数字孪生驱动的长江流域干旱防御平台设计与开发

doi:10.11988/ckyyb.20230594

院报 ›› 2024, Vol. 41 ›› Issue (8): 180-188.DOI: 10.11988/ckyyb.20230594

• 数字孪生基础理论与关键技术研究专栏 • 上一篇下一篇

数字孪生驱动的长江流域干旱防御平台设计与开发

李喆¹^,²(), 向大享¹^,², 陈喆¹^,², 崔长露¹^,²

¹ 空间信息技术应用研究所,武汉 430010
² 武汉市智慧流域工程技术研究中心,武汉 430010

收稿日期:2023-05-30 修回日期:2023-07-05 出版日期:2024-08-28 发布日期:2024-08-13
作者简介:
李喆(1980-),男,湖北监利人,正高级工程师,博士后,研究方向为防汛抗旱减灾、水利信息化、水土保持。E-mail:lizhe@mail.crsri.cn
基金资助:
国家重点研发计划项目(2021YFC3000205); 国家重点研发计划项目(2017YFC1502406); 武汉市重点研发计划项目(CKSD2023927/KJ); 水利部重大科技项目(SKR-2022001); 水利部重大科技项目(SKR-2022003); 湖北省自然科学基金项目(2022CFD173); 中央部门预算项目(2136703)

Drought Resistance Information Platform Driven by Digital Twins for the Changjiang River Basin: Design and Development

LI Zhe¹^,²(), XIANG Da-xiang¹^,², CHEN Zhe¹^,², CUI Chang-lu¹^,²

¹ Spatial Information Technology Application Department,Changjiang River Scientific Research Institute,Wuhan 430010, China
² Wuhan Smart Watershed Engineering Technology Research Center, Changjiang River Scientific Research Institute,Wuhan 430010,China

Received:2023-05-30 Revised:2023-07-05 Published:2024-08-28 Online:2024-08-13

摘要/Abstract

摘要：

在全球气候变化的背景下,长江流域发生了多次严重的高温干旱灾害,流域抗旱管理面临着旱情监测告警效率较低、旱灾预报预警精度不高、抗旱预案推演能力不足等瓶颈,迫切需要开展数字化转型。从长江流域抗旱减灾业务管理和“四预”应用需求出发,基于智慧水利和数字孪生建设的总体要求,综合运用WebGL、GIS等技术,建立了干旱防御数字孪生平台,研发了遥感干旱监测评估、干旱专业模型动态加载、旱警水位超限预警、抗旱预案可视化等关键技术,初步实现了“预报-预警-预演-预案”全链条贯通业务应用,切实提升了长江流域抗旱管理智能化、精细化水平,为流域干旱防灾减灾提供了技术支撑。

关键词: 长江流域, 干旱防御信息平台, 数字孪生, 四预

Abstract:

In the context of global climate change, the Changjiang River basin has suffered from multiple severe high temperatures and drought disasters. Drought resistance management in the basin is faced with such bottleneck problems as low efficiency of drought monitoring and warning, inadequate accuracy of drought prediction and early-warning, and insufficient ability to deduce drought plans. To address these issues, digital transformation has become exigent. In line with the comprehensive requirements of smart water conservancy and digital twin technology, a digital twin platform for drought prevention has been constructed by utilizing WebGL and GIS to meet the operational management requirements of drought resistance and disaster mitigation in the Changjiang River Basin, aligning with the demands of the “forecast, early warning, preview, and contingency planning” principles. Key technologies have been developed, including remote sensing drought monitoring and evaluation, dynamic loading of drought-specific models, early-warning of water levels exceeding drought limit, and visualization of drought reduction plans. Consequently, the business application covering the full chain of “forecast, early warning, preview, and contingency planning” has been achieved. This has effectively improved the intelligent and refined level of drought resistance management in the Changjiang River Basin, providing technical support for drought prevention and disaster reduction in the basin.

Key words: Changjiang River Basin, drought defense information platform, digital twin, forecast, early-warning, preview, and contingency planning

中图分类号:

TV87防洪工程

李喆, 向大享, 陈喆, 崔长露. 数字孪生驱动的长江流域干旱防御平台设计与开发[J]. 院报, 2024, 41(8): 180-188.

LI Zhe, XIANG Da-xiang, CHEN Zhe, CUI Chang-lu. Drought Resistance Information Platform Driven by Digital Twins for the Changjiang River Basin: Design and Development[J]. Journal of Yangtze River Scientific Research Institute, 2024, 41(8): 180-188.

图/表 11

图1 数字孪生平台“四预”实现

Fig.1 Implementation of forecast, early warning, preview, and contingency planning by the digital twin platform

图2 数字孪生平台总体架构

Fig.2 Overall architecture of the digital twin platform

图3 数字孪生平台实现的主要功能

Fig.3 Main functions of the digital twin platform

图4 数字孪生平台主界面

Fig.4 Main interface of the digital twin platform

图5 数字孪生平台示范应用

Fig.5 Demonstration of the digital twin platform

表1 系统实现的遥感干旱指数

Table 1 Remote sensing drought indices in the digital twin platform

序号	遥感指数	计算公式	适用范围
1	陆面温度 (T_s)	T_s= $a (1 - C - D) + [b (1 - C - D) + C + D] T 10 - D T a C$ $C = ε τ$ $D = (1 - T) [1 + (1 - ε) τ]$ 式中:T_s是地表真实温度(K);a和b是常量,分别是-67.355 351和0.458 606; $ε$ 是地表比辐射率; $τ$ 是大气透过率;T₁₀是卫星高度上传感器探测到的像元亮度温度(K);T_a是大气平均作用温度(K)	地表水分亏缺状况
2	归一化水体指数 (NDWI)	NDWI= $G r e e n - N I R G r e e n + N I R$ 式中:Green为绿波段反射率;NIR为近红外波段反射率	湖库水体分布
3	归一化植被指数 (NDVI)	NDVI= $N I R - R N I R + R$ 式中:NIR为近红外波段反射率;R为红光波段反射率	作物长势状况
4	植被健康指数 (VHI)	VCI=100 $(N D V I - N D V I m i n) (N D V I m a x + N D V I m i n)$ TCI=100 $(L S T m a x - L S T) (L S T m a x + L S T m i n)$ VHI=aVCI+(1-a)TCI 式中:NDVI、NDVI_max和NDVI_min(LST、LST_max、LST_min)分别是NDVI(LST)观测值、多年平均NDVI(LST)的最大值和最小值;a=0.5	作物长势状况
5	垂直干旱指数(PDI)	PDI= $1 s 2 + 1$ (R_red+sR_SWIR) 式中:s为土壤背景线斜率;R_red为红波段的反射率;R_SWIR为短波红外的反射率	土壤含水量状况
6	综合干旱指数 (ZH)	ZH=aPDI+(1-a)VHI 式中:PDI和VHI分别为垂直干旱指数和植被健康指数;a=0.3	区域旱情综合情况

表1 系统实现的遥感干旱指数

Table 1 Remote sensing drought indices in the digital twin platform

序号	遥感指数	计算公式	适用范围
1	陆面温度 (T_s)	T_s= $a (1 - C - D) + [b (1 - C - D) + C + D] T 10 - D T a C$ $C = ε τ$ $D = (1 - T) [1 + (1 - ε) τ]$ 式中:T_s是地表真实温度(K);a和b是常量,分别是-67.355 351和0.458 606; $ε$ 是地表比辐射率; $τ$ 是大气透过率;T₁₀是卫星高度上传感器探测到的像元亮度温度(K);T_a是大气平均作用温度(K)	地表水分亏缺状况
2	归一化水体指数 (NDWI)	NDWI= $G r e e n - N I R G r e e n + N I R$ 式中:Green为绿波段反射率;NIR为近红外波段反射率	湖库水体分布
3	归一化植被指数 (NDVI)	NDVI= $N I R - R N I R + R$ 式中:NIR为近红外波段反射率;R为红光波段反射率	作物长势状况
4	植被健康指数 (VHI)	VCI=100 $(N D V I - N D V I m i n) (N D V I m a x + N D V I m i n)$ TCI=100 $(L S T m a x - L S T) (L S T m a x + L S T m i n)$ VHI=aVCI+(1-a)TCI 式中:NDVI、NDVI_max和NDVI_min(LST、LST_max、LST_min)分别是NDVI(LST)观测值、多年平均NDVI(LST)的最大值和最小值;a=0.5	作物长势状况
5	垂直干旱指数(PDI)	PDI= $1 s 2 + 1$ (R_red+sR_SWIR) 式中:s为土壤背景线斜率;R_red为红波段的反射率;R_SWIR为短波红外的反射率	土壤含水量状况
6	综合干旱指数 (ZH)	ZH=aPDI+(1-a)VHI 式中:PDI和VHI分别为垂直干旱指数和植被健康指数;a=0.3	区域旱情综合情况

图6 垂直干旱指数在数字化场景中的展示

Fig.6 Display of Perpendicular Drought Index (PDI) in digital watershed scenes

图7 XML基本信息文档

Fig.7 XML basic information file

图8 XML输入/输出文档

Fig.8 XML input/output file

图9 旱警水位滚动预警

Fig.9 Rolling warning of drought-limit water level

图10 长江流域水旱灾害应急预案

Fig.10 Emergency response planning for flood and drought disasters in the Changjiang River Basin

[1]	陆青, 杨霞, 张强, 洪慧, 赵昭. 湖北省流域横向生态补偿发展实践和政策建议[J]. 院报, 2024, 41(8): 8-14.
[2]	黄卫, 陈端, 杨青远, 黄艳. 数字孪生中水动力学模型关键技术研究与应用进展[J]. 院报, 2024, 41(8): 197-206.
[3]	鲁瀚友, 赵文刚, 蒋婕妤, 王在艾, 刘晓群, 李志威. 基于UE5的虎渡河水流数字仿真技术研究及应用[J]. 院报, 2024, 41(8): 157-163.
[4]	唐文坚, 申邵洪, 杨恒玲, 元媛, 牛广利. 数字孪生水利工程关键技术及其应用实践——以江垭皂市工程为例[J]. 院报, 2024, 41(8): 172-179.
[5]	刘成堃, 张航, 靖争, 杨星玥, 张力. 面向数字孪生场景的三维水质推演仿真方法[J]. 院报, 2024, 41(8): 189-196.
[6]	邓瑞, 邓志民, 王孟, 李斐, 刘扬扬, 肖洋, 李亚俊. 长江流域重要饮用水水源地保护长效机制[J]. 院报, 2024, 41(7): 8-15.
[7]	申梦姝, 刘悦忆, 郑航, 陈进. 长江流域水源涵养服务价值及其空间转移评估[J]. 院报, 2024, 41(4): 14-22.
[8]	刘兆孝. 新时期长江流域水资源保护规划及管理工作的思考[J]. 院报, 2024, 41(4): 1-7.
[9]	刘昕, 肖华, 王栋. 长江流域地下水利用现状及超采区治理对策[J]. 院报, 2024, 41(3): 16-21.
[10]	欧阳硕, 胡智丹, 邵骏, 龚莉, 杜涛. 基于CanESM5模式的长江流域未来降雨变化趋势分析[J]. 院报, 2024, 41(1): 36-43.
[11]	申梦姝, 郑航, 刘悦忆, 陈进, 尹正杰. 基于改进的当量因子法的生态服务价值时空变化研究——以长江流域为例[J]. 院报, 2023, 40(9): 47-54.
[12]	庄超, 尹正杰. 长江流域跨省横向生态补偿机制实践反思与完善[J]. 院报, 2023, 40(6): 7-13.
[13]	许继军, 袁喆. 2022年长江流域干旱特征分析与新时期抗旱减灾应对模式探讨[J]. 院报, 2023, 40(4): 1-8.
[14]	陈进. 严重干旱情景下长江水资源调控与管理[J]. 院报, 2023, 40(3): 1-5.
[15]	李喆, 叶松, 杨星玥, 姚正利. 数字孪生驱动的南水北调中线水源工程水质平台设计与开发[J]. 院报, 2023, 40(3): 174-180.

数字孪生驱动的长江流域干旱防御平台设计与开发

Drought Resistance Information Platform Driven by Digital Twins for the Changjiang River Basin: Design and Development

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

相关文章 15

编辑推荐

Metrics

本文评价