基于時序分析的港口航道水深變化研究及應用

戴紅偉 嚴明

摘 ?要：本文基于Python語言，設計并實現了港口航道水深變化分析軟件，可按照時序對歷史水深監測數據進行疊加對比沖淤分析，能直觀反映出港口航道水深變化情況及趨勢，為航道維護、海事監管等決策分析提供有力支持。

關鍵詞：時序分析;水深;沖淤分析

0 引 言

上海海事測繪中心負責江蘇、上海、浙江和福建三省一市公共港口、航道、航路及其他通航水域的測量工作，承擔轄區通航尺度核定測量工作和轄區測繪應急處置工作，在歷年的測量作業下積累有大量的港口航道水深數據資料。將這些數據按時間序列進行疊加對比分析，可以直觀地反映出港口航道水深變化情況，為測量規劃、航道維護、海事監管等提供指導，具有重要的現實意義。

1 技術方案設計

1.1 系統框架

實現港口航道水深數據的時序分析，需要進行數據入庫、建模、疊加對比等工作，為此設計系統框架如圖1所示，分為數據層、引擎層、服務層、應用層等4部分。

整個系統設計為C＼S架構，核心功能基于Python語言和開放的地理空間數據分析包GDAL進行開發。GDAL（Geospatial Data Abstraction Library）是一個在X/MIT許可協議下的開源柵格空間數據轉換庫，支持包括Arc/InfoASCIIGrid（asc），GeoTiff（tiff），ErdasImagineImages（img），ASCIIDEM（dem）等多種柵格數據格式，具有較強的通用性[1]。

1.2 水深數據入庫

為了方便使用和管理水深監測數據，本文設計采用SQlite來構建數據庫，SQLite也是一款通用性很強的開源軟件，可以進行定制開發。數據存儲的內容包括歷年水深監測數據、水深三維模型數據、生成的斷面線數據和輔助矢量GIS數據等。在錄入水深監測數據時，需同步錄入數據的采集時間。

1.3 水深數據建模

在本文中需要將水深數據進行DEM建模，設計為以GeoTIFF文件來進行存儲，相關的索引數據則錄入到數據庫中進行管理。GeoTIFF是TIFF （Tag Image File Format） 圖像文件的一種擴展，具有TIFF圖像可以保存豐富的圖像層次和細節的優勢，同時在TIFF的基礎上定義了一些GeoTag （地理標簽） ， 來對各種坐標系統、橢球基準、投影信息等進行定義和存儲， 使圖像數據和地理數據存儲在同一圖像文件中，方便制作和使用帶有地理信息的圖像。

1.4 水深數據疊加對比

在水深變化分析中，最核心的需求就是將歷年的水深監測數據進行疊加對比分析，查看同一點位或同一斷面線在不同的時期下的水深值變化情況，以此來分析預判未來的變化，對于河勢演變分析、航道維護等有著重要意義。在本文中該功能主要基于GDAL庫來實現。

2 關鍵技術

2.1 空間插值模型選擇

常用的柵格數據集插值方法有反距離權重（IDW）加權插值和普通克里金（OrdinaryKringing）插值2種。2種方法各有優勢。

（1）反距離權重（IDW）加權插值

根據給定的控制點對和控制點的位移矢量（方向和距離），實現圖像每一個像素點的位移。反距離加權插值的方法是通過得到每一個像素點和選定控制點對的逼近關系，以及相對應的權重關系，求得像素點相對應的變化關系。逼近函數可以理解為對像素點p的影響程度，而權重函數則可以看成是對距離的權重，距離越遠，權重越小，如式1所示，其中fi（p）為逼近函數，wi（p）為權重函數。

式（1）

反距離權重加權插值法適用于水深監測點較多，且分布較均勻的情況，構建出來的DEM模型準確性會比較高。

（2）普通克里金（OrdinaryKringing）插值

克里金方法最早是由法國地理學家Matheron和南非礦山工程師Krige提出的，用于礦山勘探。這種方法認為在空間連續變化的屬性是非常不規則的，用簡單的平滑函數進行模擬將出現誤差，用隨機表面函數給予描述會比較恰當。克里金方法的關鍵在于權重系數的確定，該方法在插值過程中根據某種優化準則函數來動態地決定變量的數值，從而使內插函數處于最佳狀態。

本文采用的是普通克里金法，它的假設條件是，對于空間任意一點s處的觀測值z（s）都有同樣的期望c和方差σ2，即任意一點的值都是由區域平均值c和該點處的隨機偏差組成，所以可以導出普通克里金插值公式如式2所示。

式（2）

克里金方法考慮了觀測的點和被估計點的位置關系，并且也考慮各觀測點之間的相對位置關系，在水深點稀少時插值效果比反距離權重等方法要好，可以較好地反映區域整體地形起伏情況。

2.2 剖面數據生成

剖面數據生成的算法原理是，將選取的剖面線從屏幕坐標轉換成地理坐標，求出直線段方程，在根據采樣點距算出相應的XY坐標，代入到水深DEM模型中，從而生成離散的水深點序列，部分代碼如圖2所示。

2.3 沖淤分析

沖淤分析是核心功能，原理是通過設置區域范圍，將該范圍內2個不同時間序列的水深數據集，通過幾何代數運算，生成區域水深差值數據集。并根據具體需求，設定格網間隔、顏色等，生成的成果文件同樣保存為GeoTIFF格式。部分代碼如圖3所示。

3 算例應用

本文以長江口深水航道為例，選取了2020年5—8月深水航道的逐月水深數據，來分析該段時期內深水航道水下地形變化情況。

將4個月的水深數據按時間序列依次錄入軟件，分別利用插值算法生成DEM模型，如圖4所示。結果顯示該區域整體水深基本維持在12.5 m以上，未見有明顯的沖淤區域。

為進一步確認水下地形的逐月變化情況，利用軟件對該區域進行了沖淤分析，如圖5所示，其中正值代表淤積，負值代表沖刷。

從上圖中可以看出，5—6月，南港段及北槽中上段呈現微淤趨勢，北槽下段微沖，而導堤外段向海方向先淤后沖。6—7月水下地形變化明顯，南港上段向海方向先沖后淤，北槽上段和中段整體上呈現微沖趨勢，但在北槽中段末端開始向淤積轉變，改淤積趨勢蔓延至整個北槽下段，在導堤外段上段轉變為微沖狀態，而導堤外段地形變化與5—6月呈相反趨勢，向海展現為先沖后淤。7—8月水下地形變化與于6—7月基本保持一致，但是變化幅度有減小。此外，導堤外段地形變化再次轉變為先沖后淤。

而根據5月至8月的整體沖淤圖可見，3個月的沖淤變化與6—7月沖淤變化不僅在分布上基本保持一致，在幅度上也明顯保持一致。僅導堤外段地形變化呈現相反趨勢。因此可見，自南港段至北槽下段的5—8月地形沖淤變化主要集中于6—7月之間，而導堤外段沖淤分布上下段交替變化，最終5—8月呈現為上段淤積，下段沖刷。

4 結 語

本文通過研究，實現了對歷史水深監測數據的時序分析，能及時掌握水深變化情況及趨勢，更加直觀地為港航管理部門提供決策依據，充分發揮出了水深監測數據的作用。經實例驗證，分析結果準確可靠，具有較高的應用價值。

參考文獻

[1] Team GD . GDAL-Geospatial data abstraction library[J]. 2011.