2. 应用站点基本情况

麦穰水文站位于贵州省贵阳市乌当区东风镇麦穰村,集水面积1266 km2,距河口129.9 km。测验河段基本顺直,长约600 m,河床由卵石、泥沙组成,冲淤变化不大,流态稳定,各级水位控制条件较好,历年水位流量关系呈现单一曲线。麦穰水文站是乌江水系的区域代表站,属二类精度水文站,监测项目包括水位、流量、降水、蒸发、水质等。

禾丰水文站位于贵州省贵阳市开阳县禾丰乡典寨村,地处长江流域乌江水系鱼梁河,禾丰水文站是乌江水系的区域代表站,属二类精度水文站,监测项目有水位、流量、降水、蒸发、水温、泥沙、地下水、水质等。测验河段顺直长约200 m,无分流,河床以岩石和卵石夹沙为主,河床冲淤变化较大。

南江水文站位于贵州省贵阳市开阳县南江乡龙广村,水文站集水面607 km2,为无人值守水文站,纳入局机关巡测管理。测验河段顺直长约200 m,无岔流、串沟,河床由乱石夹沙、基岩组成。南江水文站是乌江水系的贵阳市市州界代表站,属于二类精度站,主要任务是监测鱼梁河控制断面水文要素,收集基本水文信息,开展市州界断面水量监测。

建瓯七里街水文站位于福建省建瓯市瓯宁街道水西村,集水面积14,787 km²。建瓯七里街水文站基本断面位于崇阳溪、南浦溪、松溪下游汇合口处。验河段较顺直,水流平顺畅通,无岔流、串沟回流等情况。历年的水位流量关系都呈单一曲线,按单一曲线法进行定线整编。该站是闽江流域建溪干流的控制站,为国家重要水文站,测站精度类别为一类精度站。

3.3. 武大AiFlow视觉测流设备安装

以麦穰水文站武大AiFlow视觉测流设备安装为例,该系统由视觉测流专用摄像头及其配套立杆,智能算法盒子,路由器,硬盘录像机和电网系统组成,安装示意图如下图2所示,测流摄像头安装于站房顶部,定时采集测流断面流速数据,通过流速面积法计算流量,实现自动化与智能化的流量监测。

2. 武大AiFlow视觉测流设备架设示意图

3.4. 武大AiFLow视觉测流测流效果

3.4.1. 山洪流量监测

2023年6月中下旬,受高强度降雨影响,麦穰水文站所监测的河段经历了一次显著的洪水涨落过程。自6月18日20时开始,水位逐步攀升,至6月19日4时达到峰值。随后,至6月20日8时,水位基本逐渐回落至正常级别。整个洪水过程历时36小时,期间洪峰流量高达377 m3/s,最大流速亦达到了2.85 m/s。

鉴于洪峰流量大、水流湍急的特点,传统转子流速仪测流方式存在一定的安全风险。因此,麦穰水文站决定采用走航式ADCP与非接触式的武大AiFlow视觉测流对流量进行同步测验。走航式ADCP利用声学多普勒效应进行流速测量,武大AiFlow视觉测流依托先进的视觉分析技术,通过实时监测视频画面,精确计算水流速度与流量。在整个洪水过程中,走航式ADCP共进行了7次有效流量测验,武大AiFlow视觉测流成功进行了138次流量测验,为洪水过程的实时监测提供了有力支持。经过对比分析两种测流方式的水位流量时间过程数据,如图3所示,视觉测流实测断面流量、走航式ADCP实测流量分布于站点历年水位流量关系线上值附近,实测结果较为可靠。

3. 麦穰水文站洪水过程图

期间,武大AiFlow视觉测流除在夜间因光线不足无法进行正常测流外(后续可通过安装补光设备解决该问题),日间测流结果和走航式ADCP同时采集的流量结果比对如下表1所示:

1. 洪水流量监测对比结果表

测流时间

水位(m)

视觉测流流量(m3/s)

adcp实测流量(m3/s)

相对误差

2023/6/19 6:00

985.96

258

250

3.20%

2023/6/19 7:00

985.50

212

218

−2.75%

2023/6/19 8:00

985.21

176

179

−1.68%

2023/6/19 8:50

985.09

160

168

−4.76%

在洪水过程中,武大AiFlow视觉测流能够实时捕捉水位的涨落和流速的变化,为决策者提供及时、准确的数据支持。与传统的走航式ADCP流速仪相比,武大AiFlow视觉测流的误差率控制在±5%以内,显示出其测量结果的可靠性和稳定性。

综上所述,麦穰水文站在高强度降雨与洪水涨落的复杂环境下,充分体现了其先进的流量测验性能。通过走航式ADCP与武大AiFlow视觉测流的协同工作,不仅确保了测流工作的精确性与安全性,还为洪水预警与决策提供了及时、准确的数据支持。这一实践经验对于类似条件下的洪水监测工作具有重要的参考价值。

3.4.2. 洪水流量监测及复盘

2023年5月25日,贵州省气象台针对贵阳中北部地区发布暴雨蓝色预警,预示着该地区将遭受强降水侵袭。据预测,部分区域将出现暴雨,其中禾丰水文站面临的短历时强降雨形势尤为严峻。预计在26日04时,禾丰水文站的洪峰水位将超过保证水位0.30 m,情况十分紧急。

在此严峻背景下,武大AiFlow视觉测流产品作为非接触式的自动化流量监测设备成为防洪工作的重要支撑。该产品运用先进的图像处理和机器学习技术,实现了对河流流量的自动精确监测,大幅提高了监测效率,降低人力成本。与传统的接触式流量监测设备相比,武大AiFlow视觉测流具有非接触式和自动化操作的优点。其次,武大AiFlow视觉测流响应快,测流耗时少,可以及时捕捉洪水过程并保留视频影像资料。禾丰水文站视觉测流资料如下图4所示:

4. 禾丰水文站武大AiFlow视觉测流视频资料

在禾丰水文站的防洪实践中,武大AiFlow视觉测流技术发挥了至关重要的作用。它通过实时监测河流流量,为防汛指挥部提供了精准的数据支持,使其能够迅速作出决策,有效应对此次强降雨过程。同时,保存的视频资料也为后续的洪水复盘提供了详尽的资料,有助于深入了解洪水发生和发展的过程,为未来防洪工作提供宝贵的经验。

3.4.3. 无人值守站点流量远程自动化监测

南江水文站为无人值守水文站点,由市局机关进行巡测管理。该站点流量测验设备有全自动缆道测流设备和双轨雷达测流设备,但均需测验人员现场实施测量操作,测量过程耗时耗力。针对此种情况,南江水文站点引入武大AiFlow视觉测流产品,实现了站点流量远程自动化监测。

武大AiFlow视觉测流通过高清摄像头捕捉水流图像,结合深度学习算法对图像进行智能分析,从而精准地计算出流速流量数据。这种非接触式的监测方式不仅避免了传统接触式测量可能带来的误差和损耗,还能在各种恶劣环境下稳定运行,确保了测量数据的连续性和准确性,实现了站点流量全时段全量程的自动化测量。此外,武大AiFlow视觉测流将视频采集,计算模块和控制模块分布式部署,通过测流平台串联,并远程控制测流工作,将流量测验结果数据发送给各个水文中心平台,实现无人值守站点流量远程自动化监测,如图5所示。

5. 南江水文站武大AiFlow视觉测流控制中心

武大AiFlow视觉测流的自动化功能使得测量过程更加便捷和高效,这不仅节约了大量的时间和人力成本,同时也减少了在现场操作中可能出现的风险和不便。在未来的水文研究和管理中,视觉测流技术将成为重要的工具,为水资源的监测和保护工作提供更加可靠的支持。

3.4.4. 水文测站日常流量监测

七里水文街站视觉测流产品于2021年9月安装完成并开始调试,于2022年1月开始正常测报,测流期间最低水位89.28 m,最高水位103.65 m,水位变幅14.37 m。七里街水文站在2022年1月至2023年8月期间将视觉测流设备和转子流速仪及雷达波测速仪等设备进行对比试验,结果表明比测样本有98%的视觉测流断面流量数据与比测流量的相对误差在10%以下,中高水位时,有近90%的数据与比测流量的相对误差在5%以下。样本总体系统误差为−0.46%,随机不确定度为8.28%。根据《水文资料整编规范》(SL/T 247-2020),符合一类精度站流量测验的系统误差应在±1%以内,随机不确定度应在6%以内(水面浮标法可增加2%~4%)的要求[9]。七里街水文站视觉测流断面流量与比测流量的水位流量分布效果如图6所示,二者分布基本重合。

6. 七里街水文站测流成果图

选取七里街水文站2022年6月18日至21日大洪水时段进行观察,在此期间,视觉测流日间测流频率为5 min一测次,夜间为1 h一测次,最终4日内共测得412测次,其洪水过程时间序列图如图7所示,可以看出洪水过程还原良好。

7. 七里街水文站视觉测流时间序列图

武大AiFlow视觉测流依托先进的人工智能技术,能够高效精确地对河道流量进行监测与分析。与传统的流量测量方法相比,AiFlow视觉测流具有诸多优势。该产品无需复杂的仪器设备,仅通过摄像头与算法终端即可实现流量数据的采集与处理,从而实现了流量监测的自动化和智能化。AiFlow视觉测流还具备数据可视化、远程监控等功能,方便用户查看与管理流量信息,为日常流量监测工作注入新活力,为水文测站提供更为高效、智能化的流量监测方案。

4. 总结

武大AiFlow视觉测流技术的引入标志着我国水文监测领域的一次重大技术革新。该技术通过结合先进的视觉处理和人工智能算法,实现了水流速度及流量的实时、精确监测,显著提高了数据准确性,减少了传统人工监测中的人为误差。这一创新不仅为水文预报和决策提供了更可靠的数据支持,而且通过全量程自动化监测,大幅提升了作业效率,降低了人力成本,为水文站推进全要素全量程全自动监测,加快构建雨水情监测预报“三道防线”提供有利支持。

此外,武大AiFlow视觉测流技术的应用对于推动我国水文事业的现代化进程具有深远意义。在信息技术迅速发展的今天,将此类先进技术融入水文监测,不仅提升了我国水文事业的整体水平和国际竞争力,也展示了我国在水文科技领域的创新能力。这一技术的成功应用为我国水文现代化注入了新动力,未来将继续秉持严谨、稳重的态度,深入研究和应用先进技术,推动我国水文事业不断向前发展。

NOTES

作者简介:吴益华(1975.3-),贵州省开阳县人,本科,工程师,研究方向:陆地水文,Email: 392315857@qq.com

参考文献

[1] 张建云, 章树安. 全面理解, 稳步推进水文现代化[J]. 水文, 2006, 26(3): 10-12.
[2] 林祚顶. 加快推进水文现代化 全面提升水文测报能力[J]. 水文, 2021, 41(3): 2-5.
[3] FUJITA, I., WATANABE, H. and TSUBAKI, R. Development of a non-intrusive and efficient flow monitoring technique: The space-time image velocimetry (STIV). International Journal of River Basin Management, 2007, 5(2): 105-114.
https://doi.org/10.1080/15715124.2007.9635310
[4] 赵浩源, 陈华, 刘维高, 黄凯霖, 刘炳义, 刘德地, 王俊. 基于河流表面时空图像识别的测流方法[J]. 水资源研究, 2020, 9(1): 1-11.
https://doi.org/10.12677/jwrr.2020.91001
[5] 陈华, 赵浩源, 黄凯霖, 刘炳义, 王俊. 基于图像智能识别的河流流量计算方法[M]. 北京: 电子工业出版社, 2022.
[6] 中国水利学会. T/CHES 99-2023图像识别法河流流量测验规范[S]. 北京: 中国标准出版社, 2024.
[7] 田澄. 贵州省水文测站建设现状与发展[J]. 中国水运, 2023, 23(8): 106-107.
[8] 黄伟成. 视频测流技术在七里街水文站洪水监测应用分析[J]. 水利科技, 2022, 4(4): 21-22.
[9] SL/T 247-2020. 水文资料整编规范[S]. 北京: 中国水利水电出版社, 2021.