清研智谈 | 地表水资源调查工作方法探讨

地表水指陆地表面上动态水和静态水的总称，亦称“陆地水”，包括各种液态的和固态的水体，主要有河流、湖泊、水库、沼泽、坑塘、冰川、冰盖、积雪等。地表水资源调查是查明流域内水量和水质的时间变化和地区分布而进行的水文调查工作，为水资源评价提供依据，服务于资源管理、生态建设、国民经济和社会发展。

一、地表水调查的目的与意义

全面了解和掌握地表水资源的数量、质量、空间分布及动态变化等状况，为水资源规划、管理、保护和合理利用提供科学依据。通过地表水调查评价，可以为政府决策部门提供决策支持，为企、事业单位提供生产经营依据，为社会公众提供生活用水参考。

图1 地表水资源类型

二、地表水调查评价的主要内容

水资源基础调查主要工作包括水域空间调查、水储存量调查、水资源量调查、水资源质量调查、年度变化调查、综合评价等。

水域空间调查评价

以第三次国土调查及年度国土变更调查成果确定的水域范围为基础，充分利用多源遥感影像、城市国土空间监测水网数据成果，提取河流、湖泊、水库、坑塘等的空间范围信息，形成全国地表水水域空间调查工作底图，调查查明水体的位置、分布、流量、类型、所处地貌单元等属性信息。分析地表水资源的空间分布及时空变化特点，揭示水资源与地理、气候、植被等因素的关系。

水储存量调查评价

以地表水水域空间调查确定的水域范围作为地表水储存量调查的边界，根据调查对象类型选取合适的测量方法布设测量线、测点，设定测量间隔，对河流、湖泊、水库、坑塘进行水下水深、地形测量。结合水域空间调查成果和实地测量数据，通过遥感反演等方法构建“水面面积-水深-水储存量”数学估算模型，计算地表水储存量数据，开展储存量调查评价。（参考《水位观测标准（GB/T 50138）》、《内陆水域水下地形测量技术规程》等标准）

水资源量调查评价

通过对地表水产流量、水位、储存量等参数的测算与分析，评估地表水资源的总量及可利用量、时空分布特征和演变趋势等信息。

水资源质量调查评价

通过对地表水进行化验分析，了解其化学、生物和物理指标，评价水质的优劣及变化趋势。（参考《地表水环境质量标准》、《河湖健康评估导则》等标准）

水资源年度变化调查评价

通过多期遥感影像开展监测，获取河流、湖泊、水库不同期次水域空间范围，全国主要获取丰水期、枯水期水域范围信息，掌握地表水资源水域空间、水面面积年度变化情况并形成年度变化成果。

在湖泊、水库、重点河流水下地形测量和水陆一体的地表水三维模型基础上，利用湖泊、水库、重点河流等水域范围和水位年度变化资料，计算不同期次储存量，掌握地表水体储存量年度变化情况。

通过河流、湖泊、水库水面面积年度变化数据和湖泊、水库、重点河流等水体储存年度变化数据，分析评价地表水资源在时间尺度上的变化规律。

综合评价

利用最终形成的调查评价成果，进一步围绕地表水资源禀赋、变化趋势、空间分布格局与匹配程度、生态格局影响等方面开展综合评价。

数据库建设

综合基础地理数据、元数据、调查评价数据、资料图件建设数据库，实现对地表水资源矢量数据、属性数据、遥感影像数据、统计评价数据以及资料数据的数字化、一体化管理。

三、地表水调查评价的流程与技术

图2 技术流程

新技术在地表水资源调查中的应用

（1）基于遥感技术的水域范围提取

利用最新的遥感影像,采用自动和人工相结合的方式，进行地表水水体类型识别，绘制河流、湖泊、水库丰水期和枯水期的水域界线，坑塘的水域界线，明确水域范围，利用多景影像分析判读水域范围变化，对地表水进行动态观测。

AI智能自动解译的应用。通过深度学习驱动的智能解译、多源知识引导的要素自动提取、顾及空间异质性的样本库构建等前端技术，构建“智能计算后台-智能引擎-人机交互前台”人机协同智能解译框架，创建智能引导的遥感监测新模式，研发遥感影像人机协同智能解译系统，能够使调查监测减少人海战术、主观因素多、人力投入大、作业效率低等问题,业务应用到多个自然资源门类板块调查监测中。

（2）水文监测

通过设立水文站、水位站等监测设施，收集地表水流量、水位等实时监测数据。采用有人船、无人船、皮划艇、无人机测量平台，利用声呐、单波束、多波束、测深杆、测深锤等测量工具测量水体深度；利用GNSS-RTK、PPP、PPK、全站仪等进行实地定位；利用水位计、水尺、GNSS、无水位模式进行水位观测，获取水位信息。

图3 水文监测设备

（3）遥感水深反演

根据实测点的水深值回归得到影像值与水深的关系，建立水深与光谱反射率的解析模型，利用辐射传输方程反演来监测水体深度。遥感数据的水深反演算法目前可分为单波段和多波段遥感影像的水深反演。

（4）水质化验

常规利用化学、生物和物理方法对地表水进行化验分析，测定水体中污染物的种类、各类污染物的浓度及变化趋势，获取水质指标数据，评价水质状况。

图4 水质化验

（5）水质遥感

水质遥感可以通过卫星和航空遥感技术监测叶绿素a、悬浮物、浊度、总磷、溶解性有机质、水温、透明度、重金属污染等水质参数。水体中不同的沉积物浓度可以通过最大反射率来确定，水体表面的油膜污染可以通过水面反射的紫外线辐射进行监测，而叶绿素―a、悬浮物、溶解性有机质及其他水质参数等可以通过可见光不同的吸收和反射类型来确定。

利用人工神经网络自适应选择方法，融合神经网络、支持向量机、分类回归树等AI算法，以水质遥感和检测数据为特征，可实现非线性水质指标模型的构建和应用，将AI与光谱分析技术进行结合，近红外光谱可用于快速检测生化需氧量等水体水质指标，而耦合以最小二乘支持向量机为代表的AI算法可以提升近红外光谱预测水质变化的准确性，为水污染的定量评估提供快捷方案；将反向传播神经网络和k均值聚类算法应用于激光诱导击穿光谱分析，为高效、准确和低成本估算重金属等传统检测时间长、检测费用高的地表水水质必要指标提供了新的思路和方法。

四、地表水调查评价的挑战

数据获取难度大

由于地表水分布广泛、数量多、变化复杂，获取全面、准确的数据难度较大。因此，需要加强监测设施建设，提高监测技术水平。

数据处理分析复杂

大量的监测数据需要高效、准确的处理和分析方法。需要引入先进的数据处理技术和模型提高数据处理和分析的效率与准确性。再加上，地表水调查评价涉及多个部门和领域，如环保、水利、农业等，导致收集的数据种类繁多、数据格式不统一，致使加大了数据处理分析难度。

环境影响因素复杂

地表水体的质量受到多种环境因素的影响，如气候、地形、土地利用方式等。这些因素的变化具有不确定性，使得地表水调查评价工作变得更加复杂，同时也加大了水体测量难度。

五、结语

地表水调查评价是一项极具挑战的工作，清研集团积极筹备力量，组织相关学习，为应对本次全国水资源调查工作做了充足的准备，以期能和各位同僚互相探讨，共同进步，不断提升地表水调查评价工作的水平，为水资源保护和可持续利用作出更大的贡献。

撰稿 | 任学伟 清研集团自然资源园林研究部研究员

编辑 | 扆国超

图片 | 网络

清研智谈

清研智观