现代信息技术在水文学及水资源领域的应用

水资源信息化技术现状水资源信息化技术现状1引言近年来，现代信息技术在水文领域的应用有了长足的发展。特别是国家各研究部门在3S技术及ANN技术阶段性的掌握、进展和突破，加之与水文模型的整合研究从技术上变得切实可行，从而为水文学的研究开创了新的研究领域。本文主要以RS、GIS、GPS及ANN四项技术为中心叙述现代信息技术在水文领域包括防汛抗旱、水环境生态保护、水土保持及水文预报等方面的研究及应用现状。并在结尾处对水文乃至水利工程领域上的问题从整体的角度加以概括。RS技术的应用遥感(RemoteSensing，即RS)技术是20世纪60年代兴起的一种探测技术，应用于水文水资源领域发展迅速，为水资源研究提供了丰富的数据源，并取得显著的社会经济效益。遥感水文工作的特点是将较多的野外工作转人室内进行。与常规的地面勘测方法相比,使用遥感像片进行水文勘测可以简化作业工序,节省人力,提高工效,降低劳动强度,加快勘测进度,提高勘测质量。RS技术在水文领域广泛应用于洪涝灾害、旱情监测与评估、水质监测、水土保持等方面[1]。RS技术在水文领域应用于防汛减灾。利用遥感手段对洪涝灾害进行实时动态监测，确定洪水淹没范围及面积，具有客观、准确、时效性高的特点。遥感技术对洪涝灾害的监测评估在我国已有较长的历史。ERS和Radarsat是两种常用的洪涝灾害监测的星载SAR数据，ERS重点用于局部洪水的灾情调查，Radarsat重点用于较大范围的流域性洪涝灾害。RS技术应用主要集中在快速反应、紧急救灾和灾后重建方面。RS技术在水文领域应用于旱灾的监测评估。旱情遥感监测可通过测量土壤表面发射或反射的电磁能量来估算土壤湿度的方法实现，这需要有墒情站实测数据的支持；还可通过对作物长势、地表温度等的监测来跟踪旱情。针对不同地域的需求，建立不同的模型。目前开发研制的基于卫星遥感的旱情监测模型包括植被指数模型、热惯量模型、作物缺水指数模型、植被指数与地表温度特征空间模型、微波模型、水文模型和气象模型等。RS技术在水文领域应用于水质评价和管理。RS技术可以有效地监测表面水质参数空间和时间上的变化状况，其在水质监测方面的应用已逐步投入到实际生产与应用中，方法也在不断发展与成熟。目前，RS技术已可以对混浊度、pH值、含盐度、BOD和COD等要素作定量监测，以及对污染带的位置作定性监测。RS技术在水文领域应用于水土保持。RS技术成为水土保持研究的重要技术手段，在区域土壤侵蚀和水土流失研究中得到了广泛的应用[1]。GIS技术的应用地理信息系统(GeographicInformationSystem，即GIS)是集计算机科学、地水资源信息化技术现状2理学、测绘遥感学、环境科学、城市科学、空间科学、信息科学为一体的新兴学科。地理信息系统是在计算机软硬件的支持下，运用系统工程和信息科学理论，将各种地理信息以及它的载体(文字、数据、图表等)进行输入、存贮、检索、修改、量测、运算、分析、输出等的技术系统，能够为规划、管理、决策提供服务[2]。GIS已广泛应用于防洪减灾、水土保持、水环境等水文领域。GIS技术目前在防洪减灾决策中的应用主要集中在4个方面:管理平台、灾情评估、风险分析与区划和城市防洪。首先是防洪信息管理系统构建下的决策支持平台可以更好地完成时间、空间数据的管理，利用GIS的空间分析能力为防洪决策提供可靠的信息辅助支持。在水在灾情评估环节，主要利用GIS将空间数据和各种属性数据进行多层次整合、管理，在此基础上对洪水灾害进行演进，从而为灾情数据的分析、提取、评估提供有利的辅助手段．对灾害风险的分析和区划主要是集合GIS技术对自然、地理、社会因子等诸多因素并附上相应的权重进行空间叠加，从而对各种洪水发生概率和强度等数据的模拟计算，对可能造成的危害和危险性进行分析与损失评估。随着GIS技术研究的深入以及多种灾情模型的构建，近年来，评估系统所考虑的因素虽在不断完善，也变得更加全面，但仍然还有更大的研讨空间。例如充分利用GIS空间分析的功能，考虑流域上、下游的关系等。同时，GIS技术在数据层叠加、多边形合并、缓冲区的运用方面充分发挥了作用[3]。随着社会经济的发展，水资源不断受到污染，对水质的实时监控和分析已成为水利信息化管理的一个日常重要工作。以GIS合理地选择能代表水质总体状况的站点，结合空间数据和定位数据进行遥感影像分析处理，可快速地获取水污染的类型地点及其污染范围，并以专题图的形式直观生动地表现。再结合地理地质信息人文信息供水信息和其他相关环境因素，形成综合信息圈，为应对水污染的突发事件提供决策依据。水资源调度涉及大量的空间特征信息，GIS作为空间型的信息系统，能很好地处理各类空间特征信息。利用遥感技术进行地表水和地下水资源量的估算，监控和计算降雨量分布，并结合估算的水资源分布及供求量情况，将GIS与水资源调度模型集成，直观演示调水过程，模拟不同的水调方案，实现调度管理的可视化，更好地发挥辅助决策的作用。近年来，GIS在水文模拟中得到了广泛的应用。GIS和能提供许多传统水文模型所无法提供的详细的水资源评价信息，可最大限度地减少用户选择模型参数的主观性，节省分析时间，减少研究开支，同时，还可以将水文模块植入GIS系统，用户只需要根据GIS开发的界面操作，不需要涉及水文模型的本身。此外，当前GIS技术已逐步应用到了水文水资源领域的各个方面。除上述五个方面外，GIS技术还在水利工程移民安置、旱情分析预测、库区地质分析等多水资源信息化技术现状3方面得到成功的应用[4]。GPS技术的应用全球卫星定位系统(GlobalPositioningSystem，即GPS)以全天候、高精度、自动化、高效益等显著特点，赢得广大科技工作者的信赖，并成功地应用于多种学科，取得了较好的社会经济效益。水利信息70%以上与空间地理位置有关，以GPS为代表的全新的卫星空间定位方法，是获取水利信息空间位置的必不可少的手段。GPS在水文领域广泛应用于防汛减灾、水下地形测量、水文测量、水土保持监测与治理、水情测报、水利工程建设与安全监测等方面。GPS在水文领域应用于防汛减灾。采用GPS定位技术，可以精确地定位险情发生的地点，配置了无线通话功能后，还可同时具备双向通话功能，实现现场和指挥中心的自由对话，方便进一步沟通以便随时做出应急反应。集成了GPS技术和GSM无线通讯技术的实时报警系统，能够快速地将发生险情的地点和险情类别发送到指挥中心的监控系统，及时做出反应。GPS在水文领域应用于水下地形测量。水下地形测量在河道疏浚及水库、港口、码头、桥梁等工程建设中发挥着重要作用。随着GPS技术的迅速发展，水下测量技术也取得了很大的进步，已趋于成熟，基本上定型于“GPS+计算机(含数据处理软件)+测深仪”的测量模式。GPS在水下地形测绘的应用，表现为可快速高精度地测定水声仪器的位置，对于较大比例尺测图，可利用差分GPS技术进行相对定位。GPS在水文领域应用于水文测量。通过GPS和声学多普勒流速仪(acousticDopplercurrentprofiles，简称ADCP)结合使用提高测量精度。利用走航式ADCP进行流量测验时，其测检精度除受自身理论与结构误差影响外，还会受仪器安装、河底走沙等因素的较大影响。但是通过配置高精度的徕卡GPS设备，可以提高走航式ADCP流量测量的精度。因此GPS在水文测量中的重要作用正在逐渐显现出来[5]。GPS在水文领域应用于气象监测。成都信息工程学院高原大气与环境四川省重点实验室建立了川渝地区地基GPS遥感水汽的本地化计算模型，开发出GPS遥感水汽的计算软件包，开展了局域地基GPS观测网遥感大气水汽的试验及业务应用。研究了GPS水汽产品在几类典型灾害性天气(西南暴雨、持续性降水、冰冻雨雪、大雾)以及人工增雨中的演变特征，揭示了GPS探测水汽技术及其产品在天气预报业务中的应用方法。GPS在气象监测领域中发挥越来越重要的作用，许多科研人员通过GPS的应用，使水文预报更加精确[6]。3S技术的集成应用3S技术的集成应用是空间信息获取、存储、管理、更新、分析和应用的核心水资源信息化技术现状4支撑技术，其基本思路是：利用RS提供最新的图像信息，利用GIS提供图像信息中的主要位置、信息，利用GIS为图像处理、分析应用提供技术手段，三者紧密结合，可提供精确的基础资料，包括图件和文本数据。在水文预报方面，通过RS接收及时的卫星云图、气象信息等资料，结合自动监测设备及系统，一方面可借助基于GIS的结合信息平台，通过动态电子地图查看不同流域水系水文信息；另一方面借助模型库系统和人工神经网络、灰色理论、回归分析、模糊数学等预测理论和方法，对各水文要素如降水、洪峰流量及其持续时间和范围等进行科学、合理预测，为水量调度和防汛抗灾等决策提供科学、合理和及时的依据。在水环境自动监测方面，水环境自动监测系统以数据库、计算机通信网络为基础，采用自动化的监测设备，与3S技术结合，实现水环境要素的实时、多维、多源、高效、高精度的在线监测，包括监测信息的获取、存储、分析、管理、表达和评价。可对水的浑浊度、pH值、含盐度等做定量监测，结合GPS对大面积污染的位置作定性监测，也可监测地面沉降问题。利用GIS和RS对水域分布变化和水体沼泽化、水体富营养化、泥沙污染、水土流失、地下水降落漏斗、土地沙化和盐碱化、森林和草场退化与消失、海水入侵、河流断流等进行实时监控。ANN技术的应用人工神经网络(ArtificialNeuralNetworks)是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络作为一种非线性、自适应的信息处理系统，其较强的对复杂问题的映射能力，应用灵活和自学习能力等优点，使得ANN模型较早地被引用到水科学领域，并主要应用于降雨径流预报、洪水预报等方面。在人工神经网络的实际应用中，80%～90%的神经网络模型是采用BP网络(Back-PropagationNetwork，即多层前馈神经网络，因其采用误差反向传播算法而得名)或它的变化形式。其中建立降雨径流预报模型，以降雨过程、降雨历时、降雨量、河道基流及前一时刻的出口断面流量为输入条件，以出口端面的流量过程为输出条件。在这一过程里，隐层的神经元个数对模型的精度影响很大：过少则模型的收敛性较低；过多则会发生“过度训练”的现象，也会降低模型精度。洪水预报主要是利用神经网络的函数估计器对历史资料进行学习训练，以模拟、体现复杂的洪水演进机制，从而识别出某河道的洪水演进规律。给出河段上游的流量或水位，就可以推算出下游河断面的洪水过程。目前认为水文时间序列主要表现出随机性、模糊性、非线性、非平稳性和多时间尺度变化等复杂特性[7]。而缘于神经网络预测模型良好的记忆与学习功能，其对水文序列预测具有一定的优越性，能够较好的满足水文预测的需要。此外，岩溶泉流域作为一个高度非线性的含水层系统，具有随机性和模型性水资源信息化技术现状5的特点，近年来，神经网络也被广泛应用到岩溶水资源评价中[8]。类似的，鉴于人工神经网络ANN强大的非线性逼近能力，所建调度规则模型之合理，将其应用于水库中长期调度领域也行之有效。受水库入库径流预报预见期的限制，水库中长期调度中常采用仅需近期信息的优化调度规则指导水库运行[9]。但在网络结构设计中，如何确定隐层节点数尚无成熟的理论方法。最新的理论研究成果中，研究者将多Agent系统、在线减法聚类、信息强度分析等优选方法应用于网络结构设计。此类方法虽有一定的理论基础，却存在寻优过程计算工作量巨大的问题。而在ANN实际应用过程中，优选方法设计网络结构往往较解决工程问题本身更为复杂耗时[9]。从整体而言，神经网络模型是由复杂的非线性函数构成，要确定模型中众多参数的物理意义几乎是不可能的，而参数的物理意义又是研究者所关心的一项重要内容，因而就产生了一个严重的矛盾。加之神经网络学习过程是一个黑箱子，训练容易陷入局部最小，导致学习失败，网络训练存在不确定性，会导致网络应用受到限制。同时模糊自适应系统涉及到的理论高深