nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />

数字孪生水利动态时空数据底板构建研究

Research on the construction of digital twin water conservancy dynamic spatiotemporal data base plate

崔培¹，张涛²，曾斌³，赵杰⁴，孙晓莹⁵

（1.水利部小浪底水利枢纽管理中心，450000，郑州；2.水利部海河水利委员会，300180，天津；3.江西省防汛信息中心，330009，南昌；4.宁夏水利信息中心，750001，银川；5.辽宁省河库管理服务中心，110003，沈阳）

摘要：水利部大力推进数字孪生水利建设，正在通过统筹建设数字孪生流域、数字孪生水网、数字孪生工程，持续推进水利智能业务应用体系建设，构建具有“预报、预警、预演、预案”功能的数字孪生水利体系。数据底板是数字孪生水利建设的核心与关键，目前数字孪生水利建设虽然取得了明显成效，但数据底板还需要向更加动态、多维和融合方向发展，构建时空数据架构和技术路线，为数字孪生水利构建坚实数据基础，支撑数字孪生水利体系新发展。从构建动态时空数据底板出发，以时间空间、数据资源、数据引擎和安全与标准四个维度探讨构建统一动态时空数据底板的架构思路，从水利对象、水利网格、水利主题、水利事件四个层次探索水利时空数据模型构建技术路线，提出“四维四层”架构的水利动态时空数据底板构建方法。

关键词：数字孪生水利；多维融合；时空数据底板；数据模型构建；水利对象

作者简介： 崔培，高级工程师，主要从事水利信息化工作和研究。

基金项目： 国家重点研发计划项目（2022YFC3204600）。

DOI： 10.3969/j.issn.1000-1123.2025.02.007

水利部大力推进数字孪生水利建设，开展了数字孪生流域、数字孪生水网、数字孪生工程建设先行先试，各级水利部门、各有关单位高度重视、积极行动、有力推动，数字孪生水利建设取得阶段性成效，数字孪生水利框架体系已基本完成构建。数字孪生流域建设方面，七大流域数字孪生平台相继建成，并与流域内省级数字孪生平台实现对接；数字孪生水网建设方面，数字孪生国家骨干水网建设框架基本形成，水网先导区的数字孪生水网建设有序推进；数字孪生工程建设方面，以三峡、南水北调、丹江口、小浪底、大藤峡等为代表的一大批数字孪生工程已初步建成并投入运用；数字孪生灌区、数字孪生调水工程、数字孪生农村供水工程等试点工作顺利开展。数字孪生水利赋能决策支持成效显著，升级暴雨洪水预报预警功能，丰富影响区地貌、基础设施、经济社会等数据，预演洪水过程，为流域防洪提供决策支持，在防御海河“23·7”流域性特大洪水过程中，在数字流场开展洪水演进和退水动态预演，提前5天精准预报永定河、大清河编号洪水，为科学调度流域水工程、布设防守力量提供指导，提前转移蓄滞洪区近百万人；在湖南团洲垸堤防决口险情处置过程中，及时精准掌握险情发生位置、堤防决口宽度，精准获取下垫面数据和断面流速，动态预演洪水演进情况和淹没影响范围，为险情处置方案选择提供支持。

随着物联网、云计算和人工智能等技术的不断进步，数据技术、数据应用和时空数据研究在各行业亦不断取得进展。交通行业全面互联互通、信息整合共享，构建了实时路况热力图、导航红绿灯读秒、实时停车场等智能交通场景，基于历史数据、实时数据实现价格、时间、出行方式等多目标最优路径分析推演，这都为数字孪生水利动态时空数据底板构建提供了实践经验。时空大数据治理研究破解了数据多源异构融合难题，王家耀院士提出构建“跨层级、跨地域、跨系统、跨部门、跨业务”协同管理的时空大数据平台；李德仁院士利用时空大数据自动匹配与三维建模、大数据智能决策等关键技术，研究应用于交通应急指挥、长江流域生态环境等领域；山东临沂、淄博等城市试点建设时空大数据平台，实现多源多尺度基础时空数据的联动更新以及省市基础时空数据融合与共享，为水利数据治理、数据管理提供了理论和实践基础。

随着全球气候变暖，我国水灾害、水资源、水生态、水环境问题的突发性、异常性、不确定性更为突出，亟待构建一套数字孪生水利体系支撑水利治理管理科学决策。数据底板构建是数字孪生水利的基础，但当前水利数据多源异构、分散，且实时动态性不强，难以满足不同业务场景的数据需求。本文探索数字孪生水利动态时空数据底板构建架构和关键技术，重点围绕五类水利数据，以时间空间维度、数据资源维度、数据引擎维度、安全与标准维度四个维度构建统一动态时空数据底板架构，从水利对象、水利网格、水利主题、水利事件四个层次进行水利时空数据模型构建，打造融合的时空数据底板，为数字孪生水利提供统一、全面、动态、多维、可靠的数据底板，全面支撑数字化场景、智能化模拟和精准化决策，有效推动数字孪生水利向更高水平迈进，助力水利事业高质量发展。

nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />

动态时空数据底板架构

水利动态时空数据底板具有动态、多维、融合的特征，通过整合时间空间维度、数据资源维度、数据引擎维度、安全与标准维度，构建了一个四维架构。四维架构提供了一个全面的视角来观察和管理水利数据，通过汇聚融合多源数据构建数字化场景，支持水利专业模型、水利知识库和“四预”（预报、预警、预演、预案）应用系统的构建和运行，在流域防洪和水资源管理与调配等领域将发挥重要作用。

时间空间维度为数据底板提供了一个参照框架，使得数据能够在正确的时间和空间背景下被理解和应用；数据资源维度在时间空间维度的基础上填充了数据底板的内容，对数据进行三层建模和动态抽取，使得数据能够应用于不同维度，增加数据的信息价值，核心是数据建模；数据引擎维度则利用数据资源维度提供的数据，通过数据汇聚、治理、挖掘和服务，为数据底板提供动力，使得数据能够动态接入数据底板，及时响应业务需求；安全与标准维度贯穿其他三个维度，确保数据底板的安全性和标准化，为数据的可信度和合规性提供保障。四个维度相互依赖、相互支持，共同构成一个完整的水利动态时空数据底板架构，支撑模型平台、知识平台的构建和运行，使得数字孪生水利系统能够全面、准确地反映现实世界水利对象的复杂动态变化过程，并支持流域防洪、水资源管理等关键业务场景。动态时空数据底板四维体系架构如下图所示。

nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />

▲动态时空数据底板四维体系架构

nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />

数据模型构建思路

数据模型构建是数字孪生水利动态时空数据底板构建的核心和关键，重点从水利对象、水利网格、水利主题、水利事件四个层次进行数据组织。其中，水利对象是一切水利业务活动的实体载体和数据组织的基本单元；水利网格表述了数据在空间上不同维度的分布情况，强调时空数据的空间分布特性；水利主题是从水利不同业务主题角度对数据的组织和管理；水利事件是对一次水利事件从时空过程全方位的数据表达，根据水利事件发生的空间区域、事件过程、涉及水利对象、业务特点，由其他三层动态抽取生成，强调时空数据的时间过程特性。四个层次数据模型构建以水利对象模型为基础，各层次模型均与水利对象关联并相互联系，组织后的数据资源具有多维查询、多维分析和多维服务能力，可极大提升数据利用效率和水平，动态高效支撑各种水利业务应用和分析决策过程。水利数据底板四层数据模型构建架构如下图所示。

nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />

▲水利数据底板四层数据模型构建架构

1.水利对象模型

水利对象模型是面向水利业务应用多目标、多层次复杂需求构建的完整描述水利对象基本属性、空间属性、业务属性、时间属性和关系特征的一体化组织的数据模型，能够在数据底板上准确描绘水利对象，反映对象关系，支撑动态模拟，满足不同应用场景对水利对象多维度数据的不同需求，加强水利信息的整合与共享，提高水利管理的效率和科学性。水利对象数据模型架构如下图所示。

nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />

▲水利对象数据模型架构

（1）水利对象属性

水利对象属性是对水利对象所拥有的特性或属性的描述，包括基本属性、空间属性、业务属性、时间属性等。

基本属性是指水利对象固有的属性信息，是水利对象的核心特征，物理对象发生变化时，基本属性才可能发生变化。以河流为例，河流的名称、长度、流经区域均为基本属性；以水库为例，水库的名称、工程类型、工程规模、大坝类型等均为基本属性。

空间属性是指水利对象的空间特性和关系，包括其在二维、三维空间中的地理位置、分布范围等空间信息。以湖泊为例，湖泊的地理位置、面积大小、空间形态、水下地形等均为空间属性。

业务属性是指水利对象在业务管理过程中的属性信息，包括监测采集信息、日常运行管理信息、水文特征信息等。以泵站为例，泵站的实时流量、巡查养护记录、调度指令等均为业务属性。

时间属性是指水利对象的时间维度特征，包括其建设时间、监测数据采集时间、历史极值出现时间等。以河流为例，某河流在不同年份丰水期、枯水期的周期性变化以及出现最高水位、最低水位、冰凌的时间等均为时间属性；以水库为例，水库除险加固时间、大坝安全鉴定时间、水库泄洪调度时间等均为时间属性。

一个实体对象与数据库中的表实体是一对多的关系，一个实体对象可能包含基本属性、空间属性、业务属性、时间属性信息表等多种关联表。为统一不同属性库中的实体对象，对水利对象制定具有唯一本体特征的对象标识，并与其属性表建立映射关系。以泵站为例的数据模型如下图所示。

nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />

▲以泵站为例的数据模型示意

（2）水利对象关系

水利对象之间存在复杂多样的关联关系，并不是互相割裂、各自为政的。梳理清晰对象间的逻辑关联关系，便于快速搭建不同业务场景所需的数据集和业务规则，提升数据快速应用、精准服务的价值，优化用户对水利系统的理解、规划、管理和决策等。水利对象间的关系包括组合关系、聚合关系、关联关系。

组合关系是整体与部分的一种强紧密关系，即一个完整的水利对象由多个子水利对象组成，子水利对象不能脱离整体而单独存在，整体对象与子对象具有相同的生命周期。例如，水库是一个整体对象，由大坝、溢洪道、涵洞等子对象共同组成，具有同样的生命周期。

聚合关系是整体与部分的一种松散关系，即不同水利对象之间独立存在，具有不同的生命周期，聚合形成一个新的整体，整体对象和部分对象具有不同的功能意义，部分对象可以同时属于多个独立整体对象。例如，灌区是一个综合性整体对象，由多个泵站、水闸、干渠输配水设施、农田等子对象聚合形成。

关联关系是不同水利对象之间在空间位置相对固定的关系，即不同水利对象之间完全独立，不存在整体与部分的关系，包括地理空间位置关系、空间拓扑关系等。如水文站在河流上，负责监测河流的水位、流量信息，河流与水文站为关联关系。

水利对象关系示例如下图所示。

nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />

▲水利对象关系示例

（3）水利对象编码

水利对象编码是在水事管理与活动过程中对所涉及事权范围内的自然实体、水利设施和管理概念等进行的唯一编码，通过唯一编码可有序组织对象的基础属性、空间属性、业务属性、时间属性等，实现数据的统一管理。

本次提出的水利对象编码由分类码和分级码组成。分类码是直接利用水利对象分类的结果，对42类水利对象实体进行赋码。分级码是在分类结果基础上，为对象实体在地理空间不同尺度多模态表达而进行的编码，如水利工程BIM模型可拆分为项目级、功能级、构件级、零件级等不同尺度不同形态。

按照《水利对象分类与编码总则》（SL/T 213—2020），将水利对象划分为江河湖泊、水利工程、监测站（点）和其他管理对象等4个抽象类，细分为42个实体类。水利对象代码应为18位，由英文大写字母（I、O、Z舍弃）和阿拉伯数字组成，具体划分成3个代码段，包括表示水利对象类型的5位分类代码，表示具体水利对象的12位实例代码和1位校验码。水利对象代码编码规则如下图所示。

nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />

▲水利对象代码编码规则

分级码采用复合码的结构形式对地理空间实体分级编码，采用“一码多态”的方式建立同一水利对象不同形态数据的桥梁。根据《数字孪生流域数据底板地理空间数据规范（试行）》，将BIM模型单元划分为项目级（LOD1.0）、功能级（LOD2.0）、构件级（LOD3.0）和零件级（LOD4.0）4个级别，根据《水利水电工程信息模型分类和编码标准》（T/CWHIDA 0007—2020）对BIM模型编码。把BIM模型按工程分区或系统、专业、构件、零件进行组织，编码共分为4组，每组2位数。以团结水库为例的分级编码如下图所示。

nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />

▲以团结水库为例的分级码编码

2.水利网格模型

水利网格模型是根据行政区划、自然流域、水资源分区和数值计算等需求构建的网格化管理模型，实现流域防洪、水资源管理与调配等水利业务网格化联动。根据水利网格模型的对象、构建技术路线以及应用支撑功能，拟分为基础网格和计算网格2类。

（1）基础网格

基础网格划分主要是将行政区划、自然流域、水资源分区等具有面域范围特征的对象根据一定的标准划分为更小的区域，可结合基础网格对各类基础数据、业务管理数据、部分跨行业共享数据（以经济社会数据为典型）进行存储或标注，通过确保不同层级网格内数据间的一致性和标准化，促进数据的集成和互操作性。以基础网格组织数据，便于开展权限控制、访问控制和数据共享，保持数据质量和治理的有效性。更为重要的是，基础网格可以作为水利主题模型和水利事件模型的基础网格框架，进一步支撑水利专业模型、水利知识库以及各类应用获取定制化数据产品。

（2）计算网格

计算网格是根据各类水利专业模型数值计算需要所划分的网格，通常包括水文计算网格、水动力学计算网格等。

在分布式水文模型的建模和计算过程中，将流域划分为多个不嵌套的网格单元，网格剖分的方法可以是有结构式或无结构式的，每个网格单元都具有相对均匀的降雨输入和下垫面条件。水文模型网格主要承载DEM、土壤类型、植被类型、土地利用、农业种植结构等空间数据，边界条件、初始条件等水文地质参数，降水、气温、风速、辐射、空气湿度等气象数据，以及子流域与网格单元的空间关联。

在一维、二维水动力学模型的建模和计算过程中，基于卫星/航拍影像、DEM、河道大断面等地理空间数据，根据河网、道路、堤防等线状地物，将模拟地区划分为多个区域，以区域分界线作为网格剖分的基准线，而后根据地形变化、地物走势、淹没分布、重点关注地区（城镇、村庄等）的分布，设置不同区域基准线的离散尺寸（即剖分网格尺寸）。水文模型网格主要承载编号、高程、糙率、面积、初始水位、初始流速X、初始流速Y、是否计算降雨、单元类型等数据，以进行一维、二维水动力学模型的计算。

3.水利主题模型

水利主题模型将水利时空数据按照不同水利业务需求进行组织管理，包括流域防洪、水资源管理、河湖管理、水生态管理、水土保持、水利工程管理等方面，支撑专业数学模型和分析工具，提高水利业务处理效率和决策质量，满足不同业务场景下的数据需求。各业务主题还可以按照业务类型的不同要素、环节、特点细分子类，以流域防洪为例，按照流域防洪管理中的关键要素和关键环节分为雨情、水情、灾情和险情子类，涉及洪水的预测、监测、应对和减灾各方面。流域防洪管理主题子类数据组织如下图所示。

nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />

▲流域防洪管理主题子类数据组织示意

雨情子类包含降雨相关数据，包括气象卫星、测雨雷达、雨量站获取到的卫星云图、测雨雷达图、降雨量、降雨分布、降雨强度等实时数据，以及降雨预报模型预报的降雨预报数据、短临暴雨预警数据等，这些信息对于预测洪水、山洪等灾害的发生至关重要。

水情子类包含河流、湖泊、水库等水体的洪水预报信息和断面水位、断面流量、洪峰流量、洪峰总量等实测数据，以及产汇流水文模型、洪水演进水动力学模型预报的水情数据，这些数据的变化直接反映了水体的状态，对于评估洪水风险、制定防汛措施具有重要意义。

灾情子类包含洪水、暴雨等自然灾害发生后，利用卫星遥感、无人机、视频等监测手段获取的灾情空间分布、发生时间和历时、灾害影响类型数据，受灾人口、财产损失、基础设施损坏等数据，以及灾害应急救援预案、抢险方案和相关救援情况等。对灾情进行统计和报告可准确掌握灾害造成的损失，以便及时有效地进行救援和灾后重建。

险情子类包含水利设施的基本信息，包括水库的“三个责任人”，巡库查险情况，以及利用渗压计、光纤光栅、应变计、振动仪、测量机器人、水下机器人等手段监测的水库大坝、堤防、水闸、隧洞等水利工程内外的渗流渗压、位移形变、应力应变等数据，通过工程安全评估模型预测可能出现的问题（如裂缝、渗漏），以及相应的应急处置预案（包括抢险力量、料物、设备）等。险情的及时发现和处理对于防止灾害扩大、保护人民生命财产安全至关重要。

4.水利事件模型

水利事件模型是对一次水利事件从时空过程全方位的数据表达，由水利对象模型层、水利网格模型层和水利主题模型层动态抽取生成。水利事件模型关注水利动态过程和事件，将典型历史事件关联的监测数据、预报数据、下垫面数据、处置方案等信息进行组合，通过先进的动态抽取技术，如空间区域识别、事件过程追踪、关联对象抽取和业务特征分析，实时整合水利对象、水利网格和水利主题的数据，形成多维、动态、融合的数据视图，可高效支撑水利专业模型构建和参数率定，为相似性分析提供历史场景库，为数字孪生水利动态时空数据底板提供全面、实时的水利事件响应和决策支持，提高事件响应速度和应急处理能力。

根据业务主题对水利事件进行分类，包含场次洪水、水污染事件、干旱事件、应急调水事件、地震事件、河湖库“四乱”（乱占、乱采、乱堆、乱建）事件等。各水利事件还可以按照事件发生的过程、要素、空间等从不同维度进行主题数据组织。以场次洪水为例，可以从降雨径流维度、流域系统维度、洪水调度维度和组织保障维度等方面组织场次洪水数据，涉及场次洪水的水文气象、流域水情、工程调度、巡查防守、灾情处置等各方面，为场次洪水事件提供全面的信息维度支持。场次洪水事件四维数据组织如下图所示。

nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />

▲场次洪水事件四维数据组织示意

nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />

数据引擎构建思路

水利数据对水资源管理、水利工程建设与运行、防洪抗旱决策等至关重要。数据引擎是数据底板的动力系统，通过数据汇聚、治理、挖掘和服务来接入、处理、转换和利用数据资源。数据汇聚负责将多源异构数据整合到数据底板中，数据治理确保数据的质量和一致性，数据挖掘梳理数据关系并激活数据价值，而数据服务则提供数据的访问和使用，使得数据能够支持业务决策和操作。同时，数字孪生数据引擎能够为模型平台、知识平台和业务“四预”提供强有力的服务支撑，推动水利业务智能化发展，为提高水利行业信息化水平和管理效率提供重要支撑。

1.数据汇聚

数据汇聚是建立数据源与数据底板的数据连接汇聚通道，是梳理“一数一源”，明确数据源存储类型、数据访问方式、数据范围、数据内容、数据更新方式和频次的重要过程，包含数据采集与接入、整合与融合、存储与管理几个步骤。

（1）数据采集与接入

数据汇聚的首要步骤是数据采集，针对不同的数据源，选择合适的方法和工具来采集数据。对于内部数据库，使用SQL查询等方式；对于外部API，需要按照API的接口规范进行调用。从各个数据源中提取所需数据过程中要注意数据的完整性和准确性，确保提取到的数据能够满足后续分析的需求。通过利用卫星遥感技术、空中无人机监测、地面传感器网络等手段获取“天空地水工”数据。例如在洪水监测中，卫星可实时监测水体面积变化，无人机可详细拍摄重点区域的洪水淹没情况，为后续分析提供数据支持。

（2）数据存储与管理

经过整合和融合的数据需要有效存储和管理，以便于数据的查询、分析和共享。数据存储通常涉及数据的分层，比如全量数据层、核心数据层和主题数据层。数据管理则包括数据的备份、恢复、安全和权限控制等。同时，建立水利数据的全生命周期管理机制，从采集、存储、处理、分析、归档、销毁等全过程对“天空地水工”数据进行全面管理。根据数据的价值和使用频率，制定不同阶段的数据管理策略。例如，对于实时性要求高、需要频繁访问的数据（如地面传感器的实时监测数据、天空卫星的实时气象数据等），在采集后进行快速处理和分析，存储在高性能存储设备中，并及时提供给相关应用；对于历史数据（如过去的水文资料、卫星影像历史数据等），存储在大容量存储设备中，根据重要性进行定期归档和备份；对于长期不再使用的数据进行安全销毁，以节省存储空间和降低管理成本。

2.数据治理

数据治理是提升水利数据质量、构建统一的数据资源和数据服务的重要基础性工作，是支撑数据引擎的关键和前提。高质量的数据资产对提升数据应用效果、促进数据共建共享具有重要意义。数据治理是对数据全生命周期进行管理，包括数据清洗与标准化、元数据与血缘追踪、数据质量管理等。

（1）数据清洗与标准化

数据清洗与标准化是水利数据治理的第一个环节，是对原始水利数据进行识别、纠正，并按照统一的数据标准格式和数据结构重新组织，如去除重复值、处理异常值、补充缺失值，通过模型统一、编码统一、结构统一，提高水利数据质量和可用性。例如，多源异构的遥感空间数据需要通过统一坐标体系、统一文件格式进而融合；物联网感知数据需要统一数据传输格式，通过标准传输协议实现数据统一落地、统一存储，必要时将时序数据转换为统计数据，以支持统计趋势分析。

（2）元数据与血缘追踪

元数据与血缘追踪是水利数据治理的重要组成部分，能够提供数据的描述信息，帮助用户更好地理解和使用数据，同时也能够追溯数据的来源和去向，便于进行数据质量追溯和问题排查。对于卫星遥感数据、无人机监测数据、地面传感器数据以及水下探测设备数据等不同来源的水利数据，需要记录其元数据，包括数据的来源、采集时间、分辨率、传感器类型等信息。通过元数据，用户可以快速了解数据的含义、质量等信息，便于正确使用数据。同时建立数据血缘追踪机制，记录数据从产生、流转到最终使用的全过程来源和去向，以便在出现数据质量问题时，能够快速确定问题数据的来源和影响范围，采取相应的处理措施。

（3）数据质量管理

数据质量评估是水利数据治理的关键环节，通过建立科学合理的数据质量管理体系，能够全面衡量数据的质量水平，确保数据能有效支撑决策。要从数据准确性、完整性、一致性、时效性几个方面，制定全面的质量评估指标体系，开发相应的监测与评估工具，建立完善的评估流程。还需要建立数据质量标准，对数据采集、处理和存储全过程进行定性和定量的质量控制，并根据质量评估结果不断优化数据治理流程，以准确发现和评估数据质量问题。在水利数据底板中，需要持续开展数据质量管理，确保数据可信、可用、有价值。

3.数据挖掘

数据挖掘是数据引擎的关键工具。数据挖掘主要聚焦于对数据自身的深入剖析，运用统计学方法对数据进行统计、汇总，挖掘其中隐藏的规律，从海量数据资源里探寻物理流域全要素之间的内在联系以及水利治理管理活动全过程的规律，再通过图形、图像、地图、动画等直观形式予以展现。对治理后的标准化数据，采用监督学习、半监督学习和无监督学习等数据挖掘算法模型激活数据价值，赋能水利治理管理活动全过程业务应用。

（1）算法选择

水利数据具备复杂性和多样性，需要精心选择合适的数据挖掘算法。对于“天空地水工”等多源数据的融合，不同类型的数据需要不同的算法处理。例如，对于卫星遥感数据，可以采用图像分析算法提取水域面积、土地利用等信息；对于无人机监测数据，可能需要采用三维建模算法来构建详细的地形模型；对于地面传感器数据，如水位、流量等时间序列数据，可以运用时间序列分析算法进行趋势预测；对于水工建筑物的监测数据，可以结合机器学习算法，如支持向量机等，来检测结构异常变化。在算法选择过程中，还需要考虑计算效率、准确性和可扩展性等因素。例如，在大规模水利数据处理中，选择高效的分布式计算算法可以提高处理速度。同时，应结合实际应用场景和需求，选择最适合的算法组合，以充分发挥“天空地水工”多源数据的优势，为数字孪生水利提供准确的数据支持。

（2）结果呈现与应用

数据挖掘成果的呈现和应用是数据价值的直观体现，通常采用图表、地图、动画等可视化途径展示并加以应用。例如：利用电子地图展示不同区域水资源分布、水质等级、洪涝灾害风险等信息，通过构建动态数字化场景来演示洪水演进过程、水工建筑物运行状态；在工程应用中，利用数据挖掘分析结果，可以更加合理地制定工程维修养护计划，主动发现工程运行问题，评估工程运行状态；在流域防洪中，利用数理统计与神经网络提出合理预案，提前部署应急措施，科学执行应急预案；在生态保护工作中，可以依据生态流量分析结果，调整水利工程运行方式，实现水利与生态的协调发展。同时，还可以将数据挖掘结果与人工智能、大数据分析等技术相结合，实现水利管理的智能化和自动化，提高水利管理的效率和水平。

4.数据服务

数据服务是数据引擎与水利应用系统之间的桥梁，负责将经过汇聚和治理的数据以合适的方式提供给应用系统，以满足不同业务场景的数据需求。

（1）数据服务接口与应用集成

数据服务接口包括目录服务、通用API服务、地图服务、数据查询与分析服务、模型库和知识库支撑服务等。接口应具备简洁、易用、高效的特点，支持多种数据格式和通信协议，如Restful API、Web Service等。根据水利业务需求定义接口的功能和参数，同时提供接口文档和示例代码，方便应用开发人员使用和集成。例如，针对“天空地水工”数据的特点和应用需求，数据查询接口要支持按照时间范围、空间范围、数据类型等条件查询，数据更新接口可实现向数据引擎推送新采集或更新的数据，数据分析接口要能提供基本的数据分析功能，如统计分析、趋势分析等。

（2）数据实时推送与更新

为确保水利数据的及时性和准确性，需制定合理的数据更新策略和机制，以保障业务应用数据与数字孪生数据引擎同步。根据数据的变化频率和重要性，确定不同数据的更新周期和更新方式：对于实时性要求高的数据，例如水位、流量和气象数据，将采用实时更新方式，即数据变化时即刻更新；而对于变化较慢的数据，如地形和水利设施信息，则可以定期更新，周期可设为每周或每月一次。在数据更新过程中采用增量更新方式，以减少数据传输量和处理时间，从而提高更新效率。同时，建立数据更新的监控和验证机制，确保更新的准确性和完整性，每次数据更新后，及时进行质量检查和评估，以保证数据满足模型平台、知识平台和业务应用的需求，确保数字孪生水利系统中的数据既准确又高效，为水利决策提供强有力的数据支持。

nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />

安全与标准构建思路

1.数据安全

水利数据安全是确保数字孪生水利、水利关键信息基础设施中数据应用的重要前提。数字孪生水利数据底板建设使大量数据汇聚、集中，为规范非涉密水利数据在收集、存储、使用、加工、传输、提供、公开、销毁等环节的处理，必须对水利数据进行分类管理、分级保护。

（1）数据分类分级管理

水利部《水利数据分类分级指南（试行）》将水利数据分为水利基础数据、水利业务数据、地理空间数据、行政管理数据、个人信息和其他数据6个类别，并在此基础上细化了37个二级类别和178个三级类别。按照数据一旦遭到篡改、破坏、泄露或者非法获取、非法利用，对国家安全、公共利益、组织或个人合法权益造成的影响和危害程度，将数据从低到高分成1～5级。5级数据是指一经篡改、破坏、泄露等可能对国家政权安全和国家安全构成直接威胁的水利数据；4级数据是指一经篡改、破坏、泄露等可能对国家安全、社会稳定、公共利益产生危害的水利数据，例如个人身份信息、工程险情；1～3级数据相对安全，通常指基础信息和历史数据，可面向水利行业、相关行业或社会公众，例如河流名称、流经地区、地表径流等信息。因此，建立完善的数据分级保护机制，是确保水利管理和社会稳定的重要保障。

同时，需要建立数据安全组织管理体系，根据“谁管业务，谁管业务数据，谁管数据安全”原则明确收集和产生数据的安全保护责任单位，明确具体的数据安全工作机构和责任人，开展数据分类分级工作，建立重要数据目录，对本单位及下属单位风险隐患及事件做好监测预警、及时处置与信息通报，确保数据全生命周期有责任单位和责任人。

（2）数据全过程保护

建立数据安全保护技术体系，加强数据处理系统、数据传输网络、数据存储环境等的安全防护，处理重要数据的系统原则上应当满足三级及以上网络安全等级保护要求。利用数据安全技术，保护重要数据在收集、存储、使用、加工、传输、提供、公开、销毁等数据治理过程中的安全。

在数字孪生水利建设过程中，须通过一定技术手段对重要数据、核心数据进行重点保护。如基于数据分类与标记技术识别重要敏感数据，在数据分级基础上采用人工标记、自动标记和半自动标记，识别标记敏感数据，予以重点保护；基于商业密码技术开展数据加密，充分利用国产商业密码SM2、SM4、SM9等密码算法和密码计算资源，对存储在硬盘、云存储或数据库中的数据进行加密，防止物理盗窃或未授权访问；使用SSL/TLS协议等加密技术，对网络中传输的数据进行加密，防止数据被窃听或截获，为重要数据提供数据资源存储和传输加密服务支撑。基于动静态脱敏技术开展数据脱敏，通过识别应用系统账号，对账号权限访问应用进行差异化脱敏；通过屏蔽、变形、替换、随机等脱敏算法，针对不同数据类型进行数据掩码扰乱，将脱敏后的数据装载至不同环境。基于风险监测技术开展数据访问控制，利用密码SSL网关建立数据隧道，将传输中的公私数据进行隔离，对API访问数据、数据库安全风险进行实时监测，识别缺乏身份认证API接口、非常用IP访问、敏感数据访问、个人信息泄露等安全风险，及时发现外部攻击和内部违规等隐患。此外，还应加强供应链安全管理，与供应商、合作伙伴等第三方建立紧密的合作关系，并进行严格的安全评估和管理，通过签订保密协议、定期审计第三方数据安全措施以及建立快速响应机制等措施降低第三方风险。

2.数据标准

数据标准是进行数据标准化的主要依据，是保障数据内外部使用和交换一致性和准确性的规范性约束，有利于打通数据底层的互通性，提升数据的可用性，因此数据底板的构建亟需一套完善的数据标准体系。

（1）数据标准现状

国际标准化组织出台了元数据、数据治理等标准，IEEE计算机协会推出了《大数据治理和元数据管理参考架构标准》，为开展数据治理、提升数据管理提供了一系列指导措施。全国信息技术标准化技术委员会制定了《数据管理能力成熟度评估模型》和《信息技术服务 治理 第5部分：数据治理规范》，国家发展改革委等部门印发了《国家数据标准体系建设指南》，明确了国家数据标准体系框架，为水利数据标准体系构建提供了根本遵循。

（2）数据标准体系框架

拟在国家数据标准体系下，结合数字孪生水利建设需要、水利数据全生命周期管理等需求，提出数字孪生水利数据标准体系框架，包括数据基础、数据汇聚、数据模型、数据治理、数据服务、数据安全标准等6个部分。数字孪生水利数据标准体系框架如下图所示。

nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />

▲数字孪生水利数据标准体系框架

①数据基础标准。数据基础标准位于数据标准体系框架底层，支撑整个水利数据体系，主要用于统一水利通用基础标准，包括统一数据定义、命名、范围，明确数据参考架构、数据边界关系；开展水利对象、水利数据资源分类体系构建，建立水利对象编码规则，对流域、河流、湖泊、水库、堤防等42个水利实体类的具体对象进行编码，赋予唯一代码作为水利信息化领域唯一对象标识。

②数据汇聚标准。数据汇聚标准在数据基础标准之上，主要用于规范“天空地水工”一体化监测感知数据的传输协议、接入要求、传输格式等标准；规范水利基础数据、监测数据、业务管理数据、跨行业共享数据、地理空间数据等汇聚的数据范围、数据接口形式、数据更新频次；建立统一的水利数据资源目录体系。

③数据模型标准。基于汇聚的各类数据开展数据模型构建，数据模型标准主要用于制定建立水利对象、空间网格、水利业务场景、历史事件等多种维度数据模型的规范，明确数据模型的定义、管理、建立及应用，确保水利数据描述对象及其属性的语义一致性，为构建数据字典、开展数据库设计奠定基础。

④数据治理标准。在统一的数据模型基础上开展数据治理，数据治理标准主要用于规范数据存储、入库、灾备要求，制定数据提取、数据转换、数据清洗、数据关联、数据标识等流程，实行数据全生命周期治理的管理、管控和评价，提出构建数据管理平台基本要求，规范数据库、操作系统、中间件等使用要求，规范使用数据治理管理通用技术。

⑤数据服务标准。基于数据治理的成果发布数据服务，数据服务标准主要用于规范数据，满足跨系统、跨部门、跨层级、跨区域共享的要求，明确数据服务范围、类型及服务方式，规定水利数据交换的内容、模式、格式、要求和交换过程中必备的元数据项，建立数据服务管理机制，开展数据服务能力评估。

⑥数据安全标准。数据安全标准贯穿于数据全生命周期，全过程指导数据采集、处理、应用等过程，主要用于建立数据安全分类分级规范，明确数据级别和管理责任单位；构建水利数据安全防护体系技术要求，明确数据授权访问、数据加密、数据脱密脱敏、数据审计、数据共享交换等安全管理要求。

nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />

结论

深入探讨了数字孪生水利动态时空数据底板的构建架构和关键技术，提出了涵盖时间空间、数据资源、数据引擎、安全与标准四个维度的“四维四层”动态时空数据底板架构，从水利对象、水利网格、水利主题和水利事件四个层次，进行了水利时空数据的建模，旨在打造一个动态、多维、融合的时空数据底板。态时空数据底板能够在数据引擎的驱动下实现数据的动态更新、模型的动态计算和结果的动态反馈，从而实现数据的动态循环流转，使得数据越应用越丰富、越准确，为决策提供高质量支撑。

本研究的创新点主要体现在：第一，提出了一个全新的“四维四层”统一架构，该架构能够全面覆盖水利数据的各个方面，实现数据的高效管理和利用；第二，强调了数据的动态性，通过实时数据接入和模型计算，实现了数据的实时更新和动态反馈；第三，通过多维数据模型构建，提供从水利对象、空间网格到业务主题、水利事件的数据组织方式，增强了数据的查询、分析和服务能力；第四，实现了多源异构数据的融合，提高了数据的完整性和准确性，为水利模型的高精度模拟提供了强有力的支持。

下一步应从技术层面和应用层面不断开展数字孪生水利动态时空数据底板的研究和应用。在技术层面，随着新一代感知设备、物联网、大数据和云计算等技术的不断发展，数据的采集、存储和处理能力将得到进一步提升，这将为动态时空数据底板的构建提供更加强大的技术支持；随着人工智能和机器学习技术的进步，可以通过更加智能的方式对数据进行分析、处理和建模，提高数据底板的智能化水平。在应用层面，数字孪生水利动态时空数据底板要充分结合水利业务需求，能够在水资源管理、水土保持、水环境保护、河湖管理等更多的水利业务场景中得到应用，为水利行业的可持续发展提供更加科学、精准的决策支持。同时，也期待通过更多跨学科的合作，整合水利、计算机技术、地理信息、环境科学等领域的知识和技术，推动数字孪生水利动态时空数据底板创新发展。数字孪生水利动态时空数据底板的研究和应用前景广阔，不仅能够为数字孪生水利建设提供强有力的支撑，也将为其他行业的数字化发展提供有益的借鉴。

致谢：本研究是首届水利部卓越水利工程师培养工程（数字孪生水利班）五位学员于培训期间，在蔡阳、朱跃龙、张晓祥、金佳鑫等导师指导下完成的。在文章撰写、修改中各位导师提出了许多宝贵建议，在此对各位导师的悉心指导、辛勤付出表示感谢。

Abstract: The Ministry of Water Resources has identified the construction of digital twin water conservancy. It calls for the establishment of a digital twin water conservancy system with capabilities for “forecasting, early warning, simulation, and emergency planning” The data base plate is the core and key to the construction of digital twin water conservancy. While significant progress has been made in the construction of digital twin water conservancy, the data base plate still needs to evolve towards being more dynamic, multidimensional, and integrated. This involves building a new generation of spatiotemporal data architecture and technological routes to lay a solid data foundation for digital twin water conservancy and support the new development of the digital twin water conservancy system. Starting from the construction of dynamic spatiotemporal data base plates, discusses the architecture of a unified dynamic spatiotemporal data base plate from four dimensions: time and space, data resources, data engines, and security and standards. It explores the technical routes for water conservancy spatiotemporal data modeling at four levels: water conservancy objects, water conservancy grids, water conservancy themes, and water conservancy events. And proposes a “four-dimensional and four-level” architecture for constructing a water conservancy dynamic spatiotemporal data base plate.

Keywords: digital twin water conservancy; multi-dimensional integration; spatiotemporal data base plate; data modeling construction; water conservancy objects

本文引用格式：

崔培，张涛，曾斌，等.数字孪生水利动态时空数据底板构建研究[J].中国水利，2025（2）：52-64.

责编｜ 王慧

校对｜ 董林玥

审核｜轩玮

监制｜ 赵洪涛

nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />