《测绘学报》
构建与学术的桥梁 拉近与权威的距离
传感网支持下的洪涝事件过程监测与准实时服务方法及验证
杜文英1,2, 陈能成1,3
1. 武汉大学测绘遥感信息工程国家重点实验室, 湖北 武汉 430079;
2. 长江水利委员会长江科学院, 湖北 武汉 430010;
3. 武汉大学地球空间信息技术协同创新中心, 湖北 武汉 430079
收稿日期：2018-08-15；修回日期：2019-10-11
基金项目：长江科学院开放研究基金（CKWV2018487/KY）；中国博士后科学基金会面上资助项目（2017M622502）；国家重点研发计划（2018YFB2100500；2017YFB0503803）；国家自然科学基金委资助项目（41601406；41771422；41971351）；湖北省自然科学基金（ZRMS2017000698）
第一作者简介：杜文英(1989-), 女, 博士, 副研究员, 研究方向为洪涝灾害感知。E-mail:duwenying@whu.edu.cn
通信作者：陈能成, E-mail:cnc@whu.edu.cn
摘要：洪涝过程探测与准实时服务对于保障人民生命和财产安全意义重大。通常洪涝探测仅关注洪涝断面/平均状态，缺乏对洪涝从发生、发展乃至最后结束的全过程的整体认知，且洪涝探测和服务被动滞后。本文制定洪涝过程探测规则，改进水位预测模型，并将其作为理论基础，与传感网信息模型和服务接口相结合，提出了洪涝过程动态探测与准实时服务（process-based flood detection and service，PFD&S）方法。以PFD&S方法为基础，设计并开发了PFD&S原型系统，该系统由传感器层、数据接入层、洪涝探测层和用户交互层4层组成，且具备传感器数据发布和洪涝事件订阅两种使用模式。文中以2016年夏季发生在黄汉流域的洪涝事件为例，对PFD&S方法的可行性和有效性进行验证。结果表明，PFD&S方法和系统能够精准判断洪涝事件所处阶段，并根据不同阶段的需求提供水位预测、洪涝预警或洪涝信息统计等服务，且方法具备准实时性和可扩展性特征。
关键词：洪涝 全生命周期 探测 准实时服务 传感网
Flood events process detection and near realtime service based on sensor web
DU Wenying1,2, CHEN Nengcheng1,3, YUAN Sai1
1. State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan 430079, China;
2. Changjiang River Scientific Research Institute of Changjiang Water Resources Commission, Wuhan 430010, China;
3. Collaborative Innovation Center of Geospatial Technology, Wuhan University, Wuhan 430079, China
Foundation support: CRSRI Open Research Program (No. CKWV2018487/KY); China Postdoctoral Science Foundation (No. 2017M622502); The National Key Research and Development Program of China (Nos. 2018YFB2100500; 2017YFB0503803); The National Nature Science Foundation of China Program (Nos. 41601406; 41771422; 41971351); The Nature Science Foundation of Hubei Province (No. ZRMS2017000698)
First author: DU Wenying (1989—), female, PhD, associate researcher, majors in flood disaster sensing.E-mail:duwenying@whu.edu.cn.
Corresponding author: CHEN Nengcheng, E-mail:cnc@whu.edu.cn.
Abstract: Full life cycle flood detection and service (FD&S) is of great significance to ensuring people's lives and properties. Flood detection methods generally focuses on the flood section/average state, lack of the overall understanding of the flood process from the occurrence, through the development, and to the end of floods, and the detection and service of floods are passive and lagging.This paper made the flood process detection rule and improved the water level prediction model, which were employed as theoretical foundations, and combined them with sensor web to construct the process-based FD&S (PFD&S) method.Based on the PFD&S method, this paper developed the PFD&S prototype, which consists of the sensor layer, the data access layer, the flood detection layer, and the user interaction layer, and has the two operating modes of data publishing and flood subscription. The floods occurring in the Huanghan basin, Hubei, China in the summer of 2016 were selected as the case studies to test the feasibility and validation of the PFD&S method and prototype. The results demonstrated that the proposed PFD&S method and prototype could precisely determine the flood phases, provide the water level prediction, alert, and information statistics services according to the requirements of different flood phases, and the PFD&S method featured instantaneity and extensibility.
Key words: flood full life cycle detection near realtime service sensor web
2016年全球范围内洪涝事件发生164起，占自然灾害总数的47.9%，共造成4730人死亡，7790万人受灾，经济损失高达582.9亿美元[1]。及时高效的洪涝探测与服务能够切实保障人民生命和财产安全，对于洪涝事件管理和决策意义重大[2]。当前已有诸多学者针对洪涝事件的探测和服务方法开展了研究，主要包括基于遥感影像的洪涝监测[3-6]，基于地面直接观测数据的洪涝监测[7-8]，基于水文或水力学模型的洪涝过程模拟[9-10]，以及基于志愿者地理信息[11-12]的洪涝事件探测与服务等。
基于遥感影像的洪涝探测研究主要集中在水体范围的时序变化研究[13-14]和水体范围提取方法研究[15-17]两方面，二者均通过监测淹没范围的变化实现洪涝事件的探测。目前还有机构开发了基于遥感影像的洪涝事件探测与服务系统，如欧盟委员会的全球洪涝探测系统GFDS[18]和全球洪水感知系统GloFAS[19]，美国科罗拉多大学的达特茅斯洪涝观测台DFO[20]以及欧洲的洪涝感知系统EFAS[21]等。虽然遥感影像空间覆盖范围广，适合大尺度洪涝研究，但由于时间分辨率低，常常存在着洪涝事件发生时恰好缺乏遥感影像的情况。
基于地面观测变量的洪涝探测[22-23]主要基于水位或降雨量等的阈值过滤，探测时间连续性强、精度高。但目前此类方法偏重传感器的实时接入，对洪涝服务涉及较少，且方法本身的普适性和扩展性均较差。基于水文或水力学模型的洪涝模拟[9, 24]通常通过地表径流的变化模拟实现洪涝探测，针对特定区域反复进行模型迭代计算和参数校正之后，该类方法探测精度较高。但该类模型原理复杂，模拟过程中需要输入大量历史观测数据。对于缺乏长期且充分水文和气象资料的区域，该方法较难实现。基于志愿者地理信息数据的洪涝探测[25-26]通过志愿者提供的位置信息分析确定洪涝的可能发生范围，但该类数据在经济欠发达区域数据量有限，数据可靠性差且冗余严重，需要经过复杂的预处理过程。
综上可知，遥感影像由于较低的时间分辨率，志愿者地理信息由于区域不均衡性，均不能成为洪涝探测稳定的数据源，而水文或水力学模型的方法又对数据类型和时间跨度提出了较高的要求。因此，对于缺乏充分数据资料的地区来说，基于地面数据的过滤和分析不失为一种有效的洪涝探测手段。但当前基于地面数据的洪涝事件探测方法面临着如下问题：①不具备通用和可扩展性；②缺乏对洪涝事件过程的全局探测和分阶段服务。而实际中，通用且可扩展的洪涝探测与服务方法在理论上顺应了测绘学科发展趋势[27]，在实际上能够明显减少洪涝探测中的重复工作，洪涝的过程探测则能够更精确地划分洪涝阶段，提高洪涝事件应对效率。因此，为了减少洪涝探测中的重复工作并提高洪涝应对效率，本文制定了洪涝过程探测规则，并基于开放地理联盟(open geospatial consortium, OGC)中传感网的标准信息模型和服务接口，构建了洪涝过程动态探测与准实时服务(process-based flood detection and service，PFD&S)方法，以期精细化判断洪涝事件阶段，并根据不同洪涝阶段的特点提供定制服务。
1 洪涝过程动态探测与准实时服务方法1.1 方法总体思路
洪涝过程探测与即时服务PFD&S方法的总体架构如图 1所示。PFD&S方法基于面向服务的体系架构(service-oriented architecture，SOA)设计，自下而上由传感器层、数据接入层、洪涝探测层和用户交互层4层组成。其中传感层主要负责产生PFD&S方法中使用的观测数据；数据接入层主要用于完成传感器层中传感器及其观测数据的接入；洪涝探测层接收用户提供的1.2节中的洪涝过程探测规则参数，结合洪涝过程探测规则模板形成洪涝订阅模型，基于订阅模型对洪涝观测数据流进行匹配和过滤，完成洪涝事件阶段判断；用户交互层包括多种洪涝阶段服务类型，能够针对洪涝探测层的洪涝阶段判断结果提供对应服务。
图 1 洪涝过程探测与准实时服务方法总体架构Fig. 1 Overall architecture of the process-based flood detection and service (PFD&S) method
图选项
1.1.1 传感器层
传感器层由现实世界执行水文和气象监测的物理传感器组成，主要包括水位计、雨量计、蒸发计、湿度计、温度计等洪涝传感器。传感器层中的传感器元数据和观测数据通过GPRS、3G或4G网络等方式传输到数据接入层，为数据接入层提供数据基础和来源。
1.1.2 数据接入层
数据接入层由数据接入单元和OGC传感器观测服务(sensor observation service，SOS)组成，具体设计和实现思路如文献[28]中所示。为了提高方法的高复用性，数据接入单元在设计时将负责接收数据的数据接收组件与负责数据选择的观测过滤以及负责数据统一编码的观测编码组件相互分离，保证各组件单元相互独立。数据接入单元基于流式处理框架Storm中的拓扑观测接入实现，首先通过拓扑观测接入将传感器层的字节流数据导入，再将其统一转换为符合观测与测量(observations and measurements, O&M)标准的数据流，最后在SOS服务支持下，解析、选择与存储数据，为洪涝探测做好准备。
1.1.3 洪涝探测层
洪涝探测层为本文方法的核心，用于接收数据接入层数据并进行数据过滤和洪涝阶段判断，具体由传感器事件服务(sensor event service，SES)、SOS和SES的连接中间件SOS-SES-Feeder、洪涝探测处理单元、网络通知服务(web notification service，WNS)及洪涝过程探测规则组成。其中，SOS-SES-Feeder主动从SOS中拉取洪涝观测数据并实时注册到SES中，保证PFD&S方法的准实时性；洪涝过程探测规则和SES相结合，完成洪涝阶段判断；洪涝探测单元则根据洪涝阶段及阶段间的过渡条件，完成洪涝阶段变化检测；网络通知服务负责将洪涝探测单元的探测结果消息及时传输到用户交互层。
1.1.4 用户交互层
用户交互层根据洪涝探测层的阶段判断结果提供定制服务，主要包括水位预测、洪涝预警和洪涝统计3种服务类型。水位预测基于1.2.2节中的水位预测模型实现，主要用于预测下游站点未来48 h内的水位变化；洪涝预警服务以邮件形式发布洪涝状态异常消息；洪涝统计服务用于记录洪涝事件全生命周期过程中各个阶段的信息，包括洪涝诊断、准备、响应和恢复阶段的开始和结束时间以及洪涝发生过程中的最大水位信息等。具体来说，水位预测伴随洪涝事件整个过程，用于辅助洪涝阶段判断；当洪涝事件进入准备或响应阶段，或从响应阶段进入恢复阶段时触发洪涝预警服务；而洪涝统计服务则在恢复阶段进行。
1.2 方法理论基础
1.2.1 洪涝过程探测规则
洪涝过程探测规则是洪涝探测层的基础，考虑到部分地区数据资料的不充分以及洪涝探测的时效性要求，本文中的洪涝过程探测规则基于地面数据实现。在地面数据中，由于水位数据能够集中反映流域上下游的降雨量，所以本文选择水位数据作为输入。具体来讲，本文将洪涝划分为诊断、准备、响应和恢复4个阶段[29]，并根据不同阶段内水位的变化进行洪涝探测。诊断到准备、准备到响应、响应到恢复，以及恢复到准备阶段间的过渡条件分别如式(1)—式(4)中所示
