Medical Journal of the Chinese People's Armed Police Forces

Journal of Changjiang River Scientific Research Institute >

2026 , Vol. 43 >Issue 3: 218 - 226

DOI: https://doi.org/10.11988/ckyyb.20241312

Water Conservancy Informatization

UE5-based River-Lake Scene Construction and Hydrodynamic Process Simulation

  • DU Peng , 1, 2, 3, 4 ,
  • LU Shan-long , 2, 3 ,
  • LI Qing 1, 4 ,
  • DU Cong 2, 3 ,
  • ZHANG Bo 1, 2, 3, 4 ,
  • HU Kai-xin 1, 2, 3, 4
Expand
  • 1 College of Automation, Beijing Information Science and Technology University, Beijing 100192, China
  • 2 International Research Center of Big Data for Sustainable Development Goals, Beijing 100094, China
  • 3 Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100094, China
  • 4 Key Laboratory of Modern Measurement & Control Technology, Ministry of Education, Beijing 100101, China

Received date: 2024-12-30

  Revised date: 2025-04-10

  Accepted date: 2025-04-14

  Online published: 2025-06-03

Fold

Abstract

[Objective] To address the problems of insufficient 3D scene accuracy, unsatisfactory dynamic water effects, and imprecise hydrodynamic process simulation in existing river-lake digital twins, this study proposes an integrated method for 3D river-lake scene construction and hydrodynamic process simulation based on Unreal Engine 5 (UE5). The proposed method aims to construct a digital twin framework that combines high-fidelity scene representation with high-accuracy hydrodynamic process simulation, and to enhance the visualization, dynamism, and interactivity of river-lake digital twins. [Methods] UE5 was used as the research platform, and a real-scene 3D hydrodynamic process simulation method for river-lake scenarios was proposed and implemented by integrating terrain construction, water body simulation, and dynamic extraction of hydrological parameters. First, high-precision 3D river-lake terrain and environmental scenes were constructed using terrain height maps and high-precision photogrammetric models. Second, the Fluid Flux water simulation plugin in UE5 was modified by incorporating bottom friction factors influenced by the Manning coefficient, as used in engineering analysis, thereby establishing a hydrodynamic process model that better conformed to engineering practice. Finally, Blueprint programs were designed to dynamically extract and compute hydrological process parameters during simulation, enabling real-time calculation and dynamic extraction of key hydrological parameters such as flow velocity, water depth, watershed area, total water volume, and river cross-sections. An interactive user interface was also developed to support parameter visualization and scene interaction. [Results] A complete river-lake digital twin framework was constructed, and its functional effectiveness was verified through multiple experiments. First, a dam-break simulation experiment in a 90° bend was constructed to simulate the diffusion process of dam-break flow. The trends of water level variations at all measurement points showed good agreement with classical experimental data, validating the reliability of the hydrodynamic model. Subsequently, inundation simulation experiments under different vegetation cover conditions were conducted. These experiments reflected the influence of vegetation density on flow resistance and inundation processes in the simulated scenarios, demonstrated the capability of surface roughness variations to affect flow simulation, and verified that the proposed method could simulate the impacts of different vegetation environments on hydrodynamic processes. Finally, a complete 3D river-lake scene integrating 3D scenarios, dynamic water simulation, real-time hydrological parameter extraction, and an interactive interface was presented. Through the interface, users could obtain hydrological parameters such as water depth, flow velocity, cross-sectional morphology, watershed area, and total water volume at any location in real time, facilitating clear data acquisition and subsequent processing. [Conclusion] This study investigates methods for 3D scene construction of rivers and lakes and for hydrodynamic process simulation within such scenes, and successfully constructs a river-lake scene framework that integrates high-precision 3D scenes with hydrodynamic process simulation using UE5. The main innovations of this study lie in clarifying the method for constructing 3D river-lake scenes in the UE5 environment, generating terrain base surfaces using the terrain system and elevation data, and introducing high-precision photogrammetric models to enrich the surface environment, thereby improving the realism of 3D river-lake scene construction. From an engineering analysis perspective, the hydrodynamic model of the Fluid Flux plugin in UE5 is improved by adding a friction term influenced by the Manning coefficient, enabling hydrodynamic process simulation in 3D scenes to more accurately reflect the influence of environmental roughness. Simulation scenarios are also designed to verify the impacts of different terrain and vegetation roughness on flow simulation. In addition, Blueprint programs are designed to dynamically extract and compute various hydrological elements during the simulation of 3D river-lake scenes, forming a complete method for hydrodynamic process simulation in 3D river-lake scenes. The proposed method provides integrated capabilities for scene construction, hydrodynamic process simulation, and hydrological parameter extraction and computation, thereby improving the efficiency of data acquisition and processing during 3D scene simulation.

Key words： 3D river-lake scene; hydrodynamic simulation; shallow water equation; Unreal Engine; digital twin

Cite this article

DU Peng , LU Shan-long , LI Qing , DU Cong , ZHANG Bo , HU Kai-xin . UE5-based River-Lake Scene Construction and Hydrodynamic Process Simulation[J]. Journal of Changjiang River Scientific Research Institute, 2026 , 43(3) : 218 -226 . DOI: 10.11988/ckyyb.20241312

0 引言

近年来,在数字化、信息化的热潮中,数字孪生技术逐步迈入各行各业,而数字孪生流域作为推动智慧水利工程建设的关键工作之一,也面临着新的挑战。对于数字孪生流域来说,构建能够对真实世界进行模拟的数字孪生体,是研究的重点工作之一。数字孪生体的构建需要生成高精度的三维虚拟场景,在三维场景的基础上,还需要结合水体的动力过程、水文数据,力求还原流域中水文过程及要素,最终将场景与动力过程结合,形成真实性强,可视化、动态化效果好的数字孪生体,以满足数字孪生流域的构建需求[1]。但当前已有的数字孪生流域系统或平台中,在数字孪生体的构建上大多都存在场景精度及动态化效果欠佳,动力过程不够精确,与使用者交互性较差等问题。如何结合河流及湖泊等流域的数据、模型和计算等基本要素,提高河湖数字孪生体的精度,以及动态可视化效果及交互性,是当前数字孪生流域技术研究的重要内容[2] 。
针对流域数字孪生体的研究中,三维场景构建与水动力过程模拟是两个至关重要的部分。传统的三维场景构建即是对地形进行建模,通过获取数据生成地形底座,在此基础上模拟地形上的各种自然景观及水体等元素。辛佳佳[3]、陈宁等[4] 、彭铄雅[5]、相增辉[6] 利用场景图形开发库OSG(OpenSceneGraph)及OSG Ocean平台,构建了海洋场景的泡沫模拟及洞庭湖流域可视化模拟等场景。Belhadj等[7]、Muraoka等[8] 、Yang等[9]、Paris等[10]和Argudo等[11]对山脊、降雪、沙漠及冰川等三维场景下的自然景观模拟方法进行了研究。以上研究针对自然场景的三维构建,大多只围绕单一元素进行构建,并没有对自然场景进行高精度还原制作。而由于湖河等流域场景及自然环境结构复杂、场景中元素多样,上述传统场景构建方法并不能满足河湖流域数字孪生体场景的高仿真度需求。
在流域数字孪生体的构建中,是否能够包含足够精确的水动力过程模拟是影响孪生体真实性的关键因素。传统的水动力过程仿真方法常依赖数值模拟和试验数据,通过表格或图像对流域内的水文过程及各种要素进行表示。国外的水动力数值模拟研究起步较早,已有一批功能较为完善的应用计算软件。其中具有代表性的有MIKE系列、HEC系列、Delft3D、EFDC模型等[12],这些模拟系统均是集建模、数值模拟计算以及图形可视化于一体,在泥沙输移模拟、洪水预报、洪水淹没范围确定、溃坝模拟等方面多有应用。而国内学者针对不同场景、不同条件下的河湖流域,同样进行了大量的水动力模拟研究。陈海梅等[13]、陈琼[14] 、苟少杰[15]和熊勇峰等[16]针对国内的河流或水库等水域建立了一维及二维水动力过程模型,使用专业计算软件对流域中水动力变化过程进行了模拟分析和研究。上述研究方法及传统软件通常侧重于精确的计算和模拟,但可能无法与数字孪生体所需要的三维场景与可视化效果进行结合,针对该问题,也有学者进行了基于三维场景的水动力可视化效果研究。焦向伟[17] 、潘立武[18] 、陈瑞华等[19] 综合Web 3D平台、C++/CLI技术和OSG以及FLOW3D软件等结合了三维场景及动力模型的模拟软件平台,搭建了湖泊或水电站三维场景并实现了特定水文过程的动态可视化模拟。而这些模拟研究虽然都在一定程度上实现了水动力模型与三维场景的结合,但三维场景中水体的流动性较差,针对小型场景的效果尚可但不适用于大型河湖场景构建与渲染。
随着可视化仿真技术的快速发展,游戏引擎的应用逐渐在数字孪生技术的开发上崭露头角。常见的游戏引擎有虚幻引擎UE(Unreal Engine)、Unity 3D、CryEngine、Maya等,它们具有强大的系统表现、控制和可视化能力,可达到逼真的视觉渲染和动态模拟效果。近几年国内外许多学者都致力于探索基于游戏引擎的数字孪生体开发研究,Chandramouli等[20] 和孔志远[21]使用Unity3D平台,并结合三维建模软件对河道洪水淹没过程和海事决策场景进行了模拟研究。Lu等[22]、 Yin等[23] Chen等[24]、张舒南等[25]、鲁瀚友等[26] 、郭正扬等[27] 利用UE平台对多个湖泊、河流及其他区域构建了三维场景并进行渲染,同时针对不同的自然或水文过程变化进行了可视化模拟与仿真,获得了良好的动态效果。
上述研究中,国外学者利用游戏进行三维可视化系统的研发,普遍更注重三维场景的渲染,强调“沉浸式”体验。而国内学者利用游戏引擎针对特定河湖区域的场景搭建也取得了一些成果。国内外研究的成果都证明了游戏引擎在流域数字孪生体构建方面的极大潜力,但是目前的研究更多倾向于自然环境过程变化的物理模拟以及可视化体验上,还缺乏结合水动力过程与水文要素的孪生体相关研究。
本研究将游戏引擎用于高仿真度流域数字孪生体的构建。针对河流、湖泊场景,研究河湖三维场景构建与水动力过程模拟方法,利用游戏引擎的三维场景构建与渲染能力,弥补传统方法中虚拟场景不够逼真、水体模拟动态效果不够好以及动力过程不够可靠的问题,并加入对模拟过程中水文数据的提取方法,形成一个兼具河湖三维场景与水动力过程模拟功能的数字孪生体框架。旨在解决传统流域数字孪生体框架中三维场景真实度不足、水体动力过程模拟效果欠佳问题,同时进一步提升场景和模拟的可视化及交互性。

1 研究方法

研究选择了虚幻引擎5(UE5)作为实现平台,利用UE5中地形与三维模型的构建功能,输入地形数据生成高精度河湖三维场景的地形与环境。再使用引擎中的水体模拟插件,与水动力模型相结合,对河湖水动力过程进行动态模拟。最后对水体模拟过程中的水文参量进行动态化提取与计算,形成具备高精度河湖场景与水动力过程的数字孪生体框架。研究方法中主要包含三维虚拟场景构建、动态水体模拟和水文过程参量动态获取等几个步骤。数字孪生场景构建流程如图1所示。
图1 数字孪生场景构建流程

Fig.1 Flowchart of digital twin scene construction

1.1 虚幻引擎5功能简介

虚幻引擎5(UE5)是由美国游戏开发公司Epic Game于2021年发布的第五代游戏引擎,具有强大的实时渲染功能,并为开发者提供多样的工具集和技术支持。利用UE5的蓝图(Blue Prints)系统可引入数学模型对物理过程进行精确模拟与计算,或对场景及物体进行控制。蓝图系统是UE5自带的可视化脚本编程系统,它可以让使用者无需熟练的编程技能即可创建复杂的场景逻辑和功能,如场景设计、事件和交互行为等。
本研究中使用了UE5的地形系统和高精度三维模型素材库来构建河湖三维场景的地形与环境,河湖水动力过程的模拟通过水体模拟插件实现。此外,利用蓝图系统还可实现在场景模拟过程中动态读取实时数据,从而获取或计算得到所需水文过程参量。

1.2 河湖三维虚拟场景构建

三维虚拟场景搭建是构建河湖流域数字孪生体的基础步骤,包括地形底板数据生成、地表材质构建、自然环境模型添加等部分,以确保生成的虚拟场景能够准确表示流域的地形及环境。
地形底板构建中最关键数据为水下地形DEM数据,水下地形构建是否精确与水动力过程模拟是否精准有直接关系。较为准确的水下地形数据获取方法可使用单波束声纳等测深装置,通过人工或无人船对目标水域进行测量[28],再利用实测数据绘制得到水下地形;在不便测量的水域可使用科学模拟算法对水下地形进行模拟。本项目组提出的基于水上和水下地形连续性假设的模拟方法,可实现对湖泊水下地形相当精确的模拟[29]。
UE5中地形塑造主要利用了高度图的方法,高度图是用于表示地形高度的二维图像,每个像素上都包含了相应位置地形的高度信息。将获取到的地形DEM数据转化为16位png格式高度图文件导入UE5地形系统中,并利用地形编辑功能如雕刻、平滑、平整、侵蚀、噪声等,按照使用者的需求描绘或修改地形的特定细节,最终形成满足需求的地形底板。
地表材质贴图与环境三维模型均来自UE5中集成的高精度三维模型素材库,通过近距离的摄影测量技术获得,该技术对现实环境中的目标对象进行多角度的近距离拍摄,得到一系列高分辨率的照片,并通过计算机视觉算法转化为三维模型,能够高精度地提取出物体表面的纹理细节。利用UE5中的材质系统可对导入的地表材质贴图进行编写,将色彩图、法线图、粗糙度图等纹理图进行组合,并设置UV映射,构建出能够反应地表样貌的材质。UV映射是将三维模型的表面与二维纹理图像匹配的技术,通过将每个顶点映射到二维坐标系,使得纹理可以被正确地应用到模型的表面。此外,由素材库中获取的三维模型可通过程序化添加植被和网格体功能,按预设好的模型大小范围、密度等属性向场景中添加,作为模拟不同植被覆盖情况下河湖水动力过程的基础,并提高三维虚拟场景的整体准确性。UE5中的河湖三维场景地形与环境模型细节如图2所示。
图2 河湖三维虚拟场景

Fig.2 Three-dimensional virtual river-lake scene

1.3 河湖动态水体模拟

本文中河湖水体动态模拟与水动力过程通过UE5中水体模拟插件Fluid Flux实现,它的原理是基于浅水方程模型,在高度场网格上对水体更新进行计算,根据相邻单元中地面和水的高度差计算并更新流体运动和扩散效果,该插件中水动力模型原理如章节1.3.1所示。但由于该插件本身更多是服务于游戏引擎流体效果的模拟,故根据工程分析需求进行改进,加入摩擦源项,提高模型的精度。

1.3.1 改进Fluid Flux水动力模型

1.3.1.1 Fluid Flux中水体模型

Fluid Flux的仿真实现基于二维浅水方程模型[30],水体模拟方程为
D h D t = - h ( ∂ u ∂ x + ∂ w ∂ z ) 　 ; D u D t = - g ∂ η ∂ x + a x e x t 　 ; D w D t = - g ∂ η ∂ z + a z e x t 　   。
式中: D代表导数运算符;假设重力沿 y轴作用。则二维模拟的平面是 x - z平面, x和 z是空间坐标; h是水深度;t为时间; H是水下地形的 y方向坐标, η是水面高度的 y方向坐标,η=H+h, v = ( u , w )是流体的水平速度,其中u、w分别为速度v在x方向和z方向的分量; g是重力加速度; a x e x t和aext z分别为外部加速度在 x和 z方向上的分量。
根据欧拉流场视角,在二维平面上使用网格将模拟域进行离散,将高度 h i , j和 H i , j定义在每个网格中心,平面上速度分量 u i + 1 2 , j , w i + 1 2 , j定义在网格边界,然后对高度场和速度场进行时间正向积分,得到高度场和速度场的更新公式。在本文中,使用米(m)作为距离单位,使用秒(s)作为时间单位。网格间距和模拟的时间步长分别用Δx和Δt表示。
将质量守恒方程导数进行合并,可表示为
∂ h ∂ t = - ∂ h u ∂ x + ∂ h w ∂ z 　 。
将式(2)在模拟网格上进行离散化,可得到高度场变化量的更新方程为
h i , j + = - ( h u ) i + 1 2 , j - ( h u ) i - 1 2 , j Δ x + ( h w ) i , j + 1 2 - ( h w ) i , j - 1 2 Δ x Δ t   。
网格边界上的速度场通过水面高度梯度来进行更新,与高度场同理,将动量方程变形后进行离散化,可得到速度场变化量的更新方程为
u i + 1 2 , j + = - g Δ x η i + 1 , j - η i , j + a x e x t Δ t 　 ; w i , j + 1 2 + = - g Δ x η i , j + 1 - η i , j + a z e x t Δ t 　 。

1.3.1.2 水体模拟模型的改进

上述Fluid Flux中水体模拟未考虑工程分析中外部源项带来的影响。工程分析中基于静水压强假定,沿水深方向对Navier-Stokes方程进行积分,并忽略风应力和科氏力项,简化可得一般情况下带源项的二维浅水方程,其守恒格式为
∂ U ∂ t + ∂ F ∂ x + ∂ G ∂ z = S 　 。
式中:U为状态向量;F和G分别为x和z方向的通量向量;S为源项。
U = h u h w h ; 　 F = u h u 2 h + g h 2 2 u w h ; G = w h u w h w 2 h + g h 2 2 ; 　 S = 0 g h ( S o x - S f x ) g h ( S o z - S f z )
S o x = - ∂ H ∂ x ; S o z = - ∂ H ∂ z ; S f x = n 2 u u 2 + w 2 h 4 3 ; S f z = n 2 w u 2 + w 2 h 4 3
式中: S o x和 S o z分别表示 x和 z方向的水底坡度源项; S f x和 S f z分别为 x和 z方向的底部摩擦源项; n为曼宁系数。
采用有限体积法求解上述方程。得到更新方程为
U i , j + = - Δ t Δ x F i + 1 2 , j - F i - 1 2 , j - Δ t Δ z G i , j + 1 2 - G i , j - 1 2 + Δ t S i , j 　 。
式中:F、G的下标i、 j为 x方向和 z方向上单元网格的序号;Δx和Δz即前文定义的网格间距(由于本文采用正方形网格故Δz=Δx); S i , j为网格点 ( i , j )的源项。
对比式(4)和式(8)可发现,Fluid Flux中速度更新方程主要通过相邻网格间水面高程差进行迭代,对比工程分析的更新方程并未考虑底部摩擦源项部分,故按式(8)形式对式(4)进行优化改进,添加底部摩擦源项,改进后速度场变化量的更新方程为
u i + 1 2 , j + = - g Δ x η i + 1 , j - η i , j - g h S f x Δ t 　 ; w i , j + 1 2 + = - g Δ x η i , j + 1 - η i , j - g h S f z Δ t 　 。
Fluid Flux的更新方程在UE5中的材质系统进行编写,将关键变量设置为可变参数,模拟运行时通过蓝图程序对参数进行输入和修改,从而达到在场景中更新和渲染的效果。

1.3.1.3 UE5中水体模型的实现方法

UE5模拟过程中,整个模拟区域网格上的地形高度、水深、流速等数据都通过渲染目标进行临时储存。渲染目标是一个接收渲染结果的纹理或图形数据,一般包含R、G、B、A四个通道,利用渲染目标可实现模拟过程中状态和数据的更新与动态提取。如流速和水深分别储存在同一渲染目标的不同通道中,流速储存在R和G通道中(分别代表x轴和z轴速度分量),水深储存在B通道中,颜色越亮代表数值越大,如图3所示。
图3 渲染目标数据储存

Fig.3 Data storage in render target

Fluid Flux中的高度场和速度场更新方程根据式(3)和式(4)在材质蓝图中进行编写,模拟过程中通过蓝图程序以包含高度、速度更新程序的材质为基础创建动态材质实例并读取关键参数实现水深和流速的迭代更新。更新程序中将储存地形高度、水深、流速等数据的渲染目标作为输入量读取进程序中,通过计算得到下一时刻各个位置上新的流速和水深等数据。
根据式(7)中底部摩擦项和式(9)速度场更新方程,在原有更新程序基础上进行改进,在速度更新蓝图中进行底部摩擦项编写,其中速度、水深参量通过渲染目标R、G、B通道分别进行获取。计算得到摩擦项结果后再与原有速度更新部分结合,形成改进后的更新程序。摩擦项的蓝图程序如图4所示。
图4 底部摩擦项蓝图程序

Fig.4 Blueprint for bottom frictional source term

1.3.2 水文过程参量获取与计算方法

水体模拟过程中,多类水文参量储存在渲染目标中,图像中每个像素点对应河湖虚拟场景中的对应网格上的数据。使用UE5蓝图系统、生成程序化网格体功能及材质系统,可在湖河场景模拟中设计场景交互、调整参数,并获取和计算模拟过程中的水文过程参量。
(1)流速、水深数据。通过蓝图中按像素读取渲染目标上数据的函数功能,可读取到对应场景位置的实时流速和水位数据。利用UV映射,选择模拟场景中任意位置时,都可以定位到渲染目标上的对应位置,从而获取不同通道上的流速或水深数据。
(2)流域面积计算。流域面积计算是指对某一时刻模拟场景中水体所覆盖的表面积进行计算,反映了环境中水体的分布情况。利用UE5中生成程序化网格体功能可将模拟中水体转化为由大量三角形组成的静态网格体,并获取其几何顶点数据。通过三角形面积计算方法可对水体的静态网格体表面积进行计算,最终得到流域面积。
(3)流域总水量计算。总水量是指在某一流域或流域内的所有水体的总量,可通过读取渲染目标中保存的模拟区域中水深数据进行计算。利用UE5蓝图中的根据像素区域读取渲染目标数据功能,可从渲染目标中读取所有像素上的水深,与模拟区域单位面积相乘求和,则得到了流域中总水量,它能够直观反应河湖场景下的当前储水量,对水资源的可持续管理有着重要意义。
(4)河道断面数据获取。河道断面是指在某一横向剖面上对河床形态、河道宽度、深度等的描述,可通过放置透明检测平面网格体垂直切割河道地形的方式进行获取。利用UE5材质中Distance To Nearest Surface节点,可获取到河道断面的形状并反映在检测平面上,如图5所示。在模拟运行时也可通过移动检测平面实时获取任意位置的断面数据。河道断面反映了河流的横向形态特征,是计算河道断面流量的重要依据。
图5 河道断面获取

Fig.5 River cross-section extraction

2 河湖数字孪生体构建示范案例

2.1 90°弯道溃坝场景模拟

为验证本文中水动力过程模拟效果,采用水库溃坝场景实例进行模拟。该试验起初是由UCL大学的Frazao等[31]完成,上游为239 cm(长)×244 cm(宽)的矩形水库,下游河道为宽49.5 cm的L型矩形断面,河道上端和下端均长约400 cm,下游河道底部高程比水库高程高33 cm。河道与水库内无坡度,河道出口端为自由出口,水库初始水位高于河道底部20 cm,曼宁系数设置为0.012。设置6个测点分别检测水位变化,G1测点位于水库中央,G2—G4测点位于弯道上游,各测点间距均为150 cm,G5—G6测点位于弯道下游,两点间距150 cm。模拟时直接进入溃坝过程产生水流。模型平面示意图和场景搭建如图6所示。
图6 90°弯道溃坝试验示意图和场景搭建图

Fig.6 Schematic and scene setup of 90° bend dam-break experiment

总模拟时长为40 s,图7为在不同测点(G1—G6)水位模拟值随时间的变化图像。
图7 各测点水位模拟结果

Fig.7 Simulated water levels at each measuring point

由图7可以看到G1点的水位呈现持续降低的趋势,下降的幅度随着时间逐步减少;G2、G3和G4点都位于河道上游,因弯道对水波的反弹作用呈现出水位突然增大的现象,G4点因为离弯道最近,故水位最大值出现较早。而G5、G6点位于弯道之后,水流受到弯道的调整作用,水位的变化过程更加平缓。从整体结果来看,本模型对水动力过程的模拟效果足够可信,且面对类似于地形存在突变的溃坝水流试验,也能够较好地进行模拟。

2.2 不同植被覆盖情况下的淹没模拟

为模拟河湖环境中植被不同覆盖程度对水流产生的影响,分别设计植被茂盛和稀疏的场景,测量水流淹没过程中固定位置流速的变化。模拟场景中,初始位置输入点位流速为0 m/s,测量点位距离水流输入点位79 m,模拟过程总时长60 s,场景除植被覆盖外,地形相同模拟场景及测量流速对比如图8所示。
图8 不同植被覆盖情况淹没模拟

Fig.8 Inundation simulation under different vegetation cover conditions

由图8(a)可以看出,在植被多为低矮草类且稀疏时,直接被水流淹没,植物对水流的影响较小,而反观图8(b)中植被多为相对高大茂密的芦苇、灌木类,对水流的淹没速度造成了一定的影响。故植被稀少环境下水流更快达到测量点位,而后者受植被阻碍,在测量点位流速出现短暂上升期后才达到峰值,整体变化节奏均慢于植被稀疏的情况,且后续趋于稳定后植被茂密情况下流速明显低于植被稀疏情况。根据模拟结果来看,本文的模型可以反映不同植被覆盖环境对水流模拟的影响。

2.3 典型河湖数字孪生体场景模拟

本文研究方法构建了典型河湖数字孪生体示范场景,该场景展示了在UE5中构建的河道与湖泊的地形环境与水体模拟效果。该模拟场景具备动态化的模拟效果与水文过程参量提取功能,场景及用户界面(User Interface,UI)如图9所示。
图9 典型河湖数字孪生体场景

Fig.9 Typical river-lake digital twin scene

使用者可通过操作UI上的按钮对模拟进程进行控制,可定点检测流速和水深的实时变化,以及选择场景中的任意位置获取当前时刻的水深和流速。此外,场景中设置的断面检测组件可以读取所在位置的河道断面,在模拟中可随时移动该组件以更改检测位置。此外,可在模拟过程中计算当前时刻的湖泊面积、总水量等水文过程参量,读取与计算到的水文过程参量均可进行可视化展示,便于数据的清晰获取及进行后续处理。该湖河数字孪生体场景后续可服务于河流径流的模拟与湖泊水文数据监测等应用需求。

3 结论与讨论

本文针对河流、湖泊三维场景的构建及场景中水动力过程模拟方法进行了研究,并利用UE5成功构建了兼具高精度河湖三维场景与水动力过程模拟功能的数字孪生场景,实现了水文过程数据的提取与计算,并设计UI,为形成三维数字孪生场景平台打下了基础。具体结论如下:
(1)明确了在UE5环境中构建河湖三维场景的方法,使用地形系统与高度数据生成地形底板,引入高精度摄影测量模型丰富地表环境,提高了构建河湖三维场景时的仿真度。
(2)从工程分析角度对UE5中Fluid Flux的水动力模型进行了改进,添加了曼宁系数影响的摩擦项,并设计模拟场景验证了不同地形及植被粗糙度对水流模拟的影响,提高了不同环境三维场景下水动力过程模拟的精度。
(3)在河湖三维场景中实现对模拟过程中各水文要素的动态提取与计算,形成完整的三维场景河湖水动力过程模拟方法。该方法具备完整的场景构建、水动力过程模拟和水文参量提取与计算功能,提高了三维场景模拟过程中数据获取及处理的效率。
但是,本文的河湖数字孪生体构建方法仍存在一定的局限性:目前无法模拟水流冲刷对地形造成的影响和变化,故本文研究的方法对于河床冲淤幅度较为明显的河湖还存在短板;同时,在不同季节植被情况对水流影响的模拟上,无法精确模拟出水流上涨或淹没使得小型植物消亡的效果,后续应进一步优化模型,力求还原水流冲击对地形或植被产生的影响。此外,本文水动力模型源项中仅添加了底部摩阻项的影响,后续应在结合模拟效果和性能优化的考虑下优化模型,添加更多物理影响因素,以与真实世界中的数据进行对接,进一步实现与真实世界交互的数字孪生场景构建等。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
李毅, 黄诗峰, 臧文斌, 等. 基于虚拟地理环境的数字孪生流域防洪应用技术探讨[J]. 遥感学报, 2024, 28(5): 1330-1339.

(LI Yi, HUANG Shi-feng, ZANG Wen-bin, et al. Discussion on Flood Control Application Technology of Digital Twin Basin Based on Virtual Geographic Environment[J]. National Remote Sensing Bulletin, 2024, 28(5): 1330-1339. (in Chinese))

DOI

[2]
徐健, 赵保成, 魏思奇, 等. 数字孪生流域可视化技术研究与实践[J]. 水利水电快报, 2023, 44(8): 127-130.

(XU Jian, ZHAO Bao-cheng, WEI Si-qi, et al. Discussion and Practice on Visualization Technology of Digital Twin Watershed[J]. Express Water Resources & Hydropower Information, 2023, 44(8): 127-130. (in Chinese))

[3]
辛佳佳. 基于OSG的海洋环境建模与仿真技术研究[D]. 烟台: 烟台大学, 2012.

(XIN Jia-jia. Research on Modeling and Simulation Technology of Marine Environment Based on OSG[D]. Yantai: Yantai University, 2012. (in Chinese))

[4]
陈宁, 聂垒鑫, 刘炜, 等. 基于OSG的海洋漫游场景开发[J]. 江苏科技大学学报(自然科学版), 2013, 27(4): 386-390.

(CHEN Ning, NIE Lei-xin, LIU Wei, et al. Development of the Ocean Scene Ramble System Based on OSG[J]. Journal of Jiangsu University of Science and Technology (Natural Science Edition), 2013, 27(4): 386-390. (in Chinese))

[5]
彭铄雅. 基于OSG Ocean的大规模深海海浪泡沫的实时模拟[D]. 秦皇岛: 燕山大学, 2015.

(PENG Shuo-ya. Real-time Simulation of Large-scale Deep Ocean Foambased on OSG Ocean[D]. Qinhuangdao: Yanshan University, 2015. (in Chinese))

[6]
相增辉. 洞庭湖水域可视化的研究与实现[D]. 南京: 东南大学, 2015.

(XIANG Zeng-hui. Research and Implementation of the Visualization of Dongting Lake Water Area[D]. Nanjing: Southeast University, 2015. (in Chinese))

[7]
BELHADJ F, AUDIBERT P. Modeling Landscapes with Ridges and Rivers:Bottom up Approach[C]// Proceedings of the 3rd International Conference on Computer Graphics and Interactive Techniques in Australasia and South East Asia. Dunedin New, Zealand:ACM,2005:447-450.

[8]
MURAOKA K, CHIBA N. Visual Simulation of Snowfall, Snow Cover and Snowmelt[C]// Proceedings Seventh International Conference on Parallel and Distributed Systems: Workshops. Iwate, Japan: IEEE Computation Society, 2000: 187-194.

[9]
YANG R, CHANG Z, XUE T. 3D Terrain Visualization for Mountain Taishan[C]// Proceedings 2011 IEEE International Conference on Spatial Data Mining and Geographical Knowledge Services. June 29-July 1, 2011. Fuzhou, China:IEEE, 2011: 285-290.

[10]
PARIS A, PEYTAVIE A, GUÉRIN E, et al. Desertscape Simulation[J]. Computer Graphics Forum, 2019, 38(7): 47-55.

DOI

[11]
ARGUDO O, GALIN E, PEYTAVIE A, et al. Simulation, Modeling and Authoring of Glaciers[J]. ACM Transactions on Graphics, 2020, 39(6): 1-14.

[12]
刘成堃, 张航, 靖争, 等. 面向数字孪生场景的三维水质推演仿真方法[J]. 长江科学院院报, 2024, 41(8): 189-196.

DOI

(LIU Cheng-kun, ZHANG Hang, JING Zheng, et al. Three-dimensional Water Quality Deduction Method Based on Digital Twin Technology[J]. Journal of Changjiang River Scientific Research Institute, 2024, 41(8): 189-196. (in Chinese))

[13]
陈海梅, 徐金英, 赖锡军. 二维坡面雨洪水动力模型研究[J]. 水动力学研究与进展(A辑), 2017, 32(4): 484-490.

(CHEN Hai-mei, XU Jin-ying, LAI Xi-jun. Numerical Study of Two-dimensional Hydrodynamic Model for Overland Flood[J]. Chinese Journal of Hydrodynamics, 2017, 32(4): 484-490. (in Chinese))

[14]
陈琼. 黄河内蒙古段凌情特征演变及坝下河道水动力模拟研究[D]. 呼和浩特: 内蒙古农业大学, 2022.

(CHEN Qiong. The Evolution of Characteristics of Ice Regime in Inner Mongolia Reach of the Yellow River and Study on Hydrodynamic Simulation of Channel under Dam[D]. Hohhot: Inner Mongolia Agricultural University, 2022. (in Chinese))

[15]
苟少杰. 耦合水动力与水库调度的永定河流域生态补水研究[D]. 西安: 西安理工大学, 2023.

(GOU Shao-jie. Study on Ecological Water Replenishment in Yongding River Basin Coupling Hydrodynamic and Reservoir Operation[D]. Xi’an: Xi’an University of Technology, 2023. (in Chinese))

[16]
熊勇峰, 孙先忍, 周刚, 等. 基于EFDC模型的官厅水库富营养化模拟[C]// 中国水利学会2020学术年会论文集第一分册. 北京: 重庆交通大学河海学院; 中国环境科学研究院,2020:309-317.

(XIONG Yong-feng, SUN Xian-ren, ZHOU Gang, et al. Simulation of Guanting Reservoir Eutrophication Based on Efdc Model[C]// Proceedings of the 2020 Academic Annual Meeting of the Chinese Water Conservancy Society,Volume 1.Beijing:College of River and Ocean Engineering of Chongqing Jiaotong University and Chinese Academy of Environmental Sciences, 2020:309-317.(in Chinese))

[17]
焦向伟. 基于湖泊实景三维水环境的水动力模型可视分析技术[J]. 吉林水利, 2023(10):1-6,66.

(JIAO Xiang-wei. Visual Analysis Technology of Hydrodynamic Model Based on 3D Water Environment of Lake Real Scene[J]. Jilin Water Resources, 2023(10):1-6, 66.(in Chinese))

[18]
潘立武. 三维数字湖泊仿真系统研究[J]. 郑州牧业工程高等专科学校学报, 2015(1):41-44.

(PAN Li-wu. Research on the Simulation System for Three-dimensional Digital Lakes[J]. Journal of Zhengzhou College of Animal Husbandry Engineering, 2015(1): 41-44. (in Chinese))

[19]
陈瑞华, 杨吉健, 马麟, 等. 小湾水电站泄洪洞窄缝挑坎数值模拟研究[J]. 长江科学院院报, 2017, 34(4):56-60.

DOI

(CHEN Rui-hua, YANG Ji-jian, MA Lin, et al. Numerical Simulation on Slip-type Flip Bucket at Flood Discharging Tunnel of Xiaowan Hydropower Station[J]. Journal of Yangtze River Scientific Research Institute, 2017, 34(4): 56-60. (in Chinese))

DOI

[20]
CHANDRAMOULI C V, ZIONG Z, WANG M J, et al. Virtual 3D Modeling for Little Calumet River Flood Inundation Studies[C]// World Environmental and Water Resources Congress 2016. West Palm Beach, Florida: American Society of Civil Engineers, 2016: 99-103.

[21]
孔志远. 面向智慧海事的海上交通场景数字化[D]. 舟山: 浙江海洋大学, 2023.

(KONG Zhi-yuan. Digitalizing of Marine Transportation Scene for Smart Maritime[D]. Zhoushan: Zhejiang Ocean University, 2023. (in Chinese))

[22]
LU S, FANG C, XIAO X. Virtual Scene Construction of Wetlands:A Case Study of Poyang Lake,China[J]. ISPRS International Journal of Geo-Information, 2023, 12(2):49.

DOI

[23]
YIN W, HU Q, LIU W, et al. Harnessing Game Engines and Digital Twins: Advancing Flood Education,Data Visualization, and Interactive Monitoring for Enhanced Hydrological Understanding[J]. Water, 2024, 16(17):2528.

DOI

[24]
CHEN H, XIAO X, CHEN C, et al. Digital Twin-based Virtual Modeling of the Poyang Lake Wetland Landscapes[J]. Environmental Modelling & Software, 2024,181:106168.

[25]
张舒南, 吕德生. 面向大型古建筑虚拟场景的程序化生成方法[J]. 计算机工程与应用, 2025, 61(13): 349-357.

DOI

(ZHANG Shu-nan, LYU De-sheng. Procedural Generation Method for Large-scale Virtual Scenes of Ancient Buildings[J]. Computer Engineering and Applications, 2025, 61(13): 349-357. (in Chinese))

DOI

[26]
鲁瀚友, 赵文刚, 蒋婕妤, 等. 基于UE5的虎渡河水流数字仿真技术研究及应用[J]. 长江科学院院报, 2024, 41(8):157-163.

DOI

(LU Han-you, ZHAO Wen-gang, JIANG Jie-yu, et al. Research and Application of UE5-based Digital Simulation Technology for Water Flow of Hudu River[J]. Journal of Changjiang River Scientific Research Institute, 2024, 41(8): 157-163. (in Chinese))

[27]
郭正扬, 徐希涛, 孙腾, 等. 融合数字孪生技术的湖泊环境保护研究[J]. 环境科学与管理, 2022, 47(10): 57-61.

(GUO Zheng-yang, XU Xi-tao, SUN Teng, et al. Research on Lake Environmental Protection Integrating Digital Twin Technology[J]. Environmental Science and Management, 2022, 47(10): 57-61. (in Chinese))

[28]
于南洋, 董堰川, 孔淋淋. 水下地形测量中无人船测量系统的应用[J]. 中国水运, 2023(17): 93-95.

(YU Nan-yang, DONG Yan-chuan, KONG Lin-lin. Application of Unmanned Ship Survey System in Underwater Topographic Survey[J]. China Water Transport, 2023(17): 93-95. (in Chinese))

[29]
FANG C, LU S, LI M, et al. Lake Water Storage Estimation Method Based on Similar Characteristics of Above-water and Underwater Topography[J]. Journal of Hydrology, 2023, 618: 129146.

DOI

[30]
CHENTANEZ N, MATTHIAS M. Real-time Simulation of Large Bodies of Water with Small Scale Details[J]. ACM, DOI:10.2312/SCA/SCA10/197-206.

[31]
FRAZÃO S S, ZECH Y. Dam Break in Channels with 90° Bend[J]. Journal of Hydraulic Engineering, 2002, 128(11): 956-968.

DOI

Options
Outlines

/

〈 〉

Copyright © Journal of Changjiang River Scientific Research Institute, All Rights Reserved.
Powered by Beijing Magtech Co. Ltd.