水库泥沙淤积是威胁水库寿命、削弱防洪 / 发电 / 供水效益的核心问题，传统人工断面测量存在周期长、成本高、覆盖范围有限的短板。空天地遥感监测 + 智能决策支持的技术体系，可实现库区淤积大范围动态感知与冲淤调度的精准化、智能化管控，是当前水库工程管理的核心发展方向。

一、水库泥沙淤积遥感监测技术体系

淤积遥感监测的核心逻辑是通过多源遥感手段反演库区水下地形、水域边界、含沙量分布等参数，结合历史地形数据定量计算冲淤量、淤积速率与空间分布，为调度提供基础数据支撑。

1. 多源遥感数据源及适用场景

不同数据源在监测精度、水深范围、天气适应性上形成互补，构成 “星 - 机 - 地” 一体化监测网络：

（1）光学卫星遥感：代表载荷为高分六号、Sentinel-2、Landsat 系列，基于水体光谱辐射传输原理反演浅水水深，适合 0~20m 水深、水体透明度较高的库区浅水区与消落带监测。结合计算机视觉语义分割算法（如 U-Net、Mask R-CNN）可自动高精度提取水体边界，解决传统指数法的细碎误差问题，支撑季度 / 年度尺度的淤积动态普查，优势是时间分辨率高、数据易获取，劣势是受云雾、高浊度水体干扰显著。

（2）合成孔径雷达（SAR）：代表载荷为高分三号、Sentinel-1，利用雷达波的全天候穿透性，以及水下地形对表层流场的调制作用反演水下地形，可在多云雨地区开展常态化监测。同时极化 SAR、时序 InSAR 技术可同步监测库岸塌岸、消落带地形形变，辅助识别岸坡淤积来源。

（3）测深激光雷达（LiDAR）：机载测深 LiDAR 可穿透清洁水体，获取 0~50m 水深的厘米级水下地形点云，垂直精度可达 0.15~0.3m，用于重点库区的高精度淤积测绘；星载 LiDAR（如 ICESat-2）提供沿轨断面水深数据，用于大尺度库区地形校验与库容核算。

（4）卫星测高数据：Jason 系列、CryoSat-2 等雷达高度计可获取长时序水位序列，结合水位 - 库容曲线间接推算累计淤积量，适合几十年尺度的水库淤积趋势分析，成本低但精度依赖库容曲线可靠性。

2. 淤积量定量反演核心方法

（1）水下地形直接反演法

通过遥感反演全库区水下 DEM，与历史基准地形做差直接计算冲淤量，是精度最高的监测方式：

A、经验统计模型：建立实测水深点与遥感波段 / 波段组合光谱值的线性 / 对数回归关系，简单易实现，但需大量原位数据校准，泛化能力弱。

B、半分析物理模型：基于水体辐射传输方程，分离纯水、悬浮物、叶绿素的光学贡献，推导水深与光谱的物理映射关系，本地化校准后浅水反演精度可达 1~2m。

C、深度学习端到端反演：采用 CNN、Transformer 网络融合多波段光谱、纹理、地形先验信息，自动拟合水深与光谱的非线性关系，在浊度波动大的区域精度显著优于传统模型。

（2）同水位冲淤对比法

选取水位一致的两期遥感数据，通过水域 / 库容差异间接推算淤积量，适合缺乏高精度地形的水库：

A、消落带面积法：相同水位下消落带出露面积的减少量对应淤积厚度，可快速识别库区边缘的淤积分布。

B、库容差分法：基于多期水位 - 库容曲线，通过同一水位下的库容差值计算累计淤积量，核心公式为： ΔV = V₁(H) - V₂(H) 其中 ΔV 为时段淤积量，V₁、V₂分别为前后两期相同水位 H 对应的库容。

（3）泥沙输移过程辅助法

结合遥感反演的入库含沙量、库区表层流场，耦合一维 / 二维水沙动力学模型，模拟泥沙沉降、输移、冲刷的动态过程，实现淤积时空分布的连续模拟与预测。其中水体含沙量多通过归一化差异悬浮物指数（NDSI）结合原位采样标定反演。

3. 关键技术难点与优化方向

（1）深水 / 高浊度区域反演精度不足：采用 “光学 + SAR + 测高” 多源数据融合，引入水动力模型作为物理约束，构建数据 - 模型双驱动的融合反演框架，提升深水区域反演可靠性。

（2）消落带复杂地形误差：融合无人机 LiDAR 获取的消落带高精度地形，补充卫星遥感的空间分辨率短板，形成星机地协同监测体系。

（3）淤积物属性识别困难：利用高光谱遥感识别泥沙粒径、有机质含量，结合极化 SAR 散射特征区分淤泥、砂质淤积，为冲淤调度提供更精细的淤积物参数。

二、水库冲淤调度智能决策支持系统

冲淤调度的核心是在防洪、供水、发电等多目标约束下，通过优化水位调控、泄流方式、排沙时机，实现 “拦粗排细”、减缓库区淤积。智能决策支持系统以多源监测数据为底座，耦合水沙物理模型与人工智能算法，形成 “感知 - 预测 - 优化 - 仿真 - 执行” 的闭环决策体系。

1. 系统总体四层架构

（1）感知层：整合遥感监测数据、库区水文 / 水位 / 含沙量原位站网数据、流域降雨预报数据、水工建筑物运行数据，实现水沙情势空天地一体化实时感知。

（2）数据层：构建水库水沙时空数据库，存储历史地形、淤积时序、水文气象、工程参数等数据，通过数据清洗、时空对齐、融合处理，输出标准化模型输入。

（3）模型层：核心包含淤积预测模型、水沙动力学仿真模型、多目标调度优化模型三大模块，嵌入数字孪生底座实现调度过程可视化推演。

（4）应用层：提供淤积态势预警、常规调度方案生成、应急调度优化、方案比选评估、指挥调度大屏等功能，面向管理部门提供人机交互决策界面。

2. 核心智能模型与算法

（1）淤积动态预测模型

A、数据驱动预测：基于长时序遥感淤积监测与水文数据，采用 LSTM、GRU 等时序深度学习模型，预测不同入库水沙条件下的淤积速率与空间分布，适用于中长期淤积趋势预判。

B、物理 - 数据耦合预测：将 HEC-RAS、MIKE21 等水沙动力学模型作为物理约束，用 AI 模型动态率定糙率、泥沙沉降速度等参数，兼顾物理机制合理性与数据拟合精度，提升短期预测可靠性。

（2）多目标调度优化算法

冲淤调度属于典型多目标优化问题，核心目标包括最大化排沙效率、最大化发电效益、最小化供水损失、满足防洪水位约束，常用算法分为三类：

A、启发式优化算法：遗传算法（GA）、粒子群算法（PSO）等，用于生成调度方案帕累托最优解集，供决策者根据优先级选择，适用于中长期常规调度。

B、深度强化学习（DRL）：采用 DQN、PPO 等算法，以实时水沙状态为输入、泄流流量与水位调控为动作空间，通过与仿真环境交互训练，实现汛期突发来沙场景的秒级应急动态调度。

C、知识图谱 + 规则推理：沉淀历史调度经验与专家知识构建冲淤调度知识图谱，基于规则推理生成基础调度方案，再结合优化算法微调，兼顾决策可解释性与最优性。

（3）调度方案仿真评估

基于数字孪生技术构建库区三维地形与水工建筑物模型，耦合水沙动力学模型，对生成的调度方案开展可视化仿真，直观展示不同时段的库区流场、含沙量分布、冲淤变化，定量输出排沙量、发电量、供水保证率等核心指标，实现 “预演 - 评估 - 优化” 的闭环迭代。

3. 典型智能调度策略

（1）异重流精准排沙：通过遥感 + 原位监测识别入库异重流形成条件（含沙量、流量、水温差），提前预测异重流到达坝前时间，优化排沙孔开启组合与坝前水位，最大化异重流排沙效率，减少无效弃水。

（2）汛期洪水冲淤：汛期利用洪水过程降低库水位，增大库区流速冲刷前期淤积。智能模型可优化起冲水位、冲泄流量与持续时间，平衡冲淤效果与防洪、发电损失。

（3）溯源冲刷优化：模拟库水位下降速率与淤积三角洲溯源冲刷强度的关系，优化水位下降过程，在保障坝坡稳定的前提下最大化冲刷量。

三、技术应用现状与发展趋势

1. 典型工程实践

（1）黄河小浪底水库：构建 “卫星遥感 + 断面监测 + 水沙模型” 的调度决策体系，通过年度调水调沙实现库区泥沙冲刷，是我国水库冲淤调度的标杆工程。

（2）三峡水库：利用多源遥感监测库区淤积分布与消落带变化，耦合一维水沙模型开展汛期水位优化调度，减缓库区末端淤积、改善通航条件。

2. 未来技术方向

（1）空天地水下一体化监测：卫星星座、无人机 LiDAR、水下机器人协同，实现四维立体淤积监测，大幅提升时空分辨率与监测精度。

（2）数字孪生深度赋能：构建水库全要素数字孪生体，实现淤积发展与调度过程的沉浸式可视化、交互式推演，提升决策直观性。

（3）领域大模型驱动决策：训练水库水沙调度领域大模型，融合监测数据、调度案例、专业知识，实现自然语言交互的方案生成与风险问答，降低决策门槛。

（4）梯级水库群联合调度：从单水库调度向干支流梯级群协同调度拓展，实现流域泥沙整体调控，提升流域水沙资源综合利用效率。