流域水生态环境智慧管理云平台关键技术研究

流域水生态环境智慧管理云平台关键技术研究

王诚1,   ,陈玥2,  ,何林3

1四川省能源投资集团有限责任公司，    四川成都   610041

2四川省水利科学研究院，            四川成都    610000

3四川能投电力开发集团有限公司， 四川成都 611100

摘 要：我国政府高度重视流域水生态环境保护。生态环境部等联合印发了《重点流域水生态环境保护规划》，要求以数字化、网络化、智能化为主线，以数字化场景、智慧化模拟、精准化决策为路径，构建具有预报、预警、预演、预案功能的流域水生态环境智慧管理体系，对流域生态系统实施整体保护。本文借助云计算、大数据以及人工智能等新技术，给出了流域水生态环境智慧管理云平台的构建方法，介绍了构建云平台的多源异构数据融合技术、微服务架构下异构系统整合技术、数字孪生可视化技术等关键技术的实现路径，给出了提升流域水生态环境保护管理信息化和智能化水平的实践方案。通过应用试点表明，云平台能够有效为流域内各级用户提供水生态实时监测、污染防控、水质预报、风险预警、生态调度等智慧服务。

关键词：流域；水生态环境；数字孪生；智慧管理；云平台

水电开发是优化能源结构、保障能源安全和支撑经济建设的重要措施。 然而，水利设施的运行改变了河流的水文过程，影响了流域的生态功能。因此，流域中水生态环境监管已成为水电可持续开发利用的瓶颈，也是国际水科学领域长期研究热点[1]。

2021年，水利部印发《“十四五”智慧水利建设实施方案》，提出了“推进国家水治理体系和治理能力现代化”等目标。将云计算、大数据、人工智能等新一代信息技术运用于流域生态环境监管，将有助于提高流域生态治理水平[2]。

当前，随着水利信息化进程的不断推进，通过物联网、大数据、云计算、人工智能等技术手段，推进流域治理向智慧化发展，是维持流域生态系统良性循环，提高生态环境监管水平的重要途径[3]。

本文借助云计算、大数据以及人工智能等新技术，在信息空间中对流域要素、水文环境和水利设施等实体开展数字采样和建模，通过数据和模型双向驱动，构建流域水生态环境智慧管理云平台。依托云平台，对流域水生态环境管理的精细化需求，进行实时、交互式的仿真决策和可视化展现，为流域水生态环境智能监管提供一种新的解决思路。

1存在的问题与挑战                                                                                                                                                                                                                                      

目前，传统的流域水生态环境管理信息系统主要基于结构化数据库，采用集中存储计算和人工分析方式，在存储计算、数据融合、挖掘分析、数据共享等方面存在着诸多不足，无法适应当前精细化监管需求[4]，面临的主要挑战如下：

（1）数据存储能力不足

在存储计算方面，传统的流域水生态环境管理信息系统多采用基于服务器的集中存储和计算方式，难以实现海量半结构化和非结构化数据存储，尤其是当前流域水生态环境监管中，大量使用传感器获得半结构化的水文监测数据。

（2）无法实现多源异构数据融合

当前的流域水生态环境管理信息系统中大量使用IOT、GIS数据和视频监控数据，获取的既有格式化数据，又有文本、图片、视频等非格式化数据；在获取手段上，既有传统的IT设备，又有传感器、摄像头等物联网设备，具有典型的多源异构数据特点。在传统数据库模式下，无法实现数据有效汇聚和整合利用。

（3）缺乏数据挖掘处理，数据潜在价值难以挖掘

在同一流域中，从不同来源采集的水文数据、气象数据、水质数据、污染数据等具有一定的关联性。如何利用大数据技术中的关联分析、知识图谱等手段，对融合汇聚的数据进行价值挖掘，是当前流域水生态环境管理系统的重要研究方向。

（4）数据共享交互困难

流域内缺乏统一高效的资源和信息共享技术手段和信息化平台，面对当前水生态风险突出的严峻态势时，无法实施精准生态调度和联动。

（5）流域内水生态风险预测预警困难

目前，流域水生态环境信息数据存在分散、异构、海量等特征，气象、水利、环保、国土等多源数据标准不一，造成共享利用程度不高[5]。

此外，流域水生态环境问题受气象、水动力、水质等自然过程和污染排放、资源利用等社会经济活动影响，极大地增加了流域水生态模拟预测的难度[6]，迫切需要利用人工智能技术，对汇聚的数据进行分析处理，挖掘流域水生态发展的内在机理。

2流域水生态环境智慧管理云平台设计

现阶段，流域水生态环境数据存在海量、分散、异构等特征，面临共享范围窄、利用效率低的问题。此外，流域中采集的气象、水利、环保等多源数据标准不一，且结构各异，需要研究融合集成技术，构建分布式流域水生态环境大数据库，实现流域生态环境大数据的有效收集、融合、集成、共享与管理。

本文以海量数据融合管理、流域生态环境多维仿真、决策模型高效计算、可视化定制场景为建设目标，构建了流域水生态环境智慧化管理云平台。

2.1总体架构

在流域水生态环境智慧管理云平台中，云端提供虚拟化计算、存储和网络资源，按需灵活部署、动态扩展，实现高效数据计算、储存、处理和分析，提供数据中心能力。终端则实现数据采集，依托物联网设备，采集实时水文数据、水质数据等，传输汇聚至云端进行处理。

从逻辑结构上，云平台分为基础设施层、数据层、业务逻辑层和应用层。其总体架构如图1所示。

（1）基础设施层。主要由空天地一体化感知设备、接入网络和云数据中心组成。空天地一体化感知设备获取实时水文数据、水质数据、气象数据等，并通过接入网络将数据传输至云数据中心进行存储和处理。

（2）数据层。采用自适应接口和数据转换技术，采集包括水文数据、气象数据、污染数据、水质数据、流域数据等，实现多源数据快速自动采集。

（3）业务逻辑层。该层主要实现以下功能：

1）多源异构数据融合，通过异常检测、数据清洗、数据集成等操作步骤，解决获取的水文数据、气象数据、污染数据、水质数据、流域数据中出现的属性不完整、数据重复、格式不一等问题，形成统一的数据视图。

2）提供知识图谱、聚类分析、趋势预测等大数据分析算法，实现关联分析、数据分类和预测分析。

3）构建并持续更新动态模型库、方法库和知识库，包括水文模型、气象模型、水质模型、水动力模型等，提升数据挖掘能力。

（4）应用层。提供数字孪生可视化引擎，展现云平台用户定制化的数据展现需求，支撑生态调度、实时监测、污染防控、水质预报、风险预警等应用场景，以统计图表、GIS图等方式，可视化展现各类统计数据和预测信息，为云平台的用户提供决策支撑。

2.2运行机制

本文提出的流域水生态环境数据处理流程如图2所示。该处理流程以云平台为支撑，分为数据采集、数据集成和融合、业务模型集成、应用场景展现等阶段。

（1）数据采集阶段

数据采集在水生态数据处理链中处于基础环节，要实现感知数据的自动探测和实时采集，并评估数据的规模和真实性。

（2）数据集成与融合阶段

多源异构数据融合将不同来源、不同结构（结构化和非结构化）的数据，通过数据清洗、转化和规范化处理，可以减少数据冗余，并提高准确性。

数据融合分为异常检测、数据清洗、数据集成和质量评估等步骤，具体流程见3.1节。

（3）业务模型集成阶段

数据挖掘是水生态数据处理工作的核心，通过采用关联分析、知识图谱等大数据工具集，对海量数据进行处理，揭示流域水生态环境数据之间的内在联系，提供水生态环境预测分析等功能。

（4）应用场景展现阶段

经过大数据分析与计算后，通过可视化图表方式，按照生态调度、实时监测、污染防控、水质预报、风险预警等应用场景的需求进行展示，提供给决策者使用。

图 2数据处理流程

相对于传统处理流程，基于大数据的处理流程具有能够获取流域内所有机构、水利设施、水文检测设备的来源数据，并进行关联分析处理，能够挖掘数据潜在的价值。

基于大数据处理结果，可建立流域统一高效的资源和信息共享机制，实现多个数据源到统一数据视图的整合，提高流域水生态环境风险评估预警能力。

3关键技术

3.1多源异构数据融合技术

在云平台中，通过IOT设备采集大量的水文数据、气象数据、污染数据、水质数据等，并需要与GIS数据、BIM数据进行融合。因此，来源数据呈现多源异构的特征。

将多源异构数据汇聚起来，准确识别异常、修正错误、消除冗余、解决冲突，形成规范化的水生态环境数据，为云平台的用户提供统一数据视图。多源异构数据融合是实现大数据分析的前提和基础[7]。

多源异构数据融合的实现流程如图3所示，分为异常检测、数据清洗、数据集成、质量评估等步骤。

图 3多源异构数据融合步骤

1）异常检测阶段

异常检测是记录采集到的多源异构数据中重复、冲突以及噪声数据和错误数据，对其进行定位和追踪，为后续清洗处置奠定基础。

2）数据清洗阶段

数据清洗主要对获取的IOT传感器数据进行滤重、归一和修正，形成规范化的数据。

3）数据集成阶段

数据集成是通过关联规则、数据分类等方法，对同一流域中各类数据进行关联处理，获得更为全面的数据信息。

4）质量评估阶段

质量评估是对数据融合结果的正确性和效率等因素进行分析，并检验前几个阶段处理方法的有效性，根据结果进行调整。

3.2微服务架构下异构系统整合技术

流域水生态环境管理牵涉部门较多，需要汇聚的系统也多。这必然涉及到多家不同开发建设单位，以及错综复杂的、异构的技术体系。采用面向服务架构（SOA），能够消除不同技术体系之间的差异，实现异构系统间的无缝对接，能够在云平台上集成不同的业务系统，并实现这些业务系统之间的数据共享和业务协同。

针对需要集成的业务系统，在不改变其原有架构和技术实现方式的前提下，将其封装为服务接口（API）；对于需要改建或替换的部分，则开发出新的微服务应用组件，并提供出相应的服务接口（API）。对于这些API，利用去中心化的微服务治理特性，即在微服务的注册、配置、发现、负载均衡、链路跟踪等治理机制的支持下，实现服务API之间的相互调用。通过服务组合，最终实现异构业务系统在云平台上的无缝集成。

3.3数字孪生可视化技术

流域中汇聚了各类水文信息、水质信息、气象信息以及地理信息、水利设施数字信息等，需采用数字孪生可视化技术，将其从物理空间映射至信息空间，实现孪生重建[8]。在信息空间中，对流域内水利设施以及河流的水文情况、水质情况以及水利设施建设情况进行可视化展示，支撑水质预报、风险预警、污染溯源和生态调度等差异化场景展现。

数字孪生可视化技术包括模型构建、三维信息可视化、场景自适应和物理环境仿真等环节的核心技术[9]。1）在模型构建层面，研究三维模型自动构建技术，实现快速三维场景的存储和数字化呈现；2）在三维信息可视化层面，研究全空间三维信息可视化方法，实现三维模型在不同场景下无缝衔接；3）在场景自适应层面，研究场景自适应可视化方法，实现不同用户视角场景下模型自适应适配；4）在物理环境仿真层面，研发物理环境仿真可视化方法，实现信息空间可视化渲染。

依托数字孪生可视化技术，最终实现由终端采集的水文、水质、流域等数据来还原流域水生态环境的现场态势，并能根据云平台的用户个性化需求，提供精细化、定制化的可视化数据服务。

4应用实践

以金沙江流域为例，进行流域水生态环境智慧管理云平台建设应用试点。云平台融合了流域的空间地理数据、BIM模型数据、三维实景模型数据以及实时的水质、水文、气象等数据，集成了水文模型、气象模型、水质模型、水动力模型、评价预测模型等，实现多层级、多尺度的流域水生态环境监测、诊断、分析、决策和预测。云平台的运行界面示意如图4所示。

图 4流域水生态环境智慧管理云平台主界面

云平台采用主流的前后端分离的开发模式进行构建。前端选用Angular、WebGL技术框架实现三维场景绘制；后台选用PHP、Python、C++技术架构，实现业务逻辑和大数据算法；数据库采用 MySQL和MongoDB 实现多源异构数据存储与管理；基于微服务架构，实现异构系统之间的数据交换和业务集成。

应用实践表明，云平台有效地提升了流域水生态环境调度方案的决策效率，实现了全要素和多角度的仿真决策；同时借助大数据、云计算、人工智能等技术，能适配生态调度、实时监测、污染防控、水质预报、统计分析等应用场景，可为流域管理提供决策依据，提高流域水生态环境综合治理水平。

5结束语

随着城市化进程不断推进，在我国的流域水循环及其伴生水生态过程中，已出现越来越多人为因素造成的环境恶化问题，实施流域环境综合治理成为实现我国经济高质量的必经之路。

流域水生态环境智慧管理云平台的研究与试点应用，从数据架构、平台集成、模型算法等层面，给出了在云计算、大数据、人工智能等新技术条件下提升流域水生态环境保护管理信息化和智能化水平的有效实践方案。

通过试点应用表明，云平台能够为各级用户提供流域水生态实时监测、污染防控、水质预报、风险预警、生态调度等智慧服务，也为后续大范围的应用推广提供了参考依据。

参考文献

[1]王浩，胡鹏. 水循环视角下的黄河流域生态保护关键问题［J］.水利学报,2020,51（9）:1009-1014.

[2]褚俊英，王浩，周祖昊，等.流域综合治理方案制定的基本理论及技术框架［J］. 水资源保护，2020，36（1）：18-240.

[3] 张万顺，王浩. 流域水环境水生态智慧化管理云平台及应用［J］. 水利学报,2021,52（2）：142-149.

[4] 邓真平，段美前. 流域型智慧水电一体化大数据平台建设［J］. 重庆科技学院学报（自然科学版）,2020,22（6）：86-89，97.

[5]蒋云钟，冶运涛，赵红莉，等. 水利大数据研究现状与展望［J］. 水力发电学报，2020，39（10）：1-323.

[6]蒋云钟，冶运涛，王浩. 基于物联网理念的流域智能调度技术体系刍议［J］. 水利信息化，2010（5）：1-5，10.

[7]杨明祥，蒋云钟，田雨，等. 智慧水务建设需求探析［J］.清华大学学报（自然科学版），2014，54（1）：133-136，144.

[8]蒋亚东，石焱文 . 数字孪生技术在水利工程运行管理中的应用［J］. 科技通报，2019，35（11）：5-9.

[9]He B，Cao X，Hua Y. Data fusion-based sustainable digital twin system of intelligent detection robotics［J］. Journal of Cleaner Production，2020，280：124181.

作者简介

王诚（1966.10），男，重庆万州人，教授级高工，从事综合经营和工程建设管理工作。

陈玥（1992.11），女，研究生，工程师，主要研究方向：水利信息化，生态水利学等。

   何林（1972.5），男，四川大竹人，教授级高工，从事电力工程设计建设施工和管理工作。