《Water Resources Research》：Auto-STIV: A Deep Learning Framework for Fully Autonomous Two-Dimensional Streamflow Velocity Vector Field Estimation
编辑推荐：
准确的连续河流流量监测可支持有效的水资源管理，然而由于运行挑战和成本，国家水文站网仍存在显著缺口。非接触式、基于图像的技术，如时空图像测速（Space-Time Image Velocimetry, STIV），为测量河流表面流速提供安全、可扩展且经济的替代方
准确的连续河流流量监测可支持有效的水资源管理，然而由于运行挑战和成本，国家水文站网仍存在显著缺口。非接触式、基于图像的技术，如时空图像测速（Space-Time Image Velocimetry, STIV），为测量河流表面流速提供安全、可扩展且经济的替代方案，从而支持流量计算，尤其是在危险洪水事件期间。然而，传统STIV方法通常需要人工参数调优，并在复杂流动条件下表现困难。本研究介绍Auto-STIV，一种新型深度学习框架，可从视频影像中全自动估计流向和流速大小。所提方法采用两阶段卷积神经网络（Convolutional Neural Network, CNN）模型。第一阶段通过分析由一系列候选方向生成的时空图像（Space-Time Images, STIs）堆栈来预测主流向。第二阶段从与预测方向对应的STI估计流速大小。该模型在多样、受控实验室条件下采集的综合数据集上训练，并使用科罗拉多河（Colorado River）的真实影像评估。结果表明，Auto-STIV优于传统的基于自相关（autocorrelation）的STIV方法，在可变光照、低对比度表面纹理和复杂流动模式等挑战性环境因素存在时，表现出更高准确性和更强鲁棒性。本研究强调深度学习增强基于图像测速能力的潜力，可能支持更可靠、可扩展和自动化的河流流量监测系统。
研究背景与问题：准确、连续的流量监测对水资源管理、洪水预报、基础设施设计和环境保护至关重要。美国地质调查局（U.S. Geological Survey, USGS）维护国家水文站网（National Streamgage Network, NSN）和联邦优先水文站网（Federal Priority Streamgages, FPS），但运行挑战和成本导致站网缺口；FPS中部分站点仅监测水位或季节性运行。天然河流表面流速测量，尤其洪水期，仍很困难。传统声学多普勒流速剖面仪（Acoustic Doppler Current Profiler, ADCP）和声学多普勒流速仪（Acoustic Doppler Velocimeter, ADV）需接触水体，具侵入性、危险性，并受可达性、成本和部署限制。图像测速提供非接触替代。时空图像测速（Space-Time Image Velocimetry, STIV）从视频生成时空图像（Space-Time Image, STI），条纹方向反映表面特征运动；但传统STIV依赖梯度张量、自相关函数（Autocorrelation Function, ACF）和二维STIV（two-dimensional STIV, 2D-STIV）等，在可变光照、低对比纹理和复杂流态下退化，计算昂贵且需人工调参。流向常由人工指定，或用Hough变换、ACF暴力搜索候选方向，计算密集且现场验证不足。因此，研究人员开展Auto-STIV，旨在用深度学习全自动估计流向和流速大小，避免暴力搜索和人工调参，并将流向视为候选STI方向的分类或加权问题，学习物理流向而非ACF最大相关方向，以利流量估计中断面法向速度分量。
研究人员提出一个两阶段CNN框架，第一阶段从候选方向STI堆栈预测主流向，第二阶段从预测方向对应的STI估计条纹角并换算流速大小；在受控水槽训练并在Colorado River现场测试。结果表明Auto-STIV优于传统ACF方法，具有更高准确性和鲁棒性，并可支持更可扩展、自动化的非接触河流监测。
关键技术方法（不超过250字）：研究采用两阶段CNN（Convolutional Neural Network，卷积神经网络）框架，两阶段共享CNN特征提取骨干。第一阶段在正射视频每个位置以10°间隔、180°范围生成19幅STI（Space-Time Image，时空图像）组成128×128×19张量，经注意力式softmax加权输出候选角度的凸组合以预测流向；第二阶段对预测方向对应的单幅128×128 STI用全连接头回归条纹角，再由公式换算流速大小。训练采用Adam、MSE（Mean Squared Error，均方误差）和旋转数据增强。模型在Pennsylvania State University Hydraulics Laboratory水槽37段视频上训练和验证；现场测试使用USGS于2023年在Colorado River下游Glenwood Springs附近采集的sUAS（small Unoccupied Aircraft Systems，小型无人航空系统）影像及ADCP参考数据。
研究结果：
3 建模训练与验证结果：训练和验证曲线显示两阶段优化稳定、泛化良好；第一阶段旋转增强提供方向变异性，第二阶段共享骨干收敛到较低绝对误差。定性比较显示预测角与人工标注在多种条纹可见度下接近，中、难STI不漂移至虚假角度。与ACF比较，CNN误差分布更窄、离群更少；ACF在挑战纹理下散布更大，并出现物理上不可能的预测。由此表明两阶段设计先缩小方向搜索空间、再在对齐STI上细化角度具有优势。
4 现场站点应用：在Colorado River下游Glenwood Springs的2023年USGS sUAS数据上测试，数据帧率24 Hz、空间分辨率2.77 cm，并含ADCP参考流量和流速。研究表明现场条件较实验室更具挑战。
4.1 流向估计：对100个随机网格位置生成STI堆栈，与16名不同经验标注者比较。Auto-STIV预测更集中于标注中位数；定量上覆盖率（coverage）为0.62，ACF为0.39；对范围平均偏差（Mean Deviation to Range, MDR）为5.53°，ACF为9.98°；对标注者平均误差（Mean Error to Labelers, MEL）为12.81°，ACF为18.44°。说明仅用实验室训练也能在现场获得优于ACF的流向估计，但现场比实验室更难。
4.2 STI条纹角估计：使用511幅现场STI（easy 288、medium 182、hard 41），与人工参考角比较。Auto-STIV在0.5°、1.0°、5.0°阈值下全体准确率分别为10.57%、23.68%、85.71%，ACF为4.89%、10.76%、58.90%；全局平均绝对误差（Mean Absolute Error, MAE）为3.28°，ACF为9.52°；各阈值MAE为3.64°–10.95°，ACF为10.00°–19.65°。因此Auto-STIV在各难度均优，hard类别仍优但绝对误差较大。
讨论部分总结：
5.1 流向估计：案例显示，泡沫表面纹理案例中模型未预测正确方向，原文指出训练集缺少类似泡沫纹理，但注意力权重仍趋向正确方向，ACF在该例有宽而清晰的峰；涟漪和小波案例中模型准确，ACF将主峰误判，泡沫反向流约60°导致ACF失败；低纹理和阴影案例中模型未落入人工标注范围，但注意力权重接近真值范围，ACF模式不清。模型表现依赖训练数据多样性；ACF在清晰纹理时仍可提供可靠估计。未来需扩展表面纹理和环境条件、通过合作或众包采用真实数据、加入不确定性量化。
5.2 STI主条纹角：实验室和现场均显示CNN较ACF降低MAE、提高准确率，且无需图像增强预处理或人工修正。成功案例中两者均好；低纹理、暗区案例中ACF因暗区负贡献将角度误估为31.5°，参考角为73.1°，Auto-STIV预测81.7°，更接近参考。未来可扩展训练数据、探索预处理，并用自适应裁剪或缩放处理不同STI尺寸。
研究结论（翻译）：本研究介绍Auto-STIV，一个统一深度学习框架，旨在从视频影像全自动估计河流流速矢量。通过将问题分解为两阶段，即先从候选方向堆栈预测流向，再估计流速大小，所提方法克服传统2D-STIV的计算低效和人工依赖。通过大量实验室实验和Colorado River现场应用验证，支持以下关键结论：自动流向估计，STI堆栈使流向估计可作为分类问题，有效识别主流矢量，无需暴力ACF搜索或人工指定；提高准确性与鲁棒性，Auto-STIV优于传统ACF，在受控水槽和复杂现场获得更高准确率和更低MAE，尤其可变光照、阴影和低对比表面纹理等传统方法常失败场景，这些结果未显式针对挑战场景调参，但学习行为趋向正确物理方向，显示强泛化能力和进一步改进潜力；泛化能力，模型从实验室训练数据成功泛化到Colorado River真实影像，尽管存在域偏移，网络保持一致性能，验证数据增强和共享CNN骨干的有效性。通过消除人工参数调优和干预，Auto-STIV为业务化水文测站提供可扩展方案，支持连续、实时、非接触河流监测。
