数字孪生山洪小流域数据底板构建关键技术及应用

黄喜峰, 刘启, 刘荣华, 徐进

(1.陕西省水利厅, 陕西 西安 710004; 2.中国水利水电科学研究院, 北京 100038; 3.水利部防洪抗旱减灾工程技术研究中心,北京 100038)

2021年6月28日,水利部李国英部长在“三对标、一规划”专项行动总结大会上的讲话中指出,要推进智慧水利建设,按照“需求牵引、应用至上、数字赋能、提升能力”要求,以数字化、网络化、智能化为主线,以数字化场景、智慧化模拟、精准化决策为路径,全面推进算据、算法、算力建设,加快构建具有“四预”(预报、预警、预演、预案)功能的智慧水利体系[1]。

（2）经济社会发展情况。洞庭湖区位于长江黄金水道与京广交通动脉交汇处，具有承东启西、连南接北的独特区位优势。2016年区域（湖南部分）常住人口约1 692万人，地区生产总值为8 145.4亿元，三次产业结构为12∶46∶42，人均地区生产总值4.8万元，公共财政预算收入705.05亿元，城镇化率50.3%。洞庭湖区自古以来便是“鱼米之乡”和“天下粮仓”，是我国重要的大宗农产品生产基地、最大的水稻产地、商品粮调出地和畜禽水产养殖基地。工业方面初步形成了食品加工、石化、纺织、林纸等支柱产业。近年来，商贸物流、交通运输、生态旅游等现代服务业发展迅速。

山洪灾害的“四预”功能涉及多专业、多尺度、错层面信息[2]。为对标新时期山洪灾害防治目标任务,进一步提升山洪灾害防御水平,依据《数字孪生流域建设技术大纲(试行)》(水信息〔2022〕147号),以山洪灾害下垫面和时空大数据为基础构建数据底板,以小流域为单元建设数字孪生流域,实现小流域山洪灾害预报、预警、预演、预案的“四预”功能,提升小流域山洪灾害防御能力。

“数字孪生”概念在美国国家航空航天局(National Aeronautics and Space Administration,NASA)的阿 波罗计划中首次被应用。2017—2019年,Gatner连续三年将“数字孪生”列为当年十大战略科技发展趋势之一[3],而数字孪生流域建设的基础即是构建一体化数据底板[4]。数据底板是数字孪生流域中的“算据”部分,是流域数字化映射的成果、数字化场景构建的基础及实现山洪灾害“四预”功能的重要基础和支撑载体[5]。数据底板主要包括基础数据、监测数据、气象部门共享数据以及地理空间和社会经济数据等[6]。结合倾斜摄影、虚拟仿真、BIM等技术,将数字孪生流域的展现形式由以往的二维地图升级到三维场景,从而实现精细化动态场景模拟[7-9]。

想要建立计算机信息化专业的教学模式，需要的是相关领域的技术人才加入计算机信息化教育的课堂及教案准备中。信息化教育的设计及计算机课程的教学需要极高的技术和专业的要求，授课者本身需要拥有极高的知识储备和专业的技术水平，这是普通的教师水平所远远达不到的，这就需要大量的人才加入教师队伍中去。而上文中提到，我国相关领域的专业人才的数量及精度远远不够，尚不能满足信息技术发展的需要，这就造成极少的行业的专业人才能够流入计算机信息化教育的领域中来。我国现有教师大多接受的是传统教育的教学，专业能力通常不够且安于现状，难以接受新的事物与新鲜的教育理念，更加加剧了计算机信息化教育师资力量的短缺[1]。

本文以陕西省灞河、洛河流域为试点,结合现有山洪灾害监测预报预警数据现状,面向山洪小流域“四预”建设要求,提出了构建数字孪生山洪小流域数据底板的关键技术及方法。整合集成基础数据、监测数据、气象部门共享数据及地理空间和社会经济数据,对试点小流域开展高精度地形地貌、倾斜摄影影像、激光点云、沟道断面、工程或建筑物等数据采集和场景建模。完善数据内容、控制数据质量、优化数据模型,建成支撑省级平台“四预”能力提升的数据底板,对促进省级山洪数字孪生流域建设具有重要的意义。

利用非物质文化遗产的资源优势，在保留非物质文化遗产原真性的前提下合理开发旅游产品。文旅融合背景下的商业业态需要吸收具有“个性”的商户，具有当地特色、对旅游者具有吸引力的别具一格旅游产品则更占优势。由于旅游业的季节性特征，要求旅游产品的生命周期尽可能延长，避免造成资源浪费。同时随着文旅业态的转型，商业业态也要根据旅游者产生的不同的旅游需求来提升景区的商业业态。比如从原有的观光旅游逐步向休闲、深度体验游转型，高尔夫球场、滑雪场等的建设就是对商业业态的提升和优化。

1 建设现状及目标

近年来,陕西省在山洪灾害防御信息化建设中初步实现了全省“一张图”和“一个库”的目标,建成了包括基础信息库、实时监测数据库、模型库、山洪动态预报预警库、预警响应库、空间数据库和多媒体数据库等在内的山洪灾害防御数据库。但在智慧水利建设方面仍处于起步阶段,缺少建设数字化场景所必需的地理空间数据,基础数据集成尚不完整,监测数据、气象部门共享数据产品有待补充。在数据完整性、数据标准化、数据组织治理方面仍需进一步提升。

流域数据底板本质上是一个集数据采集、处理、融合、存储与组织于一体的信息化平台。通过规范各个对象实体的数据结构和实体间的关系,建立多源、多维时空数据模型,以实现基础数据的集成、组织、分析、统计、检索,建立复杂要素关联关系模型。流域数据底板通过搭建多级嵌套的时空数据底板,以地理空间数据为基础,形成山洪小流域覆盖全空间、全尺度、全业务的数据底板。

2 关键技术

通过航拍建模、实地测绘、融合插值以及三维仿真等技术手段构建山洪重点防治区域模型,采用三角网加密与抽稀、三角网动态生长以及联合计算技术实现小流域数字孪生体模型的无缝融合。基于在线分析处理(Online Analytical Processing,OLAP)、机器学习、模式识别、空间分析技术对山洪灾害基础数据资源进行多维数据融合与特征参数挖掘分析,构建全要素多维数据模型和要素关联关系模型。形成标准化基础数据库、多源监测数据库、一体化空间数据底板和动态专题图,实现对全部要素的数字化映射、精细化数字场景的高仿真呈现和多维度要素的全方位感知。山洪小流域数字底板建设技术框架如图1所示。

2.1 山洪重点防治区域模型构建

山洪重点防治区域模型的建立包括高精度地形地貌三维模型、河道断面构建和高精度倾斜摄影模型的构建,如图2所示。高精度地形地貌三维模型基于原始正射影像和正射影像空三加密成果数据,利用密集匹配、点云滤波技术[10]、不规则三角网和立体编辑技术生成高精度的数字高程模型(Digital Elevation Model,DEM)。基于河道中心线与河道宽度确定断面基点位置和宽度,断面密度满足二维水动力模型应用需求,利用机载Lidar实现河道断面构建。

图2 山洪重点防治区域模型构建流程图

高精度倾斜摄影模型构建采用无人机平台搭载5镜头倾斜相机,同时从5个不同角度(1个垂直、4个倾斜)采集5张目标影像。采用空中三角测量技术、影像镶嵌融合技术、不规则三角网技术等进行构建。

刘丽芳没搭话，往欧阳锋对面的沙发上坐下，将挎在肩上的包取下来揣在怀中。包里藏着一把锋利的剪刀。不怕一万，就怕万一，刘丽芳来之前做了充分准备，以防不测。

2.2 数据精度控制及处理

3.2.2 监测数据

2.3 空间配准及模型融合

数据底板包括卫星遥感影像、全省尺度数字高程模型、高分辨率航测正射影像、流域级高精度数字高程模型、河道激光点云数据、城集镇倾斜摄影模型、重点阻水建筑物BIM模型等多源异构数据,数据尺度不同,导致空间模型三角网格大小不一。因此,构建数字底板需对不同数据源进行空间配准及融合。空间配准包括平面配准和高程配准。平面配准通过计算研究区域各坐标系统的转换参数实现数据统一至CGCS2000坐标系统;高程配准通过似大地水准面精化,划分测量区域网格,计算网格高程异常值,将高程坐标统一至1985黄海高程系。

2)倾斜摄影三维模型。通过对不同角度、不同时间拍摄的原始倾斜影像进行色彩一致化预处理,结合倾斜相机参数和POS数据进行空三解算,实现倾斜影像低精度定姿、定向。基于实测控制点数据和光线束法空中三角测量技术进行第二次空三解算,完成倾斜影像的联合平差。利用倾斜摄影点云数据构建不规则三角网(TIN),建立三维模型,删除不必要的悬浮物,进行道路整平、重点水利工程纹理修饰等处理,完成高精度倾斜摄影三维模型构建。本文依据房屋数量多、人口密集程度高、位于抢水湾区等易受山洪影响区域的选取原则,在沿河村镇中选取了保安镇、乱石坪村、洛源镇、铁炉村、灞源镇、冯家湾村3组、金堆镇、文裕村、张坪村9个重点防洪城集镇,构建了共8 km2区域的倾斜摄影三维模型,模型分辨率为0.03 m,见表2。

2.4 数字场景精细化构建

综合加载基础影像、时序影像、矢量地图、DEM、DSM、倾斜摄影、三维模型、多级地名、栅格地图、街景、基础几何基元、POI等地理信息数据,基于GIS+可视化仿真模型引擎进行渲染,实现数字场景的景观可视化,并通过旋转、移动、缩放等多种操作实现三维建模的交互。

3.3.1 数学基础统一融合

2.5 海量数据集成与关联关系构建

山洪小流域数据底板包括小流域及下垫面数据、防洪工程数据、调查评价成果数据、测站基本信息、水库基本信息、村庄信息、防御预案、防汛责任人等基础数据,实时雨水情、风情、气象预报信息和雷达图等构建实时数据,具有海量高频、多源异构的特点。因此,海量数据集成及关联关系构建是数据底板建设的关键问题。

结合山洪灾害防御需要,对数据进行抽象组织,确定数据对象分类、对象属性以及对象之间的关系,构建山洪灾害防御时空数据模型。对流域所有涉水要素进行统一编码,在行政区划隶属关系、流域汇流关系、数据对象类别、时间序列4个主要维度基础上构建多维时空数据模型,支持不同维度数据的查询、统计和检索,如图3所示。行政区划维包括省、市、县、乡、行政村、自然村6级,流域维从七大流域片区的60个水系到最低一级的10～50 km2小流域,共13级。数据对象类别维包括防治区、历史山洪灾害、涉水工程、监测预警设施、实时监测预警、水文气象共6类。时间维包括多年平均、年、季、月、旬、天、小时、分钟8级。

图3 时空数据模型

基于OLAP、机器学习、模式识别等方法分析山洪灾害形成与小流域地形地貌、降雨和人类活动之间的内在联系,建立监测预报预警要素的关联模型,包括站点与村庄、小流域与村庄、洪水预报河段与村庄等19类要素、132 589个对象、22类拓扑结构之间的关联关系。将流域水系、监测站点、水利工程等要素与村庄、小流域等要素在数据底板中实现空间和要素关联,实现数字化场景的一体化多维度呈现,建立多要素关联模型。

构建海量多源数据存取及标准化格式集成体系,根据山洪灾害“四预”算法中不同模型需求,制定数据输入、输出和运行标准,建成包括不同阶段,不同尺度、不同时效的全域基础数据库和实时监测数据库。基于以上关键技术,在试点流域构建流域全要素数据底板产品,实现三维场景数字化及多尺度场景一体化管理。接入空、天、地感知信息,支撑小流域山洪过程数字化孪生的实现,为山洪小流域实现“四预”提供重要支持。

3 山洪小流域数字孪生数据底板建设

3.1 建设流域概况

本文选择洛河、灞河流域内山洪灾害防治任务较重、下垫面条件复杂的文裕河、伊洛河、蒿坪河、灞河4个试点小流域(660 km2)构建数字孪生山洪小流域数据底板,如图4所示。

图4 数字孪生山洪小流域数据底板建设范围示意图

3.2 数据资源

数据资源主要包括基础数据、监测数据、地理空间数据以及共享数据等。

3.2.1 基础数据整合

以全色2.1 m、多光谱5.8 m的资源三号卫星(ZY-3)为主要数据源,以全色优于2.5 m,多光谱优于10.0 m的资源一号02C卫星(02C)、高分一号卫星(GF-1)和实践九号卫星(SJ-9)为补充数据源,以已有1∶50 000 DLG国产卫星正射影像为控制资料,结合ASTER GDEM的30.0 m DEM数据生成2.5 m DOM高分辨率影像数据。基于全国山洪灾害调查评价工作底图中的水文监测站点和水利工程、土地利用和植被类型、土壤质地类型数据和行政区划数据等进行小流域划分及下垫面条件提取,整合山洪灾害防御基础数据。整合山洪灾害调查评价成果和补充城集镇调查评价成果数据,对社会经济、危险区、需治理山洪沟、涉水工程、重点防治区、历史山洪灾害等数据进行孪生体挂接,构建监测预报预警要素的关联关系,建立村庄与站点、村庄与小流域、村庄与洪水预报河段、村庄与危险区、水库与下游村庄等山洪灾害防御全要素信息关联关系。集成风险隐患调查、风险普查调查数据,把山洪灾害隐患、洪水灾害致灾、洪水风险区划等数据标准化后集成至孪生体的业务专题,为预演和预案的制定提供数据基础。

采用实测控制点和检查点误差控制的方式保障同类数据间的相对精度及不同类数据间的绝对精度。根据1∶2 000地形图数据生产规范,在研究区布设控制点,基于控制点的图上位置与实测位置的对应关系,构建影像几何纠正模型[11],对正射影像和倾斜三维模型进行位置约束。基于点云位置与实测位置中误差调整点云高程值,直至中误差小于精度误差阈值,从而实现点云数据的精度控制。

利用数据统一接收系统接入的1 744个山洪雨水情站点、6 000个水文河道,通过开放中间库的方式共享气象部门6 h、24 h预报降雨数据、卫星云图及新一代测雨雷达反射率数据。单一降雨预报的不确定性降低了预报准确程度[12]。因此,在气象部门数据的基础上,接入试点流域内新建的两部X波段山洪灾害降雨监测雷达数据,包括5 min/次的高精度网格降雨量及0～3 h降水临近预报[13]。

扶贫济困，赈灾救难，是基督教的传统，也是中国传统文化所倡导的。12年来，北辰教堂在服务群众、公益慈善等方面做了许多实事。

3.2.3 地理空间数据

L1级数据底板覆盖小流域全域中低精度数据,包括陆域范围30 m分辨率DEM数据、2 m分辨率DOM数据。L2级数据采集范围如图5所示,数据底板包括灞河、洛河试点流域洪水模拟重点河段和区域层级的数字化场景数据,主要包括:试点流域1 m分辨率DEM数据、0.2 m分辨率DOM数据;4个试点流域重点城集镇的0.03 m分辨率三维模型数据;200 m间距的1∶500河道断面数据等基础地理信息数据。

电站锅炉炉内燃烧产物对受热面的传热以辐射为主、对流为辅。燃烧产生的烟气具有光学厚度，高温烟气的辐射能在空间所有方向上被吸收与反射[10-11]。在BRL设计参数下，燃用设计煤种，对于固定炉型，炉内理论燃烧温度不变。由能量守恒定律，炉内辐射换热量越大，炉膛上部受热面烟气所携带的热量越少，此烟气温度越低。把进入炉膛上部受热面前的烟气温度定义为屏底温度，则屏底温度反映炉膛辐射吸热量与尾部受热面对流吸热量比例的变化。

图5 L2级数据采集范围示意图

1)高分辨率DOM及高精度DEM。试点流域内呈北高南低的地形,测区内最小高程为698 m、最大高程为2 547 m,地表高差较大,分4个区域进行测量,以保证正射影像统一的分辨率。利用光线束法空中三角测量[14]和影像融合镶嵌技术进行正射影像联合平差和融合,去除DOM存在的拉花、变形、移位等问题[15],生成高分辨率DOM成果,采用正射影像空三加密和密集匹配技术生成DEM成果。基于正射摄影测量技术获取了文裕河上游、伊洛河流域、蒿坪河下游、灞河试点区域全流域共680 km2的0.15 m分辨率DOM数据及1 m网格DEM数据,参数见表1。

表1 DOM、DEM采集及成果参数表

小流域孪生体构建需将不同尺度空间模型数据进行无缝融合,包括BIM模型与倾斜摄影、河道激光点云与流域DEM等,模型融合对一、二维水动力学模型计算和数字孪生场景可视化表达起到关键作用。对空间模型不规则三角网在融合区域进行三角网加密与抽稀,使用三角网动态生长以及联合计算方法,解决模型融合过程中不匹配、不平滑、伪连接的问题。

表2 倾斜摄影三维模型成果参数表

3)河道断面构建。对点云数据进行滤波处理,利用剖面视图工具进行逐剖面点云精细化分类,在河道中心线上以200 m间隔选取河道剖面,完成河道断面构建。本文采集了试点流域重要防洪河段共110 km、414个河道断面数据。

3.2.7 数据挖掘

图6 测量精度控制点分布

图7 L2级数据底板精度

L3级数据底板选取重点城集镇下游10座阻水桥梁,通过贴近摄影测量技术[17]实现桥梁的精细单体化建模。采用无人机三维航拍和手持相机补拍方式获取桥梁任一结构面及桥底复杂结构形式。通过影像密集匹配、空中三角测量、细节结构和纹理修饰等处理完成桥梁BIM模型构建。

3.2.4 数据引擎

为实现数据资源的汇聚、清洗、整合,构建包括数据汇聚、数据治理、数据挖掘、数据服务的数据引擎。利用OLAP、机器学习、模式识别、空间分析等技术对山洪灾害基础数据资源进行多维数据融合与特征参数分析,形成不同主题的数据仓库,发布为多种类型的数据服务,数据引擎框架如图8所示。

图8 数据引擎建设框架

3.2.5 数据汇聚

基于SOA架构构建面向多种服务的共享服务体系,实现数据资源在本平台内部各应用模块间的调用与同步,及其与外部系统的数据通信和共享。服务类型主要包括数据服务、目录服务、功能服务。

采用抽取、转换、加载方式自动实现动态数据同步汇聚。利用ETL工具定期、增量抽取多源异构数据至操作型(ODS)数据库中,并在转换过程中进行数据清洗、去重。根据数据实体特性,采用物理入库和虚拟入库两种模式,使用统一数据接口实现共享数据汇聚。

3.2.6 数据治理

对汇聚后的多源数据进行统一清洗和管理,提升数据的规范性、一致性、可用性,避免数据冗余和相互冲突[18]。

清洗整合山洪小流域基础数据中的冗余部分,通过数据库工具进行去重、合并。通过构建标准化要素编码建立数据库表间关系、物化视图等方式实现多源数据业务一致。建立统一空间参考标准,构建各类型数据时间戳,实现数据时空一致。对于空间及属性数据一对多、多对一、多对多的情况,小流域、行政区划为两条主线,以水利对象为基本单元,建立实体、属性、文件、多媒体的对象关系表,维护图属关系一致。

(5)检测噪声。启动无轨胶轮车并检测背景噪声并做下记录(控制在低于被检测车辆噪声的10 db(A)以上)。之后使胶轮车在额载情况下以额定速度行驶，利用声级计测试驾驶人员耳部位置噪声，三次测试完毕之后记录结果，求取平均数。之后进行下一个测试，将胶轮车停发在测试点40 m处，鸣笛或者鸣警铃3次，用声级计测试3次，最后求得平均值并记录。

4)精度控制及分析。在试点区域内共布设122个正射摄影测量控制点、154个倾斜摄影测量控制点,利用控制点辅助空中三角测量,实现DOM和倾斜三维模型精度控制。试点区域内共布设平面检查点46个、高程检查点138个,控制点和检查点的分布情况如图6所示。L2级数据底板精度情况如图7所示。DOM的精度分布如图7(a)所示。DOM精度为0.00～0.70 m,主要集中于0.00～0.30 m,中误差为±0.19 m。《水利水电工程测量规范》(SL 197—2013)[16]中规定1∶2 000比例尺高山地地形图平面位置允许误差为±0.80 m。因此,本次建设的DOM数据满足精度要求。激光点云的高程精度分布如图7(b)所示。精度为0.00～0.15 m,主要集中于0.00～0.10 m,中误差为±0.09 m。《水利水电工程测量规范》(SL 197—2013)中规定,1∶500比例尺地形图高程注记点允许中误差为±0.33 m。因此,点云高程满足精度要求。倾斜三维模型的平面精度分布如图7(c)所示,高程精度分布如图7(d)所示。倾斜三维模型的平面精度为-0.015～0.030 m,误差集中于0.020～0.025 m,中误差为±0.023 m。高程精度为0.00～0.12 m,误差集中于0.00～0.06 m,中误差为±0.05 m。《水利水电工程测量规范》(SL 197—2013)中规定,三维模型的平面位置允许误差为±0.20 m、高程允许误差为±0.15 m。因此,倾斜三维模型满足精度要求。

一是金融监管制度的设立缺乏科学规范。科学的金融监管制度必须在现代化经济体系基础上遵循规范化和法治化的原则。从金融市场的设立、经济组织进入和退出的条件、机构运行的监管、风险的预警与管控都必须按法治化规则进行。特别是在互联网背景下，各种互联网金融的规范管理做到法治化、规范化的运行。目前我国对互联网金融的法治化监管有一些条例和规范，但从总体上讲，还是不完善的，这在一定程度上推动了金融市场的顺周期性。

运用统计学、机器学习、模式识别等方法从数据资源中提取小流域各要素关联关系,包括描述性、诊断性、预测性和因果性分析等。挖掘小流域特征参数,集成融合小流域的山洪灾害调查评价成果、村镇调查评价成果、山洪风险隐患调查和水旱灾害风险普查等数据资源,为山洪灾害预报、预警提供算据支撑。

3.2.8 数据服务

对构建数据底板所涉及的数据资源统一进行收集、整理、入库。导入基础数据和地理空间数据等静态数据,整理结构化数据、多媒体数据、文件型数据,集成至数据底板操作型(ODS)数据库中,并完成数据完整性、关系一致性检查。

3.3 数据空间融合及三维数字模型重构

构建山洪小流域孪生体的空间数据具有多源、多尺度、多种形式的特点,见表3。因此,构建数字化场景需进行数据空间融合及数字模型重构。

表3 空间数据规格表

配置不同的数据源链接与类型,通过数字底座数据服务接口,将实时数据、统计分析数据、设备设施点位等一系列的数据与数字孪生的三维模型进行结合,基于统一时空数据模型将相关联的多源数据资源、分析结果进行多维度融合展现,实现流域全要素信息加载、渲染和展示。

数学基础统一包括平面坐标系与高程坐标系的统一。基于七参数转换法获得WGS84、CGCS2000、工程坐标系的转换参数,将平面数学基础统一为CGCS2000,实现平面数学基础融合:

由图3可知，两组样品中总酸含量差别不大，且总酸含量符合米酒的国家标准。在发酵条件及其工艺控制的条件下，小米酒中的总酯含量较高，原因可能是由于不同的发酵原料所造成的。小米酒相较于黑米酒含有较高的油脂，在发酵的过程中肯定会一部分残存在于发酵酒液中，原因可能是由于不同的发酵原料所造成的，小米中的植物类油脂含量明显高于黑米。酒体中适当的酸酯比例，有利于保证酒体的口感酸甜醇厚，并使酒体呈现一定的酯类特殊香气，增加酒体的丰满程度。

(1)

式中:Δx、Δy、Δz是坐标平移量;R(ω)是旋转矩阵;1+m是比例因子。

在研究区域布设563个高程转换点,河道、城集镇周边按1 000 m间隔布设,其余地方以5 000 m间隔布设,利用陕西省测绘局似大地水准面精细化参数,求解研究区域内高程异常值,将大地高程统一转换为1985黄海高程,实现高程数据基础融合。

3.3.2 三维数字模型重构

对于三维模型空间关系为相交、包含、跨越等关系的三维数字模型实体,在耦合区域进行三角网重构。采用三角网自动生长算法连接模型实体,实现模型接边关系合理化。联合解算自动生长三角网、多模型实体接边节点,通过加密差值获取准确美观的模型融合结果,如图9所示。

3）进一步提升网站的便利性和安全性，一方面提供优于实体药店的方便快捷的购物体验，另一方面消除顾客对于在网上购物过程中对自身隐私信息泄露的担忧，优化顾客在购物过程中的体验，从而提高顾客忠诚度。

北宋初创，便将宵禁制度的“一更”宵禁变为“三更”宵禁，一方面说明赵氏官家们统治变得人性化，另一方面也可见宋朝皇帝们的自信，认为在自己的统治下，扩大夜间的开放程度，并不会引起太大的治安问题。为了方便市民夜间贸易，汴京城门很晚才关，而城内却无时间限制。

图9 倾斜摄影与桥梁BIM模型三角网重构

3.4 基于可视化引擎的数字化场景

建设包括全流域数字场景、重点河道、重点水利工程及BIM模型等的流域底板专题图,基于三维可视化引擎呈现数字化场景。依托于数字孪生可视化技术、WebGL图形技术,通过基于GIS三维地球JavaScript库,结合3D tiles lod结构流式加载技术、TMS、WMTS、MVT等服务,进行海量数据的高效加载渲染。充分整合L1、L2、L3级数据域的信息资源,以基础数据、监测数据、地理空间数据等为核心,形成支持数字孪生、仿真模拟的数字底座。以三维洪水演进数值模拟为底层核心技术,采用三维几何构建、数字流场、物理水体材质渲染、离屏渲染、VBO顶点缓存等方法进行洪水演进计算结果渲染与效果呈现,还原水体的水位、质感、流速、流向。

二是要注重导向性。所谓导向性，就是将名师评选的条件和标准作为方向标、指挥棒，使每一个有志于成为名师的教师明确努力的方向。从加强教师队伍建设这个意义上讲，名师的评选既重在结果，同时也重在过程。从遴选指标体系各要素及其权重中，可以看出名师评选的导向性。

4 山洪小流域数字孪生场景构建示例

本文以地理空间数据为基础,构建了覆盖灞河、洛河试点区域山洪小流域全空间、全尺度、全业务数字孪生数据底板。L1级流域层级包括卫星遥感影像、DEM数据。L2级流域重点区域层级如图10所示,其中图10(c)为洛河流域保安镇倾斜摄影三维模型。L3级流域重要实体层级如图11所示,为保安镇桥梁精细单体模型示例。

没错，安安姓凌，其实是凌薇同父异母的妹妹。是凌宇生二十多年前与酒店小姐一夜风流生的孩子。凌宇生的老婆，也就是凌薇的母亲是个十足的悍妇，所以二十年来，凌宇生只敢给安安母女刚够维持生活的钱，为了安安读书，安安母亲后来又下海当了好几年小姐，直到人老珠黄。

图10 L2级流域重点区域层级图

图11 保安镇桥梁精细单体模型示例图

数字孪生场景为重点防洪区域提供了直观、精细的可视化仿真效果,为开展一维和一二维耦合水动力学数值模拟,提高洪水演进评估精度提供支撑。图12展示了基于数字孪生山洪小流域场景的沿河城镇洪水淹没预演分析结果。

图12 保安镇洪水淹没预演分析结果

5 结语

本文提出了数字孪生山洪小流域数据底板建设的关键技术和方法,包括山洪重点防治区域模型构建、数据精度控制及处理、空间配准及模型融合、数字场景精细化构建、海量数据集成与关联关系构建等。在灞河、洛河流域内,针对文裕河、伊洛河、蒿坪河、灞河4个试点小流域,构建了高精度三维数字化场景模型,实现了流域全要素信息加载、渲染和展示,海量数据集成和关联关系构建,及流域全要素数据的数字化映射。形成支持数字孪生、仿真模拟的数据底板,为重点防洪区域提供了直观、精细的可视化仿真效果。得到的山洪小流域覆盖全空间、全尺度、全业务的数据底板可支撑省级平台“四预”功能的提升,为小流域山洪灾害防御智慧化奠定重要基础。