获取和监测长序列连续自然河流流量的遥感水文站方法

本发明涉及遥感水文和水利工程，尤其涉无水文资料地区流量数据获取和无水文测站重要支流和中小河流防洪抗旱及水资源管理，具体为一种基于卫星、无人机和地面测量构建三维数字河道模型而获取和监测长序列连续自然河流流量的遥感水文站方法。

背景技术：

1、河流流量，特别是长序列连续的流量资料是表征水循环过程的重要指标，是水文循环过程中的积极因子，在区域水资源开发利用和河流生态保护中占有重要地位。从社会发展需求的角度看，河流流量在水利设施高程设计、农业灌溉、水利发电、航运、水产养殖等方面也具有重要的作用。但长序列且连续的河流流量资料的获取途径都是通过建立水文站点进行人工观测，然而部分地区受制于多变的气候、崎岖的道路及恶劣的地理环境等不利因素，缺乏建立水文站的基础条件，成为广泛存在的水文资料匮乏区。特别是世界范围内广泛存在的中、小型河流，流域面积及河道流量都较小，在此类河流上建立水文站的成本大，政府部门很少投资设站，是水文资料匮乏区的主体部分，但这些地区河流的中、下游往往存在固定的人类聚集地，由于水文资料的缺乏在应对突发水灾害时往往缺少足够的资料支持。因此，亟需一种更加低成本且有效的方法获取河流流量，特别是中小河流流量的方法。

2、目前主要有三种方式能够长期监测河道流量：水文站点实测、水文模型计算、借助遥感数据计算。传统的水文站实地测量依赖地面人工测站，受自然和经济条件限制，站网分布稀疏且不均匀，许多地区难以获得流量数据。加之测站数据往往不被共享公开，实测的长序列流量难以被利用起来。水文模型可以针对需要研究的区域展开长期模拟河道流量工作，包括经验型模型、物理概念型模型、分布式、半分布式模型等。而使用模型进行长序列流量计算需要大量的降水、蒸发、径流等水文数据作为输入、调整、验证资料。对于复杂的模型，例如基于物理的分布式水文模型来说，输入数据的不确定性会对模型结果的精度和时间序列长度带来较大的影响。因此很多地区依靠水文模型开展长期精确的流量计算往往存在许多困难。遥感技术的发展为河道流量监测提供了新的手段。

3、为了利用遥感技术和方法获取和监测河流流量，研究人员设计了多种利用无人机、卫星和水文模型计算和监测河流流量的方法。如申请号为201720075875.7的中国发明专利，设计利用无人机搭载无线遥控雷达测流仪直接对河流进行流量测定。申请号为201710206658.1的中国发明专利，采用浮标断面设立，水深测量，中断面架设航拍无人机，投放浮标，当投下的浮标通过上断面、中断面、下断面时，利用航拍无人机连续拍摄，进而判读浮标、测流历时、计算起点距和计算流量。申请号为201810440985.8的中国发明专利，设计利用无人机获取河道断面信息，结合水力学中的曼宁公式推求监测断面流量。申请号为202011373524.7的中国发明专利，设计利用无人机搭载多普勒超声波流量计测量河道流量。申请号为202011169716.6的中国发明专利，利用无人机和pc机测流软件相结合的方法对河流横断面进行多点测量，进而求出该断面平均流量。申请号为202110370971.5的中国专利，设计利用无人机、水文测量雷达、流速测量雷达、增稳平台、无线数传装置和地面接收装置进行河道断面流量监测。

4、上述现有技术一定程度上解决了河流流量的监测和数据获取问题，但存在不足：1)连续监测成本高昂，无人机搭载观测河道流量或者流速的设备价格不菲，同时能够搭载这样设备的无人机也十分昂贵，很难进行长时间序列和高频次的河道流量监测，特别对我国青藏高原或者西北等自然条件恶劣区域。2)相关方法复杂，对流量的监测不够直接有效，部分步骤难以实现，如需要对监测断面进行人为修缮和改建，破坏了河流生态同时大大增加了方法的实施成本，难以快速应对防洪抗旱等紧急事件的要求，同时也难以快速建成大范围遥感径流监测网络，对现有水文观测站不足问题的解决和帮助意义有限。3)对于基础水文数据要求较高，解决广大水文资料问题困难，针对许多无资料的河流和流域，基础数据的获取十分困难，因此造成无真正法解决我国广大水文资料缺乏地区水文数据获取难题。4)数据来源不够广泛、便捷，没有充分利用日益丰富的卫星数据，进而导致连续监测和数据反演困难。

技术实现思路

1、本发明的目的在于攻克无水文资料区河流流量数据获取难题，克服以上现有技术中的各种技术缺陷，提出一种获取和监测长序列连续河流流量的遥感水文站方法。本发明的目的是通过以下技术方案实现的：

2、一种获取和监测长序列连续自然河流流量的遥感水文站方法，包括无人机河道断面测量、河道断面水下地形测量、三维数字河道构建生成、卫星遥感水面宽度批量提取、断面流量计算和历史数据反演。选定河流监测断面后，无需对河道断面进行修缮，利用消费级无人机开展控制飞行，获取断面的相关信息，利用声纳、流速仪和gps等工具测量断面水力和水文参数，利用野外数据构建精准的三维数字河道，利用多源卫星遥感数据和自主研发的水面宽提取算法，获取断面水面宽度数据驱动三维数字河道模型及流量计算公式开展河流流量监测；利用卫星遥感数据反演断面历史水面宽度数据，实现断面长时间序列连续历史流量计算。具体包括以下步骤：

3、步骤一、无人机河道断面测量：根据所选的河流关键断面的位置，到达现场后开展无人机野外控制飞行，通过无人机河道断面测量，获取监测断面无人机影像。

4、步骤二、河道断面水下地形测量：包括实际的水深测量、多点流速测量、坡降测量和糙率测量数据。

5、步骤三、三维数字河道模型构建及流量计算公式的驱动：对步骤一获得的无人机影像数据进行处理，输出数字表面模型(dsm)和数字正射影像(dom)，获得水面上基础地形数据，结合步骤二获得的河道断面水下地形测量数据，将水面以上的高程变化和水下地形进行拟合，合并生成完整的三维数字河道模型；对于每个三维数字河道模型，指定的每个河宽对应着相应的水位、过流面积、水力半径和湿周长；所述过流面积、水力半径和湿周长为驱动流量计算公式的关键参数。

6、三维数字河道为利用无人机获取的地形数据和水下地形实测数据构建的连续的监测断面曲线(数学函数)。

7、三维数字河道的作用：1)能够计算湿周、水力半径、过水断面面积和水位高度等重要参数；其中湿周、水力半径、过流流量面积和水力梯度可以用于驱动流量计算公式，计算流量；2)能够对监测断面进行三维可视化；3)通过多个流量变化，可以调整三维数字河道，反应了河床演变。

8、三维数字河道模型如何驱动：通过河流水面宽度数据，实现了过水断面的闭合，进而能够计算得到过水断面面积，水力半径和湿周等关键参数。因此，水面宽度数据是计算上述参数的重要输入数据，也是驱动三维数字河道的重要输入数据。

9、如果后期河道流量产生极值或者产生明显超过均值的系统误差，在排除降雨影响下，多由河川演变导致，因此可以通过三维数字河道对长时间尺度上河床演变进行监测和并通过流量反算河床的形态参数，如水深、河面宽、湿周等，通过三维数字河道的调整实现长序列河道流量的精准控制。

10、步骤四、卫星遥感水面宽度的批量提取：基于卫星遥感数据源获得ndwi数据，利用ndwi数据采用混合像元分解算法反演河流水面宽度，并根据实测河流水面宽度进行校正调整阈值，批量提取水面宽度数据；混合像元分解法提取河流水面宽度的计算公式为：

11、

12、式中，w为水面宽度，m；x河谷感兴趣区总像元数；ndwii为像元i的ndwi数值；ndwilt和ndwiwt分别是陆地和水域ndwi的阈值；pa为像元的实际面积，m2；vl为所选择河谷感兴趣区的长度，m。

13、步骤五、断面流量监测和历史数据反演：基于步骤四获得的批量提取水面宽度数据驱动步骤三构建的三维数字河道模型获得流量计算的关键参数进而驱动流量计算公式开展断面流量监测并对历史流量数据进行反演。

14、进一步的优化，步骤一中所述无人机影像数据包括带有目标河流断面的河道形状、高程及附近地物信息的图像数据。

15、进一步的优化，步骤二中，连续水深测量采用声纳；多点流速测量采用表面流速测量方法，仪器选用电波流速仪和转子流速仪；河道坡降测量选取单站rtk卫星定位测量方法。

16、进一步的优化，步骤三中，所述流量计算关键参数及流量公式的表示如下，式(2)～式(7)。可以基于三维数字河道模型计算当前水面宽度所对应的水位、水力半径、湿周长、水力梯度和过流面积，流速与流量。

17、z＝zint                            (2)

18、

19、

20、rh＝a/l                            (5)

21、

22、

23、其中，z为当河宽为rd时的水位，m；zint为水面线与三维数字河道模型交点处的高程，m；a为过流面积，m2；zi和zi+1分别为三维数字河道模型第i个点和第i+1的高程，m；a和b分别为水面线与三维数字河道模型左右交点的点序号；l为湿周长，m；vdi和vdi+1为三维数字河道模型第i个点和第i+1的水平距离，m；rh为当河宽为rd时的水力半径，m；v为当河宽为rd时的河流流速，m/s；k为转换常数；n为糙率；j为水力梯度，水力梯度为实测数据，用rtk获得，也可以用无人机获取的dsm获得；q为当河宽为rd时的河流流量，m3/s；rd为任意河宽数值。

24、进一步的优化，在遥感水文站的建设中，由于无人机遥感无法获取历史的河道信息，需要利用卫星遥感历史数据可回溯的优势来监测长时间序列的河道流量。所以步骤四中，选取空间尺度较细、重返周期较短、时间跨度长的landsat系列卫星数据、sentinel系列卫星数据将作为主要的卫星遥感数据源，用于提取河流水面宽信息，从而计算历史流量数据。

25、对landsat遥感数据的预处理主要是对影像进行辐射校正，可以先后通过辐射定标(radiometric calibration)、大气校正(flaash atmospheric correction)，对landsat系列影像进行辐射校正。然后利用landsat数据辐射校正后的绿光波段和近红外波段，通过计算归一化差异水体指数(normalized difference water index,ndwi)以区分影像上表示水体和陆地信息的像元，ndwi计算公式如下：

26、ndwi＝(ρgreen-ρnir)/(ρgreen+ρnir)             (8)

27、式中，ρgreen和ρnir分别为遥感影像中绿光波段和近红外波段的反射率。

28、进一步的优化，步骤五中，河道流量监测前，根据野外实测河宽及实测流速数据对糙率、坡降参数进行调整。

29、进一步的优化，步骤四中混合像元分解法提取河流水面宽度的具体步骤如下：

30、4-1训练区建立：所述训练区是从图像上选取的已知其地物属性或物体特性的图像区域或像元，用于进行分类的学习和训练的区域矢量文件；共需建立陆地、水体、河谷以及河流长度共4个训练区的矢量文件；陆地训练区是面矢量文件，用于计算ndwi影像的陆地ndwi阈值；水体训练区是面矢量文件，用于计算ndwi影像的水域ndwi阈值；河谷训练区是面矢量文件，用于计算在ndwi影像中所选河谷区域的水面面积；河流长度训练区是线矢量文件，用于获取河谷训练区沿河流方向的长度；建立完成后需对训练区进行检查，将训练区文件叠加在ndwi数据上，检查陆地与水体训练区是否叠置在相应的陆面和水面，以及河流长度训练区的长度是否等于河谷训练区的长度。

31、4-2标准与计算数据输入：标准ndwi数据文件是已知或确定了河流宽度日期的ndwi数据，计算ndwi数据文件为需要反演河流宽度日期的ndwi数据，且所有ndwi数据需要预先转换成投影坐标系。

32、4-3河流水面宽度计算与阈值调整：依次读入标准ndwi数据、计算ndwi数据和训练区数据文件，分别计算标准ndwi数据和计算ndwi数据中陆地ndwi阈值、水域ndwi阈值以及河谷训练区内水面面积，采用公式(1)计算河流水面宽度；若通过标准ndwi数据计算的河流水面宽度与通过无人机正射影像测量所得的当日河流水面宽度相差大于合理误差范围，则需调整陆地和水域ndwi的阈值；按调整后的陆地和水域ndwi的阈值重新进行河流水面宽度计算，直至标准数据与通过无人机正射影像测量所得的当日河流水面宽度误差在合理范围，而后采用公式(1)进行河流水面宽度计算。

33、本发明的优点和有益效果是：

34、1)本发明方法实现了在无测站自然河流快速建设遥感流量监测站点，优化了现有传统水文站的布局，解决了无水文资料区或缺水文资料区流量数据缺乏问题，为水文模型参数率定和结果验证提供长序列、可靠的流量数据。

35、2)本发明方法为耦合卫星遥感、无人机遥感和地面监测设备，适用于获取和监测多种形态自然河流流量的方法，并且能够快速形成河道流量遥感监测站网。本发明采取的方法是对传统水文站网的极大补充，大大提高了流域水文和水资源的监测能力、防洪抗旱能力和生态保护能力。