CN106683184B - 网络环境下泥石流灾害过程快速模拟与可视化分析方法 - Google Patents
网络环境下泥石流灾害过程快速模拟与可视化分析方法 Download PDFInfo
- Publication number
- CN106683184B CN106683184B CN201710004715.8A CN201710004715A CN106683184B CN 106683184 B CN106683184 B CN 106683184B CN 201710004715 A CN201710004715 A CN 201710004715A CN 106683184 B CN106683184 B CN 106683184B
- Authority
- CN
- China
- Prior art keywords
- mud
- disaster
- analysis
- flow
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Signal Processing (AREA)
- Economics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computing Systems (AREA)
- Computer Security & Cryptography (AREA)
- Remote Sensing (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Computer Hardware Design (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于地理信息系统的虚拟地理环境研究领域,特别涉及到泥石流灾害模拟与可视化分析技术。本发明提出一种网络环境下的泥石流灾害时空过程快速模拟与可视化分析方法,该方法将模型、可视化与分析进行紧密集成,并提供参数可视化设置界面,便于参数获取与设置;同时,采用了并行优化方法以及尺度最优选择方法,极大地提高泥石流灾害模拟计算、可视化与分析的准确性和效率;并构建了网络服务,提供灾情信息的共享与发布,有效地支撑泥石流灾害的应急处置。
Description
技术领域
本发明属于地理信息系统的虚拟地理环境研究领域,特别涉及到泥石流灾害模拟与可视化分析技术。
背景技术
泥石流是一种在山区频发的地质灾害,往往由短时间内强降水引发山体滑坡所致,具有高级配、高浓度、速度快、持续时间短、冲击力大、破坏性强等特点。它的发生和发展严重威胁着人们的生命和财产安全,同时对受灾地区的生态环境造成严重地破坏。开展泥石流灾害时空过程模拟与分析,可以预测泥石流的传播与演进过程,得到泥深、流速等灾情信息,确定泥石流灾害的淤埋区域和受灾程度,为制定应急救援与应急处置方案提供技术支持,对泥石流灾害的防灾减灾与应急处置具有重要意义。
由于泥石流灾害事件具有发生的突然性、扩张的快速性以及响应的紧迫性,影响因素复杂多变,因此,对泥石流灾害发展过程和受灾区域分析的直观性、快速性和准确性提出了更高的要求。然而现有的时空过程模拟、可视化与空间分析是分离的,对多源数据、模型以及多专业知识的共享集成研究不够,缺乏可高效地用于泥石流灾害模拟与分析工具。此外,泥石流灾害时空过程仅使用单一的规则格网进行可视化模拟与分析,对格网尺度的选择也具有较大的随意性,不同格网尺度对模型计算、可视化及分析的效率与准确性会产生很大的影响,如何在准确性和效率之间进行均衡来选取适合的格网尺度,缺乏系统性的研究。
目前,大多数泥石流灾害模拟都是以单一的桌面应用程序为主,导致分布式存储的数据资源、模型软件等得不到充分的利用与共享,并且大多数局限在二维的可视化表达中,缺乏丰富真实的场景信息。网络技术的发展使得网络正在成为空间信息决策的平台,在网络环境下可以集成多源空间数据和时空过程分析模型,实现对泥石流灾害的可视化模拟与分析,并且可以面向预警信息展示、发布应急救援方案。同时为了减少客户端的等待时间,实现泥石流灾害时空过程的实时模拟与可视化分析,需要对数值模拟计算效率进行进一步地提高。
基于上述问题,首先需要深入地研究泥石流灾害时空过程集成优化方法,并探索泥石流灾害数值模拟计算优化方法;然后探讨网络环境下动态可视化建模与风险评估分析理论;最后开展尺度效应分析研究,剖析不同空间尺度对模型、可视化与分析的准确性和效率的影响,选取不同情景下的最优空间尺度。
发明内容
本发明的目的在于提出一种网络环境下的泥石流灾害时空过程快速模拟与可视化分析方法,该方法将模型、可视化与分析进行紧密集成,并提供参数可视化设置界面,便于参数获取与设置;同时,采用了并行优化方法以及尺度最优选择方法,极大地提高泥石流灾害模拟计算、可视化与分析的准确性和效率;并构建了网络服务,提供灾情信息的共享与发布,有效地支撑泥石流灾害的应急处置。
一种网络环境下泥石流灾害过程快速模拟与可视化分析方法,具体如下:
S1、进行泥石流灾害计算模型的集成与并行优化,具体包括:泥石流数值模型的集成优化和泥石流时空过程计算并行优化,其中,
在所述的泥石流数值模型的集成优化中,针对选取的泥石流流团模型,设计相应的参数可视化调控界面,用户可以在模拟与反馈过程中交互动态调整不同情景下的模拟参数;
在所述的泥石流时空过程计算并行优化中,设计了基于GPU/CPU协同并行优化的泥石流灾害时空过程模拟模型,在计算不同时刻下泥石流灾害的实时泥深、速度、位移等时,提高了模型计算效率,在泥石流灾害模拟过程中确定溃口起始参数,其中的溃口起始参数包括了泥石流密度、极限浓度、初始泥深、固体体积浓度、固体密度、液体体积浓度、一次冲出总量、初始速度、粗糙度系数,水体密度,单个泥流团体积和计算时间间隔,
其中,所述的泥石流流团模型是基于泥石流运动方程,计算方法如下:
Ssx与Ssy分别是x和y方向泥石流堆积区底面坡降(‰),u、v分别是x和y方向泥石流速度(m/s),g为当地的重力加速度(m/s2),Sfx和Sfy分别采用摩阻坡降,具体如下:
τB为屈服应力(N/m2),γm为泥石流密度(t/m3),h为泥石流淤埋深度(m),μB为泥石流粘滞系数(N.s/m2),Kc为糙率系数,
溃口处格网行列号通过泥石流溃口处的坐标以及DEM格网坐标计算得到,并以文件的形式保存到指定的文件夹中,提高了模型参数的处理效率、简化了数据处理流程;
S2、进行尺度效应分析及最佳尺度选择,具体包括:模型尺度效应分析,可视化尺度效应分析,风险评估尺度效应分析,最佳尺度选择,其中,
所述的模型尺度效应分析主要针对不同空间尺度下泥石流流团体积大小、计算步长、流团总数的差异,计算泥石流淤埋面积的大小、淤埋区域的空间分布以及模拟模型计算准确性和效率的统计分析;
所述的可视化尺度效应分析在泥石流灾害可视化模拟场景构建中,泥石流灾害动态可视化尺度效应分析主要考虑模型的模拟结果文件输出时间以及可视化平台中数据渲染时间的统计与分析;
所述的风险评估尺度效应分析包括在泥石流灾害可视化分析场景构建中,比较不同空间尺度下不同风险等级区域的空间分布、受灾面积、受灾人口等;
所述的最佳尺度选择指综合考虑模型尺度、可视化尺度以及风险评估尺度准确性和效率,采用层析分析法对泥石流灾害模拟与分析中涉及到的影响因子比如模型计算准确性、模型计算效率、可视化效率以及风险评估分析准确性等因进行层次划分,并根据影响因子的侧重点来确定其权重,从而选择出不同情景下的最优格网尺度;
S3、进行网络环境下泥石流灾害可视化模拟与分析,具体步骤如下:
S31、虚拟地形场景构建,其中,虚拟地形场景构建指的是通过网络方式将在线数据和本地数据集成,并实时地加载和渲染显示,实现不同分辨率下虚拟地球系统三维可视化展示与浏览;
S32、对泥石流灾害动态进行可视化,具体为:泥石流灾害模拟结果数据为格网单元组成的二维数组,每一时刻的模型计算结果中各格网包含泥深数据、高程数据以及平面坐标数据,并以JSON文件的形式进行存储,可支持泥石流可视化绘制,为了更加直观、逼真地展示泥石流泥深信息,不同深度的泥深采用不同颜色进行可视化显示其中,泥石流灾害动态可视化指通过浏览器端读取泥石流计算模型所输出的JSON组织形式数据,实现泥石流可视化效果的绘制;
S33、分析场景交互展示,其中,分析场景交互展示指对灾害区域的专题数据和灾情数据的显示,用户并可以通过交互的方式实现灾情信息的分析和查询。
进一步地,S1所述泥石流时空过程计算并行优化,具体步骤如下:
S11、并行优化部分:由GPU各线程处理泥石流颗粒的碰撞交互计算,由GPU来执行泥石流时空过程模拟的可视化渲染,CPU负责整个系统的串行化处理;
S12、程序优化方法:分为内存对齐、分支性能两种部分,
内存对齐能判断出全局内存的访问是否满足合并条件,
分支性能是指分支以线程束为单位进行。
进一步地,S2所述计算泥石流淤埋面积的大小,具体步骤为:
S21、根据流团体积约束准则:单个流团的体积在数值上小于等于网格单元面积的1/10;
S22、流团连续性准则:在整个计算时间域上,每个格网必须包含一定数量的泥流团;
S23、流团位移准则:所有流团在单个时间步长内的位移不能大于网格单位长的1/4。
进一步地,
S31所述在线数据为高精度全球卫星影像、地图数据和粗略的高程数据,系统支持WMS、WCS、TMS等多种地图数据服务,获取和解析这些在线地理数据并实时地加载和渲染显示,实现不同分辨率下虚拟地球系统三维可视化展示与浏览,
S31所述本地数据为本地影像数据和高精度的DEM地形数据,其中,对于大规模的地形,利用切片工具(build_elevation.py&ElevationLayer.py)对DEM进行切片,切片数据存储为JSON格式,通过WebServer(IIS)进行发布,在Cesium中作为TMSElevationLayer节点加载;对于遥感影像,利用TMSImageLayer调用ArcGISServer发布的WMTS服务进行加载。
进一步地,S33所述的分析场景交互展示,包括:
S331、在泥石流灾害分析中,支持最大泥深、最大动能和最大流速的过程分析;
S332、在泥石流灾害分析过程中以交互查询的方式查询灾害区域的整体受灾程度、受灾道路、受灾人口、房屋受损程度等灾情信息。
本发明的有益效果是:
本发明方法将泥石流灾害数值模型、可视化与分析紧密集成,提供可视化参数设置界面,便于参数的配置优化与动态交互调整;设计模型计算并行优化方法,可提高模拟计算效率,有效地支撑网络环境下的实时模拟与可视化分析;对不同空间尺度数据从模型、可视化及空间分析角度进行尺度效应分析,可提高泥石流灾害模拟与可视化分析的准确性和效率;用户无需安装任何插件,即可在客户端直观地模拟并展示泥石流灾害的发展过程,进而对受灾区域的人口、建筑物、道路等进行统计分析和风险评估。
附图说明
图1为网络环境下泥石流灾害过程快速模拟与可视化分析总体流程图。
图2为泥石流灾害尺度效应分析流程图。
图3为网络环境下泥石流灾害场景动态构建图。
图4为不同空间尺度下泥石流最大淤埋面积对比分析。
图5为不同尺度下泥石流灾害计算时间对比。
图6为展示了不同尺度下的泥石流模拟结果可视化渲染时间。
图7为决策层对于因子层的判断矩阵。
具体实施方式
如图1所示,首先要进行泥石流灾害时空过程模拟,包括根据DEM数据、粗糙度、溃口数据等准备,然后选择适当的泥石流数值模型,实现参数可视化配置优化。
S1、进行泥石流数值模型的集成优化,包括:
S11、泥石流数值模型的集成优化,包括:
S111、泥石流数值模型采用的流团模型,它是基于Saint-Venant方程的泥石流运动方程,计算方法如下:
式中,Ssx与Ssy分别是x和y方向泥石流堆积区底面坡降(‰),g为重力加速度,Sfx和Sfy分别采用O’Brien等(1993)的摩阻坡降:
式中,τB为屈服应力(N/m2),γm为泥石流密度(t/m3),h为泥石流淤埋深度(m),μB为泥石流粘滞系数(N.s/m2),Kc为糙率系数。
泥石流虚拟地理环境构建中选用流团模型能够适应复杂地形来计算泥石流在堆积扇上的泥深和速度分布,判定泥石流灾害的危险范围。将流团模型紧密地集成到虚拟地理环境框架中,便于高效地进行模拟计算参数可视化选择、配置以及交互动态调整。
S112、所述的参数可视化配置优化,包括了参数可视化调控界面,用户可以在模拟与反馈过程中交互动态调整不同情景下的模拟参数,提高模型计算的准确性。在泥石流灾害模拟过程中涉及许多参数,溃口起始参数的确定是其中很重要的部分,溃口处格网行列号通过泥石流溃口处的坐标以及DEM格网坐标计算得到,并以文件的形式保存到指定的文件夹中,提高了模型参数的处理效率、简化了数据处理流程。
其中,x、y分别为泥石流溃口处的坐标,x'、y'分别为DEM左下角坐标,TotalRows为DEM格网的总行数。
S12、泥石流时空过程计算并行优化,包括:
并行优化部分,主要是泥石流颗粒的碰撞交互计算交由GPU各线程处理,泥石流时空过程模拟的可视化渲染也是交由GPU来执行,CPU则负责整个系统的串行化处理;
程序优化方法,主要有内存对齐、分支性能两种部分。内存对齐能判断出全局内存的访问是否满足合并条件。由于全局内存具有严重的访问延迟,如果全局内存能够满足访问合并的条件,即所有线程访问连续对齐的内存块,线程对内存进行一对一连续对齐访问,则每个线程的访问地址可以合并起来,只需一次存储事物即可解决问题,合并大小支持32字节、64字节和128字节;分支性能是指分支以线程束为单位进行,同一线程束内的线程走向同一分支造成的性能损失较小,但当线程束内的线程走向不同分支时,需要的时间是不同分支之和,分支增多时将严重影响效率,因此需要尽量地去除内核函数中的分支。
S2、尺度效应分析及最佳尺度选择,如图2所示,包括:
模型尺度效应分析;可视化尺度效应分析;风险评估尺度效应分析;最佳尺度选择;
所述的模型尺度效应分析主要针对不同空间尺度下泥石流流团体积大小、计算步长、流团总数的差异,进行泥石流淤埋面积的大小、淤埋区域的空间分布以及模拟模型计算准确性和效率的统计分析。
所述的可视化尺度效应分析在泥石流灾害可视化模拟场景构建中,泥石流灾害动态可视化尺度效应分析主要考虑模型的模拟结果文件输出时间以及可视化平台中数据渲染时间的统计与分析。
所述的风险评估尺度效应分析包括在泥石流灾害可视化分析场景构建中,比较不同空间尺度下不同风险等级区域的空间分布、受灾面积、受灾人口等。
所述的最佳尺度选择指的是通过模型尺度、可视化尺度以及风险评估尺度的效果和效率进行分析和比较,选择最适合的尺度并运用于泥石流时空过程的快速模拟和可视化中。
S2所述的泥石流淤埋面积的计算中,对流团模型中的单个泥流团进行规约,具体步骤如下:
S21、流团体积约束准则:单个流团的体积在数值上应该不大于网格单元面积的1/10,符合宏观足够小,微观足够大的原则;
S22、流团连续性准则:在整个计算时间域上,每个格网必须包含一定数量的泥流团;
S23、流团位移准则:所有流团在单个时间步长内的位移不能大于网格单位长的1/4。
S2所述的不同风险等级将依据泥石流灾害风险特征,采用标准差法对泥石流灾害的危险度、易损度以及风险度划分为三个等级:低度、中度和高度。
S3、泥石流时空过程可视化与风险评估分析,如图3所示,包括:
S31、虚拟地形场景构建,包括:
本地数据;在线数据。
S311、所述的本地数据主要包括本地影像数据和高精度的DEM地形数据;对于大规模的地形,利用切片工具(build_elevation.py&ElevationLayer.py)对DEM进行切片,切片数据存储为JSON格式,通过WebServer(IIS)进行发布,在Cesium中作为TMSElevationLayer节点加载;对于遥感影像,利用TMSImageLayer调用ArcGISServer发布的WMTS服务进行加载。
S312、所述的在线数据主要包括大量高精度全球卫星影像、地图数据和粗略的高程数据,系统支持WMS、WCS、TMS等多种地图数据服务,获取和解析这些在线地理数据并实时地加载和渲染显示,实现不同分辨率下虚拟地球系统三维可视化展示与浏览。
S32、所述的泥石流灾害动态可视化,包括:
泥石流灾害模拟结果数据为格网单元组成的二维数组,每一时刻的模型计算结果中各格网包含泥深数据、高程数据以及平面坐标数据,并以JSON文件的形式进行存储,可支持泥石流可视化绘制;为了更加直观、逼真地展示泥石流泥深信息,不同深度的泥深采用不同颜色进行可视化显示;
S33、所述的分析场景交互展示,包括:
S321、在泥石流灾害分析中,支持最大泥深、最大动能和最大流速的过程分析;
S322、在泥石流灾害分析过程中以交互查询的方式查询灾害区域的整体受灾程度、受灾道路、受灾人口、房屋受损程度等灾情信息。
实施案例
(1)、泥石流灾害研究区域选择
选取了典型的泥石流灾害区域,经纬度如下:30°45′N~31°43′N,102°51′E~103°44′E,该区域包括一个长15公里的主沟,8条支沟,该区域流域面积为54.2km2,流域海拔高度在1320~4360m之间。所述流域内主要岩性为花岗岩和碳酸岩,受地质灾害影响,岩体崩解,坡积物滑落,进一步增加了沟道流域内的松散堆积物量,在极端降雨作用下极易产生泥石流。持续的降水使土体充分饱和,失稳破坏汇入到山洪中形成泥石流,泥石流在运动中不断有支沟泥石流汇入,加之上游堰塞湖部分溃决,最终形成具有强大破坏力的大规模泥石流。
对采集得到的遥感图像进行预处理,得到案例区粗糙率估算值。
(2)、泥石流可视化模拟
根据研究区域的历史资料、参考文献资料、遥感影像解译、现场调查等方法,获得了案例区域的相关计算参数,具体如下:
表1 七盘沟泥石流模拟参数表
(3)、风险评估分析
用户以交互可视化方式设置不同研究区域的相关模型计算参数,开始泥石流灾害模拟演进计算,基于HTML5技术和WebGL技术构建泥石流灾害虚拟地理环境场景,并将不同研究区域的模型计算结果进行三维动态可视化展示(泥石流的流速,泥深)与风险评估分析(对泥石流的沿途的道路,居民地的影响)。
尺度效应分析
本项目选取几种典型的空间尺度开展了泥石流模拟分析尺度效应分析实验,根据模型计算结果数据、案例区域专题数据以及风险评估分析结果进行泥石流尺度效应分析,选择出不同情景下的适宜空间尺度。
模型尺度效应分析
泥石流模型尺度效应分析主要针对不同空间尺度下(栅格单元大小)泥石流淤埋区域的空间分布以及模拟模型计算效率进行统计分析,综合考虑模型的准确性和效率的影响。
淤埋面积
图4为不同空间尺度下泥石流最大淤埋面积对比分析,随着空间尺度的增大,在靠近山脉的地方淹没面积丢失,而在地势起伏不大的地区,有些区域淹没面积会增加有些区域则减少。(补充线性对比图)
泥石流演进计算效率分析
泥石流模拟模型在不同的空间尺度下具有不同的计算效率,在同一空间尺度,计算时间开始随着流团个数的增加不断增加,增加到一定程度后由于部分泥流团的静止导致计算时间减少。在不同的空间尺度上,泥石流模拟计算时间会随着空间尺度的增大而减少。
可视化尺度效应分析
图6展示了不同尺度下的泥石流模拟结果可视化渲染时间。随着格网尺度不断的增大,可视化渲染时间减少。
风险评估尺度效应分析
表2为风险评估统计表。
表2
最优尺度分析
当格网尺度为40m时,泥石流灾害模拟与分析的准确性出现很大的误差,已经满足不了应急救灾的需求。因此,仅考虑当格网尺度分别为5m、10m、20m时的模型计算准确性、风险评估准确性、模拟计算效率以及可视化效率等因子,利用层次分析方法选择不同情景下的最优格网尺度。
第一种情景,认为泥石流灾害模拟与分析的准确性比效率更重要,设置了如表3所示的判断矩阵,并设置决策层对于因子层的判断矩阵,如图7所示。
表3 判断矩阵(准确性比效率更重要)
根据表3和图7分别计算格网尺度为5m、10m、20m的总权重值为0.51、0.25、0.23。在此情景下,应选择5m格网用于泥石流灾害模拟与可视化分析。
第二种情景,认为泥石流灾害模拟与分析的准确性和效率一样重要,将设置了如表4所示的判断矩阵,并设置决策层对于因子层的判断矩阵,如表4所示。
表4 判断矩阵(准确性和效率一样重要)
根据表4和图7计算格网尺度5m、10m、20m的总权重值分别为0.36、0.25、0.39。在此情景下,应选择20m格网用于泥石流灾害模拟与可视化分析。
Claims (5)
1.一种网络环境下泥石流灾害过程快速模拟与可视化分析方法,其特征在于,具体步骤如下:
S1、进行泥石流灾害计算模型的集成与并行优化,具体包括:泥石流数值模型的集成优化和泥石流时空过程计算并行优化,其中,
在所述的泥石流数值模型的集成优化中,针对选取的泥石流流团模型,设计相应的参数可视化调控界面,用户可以在模拟与反馈过程中交互动态调整不同情景下的模拟参数;
在所述的泥石流时空过程计算并行优化中,设计了基于GPU/CPU协同并行优化的泥石流灾害时空过程模拟模型,在计算不同时刻下泥石流灾害的实时泥深、速度、位移时,提高了模型计算效率,在泥石流灾害模拟过程中确定溃口起始参数,其中的溃口起始参数包括了泥石流密度、极限浓度、初始泥深、固体体积浓度、固体密度、液体体积浓度、一次冲出总量、初始速度、粗糙度系数,水体密度,单个泥流团体积和计算时间间隔,
其中,所述的泥石流流团模型是基于泥石流运动方程,计算方法如下:
Ssx与Ssy分别是x和y方向泥石流堆积区底面坡降(‰),u、v分别是x和y方向泥石流速度(m/s),g为当地的重力加速度(m/s2),Sfx和Sfy分别采用摩阻坡降,具体如下:
τB为屈服应力(N/m2),γm为泥石流密度(t/m3),h为泥石流淤埋深度(m),μB为泥石流粘滞系数(N.s/m2),Kc为糙率系数,
溃口处格网行列号通过泥石流溃口处的坐标以及DEM格网坐标计算得到,并以文件的形式保存到指定的文件夹中,提高了模型参数的处理效率、简化了数据处理流程;
S2、进行尺度效应分析及最佳尺度选择,具体包括:模型尺度效应分析,可视化尺度效应分析,风险评估尺度效应分析,最佳尺度选择,其中,
所述的模型尺度效应分析针对不同空间尺度下泥石流流团体积大小、计算步长、流团总数的差异,计算泥石流淤埋面积的大小、淤埋区域的空间分布以及模拟模型计算准确性和效率的统计分析;
所述的可视化尺度效应分析在泥石流灾害可视化模拟场景构建中,泥石流灾害动态可视化尺度效应分析考虑模型的模拟结果文件输出时间以及可视化平台中数据渲染时间的统计与分析;
所述的风险评估尺度效应分析包括在泥石流灾害可视化分析场景构建中,比较不同空间尺度下不同风险等级区域的空间分布、受灾面积、受灾人口;
所述的最佳尺度选择指综合考虑模型尺度、可视化尺度以及风险评估尺度准确性和效率,采用层析分析法对泥石流灾害模拟与分析中涉及到的影响因子包括模型计算准确性、模型计算效率、可视化效率以及风险评估分析准确性进行层次划分,并根据影响因子的侧重点来确定其权重,从而选择出不同情景下的最优格网尺度;
S3、进行网络环境下泥石流灾害可视化模拟与分析,具体步骤如下:
S31、虚拟地形场景构建,其中,虚拟地形场景构建指的是通过网络方式将在线数据和本地数据集成,并实时地加载和渲染显示,实现不同分辨率下虚拟地球系统三维可视化展示与浏览;
S32、对泥石流灾害动态进行可视化,具体为:泥石流灾害模拟结果数据为格网单元组成的二维数组,每一时刻的模型计算结果中各格网包含泥深数据、高程数据以及平面坐标数据,并以JSON文件的形式进行存储,可支持泥石流可视化绘制,为了更加直观、逼真地展示泥石流泥深信息,不同深度的泥深采用不同颜色进行可视化显示其中,泥石流灾害动态可视化指通过浏览器端读取泥石流计算模型所输出的JSON组织形式数据,实现泥石流可视化效果的绘制;
S33、分析场景交互展示,其中,分析场景交互展示指对灾害区域的专题数据和灾情数据的显示,用户并可以通过交互的方式实现灾情信息的分析和查询。
2.根据权利要求1所述的一种网络环境下泥石流灾害过程快速模拟与可视化分析方法,其特征在于:S1所述泥石流时空过程计算并行优化,具体步骤如下:
S11、并行优化部分:由GPU各线程处理泥石流颗粒的碰撞交互计算,由GPU来执行泥石流时空过程模拟的可视化渲染,CPU负责整个系统的串行化处理;
S12、程序优化方法:分为内存对齐、分支性能两种部分,
内存对齐能判断出全局内存的访问是否满足合并条件,
分支性能是指分支以线程束为单位进行。
3.根据权利要求1所述的一种网络环境下泥石流灾害过程快速模拟与可视化分析方法,其特征在于:S2所述计算泥石流淤埋面积的大小,具体步骤为:
S21、根据流团体积约束准则:单个流团的体积在数值上小于等于网格单元面积的1/10;
S22、流团连续性准则:在整个计算时间域上,每个格网必须包含一定数量的泥流团;
S23、流团位移准则:所有流团在单个时间步长内的位移不能大于网格单位长的1/4。
4.根据权利要求1所述的一种网络环境下泥石流灾害过程快速模拟与可视化分析方法,其特征在于:
S31所述在线数据为高精度全球卫星影像、地图数据和粗略的高程数据,系统支持WMS、WCS、TMS多种地图数据服务,获取和解析这些在线地理数据并实时地加载和渲染显示,实现不同分辨率下虚拟地球系统三维可视化展示与浏览,
S31所述本地数据为本地影像数据和高精度的DEM地形数据,其中,对于大规模的地形,利用切片工具对DEM进行切片,切片数据存储为JSON格式,通过WebServer进行发布,在Cesium中作为TMSElevationLayer节点加载;对于遥感影像,利用TMSImageLayer调用ArcGISServer发布的WMTS服务进行加载。
5.根据权利要求1所述的一种网络环境下泥石流灾害过程快速模拟与可视化分析方法,其特征在于:S33所述的分析场景交互展示,包括:
S331、在泥石流灾害分析中,支持最大泥深、最大动能和最大流速的过程分析;
S332、在泥石流灾害分析过程中以交互查询的方式查询灾害区域的整体受灾程度、受灾道路、受灾人口、房屋受损程度灾情信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710004715.8A CN106683184B (zh) | 2017-01-04 | 2017-01-04 | 网络环境下泥石流灾害过程快速模拟与可视化分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710004715.8A CN106683184B (zh) | 2017-01-04 | 2017-01-04 | 网络环境下泥石流灾害过程快速模拟与可视化分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106683184A CN106683184A (zh) | 2017-05-17 |
CN106683184B true CN106683184B (zh) | 2019-09-13 |
Family
ID=58848870
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710004715.8A Active CN106683184B (zh) | 2017-01-04 | 2017-01-04 | 网络环境下泥石流灾害过程快速模拟与可视化分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106683184B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107220513B (zh) * | 2017-06-13 | 2020-09-08 | 成都理工大学 | 一种计算泥石流平均流速的方法及其应用 |
CN108460195B (zh) * | 2018-02-08 | 2019-06-14 | 国家海洋环境预报中心 | 海啸数值计算模型基于gpu并行的快速执行方法 |
CN108281199A (zh) * | 2018-02-27 | 2018-07-13 | 中国科学院地理科学与资源研究所 | 突发生物危害事件可视化智能决策支持平台 |
CN108898664A (zh) * | 2018-06-15 | 2018-11-27 | 安徽美图信息科技有限公司 | 基于Cesium的城市三维可视化地下管线系统的建立方法 |
CN108801539B (zh) * | 2018-07-12 | 2023-09-19 | 中交疏浚技术装备国家工程研究中心有限公司 | 基于无线的浆体输送管线沿程压力同步测量系统和方法 |
CN109190300A (zh) * | 2018-09-30 | 2019-01-11 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种大规模泥石流地质灾害快速数值仿真模拟方法及系统 |
CN109446587A (zh) * | 2018-09-30 | 2019-03-08 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种大规模滑坡地质灾害快速数值仿真模拟方法及系统 |
CN109801371B (zh) * | 2019-02-25 | 2021-04-20 | 南京工业大学 | 一种基于Cesium的网络三维电子地图构建方法 |
CN109871261A (zh) * | 2019-02-27 | 2019-06-11 | 云南大学 | 资源环境大数据展示方法和展示平台 |
CN110851768B (zh) * | 2019-11-13 | 2023-03-10 | 四川大学 | 一种堰塞湖多层次模糊评价方法 |
CN111507539A (zh) * | 2020-04-26 | 2020-08-07 | 山东省地质环境监测总站(山东省地质灾害防治技术指导中心) | 一种基于层次分析法的泥石流危险等级评价方法及系统 |
CN112818574B (zh) * | 2021-01-27 | 2022-10-14 | 江西理工大学 | 模拟泥石流起动形成、流动发展和再次淤积的数值方法 |
CN117036112B (zh) * | 2023-10-09 | 2023-12-22 | 石家庄坤垚科技有限公司 | 一种土地规划用的地理信息系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101009024A (zh) * | 2007-02-09 | 2007-08-01 | 肖盛燮 | 一种滑坡灾害可视化的实现方法 |
CN102288778A (zh) * | 2011-05-16 | 2011-12-21 | 西南交通大学 | 基于网格对象跟踪的实时泥石流表面速度测量方法 |
CN103714167A (zh) * | 2013-12-31 | 2014-04-09 | 上海师范大学 | 一种灾害信息时空数据在线三维显示方法 |
-
2017
- 2017-01-04 CN CN201710004715.8A patent/CN106683184B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101009024A (zh) * | 2007-02-09 | 2007-08-01 | 肖盛燮 | 一种滑坡灾害可视化的实现方法 |
CN102288778A (zh) * | 2011-05-16 | 2011-12-21 | 西南交通大学 | 基于网格对象跟踪的实时泥石流表面速度测量方法 |
CN103714167A (zh) * | 2013-12-31 | 2014-04-09 | 上海师范大学 | 一种灾害信息时空数据在线三维显示方法 |
Non-Patent Citations (2)
Title |
---|
Visual analysis and simulation of dam-break flood spatiotemporal process in a network environment;Lingzhi Yin 等;《Environmental Earth Sciences》;20150424;第74卷(第10期);7133-7146 * |
用于泥石流灾害快速风险评估的实时可视化模拟分析方法;尹灵芝;《中国博士学位论文全文数据库 基础科学辑》;20181015(第10期);A011-1 * |
Also Published As
Publication number | Publication date |
---|---|
CN106683184A (zh) | 2017-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106683184B (zh) | 网络环境下泥石流灾害过程快速模拟与可视化分析方法 | |
CN103544390B (zh) | 基于元胞自动机的溃决洪水快速演进模拟分析方法 | |
Kulkarni et al. | A web GIS based integrated flood assessment modeling tool for coastal urban watersheds | |
Oksanen et al. | Error propagation of DEM-based surface derivatives | |
Snow et al. | A high‐resolution national‐scale hydrologic forecast system from a global ensemble land surface model | |
Li et al. | A rapid 3D reproduction system of dam-break floods constrained by post-disaster information | |
Lagacherie et al. | Geo-MHYDAS: A landscape discretization tool for distributed hydrological modeling of cultivated areas | |
Zhu et al. | Dam-break flood routing simulation and scale effect analysis based on virtual geographic environment | |
Foufoula‐Georgiou et al. | Introduction to special section on Stochastic Transport and Emergent Scaling on Earth's Surface: Rethinking geomorphic transport—Stochastic theories, broad scales of motion and nonlocality | |
Lwin et al. | Estimation of building population from LIDAR derived digital volume model | |
Koshimura | Establishing the advanced disaster reduction management system by fusion of real-time disaster simulation and big data assimilation | |
San José et al. | Advances in 3D visualization of air quality data | |
Avolio et al. | Pyroclastic flows modelling using cellular automata | |
Crisci et al. | PYR: a Cellular Automata model for pyroclastic flows and application to the 1991 Mt. Pinatubo eruption | |
Dang et al. | A 3D-Panoramic fusion flood enhanced visualization method for VR | |
Jee et al. | Driving the TING model with GAIM electron densities: Ionospheric effects on the thermosphere | |
Wang et al. | Horseshoes in the high‐latitude ionosphere | |
Ohfuchi et al. | Mesoscale resolving simulations of the global atmosphere and ocean on the Earth Simulator | |
Lin et al. | A virtual geographic environment for a simulation of air pollution dispersion in the pearl river delta (PRD) region | |
Havenith | 3D Landslide Models in VR | |
Ye et al. | Spatio-temporal analysis and visualization using SPH for dam-break and flood disasters in a GIS environment | |
Marchuk et al. | 3D GIS integrated natural and man-made hazards research and information system | |
Smith et al. | A four‐dimensional agent‐based model: A case study of forest‐fire smoke propagation | |
Zhu et al. | A virtual geographic environment for simulation analysis of dam-break flood routing | |
Valette et al. | A virtual discrete rainfall simulator |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |