综述：关于数字孪生技术在洪灾风险管理和治理中应用的关键评估：一项系统文献综述

《International Journal of Disaster Risk Reduction》：Critical Assessment on Digital Twins Implementation for Flood Risk Management and Governance: A Systematic Literature Review

　　素香罗|亚历山德拉·马尔姆斯特伦|西尔库·尤霍拉
赫尔辛基大学生物与环境科学学院，邮政信箱65tbox65（Viikinkaari 1），FI-00014，芬兰

1. 引言
由于气候变化，极端降雨强度预计将会增加，这给城市和人口密集地区带来了巨大的洪灾风险（Wasko等人，2021年）。洪水建模在支持决策过程中发挥着关键作用，通过识别和预测受洪水影响的区域以及易发生洪水的地区（Mudashiru等人，2021年）。洪水的影响通常通过评估洪水的规模和发生概率以及其对暴露要素的潜在影响来评估。然而，由于洪水建模中涉及的自然或随机不确定性（潜在随机过程的变化）以及认知不确定性（知识的不完整性），洪水风险评估是一项具有挑战性的任务（Apel等人，2004年，2008年；Merz & Thieken，2005年）。关注建模过程中的不确定性来源，如选择的模型结构、输入数据和参数、气候条件的变化以及景观的改变，是识别不确定性的方法之一（Teng等人，2017年）。尽管如此，目前还没有明确的方法论或指南来传达不确定性评估结果，以帮助实践者做出决策，并使非专业人士也能理解（Collet等人，2018年）。Lesken等人（2014年）也指出，不确定性水平、模型的不灵活性以及决策过程中过多的中间环节（例如建模者、水资源系统管理者、政策制定者和区域指挥官）导致了决策者需求与模型能够提供的信息之间的差距。在洪水风险管理方法上，人们的态度从假设系统可以预测因而可控，转变为承认存在的不确定性（Zevenbergen等人，2020年）。这种认知方式的转变促使人们从传统的控制主导方式转向韧性导向的方法。正如Dewulf等人（2019年）所指出的，韧性在学术研究中是一个有价值的研究方向，它关注不确定性、快速和缓慢的非线性变化、社会生态系统复杂的动态以及冗余性、连通性、灵活性和多样性的价值。韧性的概念意味着承认系统故障的可能性，这激励研究人员更好地理解如何通过持续适应压力和冲击来维持社会水文系统的理想状态（Dewulf等人，2019年）。目前关于韧性的研究已经超越了最初对生态系统的关注，开始讨论社会、制度、经济、政策和法律系统（Hegger等人，2016年）。学术研究和洪水风险管理实践都强调，治理视角能够提供互补的见解，以提高城市聚落的洪水韧性（Dieperink等人，2018年；Driessen等人，2016年）。作为风险评估和技术管理方案的补充，洪水风险管理治理（FRG）指的是公共和私人行为者的指导和决策（Matczak & Hegger，2021年）。在追求韧性的同时，与合法性（如问责制和公众参与）和资源效率相关的其他规范目标也成为了洪水风险管理治理辩论的一部分（Alexander等人，2016年）。近年来，特别是随着机器学习（ML）和人工智能（AI）的兴起，出现了大量旨在提供更复杂洪水风险管理解决方案的方法、工具和服务，甚至表达了实现自动化决策和管理的雄心（Feng等人，2025年；Y. Liu等人，2024年；Park & You，2023年）。Liu等人（2025年）对AI在洪水风险管理中的应用进行的综述指出，AI驱动的工具可以提高洪水预测的可靠性，并制定缓解和响应策略。数字孪生（DT）作为此类新兴技术的例子，在近年来也引起了洪水管理领域的关注；然而，DT在洪水风险管理中的应用尚未得到充分研究。与水力和水文模型类似，DT的目的是在虚拟实体中复制现实世界，但强调两者之间的实时数据传输以及先进的可视化功能。除了利用先进的 数据传输技术提高模型准确性外，DT还通过使用先进的可视化技术消除解读差异，从而改善参与洪水治理过程中的各方之间的沟通。在这篇系统综述中，我们批判性地探讨了DT在洪水风险管理和治理方面的现状、潜力及其局限性。虽然有一些关于DT在相关领域应用的综述，例如灾害风险管理（Lagap & Ghaffarian，2024年；Macatulad & Biljecki，2024年）、基于自然的雨水管理解决方案（NbS）（Brasil等人，2022年）、洪水疏散系统（Prihatmanto等人，2025年）、洪水风险管理利益相关者分析（Bakhtiari等人，2024年）以及城市防洪和排水管理（Fan等人，2025年），但目前缺乏从发展成熟度角度对DT在洪水风险管理和治理中应用的全面综述。本文批判性地评估了DT的成熟度及其在洪水风险管理和治理中的运用方式，利用了基于当前DT成熟度、洪水风险管理（FRM）和FRG文献构建的框架。

2. 背景和相关概念
2.1 洪水建模的最新进展
数字孪生（DT）技术与物联网（IoT）、大数据、机器学习（ML）和地理信息系统（GIS）等技术相结合，其特点是能够将现实世界复制到虚拟环境中并进行双向数据传输，因此非常适合辅助洪水管理。正如Alvi等人（2025年）所述，将DT集成到城市管理中是自然的发展趋势，因为城市越来越多地采用先进技术，以期实现预测、模拟和优化城市管理。洪水风险管理领域试图通过整合先进数字技术来提高模型精度和风险沟通能力。GIS和ML技术的结合显著提高了洪水模型的准确性和适应性（Nanda等人，2025年）。大多数当前的水文模型都与GIS相连，因为GIS能够表示流域内的地形条件和水文地质信息的空间变异性（Elga等人，2015年）。为了解决传统数值洪水模型的时间消耗问题，Jang等人（2025年）提出了一个利用过去降雨事件和模拟结果训练的ML模型，以更快的计算时间预测洪水模式。此外，将ML算法与GIS和遥感技术结合使用，可以更准确地分析易发生洪水的区域（Ebrahimi等人，2023年；Khodaei等人，2025年；Towfiqul Islam等人，2021年）。然而，这些非基于物理的模型无法预测洪水行为（例如，随时间变化的洪水速度），并且在其他地点的泛化能力有限，因此基于物理的水动力模型在所有情况下仍然有效（Jamali等人，2021年）。一些研究尝试将先进技术与基于物理的模型结合起来。物联网（IoT）是一种互连的物理和数字实体系统，在雨水管理中作为数据驱动技术得到应用。这种整合通常被称为智能雨水系统，它提供了一种适应性强的、成本效益高的有效解决方案，通过实现实时系统控制和监控来提高系统容量并减少灾害（Webber等人，2022年）。然而，由于技术和社会经济挑战（如传感器噪声、网络安全问题、资本和运营成本等），IoT技术的应用仍然有限（Sweetapple等人，2023年）。除了提高性能和准确性外，还有一些研究致力于通过创建不同的洪水模拟结果可视化方法来消除沟通障碍。Bakhtiari等人（2023年）的文献计量学综述表明，虚拟现实（VR）和增强现实（AR）技术可以通过提供沉浸式和交互式的体验，促进与利益相关者和社区的沟通，从而有助于洪水损失评估、疏散路线规划和淹没模拟。然而，在将DT应用于其他领域时，其定义、范围与其他数字技术的联系仍然不明确且不一致（Arisekola & Madson，2023年；Iranshahi等人，2025年）。Liu等人（2021年）指出，大多数研究没有区分DT与典型的计算模型和模拟之间的区别。Jones等人（2020年）也认为，DT并不是一个全新的概念，而是各种已建立的研究领域和工业技术的集合或演变。因此，有必要明确DT的定义和在洪水管理中的实现方式，以支持其成熟和发展。

2.2 数字孪生成熟度模型
目前缺乏一种全面的、系统的方法来评估数字孪生（DT）的功能、能力和发展阶段（Y. Liu等人，2024年）。已经有一些研究尝试总结和分类不同的DT定义和类型。Jones等人（2020年）从学术出版物中总结了19个DT描述的主题，以确定DT的关键过程和相关术语。许多研究试图提出一个成熟度模型来评估DT的发展状况。Haraguchi等人（2024年）提出了一个八阶段的成熟度模型框架，根据DT的输入数据和期望输出进行定义。Hu等人（2023年）基于DT的价值、功能和可靠性构建了一个六级成熟度模型。然而，Haraguchi等人（2024年）和Hu等人（2023年）的成熟度模型无法将DT模型与一般的计算模型区分开来，我们认为这在当前DT在洪水管理中的应用中存在显著混淆。Kritzinger等人（2018年）关注数据在物理实体和虚拟实体之间的传输方式，并区分了数字孪生（DT）、数字影子（Digital Shadow）和数字模型（Digital Model）。这些DT的特征进一步发展，形成了DT成熟度模型。在不同的领域，如生态学（Mrosla等人，2025年）、交通（Nag等人，2025年）和工程（Iranshahi等人，2025年）中，人们对DT的三个成熟度水平有共同的理解。根据这些定义，最高级别的是数字孪生，它具有物理和虚拟对应物之间的高度自动化数据流动；其次是数字影子，只有单向数据流动；最后是数字模型，没有自动化数据交换。Y. Liu等人（2024年）在三级DT定义的基础上增加了认知DT和联邦DT，为未来将人工智能（AI）整合到DT中以及创建跨领域DT平台提供了见解。在这个成熟度模型中，认知DT将AI功能引入系统，而联邦DT则更注重整合人与自然的互动。本文应用这个五级DT成熟度模型来评估DT在洪水管理中的成熟度。

2.3 洪水风险管理和治理
韧性正在成为重塑洪水管理和治理的趋势（Fekete等人，2020年；Lopes等人，2025年）。洪水灾害的反复发生一再暴露了仅依赖工程防洪措施的不足和副作用（Halbe等人，2018年）。传统的集中式、自上而下的预测和控制模型用于结构保护，随着城市化和气候变化破坏了之前假设的物理和地理条件的稳定性，这种模型受到了越来越多的质疑（Matczak & Hegger，2021年）。人们越来越认识到，仅靠结构措施无法充分应对日益增长的洪水风险（Ishiwatari，2019年）。为应对这些抵抗/控制策略的缺点，洪水管理领域经历了一种范式转变，转向了更加适应性和综合性的方法来管理洪水影响。这种范式转变采用了跨学科的方法，强调了在决策过程中涉及多个利益相关者和行为者的重要性。一些人认为，这种基于风险的方法成为洪水管理的基本概念，为基于风险的决策提供了证据（Haghighatafshar等人，2020年）。与传统方法相比，后者强调洪水防御的标准能力，而基于风险的方法旨在同时应对洪水的可能性和后果（Vitale，2023年）。此外，这一变化还将洪水管理的重点从线性防御转向空间规划，从而为洪水管理带来了跨学科的视角（Hartmann & Driessen, 2017）。其他人将这一范式转变解读为从抵抗/控制（抵御洪水）向韧性（适应洪水）的转变（Liao, 2012, 2014; McClymont et al., 2020; Zevenbergen et al., 2020）。 moreover，它还提倡通过多层次机构中的协作社会学习以及个人和社会从以往洪水经验中学习来建立韧性（Choudhury et al., 2021），并建立与洪水相关的知识（Kuang & Liao, 2020）。因此，可以将其视为一种由不同参与者通过多样的视角和行动共同塑造和经历的动态过程（Dewulf et al., 2019）。随着洪水风险管理（FRM）的责任越来越多地分配给更广泛的利益相关者，多个FRM机构和受风险影响的社区的有效参与需要制定既互补又能充分利用水文和水利建模结果的参与策略，并协调参与过程中的规范理念与现有决策机制的操作约束（Maskrey et al., 2022）。虽然FRM文献提供了大量用于评估、监测和管理洪水风险的技术工具，但相对较少的研究关注洪水风险治理（FRG）（Dordi et al., 2022）。Morrison等人（2018）指出，FRM研究主要集中在洪水建模和预测的物理工具上，而对社会维度的研究较少。FRG指的是参与制定和实施洪水风险管理策略的各种行为者、叙述、规则和资源的配置（Snel et al., 2022）。它与FRM的不同之处在于FRG通过促进规范辩论来提供目标、责任和方向，而FRM主要强调资源的操作分配和操作决策（Matczak & Hegger, 2021）。为了实现洪水韧性，必须开发整合协作和讨论方法与传统方法的治理模式，以应对洪水风险的多尺度、跨部门、长期性质（Driessen et al., 2016）。由于利益相关者之间日益增加的协调需求，FRG的重要性日益凸显，特别是那些引导政府和非政府行为体减少洪水风险的制度安排（Dordi et al., 2022）。然而，在相关利益相关者之间建立协作机制以加强洪水风险治理仍然具有挑战性（Ishiwatari, 2019）。

2.4 系统性综述框架
本系统性综述的分析框架（图1和附录A.1）基于上述洪水风险治理（FRG）、洪水风险管理（FRM）和数字孪生（DT）成熟度的概念构建。DT成熟度模型用于根据物理世界和虚拟世界之间的数据流对现有的DT进行分类（Y. Liu et al., 2024）。0级称为数字模型，仅进行几何和物理建模，物理实体和虚拟实体之间没有数据传输。在本研究的范围内，数字模型代表传统水文和水利模型向DT发展的前期阶段；然而，对DT的定义存在误解，因此不应将其视为DT。1级，数字阴影也被认为是DT前阶段，物理实体和虚拟实体之间有单向（近似）实时数据传输，传输方向主要是从物理到虚拟。2级，数字孪生，涉及虚拟实体和物理实体之间的双向数据传输，提供了实时提高模拟精度的机会，并构建精确的控制系统。3级是认知DT，在DT系统基础上增加了人工智能功能。4级是联邦DT，保留了认知DT的功能，并旨在整合多个DT系统，如自然-人类-社会孪生或跨领域平台。

为了更细致地分析DT的成熟度，我们还研究了DT模型中数据的使用方式以及结果的呈现方式。创建了数据使用类别，包括数据收集与预处理、数据处理、数字建模与仿真、信息解码以及用户交互与应用（Fischer-Pre?ler et al., 2024; Lagap & Ghaffarian, 2024），以评估DT如何促进洪水建模过程。这一类别旨在捕捉有关DT的数据使用情况，因为数据在虚拟实体和物理实体之间的传输方式是识别DT模型的核心特征。此外，还创建了环境表示类别，包括3D、2D和数据流，以了解DT的可视化格式。这一类别旨在评估DT模型的呈现方式，因为许多研究将DT视为一种先进的可视化技术，用于展示洪水模拟结果。

洪水风险管理通过三个更广泛的类别进行分析，这些类别分别关注风险评估、利益相关者参与和不同类型的洪水干预措施（图1）。风险评估指的是对洪水灾害、人员或物理实体的脆弱性以及暴露于洪水中的要素的分析（Fuchs et al., 2024）。利益相关者分析与参与类别阐明了利益相关者在DT开发或实施的任何阶段的参与情况（Reed et al., 2009）。干预措施类别指的是管理和减轻洪水风险及影响的行动和计划，包括五种类型：洪水风险预防、洪水防御、洪水风险缓解、洪水准备和洪水恢复（Hegger et al., 2016）。

洪水风险治理通过三个更广泛的类别进行分析，如战略与目标设定、塑造社会行为和建立制度结构（Levi-Faur, 2012）。制度结构指的是正式的（例如法律和法规）和非正式的（例如文化和传统）机构。社会行为强调政策制定和决策程序中的动态机制，如行为者之间的互动及其背后的驱动力。战略与目标类别指的是通过操纵制度设计和机制，或制定促进规范辩论或塑造社会选择和偏好的愿景和目标。

3. 系统性文献综述过程
系统性搜索和评审是按照PRISMA协议（Page et al., 2021）进行的（图2）。系统性综述存在固有的局限性，例如检索到的论文的数量和质量。为了克服这一挑战并确保搜索查询涵盖我们目标领域的所有文章，我们进行了敏感性分析，并以不同的配置进行了17次搜索，例如在查询中包含管理、治理和政策等相关关键词，直到获得满意的样本。由于数字孪生（DT）在洪水风险管理（FRM）和洪水风险治理（FRG）中是一个相对较新的主题，因此搜索策略旨在捕捉所有与DT和FRM或FRG相关的文章。搜索查询为“((flood* OR “FRG” OR “FRM”) AND (“digital twins” OR “digital twin” OR “DT”))”，查找2010年至2025年间发表的文章（搜索日期：2025年1月8日）。该搜索查询返回了大量使用DT技术的洪水相关文章，涵盖了我们框架中的两个主要领域：洪水风险管理和洪水风险治理。Scopus和Web of Science是本系统性综述的主要来源，因为它们是广泛使用且可靠的数据库，可以为系统性综述提供证据整合（Gusenbauer & Haddaway, 2020）。我们意识到私营和公共部门有许多DT的发展成果；然而，大多数是市场材料或政策文件。这些类型的灰色文献提供的分析信息不足；此外，对非同行评审的文献进行系统性分析也存在困难。

查询结果从Scopus中获得了402篇文章，从Web of Science中获得了203篇文章。在第一步识别中，我们排除了非英文会议论文和会议综述，然后从这两个来源中移除了重复文章，剩下241篇文章进行筛选。在第二步中，我们根据以下标准筛选出了不符合研究范围的文章：1. 使用DT缩写表示其他含义（例如决策树、排水纹理等）；2. “Flood”一词用于指代除空间淹没以外的其他含义，包括针对雨水淹没和河流洪水的研究（例如网络数据流、营养物洪水）。最后一步，我们根据本研究开发的框架评估了文章的适切性（见2.4节）。

最终用于全文筛选的文章共有49篇。这些文章由共同作者通过在线平台Sysrev（https://www.sysrev.com）进行了两轮三角验证过程，独立评估其适切性和分类。该平台仅用于分配类别标签，未使用其AI功能。最终筛选出的文章共有24篇。我们使用定向定性内容分析（Hsieh & Shannon, 2005）来分析这些论文，并根据我们的分析框架对其进行分类（见2.4节）。为了确保分析的可靠性，进行了两轮三角验证，直到达到满意的一致性水平。特别是，20%的筛选文章由共同作者独立分析，并使用了Krippendorf的alpha系数（Marzi et al., 2022）来评估评分者间的一致性。在三角验证过程中，代码手册进行了修改，随后进行了另一轮编码。Krippendorf alpha值从0.681提高到了0.811，这表明了一致性水平令人满意且可靠。

4. 结果
最终我们选择了24篇文章进行分析。按发表年份和研究区域国家对文章进行了排序，如图3所示。数据显示，近年来与数字孪生（DT）在洪水风险管理（FRM）和洪水风险治理（FRG）相关的文章数量有所增加（2025年的数据仅统计至1月）。就研究区域分布而言，意大利和美国各有4篇文章，中国、韩国和英国各有3篇文章。大多数纳入的文章可以归类为环境科学（11篇）、工程学（6篇）和社会科学（4篇）以及计算机科学（3篇）。

本系统性文献综述的结果通过框架类别的结构进行了说明。在x轴上展示了DT成熟度模型的矩阵结构，y轴上显示了其他类别（见图4），体现了DT在FRM/FRG中的应用情况，以及数据使用和可视化的格式。我们观察到，所有的DT用例主要涉及洪水灾害和洪水风险准备。大多数纳入的文章（19/24）属于数字模型和数字阴影类别，这意味着根据严格的定义，它们不应被视为数字孪生（DT）模型，而应被视为DT发展的前期阶段。这一现象表明，用于洪水管理的DT开发仍处于早期阶段。就FRM类别而言，我们观察到DT的早期阶段主要集中在风险评估上，而更高级的阶段则关注不同类型的干预措施，但恢复措施在样本中未被识别。最后，在本系统性综述中未发现DT在洪水风险治理中的使用案例。

4.1 数字成熟度模型
4.1.1 数字模型
在24篇文章中，共有11篇被归类为数字模型的DT前期阶段，这代表了数字孪生（DT）成熟度模型五个等级中的大多数文章。这一数字模型集合的定义不够一致，DT的目标也不明确。我们识别出三种DT的认知方式：将DT视为3D表示技术、将DT视为遥感相关技术，以及将DT视为传统的水文和水利模型。第一种类型的数字模型将DT视为3D表示模型。由于3D可视化是数字技术（DT）最被广泛认可的特征之一，一些研究在3D城市环境中模拟洪水风险，或在3D环境中可视化洪水模拟结果，以更好地理解洪水在现实世界中的实际影响。Roudbari等人（2024年）和White等人（2021年）的研究通过在3D城市环境中提高河流水位或淹没水位来模拟洪水，以展示洪水对城市的影响。Cai等人（2023年）使用ArcGIS Pro在不同气候情景下进行3D洪水模拟，以评估其对城市的潜在影响。Park等人（2024年）结合了一维雨水模型和快速洪水扩散模型（1D-RFSM）进行雨水建模，并将结果展示在3D城市环境中。Aschieri等人（2024年）创建了一个Web-GIS，在3D地形（DEM）环境中可视化洪水风险评估结果。

第二种类型的数字模型是将遥感技术视为DT，这种方法会将遥感数据视为地球的复制。Hru?ková等人（2024年）使用卫星降水预报系统作为洪水建模的输入数据；然而，这种预报降水并不能反映现实世界的情况，并且数据传输不够一致。Tarpanelli等人（2023年）利用卫星淹没地图来校准洪水模拟结果，因为在洪水期间记录淹没范围数据通常比较困难。校准是通过回溯历史卫星图像来进行的，但物理实体与虚拟实体之间没有一致的数据传输。

第三种类型的数字模型基本上与传统的水文和水力模型相同，但被视为DT。这种对DT术语的混淆可能源于洪水模型与DT之间的相似性。许多洪水模型被设计用来复制真实世界的特征，如地形和土壤，以实现更准确的模拟。由于DT的发展尚处于初级阶段，其定义在其他领域的应用时并不一致且不明确（Arisekola & Madson, 2023; Iranshahi et al., 2025），我们发现在这个数字模型集合中DT被误解了。Truu等人（2021年）将城市排水系统定义为DT，并将其纳入EPA Storm Water Management Model（SWMM）中进行雨水模拟；Pillai等人（2022年）结合了风浪模型（WW3）和环流模型（SHYFEM）作为DT建模框架，以评估海草作为风暴潮自然解决方案的有效性；Gregorio等人（2024年）将碎屑流模型（SCIDDICA）视为DT模型，用于分析滑坡的影响及相应干预措施的有效性。在这些案例中，基于数值的物理模型被认为是DT，因为其结构旨在将真实世界环境复制到虚拟空间中；然而，它应该被看作是一种数字模型，而不是DT。Lan等人（2024年）将SWMM与二维水动力LISFLOOD-FP模型结合，以模拟洪水淹没与行人移动之间的动态交互机制。

4.1.2 数字影子
有八篇文章被归类为前DT阶段的数字影子，我们在这组文章中识别出两种类型。第一种类型结合了可视化技术，如虚拟现实（VR）、增强现实（AR）和混合现实（MR）。第二种类型是利用（接近）实时的地面传感器数据更新来进行洪水模拟或影响评估，或早期预警；然而，它们之间没有数据传输，因此被归类为数字影子。先进的可视化技术，如VR、AR和MR，提供了沉浸式体验，有助于更好地理解洪水的后果。在这组文章中，构建了一个与设备地理参考位置相连的虚拟现实环境，以模拟现场洪水场景。Yavo-Ayalon等人（2023年）构建了一个3D虚拟城市环境，可以在社区扩展现实（CXR）巴士游览中展示，为参与者提供VR头戴设备，根据他们的位置驱动车辆穿过城市，呈现不同的模拟洪水场景。同样，Tsujimoto等人（2024年）创建了一个移动MR系统，可以从手机摄像头的视角展示3D城市和洪水模型的合并图像。在这些情况下，设备从实际位置向虚拟系统传输实时数据以生成现场真实图像，这被称为数字影子。另一种类型的数字影子使用（接近）实时的地面传感器数据作为洪水模拟、影响评估或早期预警系统的输入数据。Hofmeister等人（2024a, 2024b）的研究构建了动态知识图谱，根据历史事件（如洪水警报）和最新数据（如财产价值和人口）建立不同数据源之间的联系（例如河水水位X – 原因 – 损害Y），基于水文传感器数据（如河水水位、河流流量和地下水位）生成实时影响评估。Henriken等人（2023年）构建了一个水文信息和预测门户系统，使用每日更新的地下水位数据作为模型预测的边界条件。Rápalo等人（2024年）基于最新的地球观测卫星降水数据创建了一个预测系统，在平台上提供近乎实时的更新报告。F.Liu等人（2024年）开发了一个框架，具有实时损坏更新功能，以便在风暴潮期间为变电站发出停电警告。

4.1.3 数字孪生
有三篇文章被归类为数字孪生，其中识别出两种类型。第一种是模型校准系统，第二种是反馈控制系统。第一种数字孪生将（接近）实时的传感器监测数据集成到模拟过程中，以减少建模不确定性。Bartos & Kerkez（2021年）和Kim等人（2025年）都使用SWMM模型和实时传感器数据构建了DT系统。在Bartos & Kerkez（2021年）的研究中，制定了一个卡尔曼滤波器，将传感器数据融合到一个动态模型中。卡尔曼滤波算法能够用观测数据更新先验状态模拟值，从而产生后验估计。Kim等人（2025年）通过扩展卡尔曼滤波方法促进了数据同化过程。在这个数据同化过程中，超出阈值的数据被排除在外，有效数据被合并到模型预测中。第二种数字孪生的例子是一个排水控制系统。Ruangpan等人（2023年）在农业排水网络中构建了一个反馈控制系统。该系统可以从上游和下游控制水闸，以优化排水系统中的水分分布。实时控制的操作基于传感器测量输出的反馈，在降雨事件期间实现管理目标。实验表明，实时控制系统有可能减少洪水影响，并实现滞留区的水分均衡分布。

4.1.4 认知DT
在这次系统文献回顾中，只有两篇文章被归类为认知DT。Park & You（2023年）开发了一个综合平台，包括实时数据，如降水、水坝和河水水位、流量以及闭路电视（CCTV）。此外，他们使用三个水力和水文模拟模型来优化水坝操作，同时利用AI根据模型预测建议最佳的水坝操作方案。Feng等人（2025年）围绕知识图谱技术创建了一个认知数字孪生，而不是使用洪水模拟结果作为决策参考。这个认知数字孪生强调通过引入AI代理与知识图谱交互来减少人为干预，以实现特定目标。代理根据最新观测数据与流域内相关上游和下游对象的关系，生成水坝的最优出流量和洪水预测。

4.2 洪水风险管理
4.2.1 风险评估
在这一类别中，我们观察到大多数论文（14/24篇）关注于风险评估（9/14篇），而脆弱性评估较少（4/24篇）（见图2）。结果显示，被归类为数字模型和数字影子的研究更注重风险评估；相比之下，只有来自认知DT的一篇文章与风险评估相关。虽然DT没有通用定义，但通常定义为具有实时测量和2D/3D表示功能的描述性DT（Kim et al., 2025）。来自数字模型和数字影子的文章通常将DT概念解释为一种新的可视化技术，以改善沟通和洪水感知。从这个角度来看，构建用于可视化洪水风险及风险元素的3D平台或沉浸式体验环境成为这些文章的重点。然而，DT的核心概念是实时数据传输，因此被归类为数字孪生和认知DT的文章利用实时传感器数据来减少模型不确定性并优化流域系统的控制。在这些情况下，重点在于动态水文图，以使模型更加准确或实现特定操作目标，而不是风险评估或可视化。

4.2.2 利益相关者参与和分析
在选定的文章中，利益相关者参与和分析得到的关注较少。只有四项研究展示了某种程度的利益相关者参与，尤其是在DT的更高级阶段没有相关研究（见图2）。Park等人（2024年）在3D环境中构建了一个数字模型，并使用社交媒体上的洪水照片来校准洪水淹没结果。在Tsujimoto等人（2024年）和Yavo-Ayalon等人（2023年）的研究中，使用了VR/MR技术让参与者体验洪水场景，以提高对洪水的认识。关于利益相关者分析，Lan等人（2024年）模拟了洪水期间行人的动态行为，以制定应急计划，如疏散路线或救援措施。

4.2.3 干预措施
在我们的样本中，数字模型涵盖了四种类型的干预措施（不包括恢复措施）。由于数字模型集合中的文章主要与传统洪水模型相同，因此涵盖了四种类型的干预措施。在数字影子集合中，所有文章都讨论了准备阶段的挑战，而其他类型的干预措施在数字影子中并未提及。在这里，文章探讨了利用（接近）实时的地面传感器数据传输来构建早期预警或预测系统的潜力。在数字孪生集合中，重点在于模型模拟的水文图，而不是洪水淹没结果。Bartos & Kerkez（2021年）和Kim等人（2025年）都应用了卡尔曼滤波方法来提高模型校准过程中的模拟性能。这两项研究都旨在减少预测系统的不确定性。Ruangpan等人（2023年）将水位传感器与排水控制系统（防御措施）相连，以优化水闸的操作，以实现水资源管理目标。在认知DT集合中，两篇文章都为洪水防御和准备作出了贡献。Feng等人（2025年）和Park & You（2023年）研究了通过优化水坝操作来减少下游洪水影响的DT系统。

4.3 数据使用和环境表示
结果显示，不同成熟度的模型之间没有明显的区别，但在数据使用和环境表示方面仍有一些模式。更成熟的模型，如数字孪生和认知DT，认识到数据传输的重要性；结果更多表现为数据流，这些模型中都涉及数据收集与预处理、数据处理和数据模拟。相比之下，在数字模型和数字影子中，所有模型都以2D或3D可视化格式表示结果。

5. 讨论当前数字孪生（DT）的发展趋势
从所查阅的文章中，我们可以将当前在数字孪生（DT）开发方面的主要努力归纳为三个类别，以用于洪水风险管理（FRM）。首先是双向数据传输，其目的是利用传感器数据作为实时模拟的输入或模型校准的参考。其次是可视化，重点在于利用先进的可视化技术来改善洪水模拟结果的解释，并增强公众意识和各利益相关者之间的沟通。第三是创建一个平台，旨在整合跨领域信息以支持决策制定。DT模型强调虚拟环境与物理环境之间的双向和（接近）实时数据传输。选定的数字孪生和认知DT模型主要集中在校准流量曲线或利用地面传感器构建知识图谱，然后将模拟结果与反馈控制系统结合起来以优化大坝运行。这种发展有潜力减少洪水模拟的不确定性（Kim等人，2025年）。

从数字孪生成熟度模型的角度来看，许多文章仍处于起步阶段；然而，DT作为整合不同技术分析结果的平台，并作为人机交互系统来支持决策制定的潜力巨大。尽管根据Y.Liu等人（2024年）对数字孪生成熟度模型的定义，通过不同的可视化技术解码信息并不是构建DT的必要功能，但在认知DT中这一点受到了关注；例如，Feng等人（2025年）和Park & You（2023年）收集的文章都旨在构建用于决策支持的信息可视化平台。这是因为如果没有适当的可视化技术来简洁直观地展示大量（接近）实时数据和模拟结果，用户可能会难以理解DT提供的见解和建议（Y. Liu等人，2024年）。

从选定的数字孪生和认知DT集合中可以看出，当前的许多发展都依赖于更精确的模拟来改进大坝或排水系统的运行。我们认为这种现象是洪水管理控制范式的延伸（更多内容参见Liao（2014年）和McClymont等人（2020年）的研究）；然而，洪水管理的趋势正从控制/防御理念向韧性转变。建立具有韧性的洪水管理不仅基于通过洪水控制措施更快速地响应。洪水韧性的概念强调利益相关者的预见性准备和对洪水的响应（Zevenbergen等人，2020年），多层次机构内的协作性社会学习（Choudhury等人，2021年），以及从洪水经验中进行的个人和社会学习（Kuang & Liao，2020年），还包括建立利益相关者之间的综合协作方法和协调（Dordi等人，2022年；Driessen等人，2016年；Ishiwatari，2019年）。

5.2. 支持FRM和FRG的DT发展进一步方向
我们的综述显示，迄今为止DT仅用于FRM目的。当前的DT开发目标宏大，旨在通过集成平台提供更精确的（接近）实时模拟来支持决策制定；然而，正如Dordi等人（2022年）的综述所指出的，洪水分层治理（FRG）方面被忽视了。由于最近的洪水管理范式转变强调了利益相关者的参与、系统的学习机制以及与各方的责任共享，因此不仅需要增强洪水预报和建模的物理科学工具，还需要开发促进洪水风险协同管理和治理的社会科学工具（Morrison等人，2018年）。尽管DT复制自然、工程或社会系统的结构、背景和行为的目的是直接的，但DT的发展将面临许多现实挑战（Goodchild等人，2024年）。

所查阅的文章主要集中在FRM领域的风险评估和干预类别；相反，利益相关者分析与参与类别则受到的关注相对较少。根据当前的DT发展，可以预见DT在利益相关者分析与参与方面的一些可能方向。一项以公民为中心的回顾研究发现，通过沉浸式可视化技术促进的双向对话和小组互动可以显著增加利益相关者的参与度和感知理解（Luo等人，2025年）。类似的发展还体现在使用AR、VR和MR技术创建洪水场景的预DT集合中（Park等人，2024年；Tsujimoto等人，2024年；Yavo-Ayalon等人，2023年）。Schrotter和Hürzeler（2020年）在苏黎世的研究表明，共享开放政府数据对于提高公众意识非常重要，这有助于创建各种协作平台、促进理解和发展应用程序。目前，公众对城市DT项目的参与程度差异很大，政府和学术机构往往处于项目领导地位，而直接公民的参与相对有限（Luo等人，2025年）。

关于用于FRG的DT发展，我们根据框架中的三个主要FRG类别指出了进一步研究的途径。首先，从机构结构的角度来看，DT的设计应反映当地的具体特征，如治理结构和流程，以确保成功实施（Nochta等人，2021年）。DT设计的一个潜在功能是在数字实体中划分当局的责任边界，并识别面临风险的关键实体。由于洪水的影响范围可能非常广泛，因此需要一个跨子流域和行政层级（其他市镇或区域管理部门）以及公共部门当局与私营企业之间进行互动的平台。这为多层级机构之间的多循环社会学习提供了机会，这是建立社区韧性的前提（Choudhury等人，2021年）。此外，建筑物、医疗设施、教育机构等关键基础设施为社会运作提供关键服务（Lagap & Ghaffarian，2024年），在灾难中可能会遭到损坏或倒塌。正如Hofmeister等人（2024a, 2024b）绘制建筑物价值图或F.Liu等人（2024年）将发电站定位在与洪水影响区域重叠的位置以提供实时影响评估一样，这一理念可以扩大到更广泛的实施范围。通过在地图上叠加权威边界和财产所有权、洪水风险、监管区域的适用性以及不同利益相关者的责任，可以可视化这些内容。这符合Haraguchi等人（2024年）提出的城市DT的责任概念，即需要调查谁应对项目实施负有责任。

其次，社会行为——即利益相关者之间的动态互动及其感知、认知和影响其行为的力量——可以探索并整合到DT中。通过绘制权威边界和关键设施的地图，可以分析利益相关者的权力和利益，从而规划特定区域的干预措施，并随后吸引关键利益相关者的参与（Hazeleger等人，2024年）。DT产生的信息可以影响社会系统，进而引发新的社会过程，这些过程可以纳入更新的DT中。例如，基于代理的建模（ABM）通过行为规则模拟人类/代理的互动，可以整合到这些DT中以预测利益相关者的行为（Moradzadeh & Ahmadi，2024年；Taillandier等人，2021年）。这种整合可以通过例如指导并改进利益相关者在洪水应急管理中的决策来增强城市洪水的韧性（Jin等人，2026年；Zhuo & Han，2020年）。因为ABM可以复制个别代理的行为和互动，它可以模拟驱动城市系统的动态机制，从而提供关于如何修改一个区域可能影响整个系统的见解（Russo等人，2025年）。Alamri等人（2024年）的研究通过DT建模水资源消费行为来预测水资源需求，就是这种整合的一个例子。

第三，DT可以促进利益相关者参与FRM的目标设定和战略开发决策。Russo等人（2025年）指出，城市DT整合不同学科或支持部门战略规划和政策制定倡议的目标尚未实现。文献中也发现了类似的利益相关者参与方法，如地图表格（Flacke & De Boer，2017年）或严肃游戏（Demiray等人，2025年；Flood等人，2018年）。DT可以为参与者创造一个环境，让他们在不同的情景下规划具有相应效果的干预措施以实现特定政策目标。正如Macatuland和Biljecki（2024年）在他们的灾难风险管理中关于城市DT的综述中所指出的，DT作为一个平台，通过统一不同利益相关者的努力和视角，提供了合作和政策制定的机会。这一过程可以激发参与者的当地知识、兴趣和偏好等，从而为第二点中的社会行为分析做出贡献。在剑桥展示的通过参与式过程开发城市规模DT以进行能源政策决策的案例（Nochta等人，2021年）说明了将社会视角融入技术DT设计以支持城市治理的潜力；然而，这也揭示了收集和链接不同来源数据的挑战、将政策目标重新框定为DT可解决的目标的难度，以及将模型输出转化为相关且可操作的事务的挑战。

6. 结论
本研究通过数字孪生成熟度模型的视角，批判性地回顾了当前用于洪水风险管理和治理的DT技术的发展。研究结果表明，大多数文章（19/24）仍处于预DT开发阶段，只有5篇文章可以被视为DT。DT发展的趋势集中在通过提高模拟精度和创建决策支持平台来优化大坝运行。我们认为这种趋势是控制范式的延伸，采用了一种以工程/技术为主的方法。因此，我们倡导在DT发展中关注社会方面，从洪水韧性和洪水分层治理的角度提供未来的发展方向。我们相信，应用DT来促进公民的参与和参与，提高洪水意识和准备程度，以及增强多部门洪水治理的协作机制，可以提高社会的洪水韧性。

作者贡献声明：
Alexandra Malmstr?m：撰写——审稿与编辑、监督、项目管理、方法论、概念化。
Sirkku Juhola：撰写——审稿与编辑、监督、项目管理、方法论、概念化。
TzuHsiang Lo：撰写——原始草稿、可视化、软件、方法论、形式分析、概念化。

免责声明：
任何与本研究相关的沟通或传播活动必须使用事实准确的信息。此外，必须注明以下内容：“该项目由欧盟资助。然而，所表达的观点和意见仅代表作者本人，并不一定反映欧盟或欧洲研究执行机构的观点。欧盟或资助机构对此不承担任何责任。”