地表水指陸地表面上動態水和靜態水的總稱，亦稱“陸地水”，包括各種液態的和固態的水體，主要有河流、湖泊、水庫、沼澤、坑塘、冰川、冰蓋、積雪等。地表水資源調查是查明流域內水量和水質的時間變化和地區分布而進行的水文調查工作，為水資源評價提供依據，服務于資源管理、生態建設、國民經濟和社會發展。

一、地表水調查的目的與意義

全面了解和掌握地表水資源的數量、質量、空間分布及動態變化等狀況，為水資源規劃、管理、保護和合理利用提供科學依據。通過地表水調查評價，可以為政府決策部門提供決策支持，為企、事業單位提供生產經營依據，為社會公眾提供生活用水參考。

圖1 地表水資源類型

二、地表水調查評價的主要內容

水資源基礎調查主要工作包括水域空間調查、水儲存量調查、水資源量調查、水資源質量調查、年度變化調查、綜合評價等。

水域空間調查評價

以第三次國土調查及年度國土變更調查成果確定的水域范圍為基礎，充分利用多源遙感影像、城市國土空間監測水網數據成果，提取河流、湖泊、水庫、坑塘等的空間范圍信息，形成全國地表水水域空間調查工作底圖，調查查明水體的位置、分布、流量、類型、所處地貌單元等屬性信息。分析地表水資源的空間分布及時空變化特點，揭示水資源與地理、氣候、植被等因素的關系。

水儲存量調查評價

以地表水水域空間調查確定的水域范圍作為地表水儲存量調查的邊界，根據調查對象類型選取合適的測量方法布設測量線、測點，設定測量間隔，對河流、湖泊、水庫、坑塘進行水下水深、地形測量。結合水域空間調查成果和實地測量數據，通過遙感反演等方法構建“水面面積-水深-水儲存量”數學估算模型，計算地表水儲存量數據，開展儲存量調查評價。（參考《水位觀測標準（GB/T 50138）》、《內陸水域水下地形測量技術規程》等標準）

水資源量調查評價

通過對地表水產流量、水位、儲存量等參數的測算與分析，評估地表水資源的總量及可利用量、時空分布特征和演變趨勢等信息。

水資源質量調查評價

通過對地表水進行化驗分析，了解其化學、生物和物理指標，評價水質的優劣及變化趨勢。（參考《地表水環境質量標準》、《河湖健康評估導則》等標準）

水資源年度變化調查評價

通過多期遙感影像開展監測，獲取河流、湖泊、水庫不同期次水域空間范圍，全國主要獲取豐水期、枯水期水域范圍信息，掌握地表水資源水域空間、水面面積年度變化情況并形成年度變化成果。

在湖泊、水庫、重點河流水下地形測量和水陸一體的地表水三維模型基礎上，利用湖泊、水庫、重點河流等水域范圍和水位年度變化資料，計算不同期次儲存量，掌握地表水體儲存量年度變化情況。

通過河流、湖泊、水庫水面面積年度變化數據和湖泊、水庫、重點河流等水體儲存年度變化數據，分析評價地表水資源在時間尺度上的變化規律。

綜合評價

利用最終形成的調查評價成果，進一步圍繞地表水資源稟賦、變化趨勢、空間分布格局與匹配程度、生態格局影響等方面開展綜合評價。

數據庫建設

綜合基礎地理數據、元數據、調查評價數據、資料圖件建設數據庫，實現對地表水資源矢量數據、屬性數據、遙感影像數據、統計評價數據以及資料數據的數字化、一體化管理。

三、地表水調查評價的流程與技術

圖2 技術流程

新技術在地表水資源調查中的應用

（1）基于遙感技術的水域范圍提取

利用最新的遙感影像,采用自動和人工相結合的方式，進行地表水水體類型識別，繪制河流、湖泊、水庫豐水期和枯水期的水域界線，坑塘的水域界線，明確水域范圍，利用多景影像分析判讀水域范圍變化，對地表水進行動態觀測。

AI智能自動解譯的應用。通過深度學習驅動的智能解譯、多源知識引導的要素自動提取、顧及空間異質性的樣本庫構建等前端技術，構建“智能計算后臺-智能引擎-人機交互前臺”人機協同智能解譯框架，創建智能引導的遙感監測新模式，研發遙感影像人機協同智能解譯系統，能夠使調查監測減少人海戰術、主觀因素多、人力投入大、作業效率低等問題,業務應用到多個自然資源門類板塊調查監測中。

（2）水文監測

通過設立水文站、水位站等監測設施，收集地表水流量、水位等實時監測數據。采用有人船、無人船、皮劃艇、無人機測量平臺，利用聲吶、單波束、多波束、測深桿、測深錘等測量工具測量水體深度；利用GNSS-RTK、PPP、PPK、全站儀等進行實地定位；利用水位計、水尺、GNSS、無水位模式進行水位觀測，獲取水位信息。

圖3 水文監測設備

（3）遙感水深反演

根據實測點的水深值回歸得到影像值與水深的關系，建立水深與光譜反射率的解析模型，利用輻射傳輸方程反演來監測水體深度。遙感數據的水深反演算法目前可分為單波段和多波段遙感影像的水深反演。

（4）水質化驗

常規利用化學、生物和物理方法對地表水進行化驗分析，測定水體中污染物的種類、各類污染物的濃度及變化趨勢，獲取水質指標數據，評價水質狀況。

圖4 水質化驗

（5）水質遙感

水質遙感可以通過衛星和航空遙感技術監測葉綠素a、懸浮物、濁度、總磷、溶解性有機質、水溫、透明度、重金屬污染等水質參數。水體中不同的沉積物濃度可以通過最大反射率來確定，水體表面的油膜污染可以通過水面反射的紫外線輻射進行監測，而葉綠素―a、懸浮物、溶解性有機質及其他水質參數等可以通過可見光不同的吸收和反射類型來確定。

利用人工神經網絡自適應選擇方法，融合神經網絡、支持向量機、分類回歸樹等AI算法，以水質遙感和檢測數據為特征，可實現非線性水質指標模型的構建和應用，將AI與光譜分析技術進行結合，近紅外光譜可用于快速檢測生化需氧量等水體水質指標，而耦合以最小二乘支持向量機為代表的AI算法可以提升近紅外光譜預測水質變化的準確性，為水污染的定量評估提供快捷方案；將反向傳播神經網絡和k均值聚類算法應用于激光誘導擊穿光譜分析，為高效、準確和低成本估算重金屬等傳統檢測時間長、檢測費用高的地表水水質必要指標提供了新的思路和方法。

四、地表水調查評價的挑戰

數據獲取難度大

由于地表水分布廣泛、數量多、變化復雜，獲取全面、準確的數據難度較大。因此，需要加強監測設施建設，提高監測技術水平。

數據處理分析復雜

大量的監測數據需要高效、準確的處理和分析方法。需要引入先進的數據處理技術和模型提高數據處理和分析的效率與準確性。再加上，地表水調查評價涉及多個部門和領域，如環保、水利、農業等，導致收集的數據種類繁多、數據格式不統一，致使加大了數據處理分析難度。

環境影響因素復雜

地表水體的質量受到多種環境因素的影響，如氣候、地形、土地利用方式等。這些因素的變化具有不確定性，使得地表水調查評價工作變得更加復雜，同時也加大了水體測量難度。

五、結語

地表水調查評價是一項極具挑戰的工作，清研集團積極籌備力量，組織相關學習，為應對本次全國水資源調查工作做了充足的準備，以期能和各位同僚互相探討，共同進步，不斷提升地表水調查評價工作的水平，為水資源保護和可持續利用作出更大的貢獻。

撰稿 | 任學偉 清研集團自然資源園林研究部研究員

編輯 | 扆國超

圖片 | 網絡