融合气象雷达回波与水文实测数据的无人机测流调度方法与流程

本发明涉及无人机测流调度，尤其涉及融合气象雷达回波与水文实测数据的无人机测流调度方法。

背景技术：

1、水文站固定式测流设备（如接触式流速仪、走航式adcp）是日常水文巡测与洪水监测的核心基础设施。然而，在极端暴雨与特大洪水工况下，河流流速急剧增大，水体中夹杂大量泥沙、树木等漂浮物，固定设备极易因机械冲击或超出量程而失效，导致关键断面的水文数据中断，严重制约防汛决策的精准性和及时性。

2、近年来，无人机测流技术因其非接触、机动灵活的特点，逐渐被应用于恶劣环境下的应急流量测量。现有研究主要聚焦于测流算法本身的改进，例如利用大尺度粒子图像测速（lspiv）提升表面流速测量精度，或采用毫米波雷达进行多普勒测速。在调度层面，当前主流做法仍依赖人工经验规划航线，缺乏与气象雷达预警信息及固定水文站健康状态的系统联动。

3、经检索，专利文献cn112560595a公开了一种基于河流表面流速的河道断面流量计算方法，通过时空影像测量法获取表面流速，并利用线性回归建立表面流速与断面平均流速的关系，实现了非接触式流量推算。该技术适用于恶劣工况下的单次单站测流，但其仅解决算法层精度问题，未建立气象雷达回波强度与水文测站设备健康状态之间的多源融合失效风险评估模型，亦未构建基于洪峰演进时间的提前量调度约束，无法在洪峰到达、设备被冲毁之前自主完成无人机接管部署。

4、另一篇专利文献cn112631326a公开了一种空地一体的无人机集群调度方法，通过多无人机巢协同组网将大区域集群调度任务拆分为子任务并分发至对应机巢，实现大范围无人机集群的快速起飞与数据回传。然而，其调度策略为按任务执行区域进行预设分发，未将气象雷达的暴雨中心追踪与测站实时流速的量程逼近告警深度融合，无法定量评估测站失效风险，也难以实现“洪峰到达前无缝接管”的精确时间窗口调度。

5、综上所述，现有技术存在以下主要缺陷：（1）调度系统与气象雷达脱耦，无法根据上游暴雨中心的实时位置和强度动态预判下游测站的失效风险；（2）水文站设备状态仅通过人工巡检或固定周期获取，缺乏定量化的失效风险评估模型；（3）无人机测流缺乏“提前接管”机制，往往在固定设备已被冲毁、数据已经中断之后才紧急起飞，丧失最佳接管时机。因此，亟需提出一种能够融合气象雷达回波与水文测站实测数据、定量评估测站失效风险并提前调度无人机完成无缝接管的应急测流调度方法。

6、鉴于此我们提出融合气象雷达回波与水文实测数据的无人机测流调度方法来解决现有的问题。

技术实现思路

1、本发明的目的在于提供融合气象雷达回波与水文实测数据的无人机测流调度方法，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：融合气象雷达回波与水文实测数据的无人机测流调度方法，包括以下步骤：

3、s1：实时获取目标流域的气象雷达回波强度数据、各水文测站的实时流速数据及设备健康状态码；

4、s2：构建测站失效风险指数模型，融合雷达回波强度数据对应的上游降水积分量、测站的实时流速与其量程的比值以及设备健康状态码，计算各测站的失效风险指数；

5、s3：当失效风险指数超过预设阈值时，触发无人机应急调度指令，并利用洪峰演进模型估算洪峰到达高风险测站的洪峰到达时间；

6、s4：基于洪峰到达时间对无人机调度施加时间约束，调度无人机在洪峰到达时间之前完成起飞并抵达目标断面上空悬停；

7、s5：无人机抵达后，采用非接触式测流算法对目标断面进行表面流速测量，并结合断面水深数据推算断面总流量，实现固定测流设备失效时的无缝数据接管。

8、进一步地，步骤s2中测站失效风险指数的计算公式为，其中，vcur为测站当前实测流速，vmax为设备额定最大量程，rrain为由雷达回波强度转换得到的降水强度，ω为测站上游汇水区面积，flagstatus为设备自检码，α、β、γ为权重系数。

9、进一步地，降水强度rrain通过z-r关系由雷达回波强度dbz转换得到rrain = a·10dbz/(10b)，其中参数a、b依据流域气候特征进行区域率定。

10、进一步地，步骤s3中的洪峰演进模型为马斯京根洪水演进模型，洪峰到达时间tflood = lriver/cwave，其中lriver为暴雨中心至高风险测站的沿河距离，cwave为洪水波速。

11、进一步地，步骤s4中的时间约束为tdrone < tflood - tbuffer，其中tdrone为无人机到达目标断面的时间，tbuffer为预设的安全缓冲时间，tflood为洪峰到达时间。

12、进一步地，步骤s5中的非接触式测流算法为大尺度粒子图像测速算法，无人机在悬停状态下拍摄水面视频，通过相邻帧图像的互相关分析提取表面流速场，并利用两岸静态固定物进行逐帧仿射变换图像配准以消除机体晃动误差。

13、进一步地，步骤s5中的非接触式测流算法可根据环境光照条件自动切换，白天存在光照时采用视觉lspiv相机，夜间或降雨时切换为毫米波测流雷达。

14、进一步地，断面水深数据由预存断面测量数据结合实时水位推算获得，或由机载激光雷达实时测量获得。

15、进一步地，当多个水文测站的失效风险指数同时超过预设阈值时，采用优先级拍卖算法将多个接管任务分配至多个无人机机巢，实现多无人机协同接管调度。

16、进一步地，权重系数α、β、γ由历史设备损坏记录通过逻辑回归拟合得到，预设阈值为0.85。

17、与现有技术相比，本发明的有益效果是：

18、1、本发明通过将气象雷达回波数据与水文测站实测流速及设备健康状态深度融合，构建了定量化的测站失效风险指数模型。该模型不仅关注当前流速是否超限，更通过上游雷达降水积分量预判洪峰演进趋势，能够在固定设备完全失效前平均25~45分钟发出分级预警，并自动触发无人机应急调度。在山区河流特大暴雨场景中，系统在a站固定流速仪被冲毁前25分钟即完成无人机起飞和悬停就位，在设备中断的关键时刻实时推算出断面流量3500m3/s，实现了零数据中断的无缝接管，相比传统“事后起飞”模式，关键水文数据覆盖窗口延长约40分钟，为防汛决策提供了连续、可靠的数据支撑，跨域融合预警实现“提前接管”，保障水文数据连续性。

19、2、本发明提出的失效风险指数模型采用指数函数表征流速量程比的风险非线性增长，结合上游汇水区降水积分量和设备自检状态码，并通过历史设备损坏数据拟合权重系数，实现了对测站失效概率的定量化评估。当风险指数达到0.85阈值时，对应设备损坏概率约85%，预警准确率高。该模型避免了传统人工巡检或固定周期判断的主观性和滞后性，使调度系统能够在风险累积阶段即启动响应，显著提升了应急测流的主动性和精准性，风险指数模型实现设备失效的定量预判，提升调度精准性。

20、3、本发明利用马斯京根洪水演进模型估算洪峰从上游暴雨中心到达高风险测站的时间，并施加无人机到达时间的提前量调度约束。该约束确保无人机在洪峰最高、水流最急、固定设备最易被冲毁的时刻已稳稳悬停在断面上空，而非在设备损坏后才紧急起飞。在台风登陆场景中，应用本发明的调度约束使无人机接管任务完成率从传统人工调度的67%提升至91%，平均航程缩短24公里，有效避免了因时间窗口误判导致的接管失败，洪峰演进时间约束消除接管时机失误，提高任务完成率。

21、4、本发明在无人机悬停测流中采用大尺度粒子图像测速（lspiv）算法，并引入基于两岸静态固定物的逐帧仿射变换图像配准，有效消除了机体在风雨中的微小晃动对流速测量的干扰。实测表明，在风速≤10m/s的恶劣气象条件下，表面流速测量误差可控制在8%以内，结合转换系数推算的断面流量与同期浮标比测结果的偏差在±5%以内，满足水文测验规范（ii类精度）要求。该算法在机载边缘计算板上实时运行，仅向指挥中心回传流量结果和关键帧，大幅节省了通信带宽，适应极端工况下的有限网络条件，lspiv空中测流算法保障极端工况下的测流精度。

22、5、本发明的无人机测流载荷可根据环境光照条件自动切换：白天或光照充足时采用视觉lspiv相机，夜间或强降雨能见度低时切换为毫米波测流雷达，实现全天候测流能力。针对多个水文测站同时告警的场景，本发明采用优先级拍卖算法进行多无人机协同任务分配，在3个测站同时触发红色预警时，拍卖算法在1.8秒内完成4个机巢的任务分配，3架无人机均满足提前到达约束，实现了100%的数据连续性覆盖。断面水深数据可由预存断面测量结合实时水位推算，或由机载激光雷达实时测量，进一步提升了流量推算的灵活性和精度，多载荷自适应与多机协同增强系统鲁棒性。

23、6、本发明中的z-r关系参数可依据流域气候特征进行区域率定，洪峰演进模型也可替换为基于长短期记忆网络（lstm）的数据驱动模型以提升预测精度。这种模块化设计使得本发明的技术方案具有良好的可迁移性，能够适应不同地理气候条件下的流域水文特征，具备广泛的应用推广价值，模型可迁移性强，适用于不同流域特征。