螺河蜿蜒穿行于粤东群山之间，全长约102公里、流域面积约1356平方公里。曲折的岸线与复杂的山地地形，既孕育了流域生态之美，也给基层河湖巡护带来现实挑战：人工难以抵达的河段如何覆盖，分散的巡检信息如何汇聚，发现的问题如何更快定位并转化为治理依据？
7月16日，深圳信息职业技术大学飞鲤慧眼实践团赴汕尾市陆河县开展河道测绘专项服务。团队立足当地河湖治理需求，以无人机航测为数据入口，融合AI智能识别与数字孪生技术，探索贯通“实地踏勘—空中采集—智能识别—现场核验—台账管理”的工作链条，让专业所长走出课堂、进入河道，以青年科创力量服务广东省“百千万工程”。
让技术扎根河湖治理一线 技术下乡，不是将既有方案简单搬到田野，而是让每一项参数接受真实场景检验。抵达陆河后，队员分成2组，沿螺河主干流及重点支流徒步踏勘约6公里，逐段察看地形起伏、植被分布和无线信号遮挡情况，筛选出4个安全起降点位，为后续航测建立可靠的外业基础。
面对山高林密、峡谷信号干扰强等实际条件，团队没有套用通用航线模板，而是通过30次实地测算和45架次试飞不断校准方案，最终确定“主干流长距离带状航测+支流分段接力补测”的作业路径，并将航高设为103米、航向与旁向重叠率设为80%、地面分辨率控制在3.15厘米/像素。在数据精度与作业安全之间反复权衡，团队把人工难以抵达的深山偏远河段逐步纳入巡护视野，也使技术方案真正贴合山区河流的空间特征。
图 飞鲤慧眼实践团外业组执行河道无人机巡检
以数智提升河湖管护质效 外业采集与现场核验同步展开。连续4天，队员日均有效作业9小时，飞手沿预设航线推进航测，核验人员实时关注飞行姿态、信号状态与回传画面，并对AI初步识别的疑似排污口、河道淤积点等进行实地复核。对于无信号、无开阔起降场的河段，队员徒步携带设备深入现场，以“分段起降、逐段推进”的方式补齐数据空白。
在内业处理环节，团队完成航测影像拼接校正、点云解算与坐标匹配，生成高精度正射影像图和三维地形模型（影像分辨率优于3.15厘米/像素、点云密度1010点/平方米、高程精度优于0.0315-0.063米），并以实地复核数据训练优化AI识别算法，持续提升问题识别精度。在此基础上，团队整合无人机航测、地面人工监测和水文站实时数据，将河道地形、水质状况、沿岸植被等信息进行可视化呈现；同步建立“一河一档”数字化台账，记录河道基础信息、巡检数据、问题点位及整改进展，并与陆河县智慧水务平台对接互通，形成数据全闭环管理。
截至目前，团队累计完成90余公里河道全覆盖航测，采集全流域影像与地理空间数据超过150GB，污染识别准确率稳定在90%以上。数据不再只是航测成果，而成为问题定位、协同处置和过程追踪的共同语言，推动河湖巡护由“看见河道”进一步走向“读懂河道”。
图 螺河流域无人机带状航测航线规划界面
在服务基层中书写青春担当 智慧航测的价值，最终要体现为基层治理效能的提升。团队阶段性测算显示，相较于传统人工徒步巡护，无人机航测可将单河段巡护效率提升3倍以上，百公里河道排查周期由数天压缩至数小时；依托航测坐标精准定位，生态问题定位与应急响应时间缩短70%，常态化应用后年运维成本可降低60%以上。更重要的是，这一模式将分散巡查转化为连续数据、将经验判断转化为精准坐标，为山区河湖治理由被动处置向主动发现、快速响应延伸提供了实践支撑。
这场实践同样是一堂开在河岸边的专业课。学生在真实治理场景中检验课堂知识，在复杂环境中锤炼外业测绘、数据处理和团队协作能力，也在一次次踏勘、试飞与复核中理解技术背后的公共责任。基层提出的问题成为实践育人的鲜活课题，师生形成的技术成果又回到基层一线，校地双方由此建立起需求牵引、专业响应、成果落地的良性互动。
未来，团队将持续深化校地企协同，进一步优化山区无人机航测航线算法和AI识别模型，完善流域数字化台账与平台功能，推动更多专业资源转化为基层可感知、可使用、可持续的治理能力，为绿美广东生态建设和县域高质量发展注入青年科创动能。
