127 | 0 | 441 |
下载次数 | 被引频次 | 阅读次数 |
针对灌区数据种类多、格式不统一、监测频次不同、地理空间尺度不一致、业务交叉多、数据融合难等问题,提出解决灌区数字孪生底板多源数据融合问题的框架和方法。从灌区统一水利对象模型、对象融合(实体对象关系融合、倾斜摄影模型和BIM模型的融合、矢量对象与倾斜摄影模型的融合)、特征融合(多源遥感数据的特征融合、不同分辨率地形特征的融合)、数值融合(测站监测数据的融合、点数据和网格数据的空间尺度融合、降雨网格长中短期预报数据时空插值融合)等方面阐述多源数据融合路径。在欧阳海灌区项目实践中,提出灌区作物种植面积估算、基于多源数据融合的旱情监测、基于多源数据融合的淹没分析等应用场景,实现数字孪生灌区由整体到局部、由抽象到细节、由二维到三维等多层次可看、可用、可查的业务目标。
Abstract:To address issues like varied data types, inconsistent formats, differing monitoring frequencies,mismatched geographic spatial scales, overlapping business domains, and difficulties in data fusion, this study proposes a framework and methodology for multi-source data fusion in the digital twin base of irrigation districts. The multi-source data fusion paths are elaborated from several perspectives, including integrating unified water resource object models, object fusion(fusion of entity object relationships, oblique photography models and BIM models, vector objects and oblique photography models), feature fusion(integration of features from multi-source remote sensing data, fusion of terrain features at different resolutions), and numerical fusion(merging station monitoring data, spatial scale fusion of point and grid data, and spatiotemporal interpolation fusion of long-, medium-, and short-term rainfall grid forecast data). In the application of the Ouyanghai Irrigation District project, scenarios such as crop planting area estimation, drought monitoring using multi-source data fusion, and inundation analysis based on multi-source data fusion were implemented. These applications enable the digital twin irrigation district to achieve multi-level visibility, usability, and traceability,transitioning from overall to local perspectives, from abstraction to detail, and from two-dimensional to threedimensional representations.
[1]刘业森,刘昌军,郝苗,等.面向防洪“四预”的数字孪生流域数据底板建设[J].中国防汛抗旱,2022,32(6):6-14.
[2]雷苏琪,魏伶芸,陶鹏杰,等.多源异构数据在水利监测信息化中的应用[J].地理空间信息,2023,21(4):34-38.
[3]杜红艳,薛惠锋,侯俊杰,等.面向智慧水利的水资源数据融合探析[J].中国水利,2018(23):61-64.
[4]尤林奇,王楠,陶玉波,等.基于BIM+GIS的水利水电工程多源数据融合方法及应用[J].水电能源科学,2021,39(8):169-173.
[5]宋文龙,吕娟,刘昌军,等.遥感技术在数字孪生流域建设中的应用[J].中国防汛抗旱,2022,32(6):15-20.
[6]龚健雅,张展,贾浩巍,等.面向多源数据地物提取的遥感知识感知与多尺度特征融合网络[J].武汉大学学报(信息科学版),2022,47(10):1546-1554.
[7]中华人民共和国水利部.水利对象分类与编码总则:SL/T 213-2020[S].2020.
[8]中华人民共和国水利部.实时雨水情数据库表结构与标识符:SL/T 323-2011[S].2011.
[9]中华人民共和国水利部.水利一张图空间信息服务规范:SL/T 801-2020[S].2020.
[10]张光伟,吴昊,郭震冬.实景三维多源数据场景融合[J].测绘通报,2022(8):155-159.
[11]朱琳.基于Sentinel多源遥感数据的作物分类及种植面积提取研究[D].杨凌:西北农林科技大学,2018.
[12]郭鹏,武法东,戴建国,等.基于无人机可见光影像的农田作物分类方法比较[J].农业工程学报,2017,33(13):112-119.
[13]岳林蔚.多源多尺度DEM数据融合方法与应用研究[D].武汉:武汉大学,2017.
[14]叶文芳,沈清华,孙雨,等.水利枢纽工程实景三维模型单体化研究及网络服务发布[J].水利技术监督,2023(1):64-67+136.
[15]张婷,李怡,李建柱,等.多源降雨数据融合及其水文应用研究进展[J].自然灾害学报,2022,31(1):15-28.
[16]胡云锋,徐芝英,刘越,等.地理空间数据的尺度转换[J].地球科学进展,2013,28(3):297-304.
[17]周静平,李存军,史磊刚,等.基于决策树和面向对象的作物分布信息遥感提取[J].农业机械学报,2016,47(9):318-326+333.
[18]赵彬彬,彭东亮,张山山,等.顾及空间关系约束的不同比例尺面目标不一致性同化处理[J].武汉大学学报(信息科学版),2016,41(7):911-917.
[19]王洋.基于不同网格尺度的流域陆气耦合水文模拟研究[D].北京:中国水利水电科学研究院,2018.
[20]王川,常升龙,武喜红.基于SVM的农作物种植结构遥感提取研究[J].现代农业科技,2018(13):230-231.
[21]赵杏英,毛肖钰,徐红权,等.数字流域多尺度空间地理信息模型构建及应用--以钱塘江流域为例[J].人民长江,2021,52(S2):293-297.
[22]林瑀,陈日成,金涛.面向复杂信息系统的多源异构数据融合技术[J].中国测试,2020,46(7):1-7+23.
[23]段浩,韩昆,赵红莉,等.水利综合知识图谱构建研究[J].水利学报,2021,52(8):948-958.
基本信息:
DOI:
中图分类号:S274
引用信息:
[1]郭彪彪,何林华,霍宏旭等.基于灌区数字孪生数据底板的时空多源多尺度融合框架构建[J].中国水利,2025,No.1003(01):46-53.
基金信息:
湖南省水利科技重大项目“灌区数字孪生关键技术研究”(XSKJ2022068-02)