CN114511995A - 一种基于cesium模型的洪水分级预警方法 - Google Patents
一种基于cesium模型的洪水分级预警方法 Download PDFInfo
- Publication number
- CN114511995A CN114511995A CN202210011102.8A CN202210011102A CN114511995A CN 114511995 A CN114511995 A CN 114511995A CN 202210011102 A CN202210011102 A CN 202210011102A CN 114511995 A CN114511995 A CN 114511995A
- Authority
- CN
- China
- Prior art keywords
- flood
- river
- calculating
- dimensional
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 79
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 title abstract description 7
- 229910052749 magnesium Inorganic materials 0.000 title abstract description 7
- 239000011777 magnesium Substances 0.000 title abstract description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 105
- 238000004088 simulation Methods 0.000 claims abstract description 51
- 238000005516 engineering process Methods 0.000 claims abstract description 17
- 238000013507 mapping Methods 0.000 claims abstract description 7
- 238000011156 evaluation Methods 0.000 claims description 22
- 238000009877 rendering Methods 0.000 claims description 12
- 238000005094 computer simulation Methods 0.000 claims description 9
- 239000003086 colorant Substances 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 7
- 238000011161 development Methods 0.000 claims description 6
- 238000003780 insertion Methods 0.000 claims description 6
- 230000037431 insertion Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 230000001788 irregular Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000011144 upstream manufacturing Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 2
- 210000004534 cecum Anatomy 0.000 claims 9
- 230000000452 restraining effect Effects 0.000 abstract description 3
- 230000003044 adaptive effect Effects 0.000 abstract 1
- 238000007726 management method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- 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
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Emergency Management (AREA)
- Geology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Computer Graphics (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Alarm Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于cesium模型的洪水分级预警方法，包括以下步骤：在cesium软件中建立模拟场景模型；计算获得河流实际范围以及河流的流程函数；计算获得构建河流面所需的连接断面的位置；利用洪水演进模型计算获得每个断面点位置在固定时刻基于坐标的水位高程；对连接断面进行限定三角形划分形成三维网格曲面；利用动态纹理映射方法对时间和洪水的水流方向进行模拟；洪水绘制；对建筑物分级预警。采用本发明的技术方案，通过计算机高效准确地对洪水进行模拟仿真，应用半拉格朗日隐式积分法并引入体积守恒和动量守恒定律，并引入自适应网格曲面细分技术和纹理平铺技术，构建了洪水灾害评估预警模型，对于遏制洪水漫延、保护重要建筑物具有重要意义。
Description
技术领域
本发明属于洪水场景模拟技术领域，尤其涉及一种基于cesium模型的洪水分级预警方法。
背景技术
洪水是指河流、湖泊、海洋等水文环境上涨超过常规水位的一种自然现象。我国洪水灾害在空间上既有普遍性，又具有区域性；在时间上既表现出无序的非稳定性，又存在有序的韵律性、周期性。大量研究表明：洪水灾害具有不均匀性与差异性、多样性、随机性与可预测性、突变性与规律性等复杂性的特点。对于洪水的研究和仿真有着十分重要的意义，一个成熟完善的模拟系统给普通人洪水预警，提高对于洪水的防范意识，也能够给决策者做出决策提供可靠的参考，可以大大减少洪水带来的人员伤亡和财产损失。
洪水模拟的特殊性在于其不仅仅是流体模拟应用于视觉效果或演示，它对于水文专家或是可能会受到洪水影响的普通民众都具有很强的现实意义，一个可以交互的洪水自然灾害模拟系统可以提高普通民众的防洪意识和预警作用，也可以辅助水文专家或是防洪决策者预见到洪水的灾害做出正确的决策。
欧洲方面，奥地利的维也纳VRVis研究中心与维也纳技术大学合作已经发展出一套比较成熟的理论体系，并且在此基础上已经有成熟的、投入现实使用的洪水的决策系统Visdom。目前该系统很好的模拟了洪水和暴雨事件，集成了真实地形建模、洪水模拟和决策管理模块，对于业界洪水的模拟仿真系统的建设有着重要的参考意义。国内方面，西安理工大学的水模拟及灾害管理研究团队主要从事地表水及其附随过程数值模型的理论推导和实际应用、城市及流域洪涝管理、城市水利和水利遥感技术的研究。对于洪水研究，提出了利用GPU加速的模拟水体流动和传输的模型，该模型整合了水体的模拟、泥沙和污染物的转移、地下输水管网以及海绵城市技术，该模型对比欧洲团队，不仅注重洪水本身的模拟计算，对于洪水泛滥携带的污染物和土质颗粒也进行了模拟计算，系统更加注重洪水整体的长远决策，例如海绵城市相关的技术探讨。不足点在于缺少比较完善的可视化和交互模块，无法给决策者的即时决策提供一些指导。
发明内容
为解决上述技术问题，本发明提供了一种基于cesium模型的洪水分级预警方法。
本发明通过以下技术方案得以实现。
本发明提供一种基于cesium模型的洪水分级预警方法，包括以下步骤：
步骤1：采集目标河流周边的建筑物基础特征和地形地貌特征，根据该建筑物基础特征和地形地貌特征在cesium软件中建立模拟场景模型；
步骤2：根据目标河流所在的中心线、河流两侧的山脊线、对应河流所在区域的DEM数据和三维场景显示范围分别计算得到河流实际范围以及河流的流程函数；
步骤3：根据河流两侧的山脊线、河流实际范围、河流的流程函数以及预设的最大河道垂直落差，计算得到构建河流面所需的连接断面的位置；
步骤4：根据模拟的时间段等分时间间隔，并根据等分时间间隔以及连接断面的位置，利用洪水演进模型计算得到每一个断面点位置在固定时刻基于坐标的水位高程，并根据所述基于坐标的水位高程迭代连接相邻两个断面和河流两侧的山脊线，得到河面分段多边形；
步骤5：根据DEM数据，对两个断面形成的河面分段多边形均匀插入内部点，并进行限定Delaunay三角形划分，形成三维网格曲面；
步骤6：根据所述三维网格曲面和洪水演进模拟的时间段，利用动态纹理映射方法对时间和洪水的水流方向进行模拟，完成当前时刻基于洪水演进模型的大目标河流三维模拟；
步骤7：根据动态模拟的时间序列，重复迭代步骤4至步骤6完成连续时间段内基于洪水演进模型的大目标河流三维模拟；
步骤8：将模拟场景在水平面上细分为均匀的网格，将水体高度和基础地形高度存储在网格中心，将速度存储在网格边界；采用基于浅水方程的二维欧拉网格法模拟洪水演进，将浅水方程转化为拉格朗日表达形式，得到初步建立的物理场；所述物理场包括速度场和高度场；
步骤9：在交错网格上对物理场进行对流更新，并在更新对流项时采用大时间步长并引入体积守恒与动量守恒，得到基于体积守恒和动量守恒变形后的浅水方程；根据变形后的浅水方程，采用隐式积分法和雅克比迭代法求解更新后的高度场，根据更新后的高度场梯度进一步求解得到更新后的速度场；
步骤10：根据步骤9更新后的物理场，采用动态自适应网格细分技术抬升渲染水面，采用纹理平铺技术实现速度场的水流绘制，并采用双三次B样条曲线插值法对绘制的洪水边缘做光滑处理；所述水流绘制包括单块平板单一流速的绘制、固定流场的绘制以及时变流场的绘制；
步骤11：基于cesium模拟场景模型，根据淹没水深和建筑物类别设计洪灾损失评估函数，其中每一类建筑物对应一个洪灾损失评估函数；对洪灾损失评估函数值做归一化处理，并将归一化结果设为不同等级，每一个等级使用不同的颜色来表示建筑的受损程度，用于洪水场景绘制时实时改变建筑的外观颜色，实现可视化分级预警。
步骤11具体为：
步骤11.1：设计基于淹没水深和建筑物类别的洪灾损失评估函数：基于cesium模拟场景模型，水深与灾害程度呈现平方根级别的正相关，其相关系数与建筑物的4个类别：办公楼、商业用地、住宅用地、基础设施相关，共得到四种建筑物的洪灾损失评估函数；
步骤11.2：设计可视化预警：根据步骤5得到的四种建筑物的洪灾损失评估函数，将洪灾损失评估函数值归一化到[0,1]之间，每隔0.2取一个等级，每一个等级使用不同的颜色来表示建筑的受损程度，使得洪水场景实时绘制时改变建筑的外观颜色。
所述步骤2包括以下步骤：
步骤2.1：导入矢量形式的目标河流所在的中心线，分别记录当前场景三维浏览过程中的渲染视口显示范围G0以及设置的精细化分辨率R，并根据渲染视口显示范围G0和精细化分辨率R计算得到河流实际范围G：G＝G0*R
步骤2.2：根据河流中心线上包含的所有n个点及其顺序，计算得到河流中心线两个点之间的流程位置l和坐标关系函数，其中，河流中心线两个点之间的流程位置l和坐标关系函数为河流的流程函数：其中，li表示河流的流程函数，xi，yi，zi表示流程位置当前点的空间坐标，f(i)表示第i个点p(xi,yi,zi)与相邻上一个点所在三维直线方程的表达式，其根据三维空间两点的直线方程解算得到河流所有位置的坐标。
所述步骤3包括以下步骤：
步骤3.1：根据预先设置的断面之间高程最大落差h、流程坐标s和流程位置的高程z计算得到所有渲染范围内所有的断面位置，并根据所述断面位置计算得到断面总数m：其中，z0表示河流流程上游第一个点高程位置，zn表示最后一个点n点的高程值；
步骤3.2：根据所述河流的流程函数以及所有断面的位置坐标，计算得到所有m个断面的位置坐标di；
步骤3.3：设置河流中心线的垂直线作为断面线，并根据所述所有m个断面的位置坐标di与河流两侧的山脊线的交点，得到每一个断面的断面线段，并根据断面的断面线段计算得到连接断面的位置。
所述步骤4包括以下步骤：
步骤4.1：根据模拟的时间段等分时间间隔；
步骤4.2：利用圣维南方法计算得到洪水演进模型，并设置大目标河流三维模拟精度以及断面间隔；
步骤4.3：根据所述断面间隔、时间间隔的给定时间点ti、断面位置sm流量值和水位高程hti，计算得到当前展示范围内的所有断面位置的水位高程；
步骤4.4：根据所有断面线段的两个点高程zi1和zi2以及所有断面位置的水位高程，计算得到的基于坐标的水位高程hti，则更新zi1＝zi2＝hti，并迭代更新所有断面线的基于坐标的水位高程hti；
步骤4.5：根据所述基于坐标的水位高程，迭代连接相邻两个断面和河流两侧的山脊线，得到河面分段多边形。
所述步骤5包括以下步骤：
步骤5.1：每两个连接断面和水位边界对应的边界组成河道三维多边形；
步骤5.2：将河道三维多边形投影到XY所在的二维平面，用d表示纹理精细度，对应的最大三角网边长为e，并根据对应的最大三角网边长，在河道三维多边形内部沿河流中心线以及河流两侧的山脊线之间与XY轴平行的方向进行等分，分别计算得到断面长度d1和两个断面之间沿河流中心线方向的长度d2，并取断面长度d1和两个断面之间沿河流中心线方向的长度d2中的最小值d0，以及按所述最小值d0为等间距在X和Y方向插入点，保证河道三维多边形内部点均匀分布并且满足纹理精细度的条件；
步骤5.3：针对步骤5.2中插入的内部点，参考河流中心线的基于坐标的水位高程以及DEM数据，并以上一断面位置的高程为z1和流程位置为l1、下一断面高程为z2和流程位置为l2以及当前点在流程位置为l0，并利用距离反比法计算得到中间插入点的高程z'0：
步骤5.4：组织河流中心线和断面之间连接多边形为约束条件，内部插入点为曲面上的内部点，将所有点投影到XY平面上，构建二维约束Delaunay不规则三角网，得到两个断面之间的河流曲面；
步骤5.5：根据河流实际范围迭代当前显示范围内的，依次连接所有采样点的连续顺序，形成当前显示范围内的河流三维网格曲面。
所述步骤6包括以下步骤：
步骤6.1：根据所述三维网格曲面，利用动态纹理映射方法对时间和洪水的水流方向进行模拟，得到不同纹理图片动态表达的水流类型；
步骤6.2：根据不同纹理图片动态表达的水流类型以及洪水演进通过的全程时间，按照模拟精度间隔计算得到不同时间点的水位高程值；
步骤6.3：根据所述不同时间点的水位高程值进行水位动态变化模拟，完成当前时刻基于洪水演进模型的大目标河流三维模拟。
所述步骤7包括以下步骤：
步骤7.1：根据动态模拟的需求，设定时间间隔，将时间段划分为n个连续的时间点，并利用利用洪水演进模型计算得到每个时间点每个断面位置的水位高程；
步骤7.2：按照时间序列迭代n次步骤4至步骤6，得到动态的三维河流流动和水位动态变化的仿真模拟效果，完成连续时间段内基于洪水演进模型的大目标河流三维模拟。
所述基于cesium模型的洪水分级预警方法还包括以下步骤：
步骤12：在进行步骤11之前，采集获取建筑物的洪灾历史特征，然后将该洪灾历史特征与相应的洪灾损失评估函数相乘后，再对结果做归一化处理；洪灾历史特征包括：搜集已有的洪灾灾事故的观测数据，按照目标河流水位增长、洪灾蔓延，获取各个洪灾发展的阶段中对影响洪灾发展的洪灾历史特征，其中，所述洪灾历史特征包括：设施设备的状态特征、管理情况特征、建筑使用情况中的一种或组合。
采用传感器对所述建筑物的状态进行持续性监测，获取建筑物的洪灾历史特征，将该洪灾历史特征根据其数值范围划分为若干个层级，并选取其中一个数值作为报警阈值。
本发明的有益效果在于：采用本发明的技术方案，通过计算机高效准确地对洪水进行模拟仿真，基于水力学、计算机图形学等多学科的知识，在计算机图形学领域对大规模洪涝这一灾害现象进行了建模与实时绘制，在洪灾防治领域具有较大的应用前景，通过在传统浅水方程显式积分求解方法的基础上应用半拉格朗日隐式积分法，引入体积守恒和动量守恒，并采用GPU对这一过程进行加速，从而能实时模拟洪水演进；并引入了自适应网格曲面细分技术和纹理平铺技术，解决了水体边界锯齿问题，实现了真实感水面的同时，有效传达了洪水的高度、流速相关信息；而后构建了基于淹没水深和建筑物类别的洪水灾害评估预警模型，使得洪水灾害的损失得以量化，利用热力图进行预警，提高了预警有效性，可以辅助水文专家或是防洪决策者预见到洪水的灾害做出正确的决策，从而改变洪水泛滥的状态，这对于遏制洪水漫延、保护重要建筑物有着重要的意义。
附图说明
图1是本发明的工艺流程图。
具体实施方式
下面进一步描述本发明的技术方案，但要求保护的范围并不局限于所述。
如图1所示，本发明提供一种基于cesium模型的洪水分级预警方法，包括以下步骤：
步骤1：采集目标河流周边的建筑物基础特征和地形地貌特征，根据该建筑物基础特征和地形地貌特征在cesium软件中建立模拟场景模型；
步骤2：根据目标河流所在的中心线、河流两侧的山脊线、对应河流所在区域的DEM数据和三维场景显示范围分别计算得到河流实际范围以及河流的流程函数；
另外，步骤2包括以下步骤：
步骤2.1：导入矢量形式的目标河流所在的中心线，分别记录当前场景三维浏览过程中的渲染视口显示范围G0以及设置的精细化分辨率R，并根据渲染视口显示范围G0和精细化分辨率R计算得到河流实际范围G：G＝G0*R
步骤2.2：根据河流中心线上包含的所有n个点及其顺序，计算得到河流中心线两个点之间的流程位置l和坐标关系函数，其中，河流中心线两个点之间的流程位置l和坐标关系函数为河流的流程函数：其中，li表示河流的流程函数，xi，yi，zi表示流程位置当前点的空间坐标，f(i)表示第i个点p(xi,yi,zi)与相邻上一个点所在三维直线方程的表达式，其根据三维空间两点的直线方程解算得到河流所有位置的坐标。
步骤3：根据河流两侧的山脊线、河流实际范围、河流的流程函数以及预设的最大河道垂直落差，计算得到构建河流面所需的连接断面的位置；
另外，步骤3包括以下步骤：
步骤3.1：根据预先设置的断面之间高程最大落差h、流程坐标s和流程位置的高程z计算得到所有渲染范围内所有的断面位置，并根据断面位置计算得到断面总数m：其中，z0表示河流流程上游第一个点高程位置，zn表示最后一个点n点的高程值；
步骤3.2：根据河流的流程函数以及所有断面的位置坐标，计算得到所有m个断面的位置坐标di；
步骤3.3：设置河流中心线的垂直线作为断面线，并根据所有m个断面的位置坐标di与河流两侧的山脊线的交点，得到每一个断面的断面线段，并根据断面的断面线段计算得到连接断面的位置。
步骤4：根据模拟的时间段等分时间间隔，并根据等分时间间隔以及连接断面的位置，利用洪水演进模型计算得到每一个断面点位置在固定时刻基于坐标的水位高程，并根据基于坐标的水位高程迭代连接相邻两个断面和河流两侧的山脊线，得到河面分段多边形；
进一步地，步骤4包括以下步骤：
步骤4.1：根据模拟的时间段等分时间间隔；
步骤4.2：利用圣维南方法计算得到洪水演进模型，并设置大目标河流三维模拟精度以及断面间隔；
步骤4.3：根据断面间隔、时间间隔的给定时间点ti、断面位置sm流量值和水位高程hti，计算得到当前展示范围内的所有断面位置的水位高程；
步骤4.4：根据所有断面线段的两个点高程zi1和zi2以及所有断面位置的水位高程，计算得到的基于坐标的水位高程hti，则更新zi1＝zi2＝hti，并迭代更新所有断面线的基于坐标的水位高程hti；
步骤4.5：根据基于坐标的水位高程，迭代连接相邻两个断面和河流两侧的山脊线，得到河面分段多边形。
步骤5：根据DEM数据，对两个断面形成的河面分段多边形均匀插入内部点，并进行限定Delaunay三角形划分，形成三维网格曲面；
另外，步骤5包括以下步骤：
步骤5.1：每两个连接断面和水位边界对应的边界组成河道三维多边形；
步骤5.2：将河道三维多边形投影到XY所在的二维平面，用d表示纹理精细度，对应的最大三角网边长为e，并根据对应的最大三角网边长，在河道三维多边形内部沿河流中心线以及河流两侧的山脊线之间与XY轴平行的方向进行等分，分别计算得到断面长度d1和两个断面之间沿河流中心线方向的长度d2，并取断面长度d1和两个断面之间沿河流中心线方向的长度d2中的最小值d0，以及按最小值d0为等间距在X和Y方向插入点，保证河道三维多边形内部点均匀分布并且满足纹理精细度的条件；
步骤5.3：针对步骤5.2中插入的内部点，参考河流中心线的基于坐标的水位高程以及DEM数据，并以上一断面位置的高程为z1和流程位置为l1、下一断面高程为z2和流程位置为l2以及当前点在流程位置为l0，并利用距离反比法计算得到中间插入点的高程z'0：
步骤5.4：组织河流中心线和断面之间连接多边形为约束条件，内部插入点为曲面上的内部点，将所有点投影到XY平面上，构建二维约束Delaunay不规则三角网，得到两个断面之间的河流曲面；
步骤5.5：根据河流实际范围迭代当前显示范围内的，依次连接所有采样点的连续顺序，形成当前显示范围内的河流三维网格曲面。
步骤6：根据三维网格曲面和洪水演进模拟的时间段，利用动态纹理映射方法对时间和洪水的水流方向进行模拟，完成当前时刻基于洪水演进模型的大目标河流三维模拟；
进一步地，步骤6包括以下步骤：
步骤6.1：根据三维网格曲面，利用动态纹理映射方法对时间和洪水的水流方向进行模拟，得到不同纹理图片动态表达的水流类型；
步骤6.2：根据不同纹理图片动态表达的水流类型以及洪水演进通过的全程时间，按照模拟精度间隔计算得到不同时间点的水位高程值；
步骤6.3：根据不同时间点的水位高程值进行水位动态变化模拟，完成当前时刻基于洪水演进模型的大目标河流三维模拟。
步骤7：根据动态模拟的时间序列，重复迭代步骤4至步骤6完成连续时间段内基于洪水演进模型的大目标河流三维模拟；
另外，步骤7包括以下步骤：
步骤7.1：根据动态模拟的需求，设定时间间隔，将时间段划分为n个连续的时间点，并利用利用洪水演进模型计算得到每个时间点每个断面位置的水位高程；
步骤7.2：按照时间序列迭代n次步骤4至步骤6，得到动态的三维河流流动和水位动态变化的仿真模拟效果，完成连续时间段内基于洪水演进模型的大目标河流三维模拟。
步骤8：将模拟场景在水平面上细分为均匀的网格，将水体高度和基础地形高度存储在网格中心，将速度存储在网格边界；采用基于浅水方程的二维欧拉网格法模拟洪水演进，将浅水方程转化为拉格朗日表达形式，得到初步建立的物理场；物理场包括速度场和高度场；
步骤9：在交错网格上对物理场进行对流更新，并在更新对流项时采用大时间步长并引入体积守恒与动量守恒，得到基于体积守恒和动量守恒变形后的浅水方程；根据变形后的浅水方程，采用隐式积分法和雅克比迭代法求解更新后的高度场，根据更新后的高度场梯度进一步求解得到更新后的速度场；
步骤10：根据步骤9更新后的物理场，采用动态自适应网格细分技术抬升渲染水面，采用纹理平铺技术实现速度场的水流绘制，并采用双三次B样条曲线插值法对绘制的洪水边缘做光滑处理；水流绘制包括单块平板单一流速的绘制、固定流场的绘制以及时变流场的绘制；
步骤11：基于cesium模拟场景模型，根据淹没水深和建筑物类别设计洪灾损失评估函数，其中每一类建筑物对应一个洪灾损失评估函数；对洪灾损失评估函数值做归一化处理，并将归一化结果设为不同等级，每一个等级使用不同的颜色来表示建筑的受损程度，用于洪水场景绘制时实时改变建筑的外观颜色，实现可视化分级预警。
进一步地，步骤11具体为：
步骤11.1：设计基于淹没水深和建筑物类别的洪灾损失评估函数：基于cesium模拟场景模型，水深与灾害程度呈现平方根级别的正相关，其相关系数与建筑物的4个类别：办公楼、商业用地、住宅用地、基础设施相关，共得到四种建筑物的洪灾损失评估函数；
步骤11.2：设计可视化预警：根据步骤5得到的四种建筑物的洪灾损失评估函数，将洪灾损失评估函数值归一化到[0,1]之间，每隔0.2取一个等级，每一个等级使用不同的颜色来表示建筑的受损程度，使得洪水场景实时绘制时改变建筑的外观颜色。
此外，基于cesium模型的洪水分级预警方法还包括以下步骤：
步骤12：在进行步骤11之前，采集获取建筑物的洪灾历史特征，然后将该洪灾历史特征与相应的洪灾损失评估函数相乘后，再对结果做归一化处理；洪灾历史特征包括：搜集已有的洪灾灾事故的观测数据，按照目标河流水位增长、洪灾蔓延，获取各个洪灾发展的阶段中对影响洪灾发展的洪灾历史特征，其中，洪灾历史特征包括：设施设备的状态特征、管理情况特征、建筑使用情况中的一种或组合。
进一步地，采用传感器对建筑物的状态进行持续性监测，获取建筑物的洪灾历史特征，将该洪灾历史特征根据其数值范围划分为若干个层级，并选取其中一个数值作为报警阈值。
采用本发明的技术方案，通过计算机高效准确地对洪水进行模拟仿真，基于水力学、计算机图形学等多学科的知识，在计算机图形学领域对大规模洪涝这一灾害现象进行了建模与实时绘制，在洪灾防治领域具有较大的应用前景，通过在传统浅水方程显式积分求解方法的基础上应用半拉格朗日隐式积分法，引入体积守恒和动量守恒，并采用GPU对这一过程进行加速，从而能实时模拟洪水演进；并引入了自适应网格曲面细分技术和纹理平铺技术，解决了水体边界锯齿问题，实现了真实感水面的同时，有效传达了洪水的高度、流速相关信息；而后构建了基于淹没水深和建筑物类别的洪水灾害评估预警模型，使得洪水灾害的损失得以量化，利用热力图进行预警，提高了预警有效性，可以辅助水文专家或是防洪决策者预见到洪水的灾害做出正确的决策，从而改变洪水泛滥的状态，这对于遏制洪水漫延、保护重要建筑物有着重要的意义。
Claims (10)
1.一种基于cesium模型的洪水分级预警方法，其特征在于：包括以下步骤：
步骤1：采集目标河流周边的建筑物基础特征和地形地貌特征，根据该建筑物基础特征和地形地貌特征在cesium软件中建立模拟场景模型；
步骤2：根据目标河流所在的中心线、河流两侧的山脊线、对应河流所在区域的DEM数据和三维场景显示范围分别计算得到河流实际范围以及河流的流程函数；
步骤3：根据河流两侧的山脊线、河流实际范围、河流的流程函数以及预设的最大河道垂直落差，计算得到构建河流面所需的连接断面的位置；
步骤4：根据模拟的时间段等分时间间隔，并根据等分时间间隔以及连接断面的位置，利用洪水演进模型计算得到每一个断面点位置在固定时刻基于坐标的水位高程，并根据所述基于坐标的水位高程迭代连接相邻两个断面和河流两侧的山脊线，得到河面分段多边形；
步骤5：根据DEM数据，对两个断面形成的河面分段多边形均匀插入内部点，并进行限定Delaunay三角形划分，形成三维网格曲面；
步骤6：根据所述三维网格曲面和洪水演进模拟的时间段，利用动态纹理映射方法对时间和洪水的水流方向进行模拟，完成当前时刻基于洪水演进模型的大目标河流三维模拟；
步骤7：根据动态模拟的时间序列，重复迭代步骤4至步骤6完成连续时间段内基于洪水演进模型的大目标河流三维模拟；
步骤8：将模拟场景在水平面上细分为均匀的网格，将水体高度和基础地形高度存储在网格中心，将速度存储在网格边界；采用基于浅水方程的二维欧拉网格法模拟洪水演进，将浅水方程转化为拉格朗日表达形式，得到初步建立的物理场；所述物理场包括速度场和高度场；
步骤9：在交错网格上对物理场进行对流更新，并在更新对流项时采用大时间步长并引入体积守恒与动量守恒，得到基于体积守恒和动量守恒变形后的浅水方程；根据变形后的浅水方程，采用隐式积分法和雅克比迭代法求解更新后的高度场，根据更新后的高度场梯度进一步求解得到更新后的速度场；
步骤10：根据步骤9更新后的物理场，采用动态自适应网格细分技术抬升渲染水面，采用纹理平铺技术实现速度场的水流绘制，并采用双三次B样条曲线插值法对绘制的洪水边缘做光滑处理；所述水流绘制包括单块平板单一流速的绘制、固定流场的绘制以及时变流场的绘制；
步骤11：基于cesium模拟场景模型，根据淹没水深和建筑物类别设计洪灾损失评估函数，其中每一类建筑物对应一个洪灾损失评估函数；对洪灾损失评估函数值做归一化处理，并将归一化结果设为不同等级，每一个等级使用不同的颜色来表示建筑的受损程度，用于洪水场景绘制时实时改变建筑的外观颜色，实现可视化分级预警。
2.如权利要求1所述的基于cesium模型的洪水分级预警方法，其特征在于：步骤11具体为：
步骤11.1：设计基于淹没水深和建筑物类别的洪灾损失评估函数：基于cesium模拟场景模型，水深与灾害程度呈现平方根级别的正相关，其相关系数与建筑物的4个类别：办公楼、商业用地、住宅用地、基础设施相关，共得到四种建筑物的洪灾损失评估函数；
步骤11.2：设计可视化预警：根据步骤5得到的四种建筑物的洪灾损失评估函数，将洪灾损失评估函数值归一化到[0,1]之间，每隔0.2取一个等级，每一个等级使用不同的颜色来表示建筑的受损程度，使得洪水场景实时绘制时改变建筑的外观颜色。
3.如权利要求1所述的基于cesium模型的洪水分级预警方法，其特征在于：所述步骤2包括以下步骤：
步骤2.1：导入矢量形式的目标河流所在的中心线，分别记录当前场景三维浏览过程中的渲染视口显示范围G0以及设置的精细化分辨率R，并根据渲染视口显示范围G0和精细化分辨率R计算得到河流实际范围G：G＝G0*R
步骤2.2：根据河流中心线上包含的所有n个点及其顺序，计算得到河流中心线两个点之间的流程位置l和坐标关系函数，其中，河流中心线两个点之间的流程位置l和坐标关系函数为河流的流程函数：其中，li表示河流的流程函数，xi，yi，zi表示流程位置当前点的空间坐标，f(i)表示第i个点p(xi,yi,zi)与相邻上一个点所在三维直线方程的表达式，其根据三维空间两点的直线方程解算得到河流所有位置的坐标。
4.如权利要求1所述的基于cesium模型的洪水分级预警方法，其特征在于：所述步骤3包括以下步骤：
步骤3.1：根据预先设置的断面之间高程最大落差h、流程坐标s和流程位置的高程z计算得到所有渲染范围内所有的断面位置，并根据所述断面位置计算得到断面总数m：其中，z0表示河流流程上游第一个点高程位置，zn表示最后一个点n点的高程值；
步骤3.2：根据所述河流的流程函数以及所有断面的位置坐标，计算得到所有m个断面的位置坐标di；
步骤3.3：设置河流中心线的垂直线作为断面线，并根据所述所有m个断面的位置坐标di与河流两侧的山脊线的交点，得到每一个断面的断面线段，并根据断面的断面线段计算得到连接断面的位置。
5.如权利要求1所述的基于cesium模型的洪水分级预警方法，其特征在于：所述步骤4包括以下步骤：
步骤4.1：根据模拟的时间段等分时间间隔；
步骤4.2：利用圣维南方法计算得到洪水演进模型，并设置大目标河流三维模拟精度以及断面间隔；
步骤4.3：根据所述断面间隔、时间间隔的给定时间点ti、断面位置sm流量值和水位高程hti，计算得到当前展示范围内的所有断面位置的水位高程；
步骤4.4：根据所有断面线段的两个点高程zi1和zi2以及所有断面位置的水位高程，计算得到的基于坐标的水位高程hti，则更新zi1＝zi2＝hti，并迭代更新所有断面线的基于坐标的水位高程hti；
步骤4.5：根据所述基于坐标的水位高程，迭代连接相邻两个断面和河流两侧的山脊线，得到河面分段多边形。
6.如权利要求1所述的基于cesium模型的洪水分级预警方法，其特征在于：所述步骤5包括以下步骤：
步骤5.1：每两个连接断面和水位边界对应的边界组成河道三维多边形；
步骤5.2：将河道三维多边形投影到XY所在的二维平面，用d表示纹理精细度，对应的最大三角网边长为e，并根据对应的最大三角网边长，在河道三维多边形内部沿河流中心线以及河流两侧的山脊线之间与XY轴平行的方向进行等分，分别计算得到断面长度d1和两个断面之间沿河流中心线方向的长度d2，并取断面长度d1和两个断面之间沿河流中心线方向的长度d2中的最小值d0，以及按所述最小值d0为等间距在X和Y方向插入点，保证河道三维多边形内部点均匀分布并且满足纹理精细度的条件；
步骤5.3：针对步骤5.2中插入的内部点，参考河流中心线的基于坐标的水位高程以及DEM数据，并以上一断面位置的高程为z1和流程位置为l1、下一断面高程为z2和流程位置为l2以及当前点在流程位置为l0，并利用距离反比法计算得到中间插入点的高程z'0：
步骤5.4：组织河流中心线和断面之间连接多边形为约束条件，内部插入点为曲面上的内部点，将所有点投影到XY平面上，构建二维约束Delaunay不规则三角网，得到两个断面之间的河流曲面；
步骤5.5：根据河流实际范围迭代当前显示范围内的，依次连接所有采样点的连续顺序，形成当前显示范围内的河流三维网格曲面。
7.如权利要求1所述的基于cesium模型的洪水分级预警方法，其特征在于：所述步骤6包括以下步骤：
步骤6.1：根据所述三维网格曲面，利用动态纹理映射方法对时间和洪水的水流方向进行模拟，得到不同纹理图片动态表达的水流类型；
步骤6.2：根据不同纹理图片动态表达的水流类型以及洪水演进通过的全程时间，按照模拟精度间隔计算得到不同时间点的水位高程值；
步骤6.3：根据所述不同时间点的水位高程值进行水位动态变化模拟，完成当前时刻基于洪水演进模型的大目标河流三维模拟。
8.如权利要求1所述的基于cesium模型的洪水分级预警方法，其特征在于：所述步骤7包括以下步骤：
步骤7.1：根据动态模拟的需求，设定时间间隔，将时间段划分为n个连续的时间点，并利用利用洪水演进模型计算得到每个时间点每个断面位置的水位高程；
步骤7.2：按照时间序列迭代n次步骤4至步骤6，得到动态的三维河流流动和水位动态变化的仿真模拟效果，完成连续时间段内基于洪水演进模型的大目标河流三维模拟。
9.如权利要求1所述的基于cesium模型的洪水分级预警方法，其特征在于：所述基于cesium模型的洪水分级预警方法还包括以下步骤：
步骤12：在进行步骤11之前，采集获取建筑物的洪灾历史特征，然后将该洪灾历史特征与相应的洪灾损失评估函数相乘后，再对结果做归一化处理；洪灾历史特征包括：搜集已有的洪灾灾事故的观测数据，按照目标河流水位增长、洪灾蔓延，获取各个洪灾发展的阶段中对影响洪灾发展的洪灾历史特征，其中，所述洪灾历史特征包括：设施设备的状态特征、管理情况特征、建筑使用情况中的一种或组合。
10.如权利要求9所述的基于cesium模型的洪水分级预警方法，其特征在于：采用传感器对所述建筑物的状态进行持续性监测，获取建筑物的洪灾历史特征，将该洪灾历史特征根据其数值范围划分为若干个层级，并选取其中一个数值作为报警阈值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210011102.8A CN114511995B (zh) | 2022-01-05 | 2022-01-05 | 一种基于cesium模型的洪水分级预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210011102.8A CN114511995B (zh) | 2022-01-05 | 2022-01-05 | 一种基于cesium模型的洪水分级预警方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114511995A true CN114511995A (zh) | 2022-05-17 |
| CN114511995B CN114511995B (zh) | 2024-04-12 |
Family
ID=81549106
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210011102.8A Active CN114511995B (zh) | 2022-01-05 | 2022-01-05 | 一种基于cesium模型的洪水分级预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114511995B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117271696A (zh) * | 2023-11-21 | 2023-12-22 | 北京艾力泰尔信息技术股份有限公司 | 一种基于洪水预测的水深演变三维呈现方法及系统 |
| CN117993330A (zh) * | 2024-04-03 | 2024-05-07 | 长江水利委员会水文局 | 一种曲面河道非正交阻水范式计算方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101810337B1 (ko) * | 2016-11-15 | 2017-12-18 | 서울대학교산학협력단 | 홍수 예경보 서버, 홍수 예경보 방법 및 홍수 예경보 수신 방법 |
| CN111145350A (zh) * | 2019-12-25 | 2020-05-12 | 中国电建集团中南勘测设计研究院有限公司 | 一种洪水风险分析成果数据的三维动态渲染展示方法 |
-
2022
- 2022-01-05 CN CN202210011102.8A patent/CN114511995B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101810337B1 (ko) * | 2016-11-15 | 2017-12-18 | 서울대학교산학협력단 | 홍수 예경보 서버, 홍수 예경보 방법 및 홍수 예경보 수신 방법 |
| CN111145350A (zh) * | 2019-12-25 | 2020-05-12 | 中国电建集团中南勘测设计研究院有限公司 | 一种洪水风险分析成果数据的三维动态渲染展示方法 |
Non-Patent Citations (1)
| Title |
|---|
| 章旭;沈婕;周卫;杜毅贤;徐家鹏;: "基于Cesium的城市内涝模拟三维可视化方法", 南京师范大学学报(工程技术版), no. 03, 20 September 2020 (2020-09-20) * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117271696A (zh) * | 2023-11-21 | 2023-12-22 | 北京艾力泰尔信息技术股份有限公司 | 一种基于洪水预测的水深演变三维呈现方法及系统 |
| CN117271696B (zh) * | 2023-11-21 | 2024-01-19 | 北京艾力泰尔信息技术股份有限公司 | 一种基于洪水预测的水深演变三维呈现方法及系统 |
| CN117993330A (zh) * | 2024-04-03 | 2024-05-07 | 长江水利委员会水文局 | 一种曲面河道非正交阻水范式计算方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114511995B (zh) | 2024-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109000158B (zh) | 基于物联网和bim的管道渗漏预警系统、方法及其应用 | |
| CN114511995B (zh) | 一种基于cesium模型的洪水分级预警方法 | |
| CN102289570B (zh) | 基于降雨-径流-洪水演进计算的洪水预报方法 | |
| Ball et al. | Modeling spatial variability of rainfall over a catchment | |
| CN115329691B (zh) | 一种基于cfd与gis的超大城市风环境模拟方法 | |
| CN114997541A (zh) | 一种基于数字孪生技术的城市内涝预测方法及预警平台 | |
| CN114647881B (zh) | 顾及建筑物微观水文过程的城市内涝建模方法 | |
| CN113610301B (zh) | 一种表征地面沉降时序演变的预测算法 | |
| Cirbus et al. | Cellular automata for the flow simulations on the earth surface, optimization computation process | |
| CN106595576A (zh) | 一种地面沉陷的监测与评价方法 | |
| CN115983162B (zh) | 一种基于数字孪生的流域建模方法 | |
| CN116882211B (zh) | 一种基于数字孪生的水库水情预报仿真方法和系统 | |
| Liu et al. | Dynamic visualisation of storm surge flood routing based on three‐dimensional numerical simulation | |
| CN113158451A (zh) | 一种基于一维洪水演进模型的大区域河流三维模拟方法 | |
| CN114020943B (zh) | 流域水面混合绘制方法及系统、电子设备、存储介质 | |
| CN111191372B (zh) | 一种基于二维水动力学的大规模洪水场景模拟预警交互方法和系统 | |
| Xu et al. | Remote Sensing and Hydrologic-Hydrodynamic Modeling Integrated Approach for Rainfall-Runoff Simulation in Farm Dam Dominated Basin | |
| CN110837684B (zh) | 基于通用计算的流域水质实时模拟方法 | |
| CN107784690A (zh) | 一种基于三维点云的竣工平面图自动绘制方法 | |
| Adib et al. | Flood inundation modeling for Kota Tinggi catchment by combination of 2D hydrodynamic model and flood mapping approach | |
| CN113869804B (zh) | 一种洪涝灾害下的电网设备风险预警方法及系统 | |
| Copeland et al. | Current data assimilation modelling for oil spill contingency planning | |
| Fletcher et al. | Challenges and perspectives of procedural modelling and effects | |
| Cornel et al. | Integrated Simulation and Visualization for Flood Management | |
| Echeverribar et al. | Numerical simulation of 2D real large scale floods on GPU: the Ebro River |
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 |