徐梦溪，施建强，王丹华

（南京工程学院计算机工程学院，江苏 南京 211167）

0 引言

人多水少、水资源时空分布不均是我国的基本国情和水情。当前我国水资源面临的形势十分严峻，水资源短缺、水污染严重、水生态环境恶化等问题日益突出，已成为制约经济社会可持续发展的主要瓶颈。2012 年国务院印发《关于实行最严格水资源管理制度的意见》（国发〔2012〕3 号），对实行该项制度做出全面部署和具体安排。随着国家高分对地观测系统重大专项的全面启动实施，从传统的地面、遥感监测到天地网一体的立体监测逐步发展成为流域水环境监管、水生态环境保护、水污染防治的主要技术手段。及时有效的监测不仅依赖于系统硬件建设，更依赖于对星-地多源监测信息的集成与整合利用。目前我国尚处于“硬件集成、功能集成”建设阶段，有关监测信息的高效可靠整合利用受限于局部、单项性的或某一等级的信息融合与共享，需要加强全域性融合及关键信息的捕捉、全景式综合关联分析等能力，以满足支撑提升水环境精细化分析与监管能力的需求[1][2]11–12[3–4][5]15–30。

目前，欧美发达国家在建设和使用天地网一体的水环境立体监测系统方面取得了显著进展，在大气环境监测应用方面已经基本达到业务化应用程度，在水环境和水生态监测应用方面正在进行应用示范。我国在立体监测系统建设上仍处于起步阶段，还存在建设费用高、数据融合标准不统一、数据共享机制、整合利用亟待建立等问题。天地网一体化监测体系建设是一个需要各部门共同推动的工程，只有协调好卫星遥感、地面站点及航空获取的监测数据，才可能使其在一个平台上实现信息/数据融合、数据共享，全面性整合利用，真正构建起地面、卫星遥感和信息网络监测三位一体的立体监测系统。

天地网一体的水环境监测信息/数据采集汇聚与整合利用研究在很大程度上是围绕着“信号—数据—信息—知识”这一信息链展开的，并构成了信息采集、传输、汇聚、处理、利用的全链信息处理过程。天地网一体的水环境监测采集的信息/数据，来源于地面站网和多源星载传感器平台，还包括互联网涉水数据采集（包括统计部门的产业月报、城建部门的供排水月报、工业部门的主要产品、农业部门的主要农产品等数据）。这些采集的信息，其数据特征具有海量异构、多源多尺度、多周期多速率等性质，数据型式在属性、模态、维度、结构、量纲上有很大不同，在时间和空间尺度、分辨力、误差量级上也均存在差异，且受强时空过程性、渐变与累积突变性、模糊性、多种不确定性等综合复杂性影响，给天地网一体的水环境监测信息采集汇聚、关联与整合利用带来困难。基于此，本研究提出一种水环境监测信息采集汇聚、关联与整合利用的总体设计方案，并对相关的关键技术分析和讨论。

2 关键技术分析

天地网一体的水环境立体监测平台是以广域通信公共网络、水利业务网、水利政务内网、卫星通信网、边缘网络等水利信息网络连接组成信息传输平台，基础和应用数据库为基础的多源信息获取系统。监测信息的采集汇聚与整合利用，其总体方案设计和要解决的关键技术如图1 所示。以提高整个监测区域的有效信息捕捉和支撑提升水资源水环境综合关联分析能力为目标，针对需要解决的多源监测信息整合利用受限、专题信息捕捉与精细识别困难、综合关联分析能力薄弱等关键科技难题，以天地网一体的立体监测体系建设现实需求带动大数据、云计算等高新信息技术应用。天地网一体化水资源水环境监测信息采集汇聚与整合利用的关键技术主要包括：天地网一体的水环境立体监测信息云端化汇聚对接；天地网一体的动态监测信息融合与重构；大数据驱动的敏感信息捕捉与全景式综合关联智能分析。

图1 总体方案设计和关键技术

2.1 立体监测信息云端化汇聚对接

天地网一体的水环境立体监测信息云端化汇聚对接需要研究以下内容：多体制协同组网与 QoS（服务质量）动态自适应保障技术；海量异构数据云端化汇聚整理技术；海量异构数据的规范化描述和统一访问技术[6–9][10]5–20。

针对流域/跨省域及地面站网边缘网络业务应用域自治、各自治域间衔接不畅，通信体制差异导致传输性能一致性受限等问题，需要考虑解决传感网（边缘网络）/专用 VHF 超短波或微波信道/3G（4G）/水利卫星通信协同组网与接入方法，通过开发基于时延自适应的水文测报无线资源管理关键技术，解决动态自适应端到端全域性数据传输QoS[2]12–14 [5]31–56 [10]20–40。

对于海量异构数据的云端化汇聚整理，应考虑到天地网一体的综合信息采集手段的扩展对传统数据组织方式、存储模式和处理方法的影响，通过建立海量异步异构跨尺度数据关联模式深度学习认知与多层次多尺度对接机制和云服务模式，完成星-地多源数据云端化汇聚整理，形成可支持流域/跨省域综合业务服务的不同时空域、结构（结构化、半结构化和非结构化）、多模态高维数据规格化对接解决方案。

另外，还需要针对信息化基础实施受项目投资来源不同、建管分散、建期不同、技术差异等影响，以及行业、部门（橫向纵向）分散的信息链管理体制，提出云服务模式的海量数据虚拟化存储解决方案，构建信息资源目录注册、发布、发现和使用的服务机制，以实现对整个监测区域的全域性多源数据规范化描述和统一访问。

2.2 动态监测信息融合与重构

信息融合的概念源于 20 世纪 70 年代初，即把多种传感器获得的数据进行融合处理，以得到比单一传感器更加准确和有用的信息。之后，信息融合的概念不断扩展，被处理的对象不仅包含多平台、多传感器、多源信号和数据，还包括符号、知识和经验等多种信息。应用领域也从国防、工业等行业，拓展到海洋、气象、环境、资源、农业、水利、交通等行业。

目前信息融合的一般定义为：利用计算机技术，对按时序获得的若干传感器监测信息在一定准则下加以自动分析、优化综合以完成所需的决策和估计任务而进行的信息处理过程。各种传感器及多传感器系统平台网络是信息融合的基础，多源信息是信息融合加工的对象，协调优化和综合处理是信息融合的核心[11–14][15]1038–1040[16]28–30[17]1050–1055[18]。

在天地网一体的水环境动态监测应用中，信息融合与重构的任务是为业务应用提供空间对应、时间连续的高质量基础和决策数据。目前有关基于系统科学方法论对天地网一体的立体监测信息融合处理的研究还不深入，尚缺乏在系统级上研究设计信息融合模型和系统的总体设计框架，多聚焦于局部、单项性的或某一等级的信息融合技术的应用。多见于单一（或少数）卫星遥感平台与地面单（或少数）要素传感器间、雷达/可见光/热红外遥感间的所谓“静态”，某一等级的融合[15]1040-1049[16]31-38[17]1055-1058。因此需要在研究多尺度-异步时空基准下的星-地数据匹配复合技术基础上，重点研究解决对于整个监测区域的全域性高时空一致性连续信息流融合重构方法和技术。

时空尺度转换是完成时空数据的匹配复合基础。针对天地网一体的水环境动态监测多传感器系统时空基准、采样周期不一致等原因，导致监测数据时空不同步、数据率不一致和数据质量差异大等问题，需要建立多尺度-异步时空基准下时空尺度转换模型，设计异步时空基准下的时空适应性匹配复合、插值算法，开发对应的时空适应性匹配复合软件和经融合互补形成新数据集的时空插值软件。

天地网一体的监测信息/数据可以看成是由数以万计的地面/星载传感器（含“软”传感器数据）产生的随时间延续而不断增长的动态数据集合，即天地网一体的多传感器系统持续产生的众多“数据流”。融合重构处理的任务是：通过对低质量观测数据的汇集、关联、融合、外推等多环节多层级的综合，整合生成（重构）若干所期望的高时-空一致性连续信息流。该信息流是随时间延续而不断增长的高质量数据集合序列，应能为生成不同监测应用主题或指标/特征/应用等专题所需要的更高级数据产品提供基础。

2.3 敏感信息捕捉与综合关联智能分析

水利部关于推进水利大数据发展的指导意见中明确提出：加强对水环境数据的关联分析，实现对流域重要水功能区、规模以上入河排污口、重要饮用水源地等监测信息评估，增强水环境趋势分析和预警能力，支撑水环境精细化分析和监管。现有的水环境监管、水质预警预报平台对于敏感信息的捕捉和精准预警，快速溯源和预测预报功能有待提高。突破这一瓶颈的关键是充分利用天地网一体的立体监测和大数据技术，实现对水环境质量状况、变化趋势、潜在风险的客观认识和及时准确的风险评估，提高流域水环境监管、水生态环境保护、水污染防治的科学管理决策水平[19]。

与水环境监测和科学管理高度关联的气象、水文、地质、工农业生产、城乡生活等大数据日益丰富，研究大数据驱动的新型敏感信息捕捉与综合关联分析方法和技术，已成为提高信息的捕捉和精准预警、快速溯源等能力的有效途径。大数据驱动的敏感信息捕捉与全景式综合关联智能分析技术，涉及构建水环境要素动态关联知识库，水质水量异常/污染灾变前兆信息挖掘，以及水量-水质-地物-污染多时空特征组合关联模式发现等，为增强水环境趋势分析能力和提升精细监管与精准预警能力提供支撑技术手段[20–21]。

为实现基于星-地大数据的水环境敏感信息捕捉与综合关联分析，首先需要构建水环境要素动态关联知识库。通过开发键值匹配分离和负载均衡的混合 MapReduce 星-地大数据搜索引擎，研究星-地大数据降尺度与同化方法，在此基础上，构建遥感反演、地面站网监测与历史水量水质的异常要素动态关联知识库，为水环境敏感信息捕捉与综合关联分析提供了知识库基础。

针对目前对水环境质量综合关联分析的前兆证据、警讯、灾变要素等难以辨识的现状，结合遥感反演、地面站网监测与历史水量水质的异常要素动态关联知识库，通过建立分层 Markov 的致灾要素关联匹配与模拟仿真系统模型，基于领域知识元的水量水质变化过程与地理特征匹配的研究策略，实现异常/污染灾变前兆信息的挖掘；通过建立异常/污染灾变前兆信息动态要素库，可显著提高前兆信息获取的完备性，实现对敏感信息的捕捉和水量水质异常的前兆信息精细模式识别。

通过分析不同时期不同区域典型的历史水质污染灾变事件，在阐释典型城镇化地区水系、地形、土壤植被、建筑物、排污等影响水量-水质-地物-污染的综合关联因素基础上，构建水量水质关联特征与污染相似性组配体系；基于深度学习的星-地大数据挖掘方法，结合时空推理，研究提出水量-水质-地物-污染多时空特征组合关联模式发现方法，以支撑提升业务应用平台对于污染源与水环境质量综合关联分析、快速溯源和预测预报的能力。

3 结语

随着国家“高分对地观测系统”重大专项的全面启动实施，水环境监测正在从传统的地面监测、遥感监测发展为天地网一体的立体监测新阶段。本研究结合天地网一体的水环境立体监测信息/数据采集汇聚与整合利用的应用需求，提出一种多源监测信息采集汇聚、关联与整合利用的总体设计方案。基于信息融合的系统性解决方案，对来自气象、水文、环境、遥感等星-地多源信息完成全域性融合，为水利、环境领域业务应用提供空间对应，时间连续的高质量基础数据和决策数据。基于大数据驱动的技术手段，完成敏感信息的捕捉和全景式综合关联智能分析，以支撑提升系统精细化监测能力。