数字孪生乐安河助力提升小流域防洪决策支撑能力

张 飞 ，索金琳 ，李 湾 ，史 赟

（1. 江西省水文监测中心，江西 南昌 330000；2. 北京金水信息技术发展有限公司，北京 100032；3. 江西省防汛信息中心，江西 南昌 330000）

0 引言

数字孪生技术的发展已有 20 余年，在经历了技术积累、概念提出、应用萌芽之后，目前处于快速发展阶段。数字孪生技术已在制造、建筑、交通、航天、农业、医疗等众多领域得到广泛的应用。水利部于2021 年明确提出将推进智慧水利建设作为推动新阶段水利高质量发展的六条路径之一，数字孪生流域是智慧水利建设的核心和关键[1]。自此，数字孪生技术的应用在水利领域得到大力推广。

2022 年，数字孪生乐安河流域建设项目被列入水利部《数字孪生流域建设先行先试台账》。乐安河流域在防洪方面具有小流域防洪的典型特征，即具有毁灭性、突发性、伴生性、因果性、循环性等特点，已成为当前江西省防汛工作的重点之一。然而，目前小流域防洪标准普遍偏低，存在“ 四预”体系不完备、中小型水库预警服务不能满足地方需求、小流域预报调度一体化尚未实现、小流域上游乡镇防汛“四预”措施普遍不足等问题。出于寻求新方法新技术实现对乐安河物理流域的实时监控、问题发现、调度优化，以及助力提升小流域防洪决策支撑能力的目的，数字孪生乐安河流域在先期建设的“乐安河上游（婺源）智慧水文监测与业务服务系统”项目基础上，发挥数字孪生技术在监测、优化、模拟现实方面的优势，探索性地采用数字孪生技术实现中小河流防汛“四预”体系构建、最大淹没面积推演等业务目标。

1 建设内容

数字孪生乐安河的建设以《数字孪生流域建设技术大纲（试行）》[2]《数字孪生水利工程建设技术导则（试行）》等文件为基础，根据乐安河流域实际情况完成收集整合数据资源、建设流域三维数据底板、构建模型和知识平台、开发完善业务应用等工作。

1.1 数据资源

数字孪生乐安河流域（婺源）接入全流域 21 个水文监测点、37 个水位监测点、146 个雨量自动监测点、13 个水质监测点、3 个墒情监测点及 665 个水库监测点的实时数据，数据资源池包含实时雨水情库、水文信息数据库、防汛抗旱专用数据库、水利工程库、实时工情库等数据，实现基础、监测、业务管理、成果、地理空间、跨行业共享、多媒体等数据的构建，整合，集成和管理。部分内容介绍如下：

1） 基础数据。在江西省水利一张图的基础上，补充完善乐安河流域上游婺源段的水库、电站、水文站、水位站、雨量站、蒸发站、地下水监测站、墒情站和水质监测站等水利对象的主要基础特征数据。

2） 监测数据。包括乐安河流域（婺源）水情、雨情、工情、水质、灾情、地下水位、取用水、墒情、水利工程安全运行、视频、网络舆情等各类监测数据。

3） 业务管理数据。主要是防洪抗旱、水资源管理、水利工程安全运行、水利监督等水利业务运行中产生的数据。

4） 跨行业共享数据。主要实现与自然资源厅、气象局等部门相关数据的共享。

5） 地理空间数据。包括行政区划、地形地貌、土地覆盖、遥感影像等数据，采用不同精度和类型的数据对流域内不同区域进行数据底板的构建。

1.2 数据底板

三维数据底板融合 DOM（数字地形模型），DEM（数字高程模型），CAD，以及倾斜摄影、激光 Lidar、水下地形、视频、图片等多源数据，采用 WebGIS 引擎与游戏引擎相结合技术，展现乐安河全流域高仿真场景，具体如下：

1） L1 级数据底板覆盖乐安河流域（婺源），展示如图1 所示。乐安河流域（婺源）全域面积约为10 000 km2。采用开发本地接口的方式直接接入水利部提供的乐安河流域（婺源）全域 L1 级地理空间数据或服务[3]，整合覆盖乐安河流域（婺源）的中等精度地形数据资源和高分辨率卫星遥感影像数据，为数字孪生乐安河流域数字化场景构建提供大尺度的统一的空间数据基础。

图1 L1 级数据底板展示

2） L2 级数据底板基于现有的省级 L2 级水利数据底板成果，采用江西省省级 L2 级数据底板建设标准补充建设一定范围的 L2 级数据底板内容，实现与江西省 L2 级数据底板的共建共享，L2 级数据底板展示如图2 所示。目前，L2 级数据底板范围为上游沿清华水、段莘水、江湾水及婺源县城下游 8 km 的河道两岸 200 m 范围，总面积约为 70 km2。

图2 L2 级数据底板展示

3） L3 级数据底板在 L1 和 L2 级数据底板基础上，构建数字孪生乐安河流域关键局部实体场景的高精度三维数字模型，覆盖重要水利工程坝区、库区及其下游影响区域、水文站、易受灾区域等，L3 级数据底板展示如图3 所示。目前，重要工程及区域高精度三维数字模型建设范围为 20.7 km2，包括：清华水库及其下游影响区域，星江电站水库及其下游影响区域，三都、江湾等水文站，大鄣山流量站，以及大鄣山乡、思口镇等易受灾区域。

图3 L3 级数据底板展示

各级数据底板在 WebGIS 和游戏 2 种引擎共同支撑作用下的叠加展示效果如图4 所示，图形兼顾了数据和视觉的真实性。

图4 各级数据底板叠加展示

1.3 模型平台

数字孪生乐安河目前的模型平台包含以下各类模型约 40 个：

1） 水利专业模型。在“乐安河上游（婺源）智慧水文监测与业务服务系统”已建分布式水文、城市雨洪和基础水文水动力等模型基础上，对照数字孪生要求，补充构建集总式水文和预报调度一体化等模型，对现有分布式水文、水文水动力耦合和淹没分析等模型进行集成和优化，初步完成水利专业模型库的建设。

2） 智能模型。引进较成熟的视频识别技术[4]，通过图像处理方法提取特征，利用深度神经网络算法挖掘视频时间与空间的关系，构建视频识别模型，主要完成对水尺水位的识别读取，结合溪头流量站建设的高清视频摄像头，可以智能检测溪头流量站的水尺水位数据。

3） 可视化模型。依托数据底板地理空间数据、监测数据和水利专业模型，构建水利工程自然背景演变、工程上下游流场动态、水利工程、水利机电设备的“四预”过程等可视化模型，满足仿真模拟等需要。

1.4 知识平台

数字孪生乐安河目前的知识平台包括以下 4 个库：

1） 预报调度方案库。利用新安江、马斯京根河道演算等产汇流模型计算结果，与长、中、短期水文预报相结合，按洪水场次开展方案关键参数率定修正，同步更新方案库，提高洪水预报精度。

2） 业务规则库。全面梳理乐安河流域（婺源）辖区内现有的防洪工程调度规则、防洪预案、洪水风险图、水库调度图等，提出逻辑化、数字化表达和存储方式并按年更新。

3） 历史洪水场景库。对典型年历史场次洪水的实况洪水、预报、调度等过程及主要应对措施进行复盘，构建相似洪水指标体系，梳理、总结典型相似洪水指标参数，挖掘、提取历史洪水事件时空过程与防洪调度方案间的关系，推演、分析典型洪水并放大不同量级场景下的调度方案，为同类洪水事件的精准化预报及决策提供依据。

4） 专家经验库。基于典型大洪水专家经验决策的历史过程，通过文字、公式、图形图像等形式固化专家经验，形成专家经验主导下的融合元认知知识，实现专家调度经验的有效复用和持续积累，实现应用专家经验驱动的模式学习与探索，为复杂情境下的自动诊断分析及决策，提供专家经验支撑。

1.5 业务应用

构建了乐安河流域（婺源）防洪预报、预警、预演、预案的“四预”数字化场景[5]，实现流域内重点关注对象的智慧化模拟，辅助管理者实施精准化决策。“四预”分析如下：

1） 预报。对流域范围内雨情、水情、工情进行综合分析，实现对水库工程出入库流量、调度情况、断面水位流量过程，以及乐安河河系水位和流量过程的高效率、多模式、交互式预报。方案配置、调度方案、预报结果等内容，可通过预报时间、涉及流域或断面、预报方式等条件进行检索查看。

针对江湾水文站、三都水文站、汪口水文站、溪头流量站、大鄣山流量站，分别选取 25，22，15，8 和 7 场历史洪水场次进行模型参数的率定，参数调整后模型预报精度评级达到乙级以上，模型计算结果和历史实测数据对比后，洪峰流量和峰现时间预报误差远低于GB/T 22482—2008《水文情报预报规范》中规定的许可误差，合格率分别为 75.00% 和 81.25%。乐安河三都站洪峰流量、洪峰时间预报检验结果如表 1 所示。

2） 预警。结合预报成果对防洪形势进行综合分析研判，利用数字孪生场景对工程、断面、重要乡镇预警信息进行动态时空展现，对预演作出初步分析判断，从而进行汛情预警。

表1 乐安河三都站洪峰流量、时间预报检验结果

数字孪生乐安河防汛“四预”平台系统每小时预警 1 次，最长预见期为 3 d，预警对象为主要的城镇。系统预警页面示例如图5 所示，图中央为根据预报结果通过标绘方式对乐安河进行区域预警的展示情况，屏幕上方采用滚动文字具体描述预报结果和预警建议，并提供一键发布功能。图片右侧为正式发布的和其他保护对象的预警信息。

图5 系统预警示例

3） 预演。依据预报信息及预警风险分析结果，实时滚动计算洪水演进过程，对实时及预测洪水的演进、婺源县城洪水淹没等进行推演模拟和可视化仿真[6]，实现从降雨、河道涨水、洪水淹没到退水的全过程预演。预演结果可展示在会商决策模块中，供决策支持。防洪结束后可利用防洪评估对洪水灾害损失、防洪调度执行等进行评价评估。系统进行淹没预演的场景效果示例如图6 所示。系统根据模型计算结果，借助插值算法连续演绎事态的发展过程，并对主要风险点进行标注。

图6 淹没预演

4） 预案。水文部门对水位加测、加报的工作预案，以及婺源城区人员避险与撤离预案等进行方案管理和优选。在数字孪生乐安河流域中实现“四预”的典型过程如图7 所示。

图7 “四预”典型流程

2 技术创新

在数字孪生乐安河的建设中，经过对多种关键技术的反复探究、试验，在数字孪生底板构建、多引擎融合构建、多模式预报调度一体化等方面取得了突破。主要技术创新分析如下：

1） 突破了游戏引擎与 GIS 引擎相结合的关键技术，实现了数字孪生建设中的跨界融合，通过多源数据融合达到兼顾数据真实和视觉真实的目的，在对数据存储、交换及业务分析层面提供全面支持的同时运用强大的“场景表现力”真实模拟现实世界的运行。

2） 采用云流送技术，降低了客户端设备性能要求，数字孪生乐安河防汛“四预”平台适用性强，模拟效率显著提高。

3） 运用实时渲染的可视化技术，场景的精细化还原程度高。

4） 基于多源气象数值预报和全固态雷达扫描测雨技术，提前获知未来降雨信息和大气云层中潜在的降雨分布情况，提高了水文预报模型精度，对提高洪水预报的预见期起到了关键作用。

5） 构建包括 API（应用程序编程接口）和新安江模型在内的集总式水文预报、分布式水文预报、水库调度、一/二维水动力等水利专业模型，同时将降雨预报模型与水文预报/水库调度模型耦合，再与一/二维水动力、管网等模型耦合，构建了具备上游多模式水文预报、下游县城区域城市雨洪淹没分析、全流域预报调度一体化等能力的新型一体化模型平台，提高了洪水模拟的准确性和时效性。

6） 建立了异构水利模型引擎的兼容标准和机制，实现了水利模型引擎的云端部署和计算，提供了模拟计算、方案托管等 SaaS（软件即服务）服务，从而创新了社区化知识共享机制和开放式的数学模型共享模式，促进了水利模型的生态发展。

7） 在提供防汛支撑工作方面创新改进了工作流程，在以往断面单站预报的基础上，提供了小流域预报重点地区洪水预测淹没范围信息，更好地支撑防汛决策部门的工作。

3 应用效果

山区小流域（县域）洪水[7]爆发过程迅速，洪水涨退时间短，涨幅大，危害性高。以往洪水淹没分析效率低，时效性差，实际应用时无法将信息及时准确地提供给防汛决策部门。数字孪生乐安河运用数字孪生技术，通过预报调度一体化可实现小流域防洪精准预报和调度，在三维场景中实现极端暴雨洪水过程模拟、小流域洪水冲淹影响预演，对精准化决策起到有效的支撑作用。

在 2022 年 6 月 5 日乐安河上游婺源县洪水期间，多站点日降雨量超过 100 mm，最大雨强为 51 mm/h。数字孪生乐安河平台通过三维模型和水文专业模型算法迅速推演出最大淹没面积。基于洪水淹没展示系统的实时成果，省、市、县三级防汛支撑与决策部门积极联动，安全转移城区内 61 m 水位以下，最大淹没面积 0.226 km2范围内人口 1 485 人，避免了人员伤亡，减少了财产损失。

根据防汛决策部门反馈，数字孪生乐安河防汛“四预”系统所提供的预警、预测信息及时有效，满足提前发布告警信息、准确预报超标准洪水的实际需要，能够为实施人员转移等应对措施争取更多时间。

4 结语

数字孪生乐安河探索了数字孪生技术在小流域防洪中的应用模式，解决了小流域防洪业务中的部分难点、痛点。本研究创新性地构建适应小流域防洪业务特点的数字孪生流域“四预”体系，通过预报、调度一体化[8]实现小流域防洪精准预报和调度，并为决策部门提供受灾影响范围这一关键性决策依据，支撑防汛决策部门实现业务流程优化与再造，切实提升了流域防洪能力。研究成果可用于小流域防洪、县级防汛、旅游景区山洪灾害风险预警等多种跨行业业务场景，对有类似特征的区域的相关工作具有技术攻关和助力提升作用。今后，数字孪生乐安河还将利用汛期实战检验的机会不断完善优化，持续推进智慧水利建设。