CN106339586A - 芥子气污染溯源方法及预报方法 - Google Patents

芥子气污染溯源方法及预报方法 Download PDF

Info

Publication number
CN106339586A
CN106339586A CN201610707022.0A CN201610707022A CN106339586A CN 106339586 A CN106339586 A CN 106339586A CN 201610707022 A CN201610707022 A CN 201610707022A CN 106339586 A CN106339586 A CN 106339586A
Authority
CN
China
Prior art keywords
real
data
time
partiald
mustard gas
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
Application number
CN201610707022.0A
Other languages
English (en)
Other versions
CN106339586B (zh
Inventor
杨大勇
黄顺祥
汪中洋
杨剑
杨汉杰
王俊能
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CHEMICAL DEFENSE COLLEGE OF PLA
South China Institute of Environmental Science of Ministry of Ecology and Environment
Original Assignee
CHEMICAL DEFENSE COLLEGE OF PLA
South China Institute of Environmental Science of Ministry of Ecology and Environment
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by CHEMICAL DEFENSE COLLEGE OF PLA, South China Institute of Environmental Science of Ministry of Ecology and Environment filed Critical CHEMICAL DEFENSE COLLEGE OF PLA
Priority to CN201610707022.0A priority Critical patent/CN106339586B/zh
Publication of CN106339586A publication Critical patent/CN106339586A/zh
Application granted granted Critical
Publication of CN106339586B publication Critical patent/CN106339586B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01DMEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00Measuring or testing not otherwise provided for
    • G01D21/02Measuring two or more variables by means not covered by a single other subclass
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/18Water
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29Geographical information databases
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16ZINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00Subject matter not provided for in other main groups of this subclass
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2219/00Indexing scheme relating to application aspects of data processing equipment or methods
    • G06F2219/10Environmental application, e.g. waste reduction, pollution control, compliance with environmental legislation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种化学污染物溯源及实时预报方法,芥子气等化学毒剂弹在河流潜水打捞、挖掘等清理工作时,如果因泄漏、爆炸造成芥子气进入河流中,则会产生较大环境风险。因此,作业时首先要了解作业区的实时水文情况,在不利作业的水文情况发生前,采取停止作业、加强防范等措施;另外万一发生芥子气进入河流中时,必须精确了解污染态势,采用合适的措施。

Description

芥子气污染溯源方法及预报方法
一、技术领域
本发明涉及一种遗弃化学武器(主要涉及芥子气)河流化学风险精准预测模型及潜水作业环境风险实时预报技术,不仅可以对河流中化学武器的扩散风险进行精准预测,也可以对潜水作业风险进行实时预报,以保障环境和居民、操作人员的人身安全。
二、背景技术
侵华日军在中国东北地区遗留下大量的芥子气毒剂和其他类型的化学武器,曾引发了多起中毒事件,至今仍威胁中国的生态环境和居民生命安全。芥子气是一种危害性巨大的糜烂性化学毒剂,在正常气候下,仅0.2mg/l的浓度就可以使人受到毒害,且性质稳定,进入环境中不易自然分解,必须使用特殊手段进行处理。
目前,国内外学者对芥子气的研究主要集中在芥子气的识别、毒理机制、检测分析方法上,对芥子气在自然水体中的扩散模拟方面的研究尚未见报道。
本发明采用多维精细网格化数值模拟方法结合GIS对化学武器潜水挖掘作业河道流场进行模拟,针对多种风险情景进行了分析,计算出芥子气在爆炸、泄漏等不同情景时在水体中扩散的影响,界定了其污染在整个作业河流内随时间的变化在空间分布,评估作业河流的化学风险。
芥子气毒剂弹在河流潜水打捞、挖掘等清理工作时,如果因泄漏、爆炸造成芥子气进入河流中,则会产生较大环境风险。因此,作业时首先要了解作业区的实时水文情况,在不利作业的水文情况发生前,采取停止作业、加强防范等措施;另外万一发生芥子气进入河流中时,必须精确了解污染态势,采用合适的措施。
三、发明内容
基于上述技术问题,本发明根据其中一个发明目的提供一种芥子气污染溯源方法,包括:与GIS地理信息系统联网的主机系统,通过无线网络与主机系统通信的若干无线监测设备,无线监测设备不断获取监测区域的个中数据并及时对主机系统的数据进行实时的更改和修正,主机系统根据所获取的GIS数据建立实时预测模型库系统,所述实时预测模型库系统也不断根据所获取的无线监测设备对其中的预测模型进行实时的调整和分析,所述分析方法步骤如下:
步骤1:获取GIS地理信息系统中作业区整体水环境数据并进行基本属性情况调查;
步骤2:根据所获取的上述数据建立实时预测模型库系统,包括二、三维水流及水质模型;
步骤3:选取目标河段设置合适的控制点,置放可与实时预测模型库系统建立实时通信的无线监测设备,建立实时水文站点,实时发送所监测得到的数据,其中该无线监测设备可用于监测化学污染物芥子气的浓度;
步骤4:利用实时水文站点数据,结合上游远端水文站的信息,自动生成动态欧拉流场,并预测作业区的水文变化情况,包括流量、流速、浊度、水温等指标。
步骤5:根据水动力情况,模拟发生事故的污染态势分析;
步骤6:根据步骤4及5结果,形成水文及风险预报报告,提供指挥部指导现场作业。
基于本发明进一步的发明目的,其中还包括:步骤7:一旦发现存在芥子气泄漏,立刻对发现芥子气的无线监测设备进行准确定位,并对其下游水体实施截流,再结合水流参数和不同无线监测设备的数据进行综合分析定位,确认污染源的大致位置进行搜寻,对污染水体进行特殊处理。
根本本发明的另一发明目的,其中提供一种芥子气污染预报方法,包括:与GIS地理信息系统联网的主机系统,通过无线网络与主机系统通信的若干无线监测设备,无线监测设备不断获取监测区域的个中数据并及时对主机系统的数据进行实时的更改和修正,主机系统根据所获取的GIS数据建立实时预测模型库系统,所述实时预测模型库系统也不断根据所获取的无线监测设备对其中的预测模型进行实时的调整和分析,所述预报方法步骤如下:
步骤1:根据事故特征,设置风险情景模式:
(1)最大风险情景:发生爆炸情况下,芥子气以细微粒子的形式进入水体扩散;
(2)一般风险情景:发生泄漏等意外情况造成芥子气进入河流水体。
步骤2:利用GIS地理信息系统所获得的地理和水文数据,基于所述数据和水环境条件,建立三维污染扩散预测模型,所建立模型涉及以下算法:
(1)动量方程:
∂ t ( mHu ) + ∂ x ( m y Huu ) + ∂ y ( m x Hvu ) + ∂ z ( mwu ) - ( mf + v ∂ x m y - u ∂ y m x ) Hv = - m y H ∂ x ( gδ + p ) - m y ( ∂ x h - z ∂ x H ) ∂ z p + ∂ z ( m H - 1 A v ∂ z u ) + Q u - - - ( 8 - 2 )
∂ t ( mHv ) + ∂ x ( m y Huv ) + ∂ y ( m x Hvv ) + ∂ z ( mwv ) + ( mf + v ∂ x m y - u ∂ y m x ) Hu
= - m x H ∂ y ( gδ + p ) - m x ( ∂ y h - z ∂ y H ) ∂ z p + ∂ z ( mH - 1 A v ∂ z v ) + Q v - - - ( 8 - 3 )
(2)连续方程:
∂ t ( mδ ) + ∂ x ( m y H ∫ 0 1 udz ) + ∂ y ( m x H ∫ 0 1 vdz ) = 0 - - - ( 8 - 4 )
(3)压强、密度、温盐状态方程:
∂ z p = - gh ( ρ - ρ 0 ) ρ 0 - 1 = - gHb - - - ( 8 - 5 )
ρ=ρ(p,S,T) (8-6)
∂ t ( mHS ) + ∂ x ( m y HuS ) + ∂ y ( m x HvS ) + ∂ z ( mwS ) = ∂ z ( m H - 1 A b ∂ z S ) + Q S - - - ( 8 - 7 )
∂ t ( mHT ) + ∂ x ( m y HuT ) + ∂ y ( m x HvT ) + ∂ z ( mwT ) = ∂ z ( m H - 1 A b ∂ z T ) + Q T - - - ( 8 - 8 )
(4)物质输运方程:
∂ t C + ∂ x ( uC ) + ∂ y ( vC ) + ∂ z ( wC ) = ∂ x ( K x ∂ x C ) + ∂ y ( K y ∂ y C ) + ∂ z ( K z ∂ z C ) + S C - - - ( 8 - 9 )
在上述式(8-2)—式(8-9)中:是时间;u、v、w分别是x、y、z三个方向的流速;mx、my是坐标变化张量(分别是度量张量对角元素的平方根);f为科氏系数;δ是水位,h是河床高程,H为水深,且H=h+ε;ρ是密度,S是盐度,T是水温,p为压力;Av和Ab分别为垂向紊动粘性系数和扩散系数;Qu和Qv为动量方程的源汇项(包括水平扩散项等);QS和QT项分别是盐度和水温的外部源汇项;b代表参考密度的偏移值;C为污染物浓度,Kv和KH分别为垂向和水平的紊动扩散系数,SC为源汇项。
步骤3:利用作业场水文实时监测数据,实时调整参数,并计算污染物的扩散情况;
步骤4:把步骤3结果反馈空间决策模型,并通过GIS可视化表达,通过空间分析,找到影响的河流范围及相关行政区域。
步骤5:根据受影响区域受到的影响程度、时间等要素,估计其受到的损失,形成风险图,并提出防范措施。
根据本发明另一发明目的,其中提供一种芥子气污染溯源后再进行芥子气污染预报的方法,先执行如前述方法的污染源溯源,再进行如前述方法的预测预报分析,对污染源附近或扩散方向的人群进行预报预警。
四、附图说明
图1是本发明的模型库基本结构;
图2是本发明实时预测模型库系统的主要功能;
图3是本发明预报分析方法的主要流程。
五、具体实施方式
实施例1:
下面结合附图1-2具体描述本发明预测化学武器(主要是芥子气)泄漏/污染并溯源的具体技术方案:
化学武器(主要是芥子气)污染溯源系统包括:与GIS地理信息系统联网的主机系统,通过无线网络与主机系统通信的若干无线监测设备,无线监测设备不断获取监测区域的个中数据并及时对主机系统的数据进行实时的更改和修正,主机系统根据所获取的GIS数据建立实时预测模型库系统,所述实时预测模型库系统也不断根据所获取的无线监测设备对其中的预测模型进行实时的调整和分析,所述分析方法步骤如下:
步骤1:获取GIS地理信息系统中作业区整体水环境数据并进行基本属性情况调查;
步骤2:根据所获取的上述数据建立实时预测模型库系统,包括二、三维水流及水质模型;
步骤3:选取目标河段设置合适的控制点,置放可与实时预测模型库系统建立实时通信的无线监测设备,建立实时水文站点,实时发送所监测得到的数据,其中该无线监测设备可用于监测化学污染物芥子气的浓度;
步骤4:利用实时水文站点数据,结合上游远端水文站的信息,自动生成动态欧拉流场,并预测作业区的水文变化情况,包括流量、流速、浊度、水温等指标。
步骤5:根据水动力情况,模拟发生事故的污染态势分析;
步骤6:根据步骤4及5结果,形成水文及风险预报报告,提供指挥部指导现场作业。
步骤7:一旦发现存在芥子气泄漏,立刻对发现芥子气的无线监测设备进行准确定位,并对其下游水体实施截流,再结合水流参数和不同无线监测设备的数据进行综合分析定位,确认污染源的大致位置进行搜寻,对污染水体进行特殊处理。
上述技术方案能达成以下技术效果:
1)研究充分国家各级水文、水质监测网络,结合控制段面,通过多模型结合的实时预测模型库系统,实现了作业区水文情况的精确控制;
2)实现了对作业场水文实时预报,实时对不利情况(水位、温度及浊度等指标不利于作业)进行预警,有效地控制了现场作业的风险,保障了作业人员的安全;
3)水文及风险预报报告可以为区域风险预警、风险防控提供明准确的信息,对区域预警方案制定、应急资源的有效调配具有明确的指导作用。
实施例2:
下面结合附图具体描述对河流中化学武器(主要是芥子气)例如芥子气的风险进行实时预报的技术方案:
化学武器(主要是芥子气)污染溯源系统包括:与GIS地理信息系统联网的主机系统,通过无线网络与主机系统通信的若干无线监测设备,无线监测设备不断获取监测区域的个中数据并及时对主机系统的数据进行实时的更改和修正,主机系统根据所获取的GIS数据建立实时预测模型库系统,所述实时预测模型库系统也不断根据所获取的无线监测设备对其中的预测模型进行实时的调整和分析,所述分析预报方法步骤如下
步骤1:根据事故特征,设置风险情景模式:
(1)最大风险情景:发生爆炸情况下,芥子气以细微粒子的形式进入水体扩散;
(2)一般风险情景:发生泄漏等意外情况造成芥子气进入河流水体。
步骤2:利用GIS地理信息系统所获得的地理和水文数据,基于所述数据和水环境条件,建立三维污染扩散预测模型,所建立模型涉及以下算法:
(1)动量方程:
∂ t ( mHu ) + ∂ x ( m y Huu ) + ∂ y ( m x Hvu ) + ∂ z ( mwu ) - ( mf + v ∂ x m y - u ∂ y m x ) Hv = - m y H ∂ x ( gδ + p ) - m y ( ∂ x h - z ∂ x H ) ∂ z p + ∂ z ( m H - 1 A v ∂ z u ) + Q u - - - ( 8 - 2 )
∂ t ( mHv ) + ∂ x ( m y Huv ) + ∂ y ( m x Hvv ) + ∂ z ( mwv ) - ( mf + v ∂ x m y - u ∂ y m x ) Hu = - m x H ∂ y ( gδ + p ) - m x ( ∂ y h - z ∂ y H ) ∂ z p + ∂ z ( m H - 1 A v ∂ z v ) + Q v - - - ( 8 - 3 )
(2)连续方程:
∂ t ( mδ ) + ∂ x ( m y H ∫ 0 1 udz ) + ∂ y ( m x H ∫ 0 1 vdz ) = 0 - - - ( 8 - 4 )
(3)压强、密度、温盐状态方程:
∂ z p = - gh ( ρ - ρ 0 ) ρ 0 - 1 = - gHb - - - ( 8 - 5 )
ρ=ρ(p,S,T) (8-6)
∂ t ( mHS ) + ∂ x ( m y HuS ) + ∂ y ( m x HvS ) + ∂ z ( mwS ) = ∂ z ( m H - 1 A b ∂ z S ) + Q S - - - ( 8 - 7 )
∂ t ( mHT ) + ∂ x ( m y HuT ) + ∂ y ( m x HvT ) + ∂ z ( mwT ) = ∂ z ( m H - 1 A b ∂ z T ) + Q T - - - ( 8 - 8 )
(4)物质输运方程:
∂ t C + ∂ x ( uC ) + ∂ y ( vC ) + ∂ z ( wC ) = ∂ x ( K x ∂ x C ) + ∂ y ( K y ∂ y C ) + ∂ z ( K z ∂ z C ) + S C - - - ( 8 - 9 )
在上述式(8-2)—式(8-9)中:是时间;u、v、w分别是x、y、z三个方向的流速;mx、my是坐标变化张量(分别是度量张量对角元素的平方根);f为科氏系数;δ是水位,h是河床高程,H为水深,且H=h+ε;ρ是密度,S是盐度,T是水温,p为压力;Av和Ab分别为垂向紊动粘性系数和扩散系数;Qu和Qv为动量方程的源汇项(包括水平扩散项等);QS和QT项分别是盐度和水温的外部源汇项;b代表参考密度的偏移值;C为污染物浓度,Kv和KH分别为垂向和水平的紊动扩散系数,SC为源汇项。
步骤3:利用作业场水文实时监测数据,实时调整参数,并计算污染物的扩散情况;
步骤4:把步骤3结果反馈空间决策模型,并通过GIS可视化表达,通过空间分析,找到影响的河流范围及相关行政区域。
步骤5:根据受影响区域受到的影响程度、时间等要素,估计其受到的损失,形成风险图,并提出防范措施。
上述技术方案能达成以下技术效果:
1)通过应用三维水动力水质模型,对芥子气在河流中的扩散情况进行了预测分析,填补了国内外对芥子气在自然水体中的扩散模拟方面的研究空白。
2)利用三维模型分水层面的计算分析芥子气污染的扩散情况,可以为有效地控制防范芥子气风险提供精准的信息,支持现场作业的风险控制,大大提高现场工作能力。
3)通过模型与GIS相结合,研究制定了区域风险分布图,提高了作业、管理等相关人员对此风险的认识,对区域预警方案制定、应急资源的配置、应急决策有很重要的意义。
也可以将上述实施例1和实施例2结合在一起,形成实时监测和预防一体的技术方案。
虽然先前的描述和附图描述了本发明的优选实施例,但是可以理解:在不脱离本发明的精神的情况下,在此可以产生各种附加、修改和替换。本领域普通技术人员很清楚:在不脱离本发明的精神或本质特性的情况下,可以以其他特殊形式、结构、布置、比例、以及利用其他元件、材料和部件来实现本发明。本领域的技术人员将意识到:本发明可以使用发明实际中使用的结构、布置、比例、材料以及部件和其他的许多修改,这些修改在不脱离本发明的原理的情况下而特别适应于特殊环境和操作需求。因此,当前公开的实施例在所有方面应被理解为说明性的而非对其请求保护的范围的限制。

Claims (4)

1.一种芥子气污染溯源方法,包括:与GIS地理信息系统联网的主机系统,通过无线网络与主机系统通信的若干无线监测设备,无线监测设备不断获取监测区域的个中数据并及时对主机系统的数据进行实时的更改和修正,主机系统根据所获取的GIS数据建立实时预测模型库系统,所述实时预测模型库系统也不断根据所获取的无线监测设备对其中的预测模型进行实时的调整和分析,所述分析方法步骤如下:
步骤1:获取GIS地理信息系统中作业区整体水环境数据并进行基本属性情况调查;
步骤2:根据所获取的上述数据建立实时预测模型库系统,包括二、三维水流及水质模型;
步骤3:选取目标河段设置合适的控制点,置放可与实时预测模型库系统建立实时通信的无线监测设备,建立实时水文站点,实时发送所监测得到的数据,其中该无线监测设备可用于监测化学污染物芥子气的浓度;
步骤4:利用实时水文站点数据,结合上游远端水文站的信息,自动生成动态欧拉流场,并预测作业区的水文变化情况,包括流量、流速、浊度、水温等指标。
步骤5:根据水动力情况,模拟发生事故的污染态势分析;
步骤6:根据步骤4及5结果,形成水文及风险预报报告,提供指挥部指导现场作业。
2.如权利要求1的芥子气污染溯源方法,其中还包括:步骤7:一旦发现存在芥子气泄漏,立刻对发现芥子气的无线监测设备进行准确定位,并对其下游水体实施截流,再结合水流参数和不同无线监测设备的数据进行综合分析定位,确认污染源的大致位置进行搜寻,对污染水体进行特殊处理。
3.一种芥子气污染预报方法,包括:与GIS地理信息系统联网的主机系统,通过无线网络与主机系统通信的若干无线监测设备,无线监测设备不断获取监测区域的个中数据并及时对主机系统的数据进行实时的更改和修正,主机系统根据所获取的GIS数据建立实时预测模型库系统,所述实时预测模型库系统也不断根据所获取的无线监测设备对其中的预测模型进行实时的调整和分析,所述预报方法步骤如下:
步骤1:根据事故特征,设置风险情景模式:
(1)最大风险情景:发生爆炸情况下,芥子气以细微粒子的形式进入水体扩散;
(2)一般风险情景:发生泄漏等意外情况造成芥子气进入河流水体。
步骤2:利用GIS地理信息系统所获得的地理和水文数据,基于所述数据和水环境条件,建立三维污染扩散预测模型,所建立模型涉及以下算法:
(1)动量方程:
∂ t ( m H u ) + ∂ x ( m y H u u ) + ∂ y ( m x H v u ) + ∂ z ( m w u ) - ( m f + v ∂ x m y - u ∂ y m x ) H v = - m y H ∂ x ( g δ + p ) - m y ( ∂ x h - z ∂ x H ) ∂ z p + ∂ z ( mH - 1 A v ∂ z u ) + Q u - - - ( 8 - 2 )
∂ t ( m H v ) + ∂ x ( m y H u v ) + ∂ y ( m x H v v ) + ∂ z ( m w v ) - ( m f + v ∂ x m y - u ∂ y m x ) H u = - m x H ∂ y ( g δ + p ) - m x ( ∂ y h - z ∂ y H ) ∂ z p + ∂ z ( mH - 1 A v ∂ z v ) + Q v - - - ( 8 - 3 )
(2)连续方程:
a t ( m δ ) + ∂ x ( m y H ∫ 0 1 u d z ) + ∂ y ( m x H ∫ 0 1 v d z ) = 0 - - - ( 8 - 4 )
(3)压强、密度、温盐状态方程:
∂ z p = - g H ( ρ - ρ 0 ) ρ 0 - 1 = - g H b - - - ( 8 - 5 )
ρ=ρ(p,S,T) (8-)
∂ t ( m H S ) + ∂ x ( m y H u S ) + ∂ y ( m x H v S ) + ∂ z ( m w S ) = ∂ z ( mH - 1 A b ∂ z S ) + Q S - - - ( 8 - 7 )
∂ t ( m H T ) + ∂ x ( m y H u T ) + ∂ y ( m x H v T ) + ∂ z ( m w T ) = ∂ z ( mH - 1 A b ∂ z T ) + Q T - - - ( 8 - 8 )
(4)物质输运方程:
∂ t C + ∂ x ( u C ) + ∂ y ( v C ) + ∂ z ( w C ) = ∂ x ( K x ∂ x C ) + ∂ y ( K y ∂ y C ) + ∂ z ( K z ∂ z C ) + S C - - - ( 8 - 9 )
在上述式(8-2)—式(8-9)中:是时间;u、v、w分别是x、y、z三个方向的流速;mx、my是坐标变化张量(分别是度量张量对角元素的平方根);f为科氏系数;δ是水位,h是河床高程,H为水深,且H=h+ε;ρ是密度,S是盐度,T是水温,p为压力;Av和Ab分别为垂向紊动粘性系数和扩散系数;Qu和Qv为动量方程的源汇项(包括水平扩散项等);QS和QT项分别是盐度和水温的外部源汇项;b代表参考密度的偏移值;C为污染物浓度,Kv和KH分别为垂向和水平的紊动扩散系数,SC为源汇项。
步骤3:利用作业场水文实时监测数据,实时调整参数,并计算污染物的扩散情况;
步骤4:把步骤3结果反馈空间决策模型,并通过GIS可视化表达,通过空间分析,找到影响的河流范围及相关行政区域。
步骤5:根据受影响区域受到的影响程度、时间等要素,估计其受到的损失,形成风险图,并提出防范措施。
4.一种芥子气污染溯源后再进行芥子气污染预报的方法,先执行如权利要求1所述的污染源溯源,再进行如权利要求3所述的预测预报分析,对污染源附近或扩散方向的人群进行预报预警。
CN201610707022.0A 2016-08-23 2016-08-23 芥子气污染溯源方法及预报方法 Expired - Fee Related CN106339586B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610707022.0A CN106339586B (zh) 2016-08-23 2016-08-23 芥子气污染溯源方法及预报方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610707022.0A CN106339586B (zh) 2016-08-23 2016-08-23 芥子气污染溯源方法及预报方法

Publications (2)

Publication Number Publication Date
CN106339586A true CN106339586A (zh) 2017-01-18
CN106339586B CN106339586B (zh) 2019-01-18

Family

ID=57825448

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610707022.0A Expired - Fee Related CN106339586B (zh) 2016-08-23 2016-08-23 芥子气污染溯源方法及预报方法

Country Status (1)

Country Link
CN (1) CN106339586B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107798467A (zh) * 2017-10-11 2018-03-13 杭州市环境保护科学研究院 基于深度学习的水污染突发事故快速应急评估和决策方法
CN108627380A (zh) * 2017-03-15 2018-10-09 中国人民解放军军事医学科学院毒物药物研究所 去除或减少有毒物质的方法以及检测有毒物质的方法
CN109737309A (zh) * 2019-01-09 2019-05-10 慧感(上海)物联网科技有限公司 一种基于风险识别的风险源定漏溯源方法及其系统
CN112541307A (zh) * 2020-12-22 2021-03-23 中国水利水电科学研究院 一种计算有毒物质泄漏位置风险程度的方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111077280B (zh) * 2020-01-14 2020-08-25 浙江清华长三角研究院 一种基于河网的农村污水处理设施与水质监测站点间的溯源分析方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102184487A (zh) * 2011-05-17 2011-09-14 华东师范大学 基于gis技术和一维水质模型的污染源管理系统及其运作方法
CN102456091A (zh) * 2010-10-15 2012-05-16 中国石油化工股份有限公司 一种大气环境风险应急系统
CN103942941A (zh) * 2014-04-11 2014-07-23 中国人民解放军61139部队 基于gis的移动监测融合平台
CN104103005A (zh) * 2014-08-05 2014-10-15 环境保护部华南环境科学研究所 一种有限条件下突发性水环境事件污染源的溯源方法
CN104331833A (zh) * 2014-11-03 2015-02-04 沈阳环境科学研究院 环境风险源预警方法
CN105760695A (zh) * 2016-03-10 2016-07-13 华南师范大学 排水管道中硫化氢产生量的预测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102456091A (zh) * 2010-10-15 2012-05-16 中国石油化工股份有限公司 一种大气环境风险应急系统
CN102184487A (zh) * 2011-05-17 2011-09-14 华东师范大学 基于gis技术和一维水质模型的污染源管理系统及其运作方法
CN103942941A (zh) * 2014-04-11 2014-07-23 中国人民解放军61139部队 基于gis的移动监测融合平台
CN104103005A (zh) * 2014-08-05 2014-10-15 环境保护部华南环境科学研究所 一种有限条件下突发性水环境事件污染源的溯源方法
CN104331833A (zh) * 2014-11-03 2015-02-04 沈阳环境科学研究院 环境风险源预警方法
CN105760695A (zh) * 2016-03-10 2016-07-13 华南师范大学 排水管道中硫化氢产生量的预测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
姜国强等: "《流域突发水环境事故污染态势预测系统研究》", 《中国环境科学学会学术年会论文集(2010)》 *
林奎等: "基于 SDSS 的水环境决策系统技术研究", 《中国环境监测》 *
黄顺祥等: "2008 年北京奥运会开幕式化学危害预测数值模拟", 《气候与环境研究》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108627380A (zh) * 2017-03-15 2018-10-09 中国人民解放军军事医学科学院毒物药物研究所 去除或减少有毒物质的方法以及检测有毒物质的方法
CN108627380B (zh) * 2017-03-15 2020-10-20 中国人民解放军军事医学科学院毒物药物研究所 去除或减少有毒物质的方法以及检测有毒物质的方法
CN107798467A (zh) * 2017-10-11 2018-03-13 杭州市环境保护科学研究院 基于深度学习的水污染突发事故快速应急评估和决策方法
CN107798467B (zh) * 2017-10-11 2020-08-21 杭州市环境保护科学研究院 基于深度学习的水污染突发事故快速应急评估和决策方法
CN109737309A (zh) * 2019-01-09 2019-05-10 慧感(上海)物联网科技有限公司 一种基于风险识别的风险源定漏溯源方法及其系统
CN109737309B (zh) * 2019-01-09 2021-05-04 慧感(上海)物联网科技有限公司 一种基于风险识别的风险源定漏溯源方法及其系统
CN112541307A (zh) * 2020-12-22 2021-03-23 中国水利水电科学研究院 一种计算有毒物质泄漏位置风险程度的方法

Also Published As

Publication number Publication date
CN106339586B (zh) 2019-01-18

Similar Documents

Publication Publication Date Title
CN106339586A (zh) 芥子气污染溯源方法及预报方法
Vorogushyn et al. A new methodology for flood hazard assessment considering dike breaches
Banerjee et al. Revisiting the formulations for the longitudinal velocity variance in the unstable atmospheric surface layer
CN102563360B (zh) 基于序贯概率比检测的管道安全预警系统的振动事件检测方法
CN102426672B (zh) 输电设施洪水淹没分析与预警系统
Yuan et al. EnKF-based estimation of natural gas release and dispersion in an underground tunnel
Yatsyshyn et al. Development of mathematical models of gas leakage and its propagation in atmospheric air at an emergency gas well gushing
Viola et al. Co-evolution of hydrological components under climate change scenarios in the Mediterranean area
Wu et al. CFD and EnKF coupling estimation of LNG leakage and dispersion
Kassomenos et al. Modelling the dispersion of a toxic substance at a workplace
Avolio et al. VALANCA: A Cellular Automata Model for Simulating Snow Avalanches.
Gaprindashvili A new statistic approach towards landslide hazard risk assessment
Zhu et al. Estimation of the point source parameters by the adjoint equation in the time-varying atmospheric environment with unknown turn-on time
Liu et al. Computational model of flood discharge splash in large hydropower stations
Stevović et al. Impact of environment GIS modeling on sustainable water systems management
Cortis et al. Short-range atmospheric dispersion of carbon dioxide
Lupiano et al. A modelling approach with Macroscopic Cellular Automata for hazard zonation of debris flows and lahars by computer simulations
CN206037988U (zh) 一种土石坝gps三维变形预警系统
Lariyah et al. Numerical modelling dam break analysis for water supply project
Zhang et al. Fuzzy optimization of radon reduction by ventilation system in uranium mine
Mustafa et al. Simulation of groundwater movement for nuclear research center at Al-Tuwaitha area in Baghdad City, Iraq
Mu et al. The optimization of maritime search and rescue simulation system based on CPS
Krol et al. ELDEWAS-Online early warning system for landslide detection by means of dynamic weather nowcasts and knowledge based assessment
Goffin et al. Non-linear optimization of a 1-D shallow water model and integration into Simulink for operational use
Kawato et al. Water resource cycle simulation system

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190118

Termination date: 20190823