一种多模态数据驱动的河流动态评估方法及系统与流程

本发明涉及一种多模态数据驱动的河流动态评估方法及系统，属于自然灾害评估。

背景技术：

1、河流动态评估是流域水安全管理、洪涝灾害防控、水库调度、城市排涝和灾后损失评估的重要技术基础。传统河流监测主要依赖水文站点获取水位、流量、流速等实测数据，其优点是时间连续性强、观测精度较高，但站点空间分布有限，难以完整反映河流沿线和整个流域范围内的空间变化。对于无资料地区、山区河流、跨境河流或突发洪涝区域，仅依赖水文站点往往难以及时获得连续的空间化评估结果。

2、卫星遥感技术能够提供大范围、周期性和可重复的地表观测信息，已广泛用于水体识别、洪水淹没范围提取、灾后变化检测和流域环境监测。然而，单一光学遥感影像容易受到云、雨、阴影和成像周期的影响，sar遥感虽然具备全天时、全天候观测能力，但其水体识别结果可能受到建筑物阴影、植被覆盖、粗糙地表和风浪效应的干扰。此外，遥感影像通常反映的是水体表面范围变化，难以直接推断河流流量、水位变化过程和三维淹没深度。

3、三维地形数据可为河道提取、汇流路径分析、洪泛区扩展和淹没深度计算提供基础约束，但单独使用地形数据又难以反映实时降雨、上游来水和水位变化。降水数据可作为洪水形成和发展过程的外部驱动，但降水到河流水位响应之间存在空间差异和时间滞后，若缺少水文与遥感观测约束，也难以准确判断河流实际动态状态。

4、因此，现有技术中仍存在以下问题：第一，单一数据源难以同时描述河流动力过程和空间影响范围；第二，多源数据之间空间分辨率、时间频率、坐标基准和观测尺度不一致，难以直接融合；第三，传统二维水体识别方法难以计算淹没深度和三维洪泛范围；第四，数据驱动模型缺少地形、水量平衡和河道连通性等物理约束，存在可解释性不足和泛化能力不足的问题；第五，洪涝检测结果通常缺少置信度与受影响对象评估，难以直接服务应急决策。

5、基于此，有必要提出一种面向河流动态评估的多模态数据融合方法，将三维地形、水文、降水、遥感和承灾体信息统一到河段、子流域和像元多尺度对象中，并通过物理约束与数据驱动模型的耦合，实现流量、水位、水域范围、洪泛区和洪涝风险的动态评估。

技术实现思路

1、本发明目的在于：针对上述存在的问题，提供一种多模态数据驱动的河流动态评估方法及系统，能够解决现有河流监测和洪涝检测技术中数据源割裂、空间覆盖不足、动态响应不足、三维淹没刻画能力弱以及评估结果难以直接支撑决策的问题。

2、本发明采用的技术方案如下：

3、一种多模态数据驱动的河流动态评估方法，包括以下步骤：

4、s1、多模态数据获取：获取目标河段或流域的多模态数据，所述多模态数据包括三维地形数据，还包括河流水文数据、降水数据和卫星遥感数据的两种或两种以上；

5、s2、多源数据时空基准统一：对所述多模态数据进行时空基准统一与尺度转换处理，使各数据处于统一的分析框架下；

6、s3、河道—流域对象构建：基于所述三维地形数据构建河道—子流域—洪泛区的三级对象拓扑，得到河段单元、子流域单元和候选洪泛区单元，其中，河段单元用于承载水文动力计算，子流域单元用于承载降水汇流分析，洪泛区单元用于承载三维淹没范围评估；

7、s4、多模态特征提取：针对目标河段按照多级对象拓扑，提取多模态数据中的各特征拼接形成多模态融合特征集；

8、s5、物理约束与数据驱动耦合评估：将所述多模态融合特征集输入物理约束与数据驱动耦合评估模型，获得目标河段的流量、水位；所述物理约束与数据驱动耦合评估模型包括数据驱动分支和物理约束分支，所述数据驱动分支采用多层感知机模型，所述多层感知机模型至少包含输入层、隐藏层和输出层；所述物理约束分支通过多重物理约束残差加权叠加修正流量结果；

9、s6、三维洪泛区扩展与淹没状态计算：基于所述水位与三维地形数据计算候选洪泛区单元的淹没状态；利用动态水位面与三维地形面之间的高程差识别潜在淹没区域，并通过空间连通性约束剔除与河道或已有水体不连通的封闭低洼地；

10、s7、洪涝检测结果输出：根据目标河段的流量、水位以及候选洪泛区单元的淹没状态生成洪涝风险评估结果，并输出所述评估结果对应的置信度信息。

11、通过多类多模态原始数据的获取，以三维地形数据作为基础底座，搭配河流水文、降水、卫星遥感中至少两类数据开展联合分析，能够汇聚地形水文降水遥感多源信息，摆脱单一数据来源带来的信息局限。三维地形可以提供流域地势河道形态的固有地理信息，为汇流推演洪泛扩展提供底层约束，其余几类数据可以按需组合补充水文实况气象驱动或是地表水体观测信息，不用强制集齐全部数据即可开展评估运算。水文站点可以提供长时间连续的点位时序信息，卫星遥感可以实现大范围全域空间地表观测，二者相互结合能够同时完成河流流量水位这类动力过程的推演，也可以刻画洪水漫溢形成的空间洪泛影响范围，弥补单一监测手段只能捕捉时间或者空间单维度信息的短板，适配无资料地区山区河流等站点覆盖不足的流域场景。并且经过时空基准统一与尺度转换处理，能够消解不同数据源在空间坐标时间频率分辨率层面的不一致问题，让异构数据可以进入同一分析框架开展联合运算。依托三维地形搭建多级对象拓扑，能够把流域拆解为河段、子流域、候选洪泛区不同分析单元，实现流域物理空间的对象化拆解，为后续分单元特征提取与计算奠定空间基础。不同于现有技术普遍采用的纯栅格像元运算或简单的节点-河段两级河网拓扑，三级对象化架构将降水汇流、河道水动力、洪泛淹没三类不同物理过程匹配至对应的计算单元，既实现了不同过程的解耦管理，又保障了单元间的信息互通，避免了不同物理过程计算单元不匹配带来的计算错位。按照多级对象拓扑完成多模态特征的拼接融合，能够把地形水文降水遥感维度的信息转化为模型可读取的融合特征集，打通原始观测数据通往评估模型的信息通路。物理约束与数据驱动耦合评估模型接收融合特征集开展运算，能够同时利用数据驱动对复杂非线性关系的学习能力和物理规则对水文过程的客观约束能力，输出河段流量水位核心水文状态量。数据驱动分支采用多层感知机模型，充分挖掘多模态特征与河流水文状态之间复杂的非线性关联，输出初始流量估计值；物理约束分支独立于模型训练过程，在推理运行阶段通过多重物理约束残差加权叠加，直接修正初始流量结果。直接残差修正的模式，可根据不同流域的数据源完备度灵活调整各物理约束的权重占比，无需重新训练模型即可适配不同应用场景，既保留了数据驱动方法的拟合效率，又通过独立的物理约束机制保障输出结果符合水文客观规律。结合水位与三维地形开展洪泛区淹没状态计算，不仅利用动态水位面与三维地形面之间的高程差识别潜在淹没区域，更引入空间连通性约束，剔除与河道或已有水体不连通的封闭低洼地，解决了传统单纯依靠高程阈值判定易将孤立洼地误判为洪泛区的通病。综合流量水位淹没状态生成洪涝风险评估结果同时输出置信度信息，能够完整产出风险结论，还可以同步反馈评估结果本身的可靠程度，支撑后续决策环节辨别结果可信度。

12、相比于现有技术，本方案多模态数据获取与时空基准统一为整套评估流程提供标准化、可兼容的原始数据基底，保障各类异构数据能够在统一分析框架下流转，为后续多级对象拓扑构建、多模态特征提取提供具备一致性的数据输入。河道-子流域-洪泛区三级对象拓扑，将汇流、水文动力、淹没评估三类水文物理过程分别与河段单元、子流域单元、候选洪泛区单元一一匹配，保障多模态特征按水文物理对象完成有效拼接融合，为耦合评估模型供给物理含义明确的对象级特征，保障模型能够识别不同流域单元的物理属性，保障流量、水位反演的计算精度。物理约束与数据驱动耦合评估模型依托前述对象化融合特征开展运算，融合多层感知机对非线性关系的学习能力与多重残差加权物理约束的校正能力，输出可靠的河段流量、水位核心水文状态量，为后续洪泛淹没推演提供关键水文输入。在三维洪泛区淹没计算环节，结合动态水位-地形高程差与空间连通性约束开展联合判别，依托前面输出的水文状态量，实现符合实际水力逻辑的淹没范围识别，保障洪涝空间评估结果真实反映实际洪水漫溢情况。此外，先依托三维地形构建候选洪泛区单元，锁定待判别对象集合；再于候选洪泛区单元内部，在高程差初判潜在淹没区域的基础上，通过空间连通性约束剔除和河道、已有水体不连通的封闭低洼地。候选洪泛区单元实现计算域前置收敛，连通性约束实现水文真实性校验，二者协同，在保障计算效率的同时，从地形条件与水力连通双重维度甄别真实洪泛范围，规避单纯地形阈值造成的淹没范围虚判，得到贴合洪水实际演进规律的淹没状态结果。最后基于流量、水位、淹没状态同步输出洪涝风险评估结果及对应的置信度信息，将模型推演得到的定量计算结果转化为可供防灾决策直接参考的评估结论，明确结果本身的可靠程度。

13、可供选择的，所述s1中，所述多模态数据还包括承灾体数据；

14、所述s4中，所述多模态融合特征集包括承灾体暴露特征；

15、所述s7中，所述洪涝风险评估结果包括承灾体风险等级。

16、与原有水文地形遥感的评估链路相互配合，能够让评估输出不再局限于水域流量水位这类自然水文指标，同时产出面向现实社会场景的灾害风险分级信息。承灾体暴露特征跟随河段子流域的对象拓扑参与特征构建，能够实现不同淹没单元和对应受灾对象的精准关联，避免笼统的全域风险判定。承灾体风险等级可以直观反映洪涝事件对各类基础设施与民生资产的潜在影响，能够直接为应急处置资源调配灾害损失预判以及防灾规划提供参考依据。

17、可供选择的，所述s3中具体包括：

18、根据三维地形数据计算流向矩阵和汇流累积量，提取河网中心线；

19、结合已有河流数据对所述河网进行修正；

20、按照需求将河流划分为若干河段单元；

21、基于流向和分水岭关系提取各河段对应的子流域范围；

22、构建河段—子流域—洪泛区三层对象拓扑。

23、依托数字高程模型计算流向矩阵和汇流累积量来提取河网中心线，能够从地形基础数据中还原真实水系走向，再结合已有河流数据修正河网，能够弥补单纯地形提取河网产生的偏差，按照实际业务需求划分得到若干河段单元，能够把长距离连续河流拆解为适合分段演算的计算单元，基于流向和分水岭关系提取各河段对应的子流域范围，能够明确每一段河流对应的降水汇水空间，在此之上搭建河段子流域洪泛区三层对象拓扑，能够为不同业务任务分配对应的计算载体，河段单元承接水文动力计算可以聚焦各段河道自身流量水位的推演，子流域单元承接降水汇流分析可以把区域降水情况传递到对应下游河段，洪泛区单元承接三维淹没范围评估可以专门开展洪水漫溢之后的空间影响演算，整套处理流程不再直接使用离散栅格像元开展全部计算，能够将降水水文淹没三类不同物理过程归置到相匹配的分析单元中，让降水汇流河道水动力洪泛淹没之间可以实现信息互通，避免不同物理过程计算单元不匹配带来的计算错位。

24、可供选择的，所述s4中，所述多模态融合特征集为多模态特征向量；

25、所述s4还包括：

26、在物理约束与数据驱动耦合评估模型之前，对连续型特征进行标准化处理；

27、对于任一特征，其标准化结果为：

28、

29、其中，表示标准化后的特征值；表示原始特征值；表示该特征在训练样本中的均值；表示该特征在训练样本中的标准差；为防止分母为零的稳定项。

30、经标准化处理后，得到用于模型输入的特征向量：

31、

32、其中，表示标准化后的多模态特征向量，表示特征标准化或归一化处理函数。

33、将各类信息整合为面向河段与时间维度的多模态特征向量，能够把地形水文降水遥感承灾体分散的观测信息统一封装为结构化向量数据，适配后续机器学习模型的输入格式。向量绑定具体河段和对应时刻，能够完整记录某一河段在特定时间下的全部状态信息，方便刻画河流水文状态随时间动态变化的过程。并且可以把子流域层面的降水信息河段本地地形信息遥感瞬时观测信息以及承灾体暴露信息融合在同一数据载体。地形水文降水遥感承灾体各类原始特征数值量级差距较大，直接输入模型会造成部分高数值特征过度主导模型学习过程，对连续型特征实施标准化处理，消除不同特征之间量纲与数值取值范围的差异，让全部输入特征统一到相近的数值区间，便于模型内部权重的迭代优化收敛，提升多层感知机对于多模态特征之间非线性关联的学习效率。

34、可供选择的，所述s5具体包括：

35、根据所述标准化后的多模态特征向量生成初始流量估计值；

36、将所述初始流量估计值输入物理约束分支，得到目标河段的最终估计流量：

37、

38、其中，表示经物理约束修正后的最终流量估计值；表示物理约束修正项；

39、在获得目标河段最终估计流量后，推算目标河段水位：

40、

41、其中，表示河段在时刻的水位；表示经物理约束修正后的最终流量；表示河段横断面几何参数；表示河道坡降；表示河道阻力参数或经验校正参数；表示由水位-流量关系或曼宁公式或河段经验校正关系构成的水位推算函数。

42、数据驱动分支依托多层感知机模型接收标准化后的多模态特征向量，能够挖掘各类多模态特征与河流流量之间复杂的非线性对应关系，输出初始流量估计值，充分发挥机器学习对多源异构观测数据的拟合能力。初始流量估计值进一步送入物理约束分支叠加物理约束修正项得到最终估计流量，针对纯数据驱动输出中违背水文客观机理的结果开展校正，弥补多层感知机仅依靠样本学习容易出现物理逻辑失真的缺陷。物理约束修正项可以综合水量平衡上下游来水传播水位流量关系遥感水体一致性地形几何多类水文机理要素，把流域已有的先验水文知识嵌入模型推理流程，降低小样本条件下数据驱动模型的错判风险。得到最终估计流量之后借助水位推算函数结合河段横断面几何参数河道坡降以及河道阻力参数计算动态水位，依托河道本身固有的几何水力特性完成流量向水位的转化。

43、可供选择的，所述多层感知机模型包括两层隐藏层；

44、第一隐藏层的计算过程表示为：

45、

46、第二隐藏层的计算过程表示为：

47、

48、其中，表示第一隐藏层输出；表示第二隐藏层输出；和分别表示第一隐藏层和第二隐藏层的权重矩阵；和分别表示第一隐藏层和第二隐藏层的偏置项；表示线性整流激活函数，其表达式为：

49、

50、输出层根据第二隐藏层输出生成初始流量估计值：

51、

52、其中，表示多层感知机模型输出的初始流量估计值；表示输出层权重；表示输出层偏置；

53、所述两层隐藏层的节点数设置为逐层递减结构，当输入特征维度为时，第一隐藏层节点数可设置为，第二隐藏层节点数可设置为，并满足。

54、第一隐藏层对输入特征完成初次特征变换，挖掘各个输入特征之间的基础关联，生成第一隐藏层输出结果，第二隐藏层再对初次变换得到的信息做进一步的特征提炼，浓缩对流量估计起到关键作用的高阶组合特征，输出层依托第二隐藏层提炼完成的特征完成线性运算，直接输出河段对应时刻的初始流量估计值。两层隐藏层采用逐层递减的节点数量结构，输入特征维度大于第一隐藏层节点数，第一隐藏层节点数又大于第二隐藏层节点数，能够在网络内部实现特征的逐步降维压缩，过滤特征当中冗余噪声信息，规避网络规模过大带来的过拟合问题。此外，洪涝相关水文样本往往存在有效训练样本数量有限的现实情况，逐层递减的网络结构可以控制模型整体参数量，不会因为参数量过多导致模型记住训练样本的随机噪声，能够平衡模型非线性表达能力和小样本场景下的运行稳定性，并且不会产生过高的算力开销。

55、可供选择的，所述物理约束修正项包括水量平衡修正项、上下游来水传播修正项、水位-流量关系修正项、遥感水体范围一致性修正项以及地形与河道几何约束修正项的至少两项，且由各项修正项加权组合得到。

56、水量平衡修正项能够依托流域水量收支的客观规律，校验初始流量结果是否符合降水汇入与水量耗散的平衡逻辑，上下游来水传播修正项能够引入河段之间的水流传递时序关系，让流量推演贴合洪水在河道当中实际传播演进过程。水位流量关系修正项可以利用河段历史观测得到的水力对应规律，约束流量输出贴合河道自身过水特征，遥感水体范围一致性修正项能够把卫星遥感观测得到的真实水域扩张情况作为外部参照，约束模型推演结果和地表实际水体变化保持统一，地形与河道几何约束修正项能够借助河道横断面坡降等固有地形参数，排除超出河道实际行洪能力的不合理流量输出。进一步的，加权组合的实现方式能够依据不同场景下各类数据源的实际可信程度灵活调配各项修正的影响比重，缓解纯数据驱动模型完全依赖样本学习，容易输出违背水文机理结果的缺陷，不会完全否定多层感知机挖掘得到的多源数据统计规律，而是以加权残差的形式做适度修正，保留数据驱动分支对复杂现实场景的拟合优势。

57、可供选择的，所述s6中，所述淹没状态包括洪泛区范围、淹没深度、淹没面积和淹没体积；

58、所述s6具体包括：

59、对于候选像元，其地形高程为，则淹没深度表示为：

60、

61、其中，表示河段在时刻的水位；

62、当，且满足空间连通性约束；则判定该候选像元为洪泛区像元；

63、目标河段在时刻的洪泛区范围可表示为：

64、

65、其中，表示目标河段在时刻的洪泛区范围；表示与河段的河道水体或历史水体或当前遥感识别水体在空间上连通的候选区域；

66、在获得洪泛区范围后，洪泛区淹没面积可表示为：

67、

68、其中，表示河段在时刻的淹没面积；表示像元对应的实际地表面积；

69、洪泛区淹没体积可表示为：

70、

71、其中，表示河段在时刻的估计淹没体积；表示像元的淹没深度；表示像元的实际地表面积。

72、本方案利用河段动态水位与像元高程相减得到淹没深度，量化各位置受淹程度，洪泛区像元判定同时设置淹没深度大于零和空间连通性双重条件，剔除高程低但与河道水体互不连通的封闭洼地，减少单纯高程阈值判断带来的误判。通过符合条件的洪泛区像元确定洪泛区范围，累加像元实际地表面积得到淹没面积，再将各像元淹没深度与地表面积相乘求和得到淹没体积，同步输出洪泛区范围淹没深度淹没面积淹没体积多项三维定量结果。直接复用前文推演的水位与三维地形数据，与上游模型输出形成连贯衔接，克服传统方法仅输出二维洪水范围，忽略连通性约束，缺少深度和水量定量指标的不足，输出结果可直接支撑承灾体风险分级与灾害定量评估。

73、可供选择的，还包括s8、动态更新与滚动校正：当新的降水数据或水文站点数据或遥感影像进入系统后，重新执行时间窗口匹配和特征更新；

74、当遥感影像显示的实际水体范围与模型预测洪泛区范围存在差异时，根据差异区域对水位估计值、河道阻力参数或遥感水体识别阈值进行校正，形成动态闭环评估。

75、利用不断接入的实测观测信息持续修正模型内部关键参数，缓解静态模型在长时间推演过程中产生的累积误差，不用依赖大批量历史样本重新训练模型就可以完成状态更新，适配洪涝事件动态演变的业务场景。能够持续缩小推演结果和地表实际情况之间的偏差，让流量水位洪泛区的持续推演结果更贴合流域真实状态，也可以和整套流程前面的数据处理模型推演淹没计算环节相互配合，持续提升全流程评估结果的可靠性。

76、一种多模态数据驱动的河流动态评估系统，包括：

77、数据获取模块，用于获取目标区域的多模态数据，所述多模态数据包括三维地形数据，还包括河流水文数据、降水数据和卫星遥感数据的两种或两种以上；

78、时空统一模块，用于对所述多模态数据进行时空基准统一与尺度转换处理；

79、河道—流域对象构建模块，用于基于所述三维地形数据构建包含河段单元、子流域单元和洪泛区单元的多级对象拓扑；

80、多模态特征提取模块，用于根据所述多级对象拓扑，提取多模态数据对应的多模态融合特征集；

81、物理约束与数据驱动耦合评估模块，用于根据所述多模态融合特征集估算目标河流的流量及对应的水位；

82、三维洪泛区计算模块，用于根据所述水位与所述三维地形数据之间的高程差异，确定所述洪泛区单元的淹没状态；

83、风险输出模块，用于根据目标河段的流量、水位以及候选洪泛区单元的淹没状态生成洪涝风险评估结果，并输出所述评估结果对应的置信度信息。

84、综上所述，由于采用了上述技术方案，本发明的有益效果是：

85、1、本发明所提供的一种多模态数据驱动的河流动态评估方法及系统，实现三维地形、水文、降水、遥感以及承灾体多类数据的统一表达，能够打破不同数据源相互割裂的状态，各类异构数据经过时空对齐与标准化处理之后汇入同一套分析框架，缓解因数据体系独立分散造成河流动态评估结果时空不连续的问题，让地形条件气象驱动水文状态地表观测以及社会受灾要素可以共同参与流域全过程演算。

86、2、本发明所提供的一种多模态数据驱动的河流动态评估方法及系统，通过河段—子流域—洪泛区多尺度对象拓扑，把栅格像元尺度的遥感观测信息和河段尺度的水文动力计算建立空间对应关系，不再局限于纯粹栅格层面的零散运算。不同层级单元分别承担水文动力计算降水汇流分析三维淹没评估的对应任务，提升整个河流动态评估的对象化表达能力，便于多河段并行开展评估计算，更好支撑工程层面的流域分析业务。

87、3、本发明所提供的一种多模态数据驱动的河流动态评估方法及系统，采用数据驱动结合多重物理约束的耦合模型架构，依托多层感知机挖掘多模态特征与流量之间复杂非线性关系，同时引入水量平衡、河道连通性、河道坡降、横断面、三维地形等水文先验知识做残差修正，避免纯数据驱动模型完全依赖样本学习容易出现违背水文机理的问题，有效提升模型结果的可解释性，增强小样本条件下模型运行稳定性，提升整套方案面对真实流域场景的工程适用性。物理约束不以损失项形式参与训练，训练完成后，在实际预测时独立计算各项物理残差，按权重加权后直接修正mlp输出流量。

88、4、本发明所提供的一种多模态数据驱动的河流动态评估方法及系统，依托动态水位面与三维地形高程差值开展淹没相关计算，并且增加空间连通性约束剔除无效低洼区域，同步输出洪泛区范围淹没深度淹没面积淹没体积多项指标，实现由传统二维水体范围识别向三维洪泛区定量评估的拓展，不只可以判断洪水是否发生，还能量化各区域受淹严重程度以及洪水总水量，为灾害定量研判提供更加完备的基础参数。

89、5、本发明所提供的一种多模态数据驱动的河流动态评估方法及系统，除输出基础洪涝检测结果之外，还可以得到模型置信度，置信度可以反映每一段河段评估结果的可靠程度，区分高可信与低可信的推演区域。整套评估输出成果可以直接面向多类业务场景，能够为应急管理处置水利调度运行灾害保险核算以及洪涝灾后损失评估提供完整可用的技术支撑。

90、6、本发明所提供的一种多模态数据驱动的河流动态评估方法及系统，设置动态更新闭环校正机制，新的观测数据接入后可以更新特征并修正水位河道阻力等关键参数，持续消减长时间推演带来的累积误差，整套方法从多源数据接入对象构建模型推演洪泛计算到结果输出闭环更新形成完整链路，进一步保障持续动态评估过程当中结果的准确性。