1. 引言
中国极端水灾害事件呈现频发趋势，2023年前三季度全国共出现35次区域性暴雨，洪涝和地质灾害共造成5190.4万人次不同程度受灾[1]。新中国成立后，大江大河及其重要支流以堤防、洪水控制性枢纽工程为主的防洪体系框架基本形成，抗御水旱灾害的综合能力显著提高，而中小河流的治理相对滞后，我国流域面积在200~3000 km2的中小河流约有1万条，其中承担防洪治理任务的有6800多条[2]。相对于主要江河，中小河流串联的中小城镇居民点、农田和重要基础设施更多，同时承担着农村区域行洪排涝、灌溉供水等任务，对保障国家粮食安全、保证人民群众生活品质、维护社会和谐稳定具有重要支撑作用。洪水预报是中小流域减灾防害的有效手段，但大部分中小流域目前缺乏长序列洪水资料，制约洪水研究分析，是防洪减灾的薄弱环节[3]。
近年来，水利部积极响应水灾害防治的需求，于2022年7月发布《关于开展全国中小河流治理总体方案编制工作的通知》，强调了数字化、网络化、智能化在中小河流信息化建设中的关键作用。随后，2023年7月发布的《中小河流治理建设管理办法》进一步强化了这一方向，明确提出要提升中小河流行洪和防洪能力，强调数字赋能与全程信息化管理，为中小河流智慧化建设指明了道路。将各行业的先进技术用于水文水利是必然趋势，其中基于深度学习的图像识别与水文测流结合，成就了新的非接触式视觉测流技术。
视觉测流技术，凭借其基于深度学习的图像识别能力[4]，实现了非接触式的实时水文测流，能够有效应对因人类活动和自然条件变化带来的水情不确定性。该技术提供的高时空分辨率数据，对中小流域的流量监测和预报具有独特价值，特别是在应对突发性洪水事件时，其即时监测能力尤为重要。本文主要以湖南郴州、湖北马良坪、四川红旗(二)、江西莲塘等中小流域视觉测流站点为研究对象，通过对比分析视觉测流数据的精确度，以及洪水监测的成效，验证视觉测流技术在中小流域水文监测的优化效果及推广应用潜力。
2. 流域及站点概况
郴州水文站设立于1959年，控制流域面积为354 km2，河段顺直，上游500 m有一闸坝，下游有新、老白鹿桥，中低水起控制作用[5]。近年水位流量关系较为稳定，中高水水位流量关系多为绳套型曲线，水位超过150 m (1956年黄海高程体系)时两岸漫滩，郴州水文站视觉测流站，现场安装情况如图1(a)。
红旗(二)站设立于1958年3月，位于四川省峨边县杨村乡四坪村，集水面积1321 km2，距河口9.5 km，作为大渡河支流官料河控制站，主要功能为基本资料收集、水文分析计算、防汛、水资源管理[6]。其视觉测流站建立在水文站测流断面处，河流左岸为山峦，右岸沿岸为民房，安装点位如图1(b)。
马良坪水文站设立于1960年3月，地处湖北省保康县重阳乡西坪村，集水面积926 km2，属国家二类精度水文站，是长江中游干流水系沮河的上游控制站。视觉测流站建设在河道右岸，如图1(c)。
莲塘水文站设立于2015年1月，位于江西省南昌市南昌县莲塘镇，是长江流域湖区水系莲塘河控制站，测站集水面积212 km2，为中小河流水文站、三类精度站。其视觉测流站建设在水文站基本断面处，距测验河段左岸边约20 m。设备监控画面如图1(d)。
(a) (b)
(c) (d)
图1. 视觉测流站建设情况图示
3. 率定与成果分析
3.1. 率定方法
不同流量在线监测设备具有各自的特点和适用性，开展视觉测流设备的适用性分析和监测精度评价具有重要意义。视觉测流技术是通过监测河流表面涟漪、波纹等随水流一起运动的表面特征直接计算河流表面流速，进而通过表面流速计算虚流量[7]，故实际应用中需要找到虚流量与断面流量的相关关系，进行转换后，输出河流的断面流量数据。为确定视觉测流虚流量与断面流量的相关关系，需选取视觉测流与传统流速仪同时段或相近时段同水位的测流数据作为率定样本[8]，为确保各水位段的相关关系准确可靠，率定样本应均匀分布于不同水位级别，样本数应尽量符合统计学大样本的数量要求(样本数大于30)，样本量充足时，应区分率定样本与检验样本。以率定样本分析虚流量与断面流量的相关关系，检验样本验证率定成果的可靠性与适用性。
3.2. 率定过程
郴州视觉测流站建成后，在2022年5至12月期间，测流对应最低水位0.46 m、最高水位3.6 m，水位变幅3.14 m。同时期内，郴州水文站采用ADCP测流30测次，测得最低水位0.74 m、最高水位3.62 m，水位变幅2.88 m。为增加率定样本量，在水文站提供的2022年5月10日7时~2022年6月13日14时28分和2022年6月13日14时28分~2022年11月18日9时两段水位流量关系线中，均匀选取13组不同水位级的查线流量值与同时段内同水位下的视觉测流实测值作为新增率定样本，最终确定43组样本数据。
红旗(二)视觉测流站日常运行情况良好，测流对应最低水位637.79 m、最高水位641.01 m，水位变幅3.22 m。同时收集到转子流速仪、电波流速仪等设备采集的104组水位流量数据，选取流速仪施测同时段或者相近时段同水位的视觉测流数据，最终确定80组样本数据。
马良坪视觉测流站于2023年5月25日完成建设并开始自动测流，至2023年12月31日，测流对应水位范围为2.0~5.92 m，水位变幅3.92 m，同时收集到转子流速仪和走航式ADCP测流数据21组作为样本数据。
莲塘视觉测流站于2023年3月8日运行使用，截至2024年2月1日测流对应最低水位15.47 m，最高水位17.42 m，水位变幅1.95 m。同时共收集到走航式ADCP测流数据35组，最终选取32组同时段施测的样本数据。
对视觉测流虚流量与断面流量建立相关关系，郴州、莲塘站的虚流量与断面流量相关关系分别如图2(a)、图2(b)所示，确定其相关关系分别为：Q = 0.84*Qf，、Q = 0.91*Qf，其中Qf为视觉测流虚流量、Q为换算后的断面流量，两站相关关系的决定系数R2均大于0.99，表示视觉测流虚流量与断面流量相关关系线的拟合精度良好。分析红旗(二)、马良坪站的视觉测流虚流量与断面流量的换算系数，二者均表现为非单一的换算特性，绘制水位–流量换算系数的散点分布图如图3(a)、图3(b)所示，反映出流量系数与水位有较明显的相关关系，红旗(二)站水位–流量换算系数呈现线性相关，马良坪站水位–流量换算系数呈现非单一线性相关，但分段相关关系线较好地穿过了散点群中心，且端点相互衔接。
分析两站出现流量换算系数随水位变化的原因，红旗(二)站主槽河床主要由光滑砂卵石组成，随水位升高，水流逐渐向右岸漫滩延伸，如图4所示，右岸滩长且植被居多，糙率增大，故流量换算系数逐渐减小，最终确
(a) (b)
图2. 郴州、莲塘站视觉测流虚流量与断面流量相关关系
(a) (b)
图3. 红旗(二)、马良坪站水位–流量换算系数相关关系
图4. 红旗(二)站视觉测流现场监测画面
图5. 马良坪站测流断面图
定水位与流量换算系数的相关关系公式为K = −0.0397 h + 26.1735 (K：流量换算系数，h：水位)。在该换算关系下，638.04~641.00 m的水位范围内流量换算系数在0.75~0.87之间，参考浮标系数的经验取值，该系数范围合理。同样，马良坪测验断面为如图5所示的复式断面，不同水位下河床糙率不同，故河道流量换算系数与水位呈现复杂相关关系，最终分水位级分别确定视觉测流流量系数计算公式为K = −0.4832 h2 + 2.8621 h − 3.5 (水位2.19~2.9 m)、K = −0.0198 h2 + 0.1920 h + 0.35 (水位2.9~5.94 m)。
3.3. 检验分析
为验证率定结果的可靠性，需参考《水文资料整编规范》(SL/T 247-2020) [9]进行检验分析。利用上述率定得到的相关关系，将率定样本中视觉测流虚流量换算为断面流量，分别计算系统误差、随机不确定度，并对各站点相关关系分别进行符号检验、适线检验、偏离数值检验，计算结果如表1所示，四个视觉测流站的率定结果均满足规范要求。
表1. 视觉测流率定关系检验表
检查项 |
郴州站 |
红旗(二) |
马良坪站 |
莲塘站 |
规范要求 |
实际指标 |
规范要求 |
实际指标 |
规范要求 |
实际指标 |
规范要求 |
实际指标 |
随机不确定度(%) |
8 |
7.49 |
10 |
9.39 |
10 |
8.12 |
12 |
9.53 |
系统误差(%) |
±1.00 |
0.32 |
±1.00 |
0.89 |
±1.00 |
−0.16 |
±2.00 |
−0.6 |
符号检验 |
<1.96 |
0.53 |
<1.96 |
0.59 |
<1.96 |
0.87 |
<1.96 |
0.177 |
适线检验 |
<1.64 |
1.08 |
<1.64 |
0.47 |
<1.64 |
0.67 |
<1.64 |
免检 |
偏离数值检验 |
|t| < 1.33 |
0.52 |
|t| < 1.33 |
0.47 |
|t| < 1.33 |
0.19 |
|t| < 1.33 |
0.728 |
为进一步验证率定成果在实际应用中的代表性，使用郴州站、红旗(二)站预留的检验样本计算视觉测流断面流量与比测流量的误差情况，结果如表2所示，利用视觉测流的可回溯性特点，观察个别误差较大测次的视频画面，河面在低流速下受风力干扰，视觉测流测得的表面流速略大，导致最终计算的流量略大，但检验样本整体而言，视觉测流与传统测流设备采集数据的误差基本在±5%以内，满足《河流流量测验规范》(GB 50179-2015) [10]的精度要求。
表2. 视觉测流误差检验表
站点名称 |
测流时间 |
水位(m) |
比测流量(m3/s) |
虚流量(m3/s) |
视觉测流断面流量(m3/s) |
相对误差 |
郴州站 |
2022/09/22 10:23 |
0.76 |
2.15 |
2.49 |
2.10 |
−2.15% |
2022/09/15 16:30 |
0.79 |
2.58 |
3 |
2.53 |
−1.76% |
2022/08/11 09:22 |
0.92 |
4.86 |
5.77 |
4.88 |
0.31% |
2022/06/28 08:56 |
1.19 |
15.0 |
19.1 |
16.1 |
7.58% |
2022/06/06 10:32 |
1.5 |
33.4 |
41.7 |
35.2 |
5.49% |
查线值 |
1.73 |
52.2 |
63.5 |
53.7 |
2.78% |
2022/05/23 09:16 |
2.08 |
83.0 |
103 |
87.0 |
4.85% |
查线值 |
2.25 |
99.6 |
123 |
104 |
4.34% |
2022/5/23 16:01 |
2.76 |
162 |
190 |
161 |
−0.91% |
2022/6/13 12:07 |
3.1 |
196 |
235 |
199 |
1.30% |
查线值 |
3.36 |
244 |
292 |
247 |
1.11% |
红旗(二) |
2022/10/30 10:00 |
638.27 |
39 |
44.77 |
38.41 |
−1.50% |
2022/09/03 14:30 |
638.45 |
53.8 |
60.96 |
51.87 |
−3.58% |
2023/05/19 10:30 |
638.85 |
95.2 |
108.40 |
90.53 |
−4.90% |
2023/09/10 13:30 |
639.15 |
141 |
177.76 |
146.34 |
3.79% |
2022/05/29 09:20 |
639.78 |
228 |
296.92 |
236.99 |
3.94% |
2022/05/29 11:15 |
639.90 |
253 |
333.32 |
264.46 |
4.53% |
2022/06/23 13:10 |
640.23 |
316 |
430.69 |
336.08 |
6.35% |
2022/06/27 07:30 |
641.00 |
548 |
719.60 |
539.55 |
−1.54% |
3.4. 视觉测流成果分析
根据率定成果，将视觉测流虚流量换算为断面流量，绘制四个站点的视觉测流断面流量与流速仪流量的水位–流量分布图如图6所示，视觉测流数据与流速仪流量的分布情况均吻合，特别是莲塘站受下游闸门调控出现非单一线趋势现象也完全重合，且相较于传统测流方法，视觉测流获取的数据量更为充足。
图6. 视觉测流水位流量散点分布图
洪水期间，视觉测流不间断的监测能力能够完整记录整个洪水过程的水位、流量等水文要素的变化情况。2023年10月2日，马良坪站河道涨水，10时至17时25分期间水位上涨2.59米，于17时25分监测到的最高水位较马良坪的日常低水位抬升3.5米左右，监测河段的最大流速达5.29 m/s，水流浑浊，水下夹杂的树桩等物体的冲击增加了接触式测流设备的测流难度，单次施测耗时较长。马良坪视觉测流站在线监测正常运行，水位流量时间过程曲线如图7所示，完整采集到洪水变化过程，且洪峰时期视觉测流监测结果与流速仪流量误差仅为1.52%。
2023年8月红旗(二)站经历4次大涨水过程，视觉测流系统长时间稳定运行，其测报数据与流速仪流量数据的时间过程曲线如图8所示，视觉测流站每10分钟测报一次，测报流量与流速仪数据结果相近，完整的记录了该时段内的水情变化，反映视觉测流系统稳定准确。
为多维度验证视觉测流的数据效果，以红旗(二)站为例，取该站点各水位级别的起点距–流速数据，对比比测时段内视觉测流表面流速与站内转子流速仪、电波流速仪的垂线平均流速分布，如图9所示，视觉测流流速平稳无异常值，且横向流速分布与地形水深的变化相符，与流速仪数据分布趋势基本一致，流速测算合理。
图7. 马良坪站2023年10月2日~3日洪水过程图
图8. 2023年8月水位流量时间过程序列图
图9. 红旗(二)不同水位级流速分布图
4. 结果与讨论
上述四个站点的视觉测流技术应用实例充分证明了该技术在中小河流环境中的实用性和有效性。视觉测流技术不仅展现了良好的流量测量精度，满足了多数中小河流中高水位条件下的精准监测需求，而且其设备构造的简便性与标准标定流程，为在中小流域快速广泛部署视觉测流站网提供了技术可行性，分布式测流站网的建立，不仅能够实时捕捉河流水情动态，为洪水预警系统提供即时、高精度的数据支持，还显著增强了上游视觉测流站数据对下游站点预测效能的贡献，有效延长洪水预报的预见期，提高了预警系统的准确性和可靠性[11]。
尤为重要的是，视觉测流技术的广泛应用，为中小流域的综合治理规划提供了宝贵的第一手数据资源，有助于科学制定防洪减灾策略，优化水资源配置，保护生态安全。在遭遇极端气候事件时，该技术的实时监测与数据处理能力对于快速响应、精准救援具有不可估量的价值，极大提升了抗洪救灾的效率和效果。因此，视觉测流技术不仅是现代水文监测的重要技术创新，更是推动中小流域系统化治理、保障人民生命财产安全、促进社会经济可持续发展的重要科技支撑。未来，随着人工智能与物联网技术的深度融合，视觉测流技术有望在中小河流水文监测领域发挥更加显著的作用，成为提升我国水灾害防御能力的重要一环。
基金项目
感谢水利部重大科技项目SKS-2022020和郴州国家可持续发展议程创新示范区省级专项“揭榜挂帅”项目2022SFQ50对本研究的支持。
NOTES
作者简介：胡林涓(1988.5-)，湖南郴州，硕士研究生，中级工程师，主要研究方向为智慧水利，Email: hulinjuanziyou@126.com