1. 引言
面对全球人口激增对粮食需求带来的严峻挑战，农业现代化、智能化和自动化成为缓解这一压力的关键途径。在确保粮食产量的诸多因素中，农业灌溉尤为关键，尤其是对灌溉用水实施精准计量与高效管理，这不仅是保障国家粮食安全的基础，也是实现农业可持续发展的必要条件。灌区是由水源地、输水渠道、耕地和农作物等多个要素构成的复杂系统。在这一系统中，用水管理不仅是灌区管理的核心内容，更是推进灌区信息化建设的重中之重[1]。然而，由于灌区支渠分布分散、数量众多、距离不等，加之部分地区地理位置偏远，且传统接触式的量测水方法存在一定的局限性[2]-[6]，使得在灌区建立完善的信息化监测系统面临诸多障碍，其中最大的挑战就是实现对灌区流量的精准监测。
本文所研究的淠史杭灌区、金华市安地灌区和湖北省王英灌区，为解决以上难题，以实现水资源可持续利用，加快现代化进程，提高水资源利用与管理，促进“三化”演进，达到降本增效的目的，采用了武大AiFlow视觉测流技术。
2. 灌区视觉测流技术应用及成果分析
2.1. 应用站点概况
淠史杭灌区是全国特大型综合利用水利工程，服务安徽、河南两省四市十七个县(区)，设计灌溉面积1198万亩。灌区中淠河总干渠是灌区最主要的水系，承担着灌区大部分的供水任务，具有较高的研究价值；安地水库灌区位于浙江省中部，地处金华市东南部，灌区以安地水库为主要灌溉水源，结合现有小型塘库蓄水以及区间引水、沿江提水等组成丘陵区灌溉系统，灌区现有有效灌溉面积11.21万亩，属于浙江省重点中型灌区之一；湖北省王英灌区位于湖北省武汉市、黄石市、咸宁市和鄂州市，范围涉及阳新县、咸安区、江夏区、大冶市和鄂州市18个乡镇，设计灌溉面积49.6万亩，现有效灌溉面积43.3万亩，水资源管理范围大，现有的量测水技术较传统，近年来，王英灌区开展了量测水设施及信息化现代化改造工作。
2.2. 安装合理性分析
淠史杭灌区横排头视觉测流站点测验区域三倍河宽内河道顺直，两岸边坡规则，河床规整，断面基本无冲淤变化；金华安地灌区总干渠与金华安地灌区东干渠视觉测流站点测验区域内河段水流集中，流态稳定，河床规整，断面同样无冲淤变化；王英灌区法隆河视觉测流站点测验区域三倍河宽内河道基本顺直，左岸为块石挡墙，右岸为天然护坡，河床比较规整，且断面冲於变化较小。根据现场踏勘结果，视觉测流摄像机安装在岸边监控立杆上，视野开阔，可观测整个河道，不间断记录河道变化情况，满足设备测流性能需求。经测算，4套视觉测流设备安装位置距最低水位的高度分别为2.5 m、4.8 m、5 m及5 m，如下图1所示，摄像机视野可包含全断面，可测量的水位范围为全量程，设备安装位置合理。
图1. 视觉测流站点安装图(从左至右依次为横排头、金华总干渠、金华东干渠及法隆河视觉测流站)
2.3. 监测分析成果
2.3.1. 测流资料收集整理
横排头站视觉测流站自2021年12月开始运行，运行期间设备监测到的水位范围为48.82~49.70 m，视觉测流断面位于横排头水文站基本水尺断面上游约10 m，其断面形状稳定，来水量受上游横排头干渠闸调控[7]，同期收集到横排头水文站2021年12月至2022年3月的查线流量数据，水位范围为48.95~49.67 m；金华安地灌区总干渠与东干渠视觉测流站于2022年8月开始运行，监测期间共收集到金华市梅溪流域管理中心在2023年下半年度的7期灌溉用水计划及实际放水量数据；王英灌区法隆河视觉测流站自2022年8月2日开始运行，运行区间设备监测到水位范围为67.32~68.45 m，该站来水量受到上游闸门调控，监测期间采用浮标法进行多次表面流速测量，并为验证视觉测流断面流速与表面流速的关系，采用转子流速仪测得了一组流量数据。下文将以目前采集的各项数据作为率定分析样本。
2.3.2. 表面流速合理性分析
在横排头站视觉测流监测期间0.88 m的水位变幅中及湖北王英灌区法隆河站视觉测流监测期间1.13 m的水位变幅中，取不同水位的视觉测流数据样本进行合理性分析，其表面流速分布如下图2所示：
图2. 横排头与法隆河站视觉测流各水位级流速分布图
在2023年视觉测流监测时段内，总干渠进水口与东干渠出水口水位变幅分别为0~1.35 m与0~1.07 m，从样本中取不同水位级的视觉测流数据进行合理性分析，其表面流速分布如下图3所示：
图3. 金华灌区总干渠与东干渠视觉测流各水位级流速分布图
以上四个站点的过水断面均为基本对称的梯形渠道，符合该断面下横断面流速分布规律，且流速分布无明显突变，说明不同水位级下的测速线流速测算合理。
2.3.3. 率定分析
横排头视觉测流站以横排头水文站2021年12月至2022年3月的水位流量查线值及视觉测流流量，作为该站的率定样本与检验样本；金华安地灌区视觉测流站点的来水均受上游水工建筑物调控，每次灌溉放水，运行工况基本相同，故以2023年7月15日水位变幅较大且监测完整的一次放水过程流量，作为视觉测流站率定样本与检验样本；王英灌区法隆河视觉测流站运行期间，在一次涨落水过程中，通过浮标法进行了几组表面流速测量，另在低水位，用转子流速仪进行了断面流量测量，作为该站的率定样本。
根据收集得到的样本数据，建立视觉测流虚流量与查线流量的相关关系，以视觉虚流量为X轴，查线流量为Y轴，采用回归分析法计算断面综合流量系数，即公式中的斜率K值，关系式为y = Kx；通过剔除因电力、网络、夜间光线不足等原因未记录到视频资料的测次，共得到横排头视觉测流数据34组，其相关关系如图4所示，可观察到二者拟合关系较好，且相关点较均匀地分布在关系线两侧，故横排头视觉测流站点在水位范围48.97 m~49.55 m的断面综合流量系数为0.79。
图4. 横排头视觉测流虚流量与查线流量相关关系图
根据《水文资料整编规范》(SL/T 247-2020) [8]要求，对其相关关系进行检验，结果如下表1所示，满足一类精度站系统误差应在±1%以内，随机不确定度应在8%以内的要求，并通过三项检验；另对检验样本中横排头站视觉测流数据进行验证，相对误差均在±5%以内，计算结果如下表2所示。
表1. 横排头视觉测流率定关系检验
检验项 |
规范允许值 |
计算结果 |
是否合格 |
随机不确定度 |
8% |
2.12% |
合格 |
系统误差 |
±1% |
−0.07% |
合格 |
符号检验 |
<1.15 (显著性水平α = 0.25) |
0.51 |
合格 |
适线检验 |
<1.70 (显著性水平α = 0.10) |
免检 |
合格 |
偏离值检验 |
|t| < 1.33 (显著性水平α = 0.20) |
0.39 |
合格 |
表2. 横排头视觉测流数据相对误差计算
站点名称 |
序号 |
时间 |
水位(m) |
视觉测流虚流量(m3/s) |
视觉测流断面流量(m3/s) |
查线流量(m3/s) |
相对误差 |
横排头 |
1 |
2021/12/30 8:30 |
49.47 |
30.9 |
24.4 |
24.0 |
1.77% |
2 |
2021/12/30 10:00 |
49.48 |
30.7 |
24.2 |
24.6 |
−1.46% |
3 |
2022/1/1 9:30 |
49.55 |
36.9 |
29.2 |
28.6 |
1.99% |
4 |
2022/2/21 11:00 |
49.15 |
11.7 |
9.25 |
9.21 |
0.39% |
5 |
2022/2/22 8:00 |
49.18 |
12.8 |
10.1 |
10.3 |
−1.84% |
6 |
2022/3/18 9:00 |
49.43 |
27.2 |
21.5 |
21.7 |
−0.95% |
金华安地灌区总干渠站视觉测流断面来水受上游白竹堰进水闸控制，根据灌溉需要与渠道水量情况，会对闸门开度进行合理控制；经对东干渠视觉测流站来水量的调研，得知国湖提水泵站总装机流量为3 × 0.89 m3/s，采用运行方案为两台机组或三台机组依次开启，持续提水灌溉；以2023年7月15日放水过程为例，两处视觉测流站点的水位变化过程可看出上游泵、闸的运行情况，如下图5所示。
根据2023年7月15日白竹堰闸的运行情况，单日闸门最大开度的设计流量约为8 m3/s，可得到三组通过总干渠进水口视觉测流断面的相应流量数据作为率定样本；并根据东干渠国湖提水泵站机组装机流量及运行情况，得到三组通过东干渠出水口测流断面的相应流量数据，并作为率定样本。金华安地灌区视觉测流站率定样本表如下表3所示。
图5. 2023年7月15日金华安地灌区两站点水位过程图
表3. 金华安地灌区视觉测流率定样本表
站点名称 |
时间 |
水位(m) |
相应断面流量(m3/s) |
视觉测流虚流量(m3/s) |
总干渠 |
2023/7/15 9:30 |
0.30 |
1.45 |
1.13 |
2023/7/15 12:30 |
0.76 |
6.5 |
4.95 |
2023/7/15 16:00 |
0.84 |
8.0 |
6.03 |
东干渠 |
2023/7/15 8:00 |
0.42 |
0.89 |
0.86 |
2023/7/15 10:30 |
0.53 |
1.78 |
1.75 |
2023/7/15 20:00 |
0.84 |
2.67 |
2.70 |
将金华灌区两站点视觉测流虚流量与相应断面流量建立相关关系，如图6所示。
图6. 金华安地灌区视觉测流虚流量与相应断面流量相关关系图
从图6可以看出，视觉测流虚流量与相应断面流量建立的单一相关关系后，两站点可决系数分别为0.9998与0.9986，相关性均较强，分别得到总干渠断面综合流量系数为1.32，东干渠断面综合流量系数为1.0。
根据断面综合流量系数将视觉测流虚流量换算为断面流量，分析两视觉测流站与同水位下相应断面流量数据的相对误差，误差均在±5%以内，如下表4所示。
王英灌区法隆河站作为新建站点，无历史测流资料和放水量数据，故本次采用到的7组浮标法流速数据对视觉测流表面流速测量精度进行检验，对应水位范围为67.85~68.45 m，对比相对误差均在±5%以内，如下表5所示。
表4. 金华安地灌区视觉测流相对误差计算结果
站点名称 |
序号 |
时间 |
水位(m) |
视觉测流虚流量(m3/s) |
视觉测流断面流量(m3/s) |
相应断面流量(m3/s) |
相对误差 |
总干渠 |
1 |
2023/7/15 9:30 |
0.30 |
1.13 |
1.49 |
1.45 |
2.87% |
2 |
2023/7/15 12:30 |
0.76 |
4.95 |
6.53 |
6.50 |
0.52% |
3 |
2023/7/15 16:00 |
0.84 |
6.03 |
7.96 |
8.0 |
−0.50% |
东干渠 |
1 |
2023/7/15 8:00 |
0.42 |
0.86 |
0.86 |
0.890 |
−3.19% |
2 |
2023/7/15 10:30 |
0.53 |
1.75 |
1.75 |
1.78 |
−1.85% |
3 |
2023/7/15 20:00 |
0.84 |
2.70 |
2.70 |
2.67 |
1.00% |
表5. 法隆河站视觉测流与浮标法相应表面流速相对误差
序号 |
测量时间 |
水位(m) |
起点距(m) |
视觉测流测速线流速(m/s) |
浮标法流速(m/s) |
相对误差 |
1 |
2023/6/30 10:15 |
68.00 |
7.58 |
1.34 |
1.35 |
−0.99% |
2 |
2023/6/30 11:30 |
68.45 |
7.58 |
2.00 |
1.99 |
0.52% |
3 |
2023/6/30 11:35 |
68.42 |
9.31 |
2.25 |
2.24 |
0.44% |
4 |
2023/6/30 12:55 |
68.26 |
8.57 |
1.67 |
1.73 |
−3.42% |
5 |
2023/6/30 13:25 |
68.20 |
8.57 |
1.51 |
1.49 |
1.01% |
6 |
2023/6/30 14:05 |
68.12 |
9.31 |
1.44 |
1.49 |
−2.91% |
7 |
2023/6/30 18:00 |
67.85 |
9.31 |
1.21 |
1.19 |
2.04% |
另结合该站的断面特征和糙率情况，参考《河流流量测验规范》(GB 50179-2015) [9]中对该站断面类型的水面浮标系数取值要求，初步确定视觉测流断面综合流量系数为0.80；后采用2022年8月2日15:20转子流速仪测得的断面流量0.47 m3/s与视觉测流同时刻断面流量0.48 m3/s进行误差分析，二者相对误差仅为2.13%，满足测验精度要求。
2.3.4. 视觉测流成果分析
根据上述率定成果对横排头视觉测流虚流量进行换算，得到视觉测流断面流量，绘制水位流量散点分布图，与横排头水文站水位流量查线值对比，如图7所示，可以观察到视觉测流断面流量与横排头水文站定线趋势一致，且无明显偏离数据。
图7. 横排头视觉测流水位流量散点分布图
由于金华安地灌区两站点来水方式不同于横排头，下面主要对监测期间的过水量进行对比分析。安地灌区2023年下半年按照《安地灌区7~12月份水库灌溉放水计划》完成了多次灌溉，对视觉测流站采集的放水全过程数据进行计算汇总，并绘制两站点7月15~16日水量变化时间序列图，如下图8所示。
图8. 金华灌区总干渠、东干渠2023年第5期灌溉水量过程曲线图
对金华总干渠与东干渠两站点2023年7月15日~16日视觉测流监测流量进行积分，计算得到的总过水量分别为69.3万m3与20.0万m3，总和为89.3万m3。安地灌区2023年7月15日~7月16日第五期总计划放水量为118.8万m3，除去西干渠理论放水量25.2万m3，总干渠与东干渠理论总和放水量为93.6万m3，与视觉测流站监测的89.3万m3放水量基本一致，相对误差为−3.62%，由此可验证武大AiFlow视觉测流产品在灌区量水测验中具有较高的准确性。
3. 结论
武大AiFlow视觉测流产品以其高效性、自动化、风险低、适用能力强等优点，已在流速与流量监测领域崭露头角，成为多种不同场景下的监测工具。本文对通过淠史杭灌区横排头、浙江省金华安地灌区及湖北省王英灌区法隆河武大AiFlow视觉测流站的分析率定，证明了武大AiFlow视觉测流产品在灌区的应用有较高精度与较强的适用性。结合武大AiFlow视觉测流产品解决了传统测验方式在测流时效低、测流风险较大、无法实时监测等问题，在后续的应用中，扩大武大AiFlow视觉测流产品监测点布设范围，将对灌区实现区域全覆盖在线测量提供更大的支持，使灌区水资源管理更加科学高效，帮助管理人员做出更好的决策分析，为灌区水资源调度提供科学依据，加速智慧水务时代的到来，推动水行业迈向现代化的新高度。
NOTES
作者简介：熊骥(1980.1-)，湖北武汉人，硕士研究生，高级工程师，研究方向：水利信息化科研、规划、设计，数字孪生技术应用，Email: 8283716@qq.com