基于图像识别技术的河流流量测验方法研究取得进展

作者：

河流流量监测对洪水灾害防治和河流管理具有重要意义，然而传统的接触式方法逐渐难以满足当下测流需求。视觉流量测验方法是一种利用视频图像识别表面流速和计算流量的非接触式流量测验方法，与传统的接触式方法相比具有高智能和低成本的优点，可以实现无人化和规模化推广应用，对现有水文监测技术提供有力支撑与补充。目前已发展出基于粒子图像识别、水流时空影像、概率和变分以及深度学习的多种图像测速算法，方法精度和适应性得到多场景验证，然而图像采集条件、复杂气象和水域环境以及参数的不确定性仍然制约着这项技术的发展。通过总结视觉测流实施过程存在的问题，并对现有方法提出改进需求，为进一步研究和应用提供借鉴。

河流流量是重要的水文特征，流量监测对洪水灾害防治及河流管理具有重要意义。传统测流中通常使用流速仪、高水浮标或声学多普勒电流剖面仪进行现场测验，但考虑到仪器下水易受环境扰动、高洪施测存在安全隐患、设备和劳力成本较高等问题，传统的接触式测流方式并不适合应对当下愈加频繁的大洪水挑战。高洪情形下很难将流速仪置于水中，此外，测验会对河流产生扰动，仪器也可能受到泥沙和漂浮物的影响；ADCP法价格高昂，同时在高湍流、曝气和床层移动的情况下，测量误差较大。随着技术进步，多种非接触式测流方法如雷达、卫星遥感等被提出并受到重视，丰富了流量测验手段。雷达测流在河流应急监测方面应用较广，目前发展出获取点流速的电波流速仪测流和获取流速场的侧扫雷达测流两种方式，但在低流速条件下测量准确度不佳，同时对于点流速测量需要考虑多台仪器的成本问题；卫星遥感测流是一种较为新兴的水文遥感交叉应用方式，具有较大应用潜力，目前存在分辨率不够、对地面测量信息和历史数据过于依赖等问题。

近年来计算机视觉技术和人工智能技术迅猛发展，广泛使用的智能视频监控启发了人们的灵感，图像识别技术开始被引入到水文测验的前沿研究。视觉图像法基于表面波纹或漂浮物组成的表面流动特征随表面速度平移流动这一假设识别河面流速。方法核心即在于利用不同算法获取河流表面流速这一步。之后采用流速面积法，由表面流速系数估计出垂线平均流速，并参考测验前获取的河道大断面数据来估算流量。

视觉测流方法为流量测验工作提供了一种全新的解决思路，通过分析从河流表面捕获的视频图像可以安全方便地测量表面速度分布，据此估算断面流量。该方法已在多个场景中得到成功应用，证实其在监测效率、便捷性和环境适用性上相较传统的测流方法有更优异的表现。对于以下不利的监测环境尤为适用：不便观测的极端洪水条件、未设置水文站的河段测量和山区小型河流测量(流量变幅大，水浅，主要为岩石河床)。