欒清華，秦志宇，王 東，劉家宏，付瀟然

(1.河北工程大學河北省智慧水利重點實驗室，河北 邯鄲 056038；2.河海大學洪澇災害風險預警與防控應急管理部重點實驗室，江蘇 南京 210098；3.中國水利水電科學研究院流域水循環(huán)模擬與調控國家重點實驗室，北京 100038)

2021年鄭州“7·20”特大暴雨和北京“8·16”短時強降雨事件再次喚起民眾對城市暴雨內(nèi)澇的關注，并引發(fā)了對城市內(nèi)澇災害預警預案的思考[1]。同一時期，美國紐約曼哈頓街區(qū)、德國西部地區(qū)和日本島根縣均經(jīng)歷了大暴雨，洪水灌入地鐵和下穿隧道，城市道路變成行泄通道，造成財產(chǎn)損失和民眾傷亡。突發(fā)的暴雨事件，使得決策者不僅要從宏觀上對區(qū)域整體內(nèi)澇風險進行快速評估，還要針對具體易澇點進行預警，有的放矢制定相應的預警方案。近年來，采用非工程措施來降低城市極端降雨內(nèi)澇災害損失的重要性被不斷提及，國內(nèi)外許多學者通過建立精確的物理模型來實現(xiàn)上述管理需求[2-4]；隨著信息收集和傳輸?shù)娘w速發(fā)展，一些學者嘗試采用深度學習等技術算法分析挖掘數(shù)據(jù)間的潛在聯(lián)系，并構建數(shù)據(jù)驅動模型來反映城市暴雨內(nèi)澇問題[5-7]。然而城市地表空間有限，地下空間也布滿了各種管道、地鐵等基礎設施，要想實現(xiàn)精細化分析，充足準確的數(shù)據(jù)和本底資料非常關鍵[8-9]。道路交通作為城市基礎設施的重要組成部分，必然是預警、預案涉及的一個重要方面，監(jiān)測分析不同暴雨過程下的道路積水分布及特征成為城市洪澇預警和預案設計的關鍵內(nèi)容[10-11]。此外，我國尚未大面積開展城市雨水管網(wǎng)的實時監(jiān)測，在率定和驗證區(qū)域雨洪管理模型時，借助道路積水監(jiān)測數(shù)據(jù)也是一種有效的解決途徑[12-14]。本文立足上述城市暴雨內(nèi)澇災害防治的需求背景，在總結歸納道路積水不同監(jiān)測技術原理及優(yōu)缺點的基礎上，闡述各技術在城市內(nèi)澇預警中的應用情況，進而探究其發(fā)展趨勢，以期為其他學者和管理者在城市內(nèi)澇模擬及預警方面提供借鑒和參考。

1 道路積水監(jiān)測技術

1.1 人工監(jiān)測技術

城市雨水排放的概念很早就有過記載，如古羅馬的地下管網(wǎng)系統(tǒng)和我國贛州的福壽溝[15-16]。早期的城市排水或積水監(jiān)測主要是采用水尺等工具，人工測量水深(圖1)。按照測量要素的不同又可分為現(xiàn)場實時監(jiān)測和最大積水深度踏勘?，F(xiàn)場實時監(jiān)測是指在城市易澇點派專人蹲守，通過設立的水尺記錄下整場降雨的水位變化過程；內(nèi)澇最大積水深度踏勘是指通過實時測量或事后補測的方法獲取數(shù)據(jù)，一般多次讀數(shù)后取其平均值。最大積水深度踏勘能直觀地獲取水位數(shù)據(jù)，是較為準確可靠的單點監(jiān)測方法，在監(jiān)測固定積水點的基礎上，可根據(jù)不同降雨內(nèi)澇的實際情況，充分發(fā)揮人的能動性，采用人工實地測量和勘察，靈活補充測點以彌補單點固定監(jiān)測的不足，因此也常用于校核自計水位裝置。然而該方法的自動化程度較低，且讀數(shù)誤差、時間耗費和人員風險也是難以避免的問題[17]。單靠人工記錄獲取監(jiān)測點的積水深度、積水過程線并通過電話短信上報的形式，已不能滿足城市內(nèi)澇快速預警預案的需要[18]。

圖1 人工道路積水監(jiān)測Fig.1 Manual road waterlogging monitoring

1.2 傳感器監(jiān)測技術

隨著電子設備的更新，水位監(jiān)測開始從人工向自動化轉變，目前大多數(shù)城市通過布設水位傳感器[19-20]，建立基于傳感器的道路積水監(jiān)測系統(tǒng)來實現(xiàn)數(shù)據(jù)采集、傳輸、存貯模塊與水位傳感器的緊密結合[21-22]。按測量方式的不同，水位傳感器可分為接觸式和非接觸式，其中，接觸式又分為電子水尺和壓力式水位傳感器2類；非接觸式又分為超聲波、紅外光、雷達和激光水位傳感器4類。

1.2.1接觸式

電子水尺(電極式)主要運用水的微弱導電性原理獲取數(shù)據(jù)，其長度一般有8 cm、12 cm、18 cm、20 cm 等不同規(guī)格，測量精度為1 cm，由于傳感器與水體直接接觸，防護多采用具有密閉性的不銹鋼外殼。該設備基本不受溫度、壓力、濕度、泥污等外界環(huán)境的影響，適合測量靜態(tài)和動態(tài)水面[23]；其采樣精度取決于電極間距，所以實測中還能將不同長度的電子水尺組合，增大測量量程[24]。為增加數(shù)據(jù)監(jiān)測傳輸?shù)目煽啃裕乐故须姷耐＿\，一般都配有太陽能供電設備(圖2)，但電子水尺體積較大，對布設場地有要求。

圖2 電子水尺Fig.2 Electronic water gauge

壓力式水位傳感器通過測量液體的靜水壓力來獲取數(shù)據(jù)，其尺寸規(guī)格一般有10～80 m可選，精度可達0.1 cm。根據(jù)傳感器安裝位置不同還可分為氣泡式和投入式[25]，兩者的區(qū)別在于氣泡式水位傳感器安裝在液面以上，將水壓力通過氣管中的空氣或惰性氣體傳至傳感器，投入式傳感器則埋于水下，多用于城市道路積水監(jiān)測(圖3)。其優(yōu)點在于測量精度高，體積小、重量輕、密封性好和便于安裝，但會受大氣壓強變化、被測液體密度變化和降雨外力等環(huán)境因素的影響，所以在運行前需進行校準[26]。

圖3 壓力式傳感器Fig.3 Pressure-type sensor

表1 水位傳感器對比Table 1 Comparison of water level sensors

1.2.2非接觸式

激光水位傳感器利用了激光測量周期短、精度高、無發(fā)散角的優(yōu)勢[25]。在測量時，頂部激光器發(fā)出激光到液面反射板，通過測量激光相位變化得到光程，從而獲得水位變化情況[27]；其量程一般為 5 m、10 m、20 m、30 m，測量精度可達0.1 cm；測量時基本不受環(huán)境因素影響，但因其強穿透性，在監(jiān)測液面時需加裝反光板才能使傳感器接收到反射光信號，增加了成本和施工難度。超聲波水位傳感器利用超聲波高頻、短波、方向性好以及遇不同密度介質分界面時發(fā)生反射的特性，通過超聲波測距原理來測量水位[25]；根據(jù)儀器的安裝位置可細分為氣介式、固介式和液介式3種，氣介式多用于城市道路積水監(jiān)測[28]，其量程一般為1 m、5 m、10 m、20 m、40 m；該類型傳感器生產(chǎn)成本低、功耗較低，在保證高精度測量的同時，有很長的使用壽命，測量盲區(qū)也較小；缺點是易受到溫度、空氣密度以及回波檢測等因素的影響，針對這些問題，可以通過確定傳感器和被測水體的最佳距離以及添加溫度檢測電路等措施來從一定程度上提高設備測量精度[29]。紅外線是具有部分光特性的電磁波[29]，用紅外傳感器測量水位時，光電探測器也會接收到不同的光信號，最后根據(jù)光強弱的不同將光信號轉為電信號進行數(shù)據(jù)記錄和路面狀態(tài)的檢測分析；同超聲波技術相比，其技術難度較低，成本也低，最重要的是在近距離測量上比超聲波的測距精度更高[31]，但受光照的影響，在測量時須考慮系統(tǒng)進行光照補償?shù)膯栴}[32]。上述的測量方法都有各自的優(yōu)缺點，需根據(jù)使用環(huán)境和目標需求選擇更合適的方法。本文基于道路積水監(jiān)測情景，對上述電子水尺、壓力傳感器、激光傳感器、超聲波傳感器以及紅外傳感器5種監(jiān)測設備的規(guī)格、精度、優(yōu)點和待改進問題進行了對比，如表1所示。

由表1可見，水位傳感器均能實現(xiàn)道路積水監(jiān)測。接觸式傳感器的缺點主要是由于直接接觸水體而導致設備易受腐蝕和水中其他物質干擾，而非接觸式傳感器盡管避免了設備腐蝕的風險，但會受溫度、光照等環(huán)境因素的影響。立足這些問題，一些學者就不同應用場景，基于原有的傳感器的技術特性，設計改進了相應的監(jiān)測系統(tǒng)。針對立交橋區(qū)域，陳春梅等[33]設計了一套超聲波積水監(jiān)測系統(tǒng)，實現(xiàn)了非接觸式測量與遠程水位監(jiān)控和報警；忻龍玉[34]設計了一套雷達積水監(jiān)測系統(tǒng)；孫鳳華等[35]將電子水尺的控制和供電組件安裝在橋上，并對其耗電量較高的問題做了優(yōu)化，保證了該設備在市政供電故障時正常工作；針對下穿隧道區(qū)域，劉永志等[36]設計了一套接觸式道路積水監(jiān)測裝置，運用杠桿的原理進行水位測量并實現(xiàn)了積水監(jiān)控裝置與排水泵的聯(lián)動；Hassan等[37]設計了一種基于浮子傳感器并能將積水預警信息在顯示屏上及時展示的道路積水監(jiān)測系統(tǒng)。還有學者在監(jiān)測系統(tǒng)的采集傳輸技術方面進行了改進，曾鋮泓等[38]將基于STM32的水深測量裝置搭載于汽車上，以高效獲取城市道路積水狀況。隨著交通視頻監(jiān)控的推廣和技術升級，將其與水位傳感器相結合逐漸成為當下采用的一種道路積水監(jiān)測手段。嚴建華等[39]將電子水尺與視頻監(jiān)控相結合，兩種數(shù)據(jù)源的結合提高了隧道積水監(jiān)測的準確性；徐青林等[40]設計了一套由道路積水監(jiān)測控制器、電子水尺、多路接觸開關、視頻攝像機﹑太陽能供電系統(tǒng)等組成的自感應式道路積水監(jiān)測設備。

1.3 影像監(jiān)測技術

隨著城區(qū)不斷擴張和極端暴雨事件的頻發(fā)，及時全面地獲得城區(qū)大尺度范圍的積澇情況愈加重要。盡管傳感器監(jiān)測實現(xiàn)了自動化監(jiān)測和傳輸，但也只能反映單個測點的積水情況，且獲取的數(shù)據(jù)量有限。為快速全面的獲取積水數(shù)據(jù)，目前采用兩種技術方法：①利用3S(remote sensing， RS； geographic information system， GIS； global positioning system， GPS)技術進行水體提取[41-42]；②利用監(jiān)控視頻圖像進行積水區(qū)域識別[43]。

1.3.1遙感影像監(jiān)測技術

遙感影像監(jiān)測技術常用于城市內(nèi)澇災害快速評估，其利用水體在0.4～2.5 μm電磁波段低反射率的特性，通過識別水體的光譜特征和分析空間位置關系實現(xiàn)水體信息提取[44]。以光學影像信息為主的水體提取方法主要有閾值法、分類器法和自動化法[45]；以雷達影像為主的方法主要有閾值法、濾波法、基于DEM法和基于GLCM法，也有將兩種影像相結合的模型法[45]。目前用于洪水監(jiān)測的遙感資料主要有美國的陸地資源衛(wèi)星Landsat TM與 ETM+、法國的資源衛(wèi)星SPOT、美國的極軌氣象業(yè)務衛(wèi)星NOAA/AVHRR、中國的極軌氣象衛(wèi)星FY-1、FY-2、高分三號衛(wèi)星、美國的對地觀測系統(tǒng)衛(wèi)星EOS/MODIS以及加拿大的雷達衛(wèi)星RadarsatSAR等[47]。

遙感影像提取水體具有覆蓋范圍廣、周期短、時效性強的優(yōu)點。缺點是提取的水體與陸地邊界區(qū)分較差、無法完全消除背景干擾、不易提取細小水體[48]。而城市區(qū)域的地物分布錯綜復雜，建筑物、道路、涵洞、明渠等相互交錯，微小的地形誤差就可能導致測量失敗，對遙感影像監(jiān)測技術有著更高的要求[49]，且提取道路積水和計算深度需要高精度的遙感和DEM數(shù)據(jù)，獲取這些數(shù)據(jù)的成本也要考慮在內(nèi)。若能將地面視頻監(jiān)測設備獲取的數(shù)據(jù)與之結合，便能更好地應用于城市洪澇模擬和預警管理。

為改進遙感影像水體識別技術，使其更加適用于城市尺度的積水監(jiān)測，王俊海等[50]從城市水體識別技術著手，通過結合光譜信息、形狀信息和紋理信息，以減少城市陰影對水體識別的影響；崔齊等[51]提出一種面向遙感影像的矢量約束水體提取的方法，該方法不僅能有效抑制地物陰影的影響，還可以準確提取細小水體信息。還有學者在遙感積水數(shù)據(jù)提取上采用不同方法進行嘗試或改進，如董玉波等[56]將最大熵的遙感積水影像提取技術與最小二乘法的道路預警方法相結合，推進了道路積水預警的發(fā)展；Irwin等[57]運用多源遙感數(shù)據(jù)，建立了包含光學遙感影像數(shù)據(jù)、SAR數(shù)據(jù)和機載激光雷達數(shù)據(jù)的融合分類模型，通過最小化單個數(shù)據(jù)集模型之間的差異實現(xiàn)水體的高精度提取。

就雷達衛(wèi)星而言，多與地面站降雨數(shù)據(jù)結合輸入到城市內(nèi)澇模型來預測道路積水深度[52]。唐穎等[53]通過雷達外推結合降水量與雷達基本反射率公式預測降水量，進而將預測降雨數(shù)據(jù)導入水力模型來現(xiàn)城市內(nèi)澇預警；李恒升等[54]利用雷達OHP(1 h precipitation accumulation)產(chǎn)品數(shù)據(jù)通過網(wǎng)格插值法處理成內(nèi)澇數(shù)學模型所需的降雨數(shù)據(jù)，再帶入模型中進行積水預測；楊東等[55]將無人機載激光雷達技術用于提取區(qū)域高精度DEM數(shù)據(jù)，基于此數(shù)據(jù)建立了城市內(nèi)澇模型，模擬結果在積水面積和深度上都有較好的表現(xiàn)。

1.3.2視頻圖像監(jiān)測技術

城市中監(jiān)控攝像頭隨處可見，能否將這些攝像頭采集的信息用于道路積水分析成為近來研究熱點?，F(xiàn)階段的提取方法根據(jù)目標對象的不同大致分為兩類：①通過分析事先在積水區(qū)域設置的水尺圖像得到水位線信息，該過程通常先通過截取監(jiān)控視頻的圖像，再對彩色圖像進行灰度轉換，刪減無用信息提高運算效率，之后對圖像中的水尺進行分割提取，最后進行圖像降噪與刻度線信息的提?。虎谥苯臃治鰠^(qū)域的積水圖像，運用多種技術手段提取分析積水影像，例如使用基于大數(shù)據(jù)的深度學習技術，通過海量積水圖像的不斷訓練，增強模型對城市道路各種復雜情景下算法的魯棒性，從而提高積水檢測、識別、分割的精度。相比第一種方法，后者省去了積水點布設水尺和日常維護的步驟，大大提高了測量的機動性，但識別精度有待提高。

視頻圖像監(jiān)控技術在城市內(nèi)澇監(jiān)測中的普及離不開通信技術和計算機視覺的發(fā)展[58]，其優(yōu)點在于可利用城市現(xiàn)有的監(jiān)控攝像頭，通過對圖像的處理便可獲取水位信息，降低了設備安裝成本；但其抗氣候干擾能力較弱，在天氣情況良好的情況下，水位信息釆集的精確度較髙，如遇小雨、霧霾等天氣，會影響到攝像頭采集圖片的質量，雖然可通過軟件進行去噪、均衡化等操作來還原部分圖像，仍會對測量精度產(chǎn)生影響。目前，不論是對道路水尺圖像的提取算法或是道路積水識別的深度學習模型在技術上都有待改進，但隨著影像識別技術精度的不斷提高，視頻圖像監(jiān)測技術將在未來逐漸成為主導。

針對目前水尺圖像識別和水尺刻度提取精度等技術問題，我國多位學者[59-61]對水尺邊緣提取技術開展研究，結果表明sobel、roberts和canny等邊緣算子均有較好的抗噪、抗光照不均效果。石玉立等[62]利用水面上下圖像亮度差異的特性，構建了基于視頻圖像的IDL(interactive data language)水位提取檢測模型；高曉亮等[63]設計了一種基于HSV(hue, saturation, value)顏色空間的水位檢測法，解決了傳統(tǒng)邊緣檢測算子在圖像質量較差時無法準確測算的問題；肖卓等[64]運用基于卷積神經(jīng)網(wǎng)絡的目標檢測算法(single shot mulitbox detector， SSD)提取水尺特征進行檢測的準確率達95%，誤差控制在2 cm內(nèi)；王磊等[65]用YOLO-v3和ResNet網(wǎng)絡算法檢測水尺對象和識別水尺刻度，運行準確率可達95%以上；周衡等[66]不再通過識別水尺刻度進行數(shù)值提取，而是利用水尺刻度對相機進行標定，再通過目標區(qū)域圖像差分提取水位變化區(qū)域，簡化了算法的同時能較精確測得實際水位值，但需保證相機與水尺位置都固定住不發(fā)生移動。

在提高道路積水圖像的識別技術方面，深度學習等人工智能技術也逐漸被采納。張勤學等[67]設計了一種基于圖像識別技術的城市道路積水監(jiān)測系統(tǒng)，該系統(tǒng)將采集后的圖像運用大數(shù)據(jù)平臺實現(xiàn)深度學習以構建數(shù)據(jù)庫，從而實現(xiàn)4個維度的圖像分類模型，達到智能化監(jiān)測道路積水的目的；白崗崗等[68]設計了一種基于深度學習技術的城市內(nèi)澇積水面積監(jiān)測方法，通過CNN(convolutional neural network)模型和YOLOv2模型設計出一種可自動識別積水的方法；Vitry等[69]使用深度卷積神經(jīng)網(wǎng)絡(deep convolutional neural network)和靜態(tài)觀測洪水指數(shù)從視頻監(jiān)控中獲取道路積水信息，將人工智能處理加入監(jiān)控視頻中為市區(qū)提供城市內(nèi)澇監(jiān)測數(shù)據(jù)，并結合多種信息構建優(yōu)化監(jiān)測系統(tǒng)。

另有學者將多元信息融合應用于積水監(jiān)測，如黃偉等[70]將降雨資料和壓力水位傳感器與視頻圖像獲取的3種信息相結合，設計了一套大數(shù)據(jù)分析與機理模型協(xié)同的道路積水監(jiān)測系統(tǒng)，通過分析視頻圖像的像素面積與道路實際面積的關系得出降雨情景下的道路積水面積和深度；奚春華等[71]將區(qū)域高精度DEM影像、對應的高分辨率遙感影像和視頻監(jiān)控圖像三者相結合，根據(jù)建立的幾何映射關系以及DEM影像映射結果，實現(xiàn)直接在監(jiān)控視頻圖像上進行積水深度量測量。

還有學者將圖像中的車輪和車輛作為參考物來進行積水識別，黃晶等[72]利用城市視頻監(jiān)控系統(tǒng)作為積水圖像的采集設備，提出了一種利用汽車輪胎測量出城市道路積水深度的方法，該方法將各種汽車輪胎視頻作為數(shù)據(jù)源，通過對視頻的深度學習達到在現(xiàn)實中應用的效果；Garcia等[73]通過對城市內(nèi)澇中車輛圖像的識別分割以及相關區(qū)域地表圖像的檢索來實現(xiàn)道路積水深的估測，但還需加強復雜環(huán)境下的抗干擾性；劉軍等[74]研究出一種基于浮動車數(shù)據(jù)(floating car data，F(xiàn)CD)的橋下積水點識別方法，通過AcrGIS編寫算法程序得以實現(xiàn)，該方法排除了GPS隨機因素干擾，減少了積水時段常發(fā)性擁堵對判斷的影響。

2 道路積水監(jiān)測技術應用

2.1 傳感器積水監(jiān)測應用進展

早在20世紀70年代，美國國家氣象局就具有了一套功能較完備的水文自動測報系統(tǒng)服務于天然流域的河湖內(nèi)澇預警[21]。進入21世紀，隨著集成電路的發(fā)展與應用、終端監(jiān)測設備的升級、數(shù)據(jù)傳送方式的多樣化，許多地區(qū)也將多種傳感器監(jiān)測設備用于城市內(nèi)澇預警領域。菲律賓馬尼拉地鐵站附近安裝了壓力傳感器監(jiān)測道路積水，并通過無線通信網(wǎng)絡將積水情況發(fā)送到用戶的手機中[75]。尼日利亞首府烏約市的內(nèi)澇監(jiān)測和檢測系統(tǒng)涵蓋了首府烏約市的15個易澇點，通過獲取的濕度、溫度、水位和降水量向附近的居民發(fā)送預警通知[76]。無錫市道路積水預警系統(tǒng)將AVR單片機與GPRS相結合，用超聲波傳感器進行監(jiān)測的同時，利用積水水位以及水位變化率計算出預警系數(shù)用于提前預警[77]。重慶兩江新區(qū)將氣介式超聲波傳感器用于道路積水監(jiān)測，其中加入了溫度補償計算、數(shù)字濾波算法和水位上升速度計算模塊，降低了溫度和水面波浪對傳感器的影響[78]。常州市建設的基于WSAN技術的道路積水監(jiān)控系統(tǒng)運用了超聲波傳感器和BP神經(jīng)網(wǎng)絡水位預測模型，并通過控制水泵運作實現(xiàn)閉環(huán)控制[79]。長沙市城市內(nèi)澇監(jiān)測系統(tǒng)在香樟東路高鐵南立交橋等多處易澇區(qū)安裝了雷達水位傳感器，該系統(tǒng)在2017年“7·1”暴雨中發(fā)布道路災情信息31次，為車輛避險及人員撤離提供了寶貴的時間[80]。

還有學者將多種傳感器相結合應用于道路積水測量系統(tǒng)，丁榕[81]將電子水尺和超聲波傳感器分別安裝在廣州、綿陽等城市低洼地段和窨井內(nèi)，開展城市道路管網(wǎng)的積水監(jiān)測研究。上海市水務部門在滬實施的道路積水監(jiān)測項目中，選擇了壓力式和超聲波兩種水位傳感器相互結合的方式，保證了測量量程的同時也便于水位監(jiān)測數(shù)據(jù)的校核。美國佛羅里達州道路積水監(jiān)測系統(tǒng)中使用了WL700超聲波傳感器，通過無線通信系統(tǒng)將道路積水數(shù)據(jù)與NOAA衛(wèi)星的降雨預報聯(lián)系起來，實現(xiàn)了城市道路積水的監(jiān)測與預報，系統(tǒng)中還加入了視頻監(jiān)控模塊，但僅有道路交通和積水點的視頻對外發(fā)布[43]。

2.2 影像監(jiān)測技術應用進展

2.2.1遙感影像應用

隨著遙感技術的不斷發(fā)展，城市尺度內(nèi)澇預警采用遙感影像提取積水水體并開展應用的逐漸增多，得到了許多研究者和管理者的關注，其中積水影像提取從數(shù)據(jù)源角度又可分單個衛(wèi)星和多個衛(wèi)星的應用。在單一衛(wèi)星監(jiān)測方面，張斌[82]利用雷達衛(wèi)星影像數(shù)據(jù)分析了岳陽市的內(nèi)澇災害情況，通過快速提取洪水淹沒區(qū)，監(jiān)測洪水多發(fā)區(qū)的時序保障了城市內(nèi)澇預警的時效性；Mason等[83]在英國Tewkesbury郡150年一遇的洪水事件中經(jīng)由航拍驗證圖像對比，用TerraSAR-X雷達衛(wèi)星可準確提取城市內(nèi)澇水體的可見區(qū)和遮擋區(qū)，可用來校準和驗證城市暴雨內(nèi)澇模型；Vorawit等[84]在馬來西亞吉隆坡城區(qū)將地面視圖的SfM(Structure from Motion)數(shù)據(jù)與服飾濾波LiDAR數(shù)據(jù)相結合建立了多維視圖融合-數(shù)字地形模型(MFV-DTM)，該模型在積水深度和水體范圍識別上都有較好的精度，可用作城市內(nèi)澇模型的數(shù)據(jù)輸入。在多衛(wèi)星組合監(jiān)測方面，為提高城市細小水體的提取準確度，德國航空航天的衛(wèi)星信息中心開發(fā)出基于MODIS和TerraSAR-X雷達衛(wèi)星的雙尺度城市內(nèi)澇監(jiān)測預警系統(tǒng)，對俄羅斯和阿爾巴尼亞的兩場內(nèi)澇事件進行了監(jiān)測與評估[85]。王嘉芃等[86]用災中COSMO-SkyMed雷達影像和災前SPOT-5光學影像的優(yōu)缺點進行空間差值運算提取水體，設計了基于多源遙感數(shù)據(jù)的洪水淹沒信息快速提取模型，并在浙江余姚“10.7”水災中得到了很好的驗證。針對建筑物和植被遮擋水體的問題，Mason等[87]使用合成孔徑雷達(SAR)和城區(qū)激光探測及測距系統(tǒng)，通過檢測地面和積水相鄰建筑物墻壁間的雙散射強度實現(xiàn)積水探測，準確率可達91%。

2.2.2視頻圖像應用

由于通過計算機視覺技術和多媒體傳輸技術的視頻影像技術可以最大限度發(fā)揮監(jiān)控系統(tǒng)的作用，遠程獲取道路積水數(shù)據(jù)[88-89]，因此基于視頻圖像的道路積水識別技術逐漸成為近年的研究熱點，主要集中于水尺圖像、水位刻度線的識別和路面積水圖像的識別。

在水尺圖像識別方面，濟寧城市水文監(jiān)測系統(tǒng)為城區(qū)所有積水站點配置了視頻監(jiān)控系統(tǒng)，可在通過視頻監(jiān)控系統(tǒng)觀測現(xiàn)場設立的水尺，實現(xiàn)實時積水水深數(shù)據(jù)采集、接入[90]。牛智星等[91]設計了一套基于水尺圖像的水位自動監(jiān)測系統(tǒng)，利用圖像識別技術，采用4G網(wǎng)絡進行數(shù)據(jù)傳輸，實現(xiàn)了遠程遙測，在應用測量誤差不超過2 cm。通過查閱大量相關文獻發(fā)現(xiàn)，以往的視頻監(jiān)控模塊在道路積水監(jiān)測系統(tǒng)中僅用于積水區(qū)域的視頻查看和影像存儲，并且需要耗費人力手動查看，存在很大的局限性[92-93]。而水尺圖像智能識別技術是近年的研究熱點，具有很大推廣價值。但有關水尺圖像的深度學習、基于計算機視覺等方法多處于技術研究階段，還需繼續(xù)完善。

除了水尺圖像的提取，薛豐昌等[94]在南京信息工程大學校園進行基于視頻監(jiān)控的道路積水研究，通過圖像差分，區(qū)域分割等技術使得系統(tǒng)能準確獲得積水區(qū)實時情況，從而實現(xiàn)動態(tài)監(jiān)控，有利于實現(xiàn)地區(qū)內(nèi)澇精細化監(jiān)測預警。Bhola等[95]運用計算機視覺技術，以圖像中的靜態(tài)物體為參考來估計道路積水水位，已在德國庫爾姆巴赫縣進行了3場實測。近年來，大數(shù)據(jù)也逐漸融入城市積水預警中，上海水務部門通過氣象預報結合內(nèi)澇風險圖、積水物聯(lián)網(wǎng)傳感器、視頻積水圖像識別和熱線災報4種方式獲取上海的道路積水情況，并用短信、政務微信等新技術手段發(fā)布預警信息，大大縮短了道路積水事件的發(fā)現(xiàn)率[96-97]。天津市中心城區(qū)積水監(jiān)測信息系統(tǒng)以視頻監(jiān)控設備與電子水尺相結合的方式，通過在地道和道路低洼區(qū)域建設電子水尺和視頻水位識別系統(tǒng)，實現(xiàn)了天津積水現(xiàn)場的可視化、積水水位數(shù)據(jù)定量化及精細化。還有國內(nèi)外學者運用新思路來處理城市道路積水監(jiān)測，吳先華等[98]設計了一種基于微博大數(shù)據(jù)分析城市暴雨內(nèi)澇災情以及民眾情緒反應的流程和方法，以行政區(qū)來劃分，將微博事件的IP地址與物理地址關聯(lián)，在南京市2016年6、7月份兩場暴雨中按提取到的暴雨內(nèi)澇、情感詞匯進行積水深度分類；Wang等[99]用自然語言處理技術和計算機視覺技術分析了Twitter和MyCast的數(shù)據(jù)，在南卡羅來納州查爾斯頓的內(nèi)澇事件可通過該數(shù)據(jù)提供的高精度的位置信息用來定位積水點，這種基于網(wǎng)絡社交媒體數(shù)據(jù)的積水監(jiān)測方法豐富了現(xiàn)有的積水監(jiān)測手段。

3 結 論

a.目前，城市道路積水監(jiān)測主要采用水位傳感器，鮮有采用視頻圖像識別的水位監(jiān)測方法。然而，就硬件設備而言，城市道路布設的視頻圖像監(jiān)控，特別是用于交通監(jiān)控的已經(jīng)非常完備，圖像數(shù)量和質量能夠保證；就水體監(jiān)測應用而言，在河流、明渠和水庫中已逐步推廣并得到了越來越多的應用。未來，城市道路積水監(jiān)測應在充分利用固有的視頻監(jiān)控設備基礎上，適當加密道路積水視頻監(jiān)控點，設計普適性的城市道路積水視頻提取識別智能算法，提高道路積水信息的準確性和及時性，更好地服務于城市內(nèi)澇應急和預警管理。

b.遙感影像常用于流域的大面積洪澇監(jiān)測，而面對城市內(nèi)澇空間尺度小、精度高和時效強的需求，未來遙感影像應用研究的重心應聚焦遙感數(shù)據(jù)的快速獲取分析，特別是極端暴雨事件下道路水體的提取上。可通過增加數(shù)據(jù)源，采用多源數(shù)據(jù)融合的手段來降低云層對遙感影像干擾。今后，隨著云計算、大數(shù)據(jù)智能算法以及5G信息傳輸?shù)娘w躍發(fā)展，可構建基于5G傳輸、輕松上云、智能化自我校正的AI遙感監(jiān)測系統(tǒng)，從數(shù)據(jù)精度、實時性、可視性全方位提升道路積水的遙感監(jiān)測水平。

c.對城市暴雨內(nèi)澇預警管理而言，保證道路易澇點積水數(shù)據(jù)的精準性以及區(qū)域尺度積水淹沒情況的準確性同等重要。因此，在開展積水監(jiān)測時，區(qū)域尺度遙感影像要與道路視頻影像以及重點道路、重點橋隧的電子水尺監(jiān)測配合，做到“點面結合”，構建城市“天-地-空”各種手段相輔相成、互為補充的立體化監(jiān)測網(wǎng)。在此基礎上，根據(jù)管網(wǎng)溢流和道路積水的水力聯(lián)系進一步優(yōu)化監(jiān)測點布局，升級信息存儲的安全性，改進數(shù)據(jù)傳遞的時效性，真正實現(xiàn)城市道路積水監(jiān)測傳輸?shù)淖詣踊?，全方位、多手段夯實城市暴雨?nèi)澇預警的信息保障。

d.實時監(jiān)測數(shù)據(jù)是構建城市雨洪模型的關鍵。隨著監(jiān)測數(shù)據(jù)類型的增多，監(jiān)測頻次的加密，未來監(jiān)測數(shù)據(jù)必然呈現(xiàn)井噴式增長并逐漸呈現(xiàn)大數(shù)據(jù)的海量特性。實時監(jiān)測數(shù)據(jù)的增加不僅可以大幅提高傳統(tǒng)物理機制模型的準確性，更使得以大數(shù)據(jù)為支撐的數(shù)學統(tǒng)計模型極有可能成為未來城市暴雨洪水預警管理的“新寵”，若將兩類模型有效結合，互為驗證，將會大幅調高城市內(nèi)澇模擬的準確性，進而實現(xiàn)流域河渠湖庫與城市雨水管網(wǎng)智能化聯(lián)控聯(lián)調的普適化，最大程度減輕流域和城市的暴雨內(nèi)澇致災風險，為建設韌性城市提供有力的技術支撐和有效的決策建議。