近日，学院李昱教授团队与软件学院薛昕惟副教授在水文机会感知领域取得新研究进展。研究成果“基于视频的降雨机会感知”（Video-Based Rainfall Opportunistic Sensing in Hydrology: A Lightweight Machine Learning Approach）在水资源领域顶尖刊物Water Resources Research发表。该成果由我校24级水文学及水资源专业硕士研究生金勇成、20级水文学及水资源专业博士朱喆、软件学院薛昕惟副教授、英国埃克塞特大学水系统中心Guangtao Fu教授、建设工程学院张弛教授和李昱教授共同完成，论文通讯作者为李昱教授。

图1: 基于视频的降雨机会感知方法框架

“落地雨”强度和时程的准确观测是水文水资源领域的重点和难点，基于视频的降雨机会感知是目前降雨测量的前沿探索，有望使广泛分布的摄像头和智能手机服务于降雨时序观测。但降雨期间的降雨记录视频往往背景噪声复杂，雨痕（即雨滴下落过程在视频帧中形成的轨迹）特征的识别精度和鲁棒性难以保证，且在边缘计算场景中降雨测量的计算效率与精度难以兼得。针对这一瓶颈，研究团队发展了一种基于图像增强与渐进时序融合网络的轻量化视频测雨方法（CIEGA-NET），启发自计算机领域的视频去雨算法，通过恢复图像差分反向分离弱通量雨痕信号，并进一步映射至降雨强度测量，显著提升了视频测雨的计算效率和大雨场景监测能力。

研究团队在公共数据集以及来自大连、深圳和杭州等地包含监控摄像头和智能手机拍摄条件的23场真实降雨事件中开展验证，CIEGA-NET在完整降雨事件尺度上的平均相对误差为8.2%，相较于已有视频测雨方法，该方法在大雨事件中误差最大可降低约25%；同时，在常用视频分辨率下，该方法处理速度为每秒26帧，较物理方法快一个数量级，较CNN类方法快两个数量级。该方法对于当前我国数字孪生水网建设、城市内涝预警等工作具有重要意义。

图2: 多场景真实降雨视频中的雨痕分离效果(论文配图)

该研究成果充分体现了学科交叉在技术创新中的重要价值：软件学院薛昕惟团队长期深耕视频去雨与图像增强研究，建设工程学院李昱团队重点关注降雨机会感知、“摄像头移动雨量计”研究，二者结合为该问题的解决提供了关键基础。近年来，依托我校建设工程学院、信息与通信工程学院、软件学院三方共建的水网系统智能监测与调控学科平台，通过多学科交叉，在水文水资源领域顶尖刊物Water Resources Research、《水利学报》等国内外权威期刊发表多篇论文，团队人员合作搭建了开源代码库与七十余万字技术文档体系，标志着我校在水利+计算机领域的研究取得了显著成效。