CN112633545A - 一种基于闽江下游突发水污染事故风险预警方法及系统 - Google Patents
一种基于闽江下游突发水污染事故风险预警方法及系统 Download PDFInfo
- Publication number
- CN112633545A CN112633545A CN202010674786.0A CN202010674786A CN112633545A CN 112633545 A CN112633545 A CN 112633545A CN 202010674786 A CN202010674786 A CN 202010674786A CN 112633545 A CN112633545 A CN 112633545A
- Authority
- CN
- China
- Prior art keywords
- water
- oil
- model
- early warning
- data
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000003911 water pollution Methods 0.000 title claims abstract description 27
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 217
- 238000009792 diffusion process Methods 0.000 claims abstract description 42
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 38
- 231100000719 pollutant Toxicity 0.000 claims abstract description 38
- 238000012795 verification Methods 0.000 claims abstract description 29
- 238000013508 migration Methods 0.000 claims abstract description 12
- 230000005012 migration Effects 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 239000003305 oil spill Substances 0.000 claims description 38
- 230000008569 process Effects 0.000 claims description 36
- 239000002245 particle Substances 0.000 claims description 30
- 238000001704 evaporation Methods 0.000 claims description 21
- 230000008020 evaporation Effects 0.000 claims description 21
- 238000004945 emulsification Methods 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 11
- 238000004090 dissolution Methods 0.000 claims description 9
- 238000004821 distillation Methods 0.000 claims description 8
- 238000011144 upstream manufacturing Methods 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 6
- 239000013535 sea water Substances 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 4
- 238000006085 Schmidt reaction Methods 0.000 claims description 4
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 claims description 4
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 claims description 4
- 238000009835 boiling Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 4
- 239000003921 oil Substances 0.000 description 140
- 238000004364 calculation method Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 11
- 241000196324 Embryophyta Species 0.000 description 9
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 8
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 8
- 235000017491 Bambusa tulda Nutrition 0.000 description 8
- 241001330002 Bambuseae Species 0.000 description 8
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 8
- 239000011425 bamboo Substances 0.000 description 8
- 239000000295 fuel oil Substances 0.000 description 8
- 238000012821 model calculation Methods 0.000 description 8
- 229910000069 nitrogen hydride Inorganic materials 0.000 description 7
- 238000004088 simulation Methods 0.000 description 7
- 230000005484 gravity Effects 0.000 description 5
- 230000015556 catabolic process Effects 0.000 description 4
- 238000006731 degradation reaction Methods 0.000 description 4
- 229910052757 nitrogen Inorganic materials 0.000 description 4
- UHOVQNZJYSORNB-UHFFFAOYSA-N Benzene Chemical compound C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 description 3
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 3
- 239000010779 crude oil Substances 0.000 description 3
- 229910052698 phosphorus Inorganic materials 0.000 description 3
- 239000011574 phosphorus Substances 0.000 description 3
- 230000000630 rising effect Effects 0.000 description 3
- 239000011435 rock Substances 0.000 description 3
- 239000010865 sewage Substances 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 206010061218 Inflammation Diseases 0.000 description 2
- 238000007323 disproportionation reaction Methods 0.000 description 2
- 239000003651 drinking water Substances 0.000 description 2
- 235000020188 drinking water Nutrition 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 239000000839 emulsion Substances 0.000 description 2
- 239000000383 hazardous chemical Substances 0.000 description 2
- 230000004054 inflammatory process Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 238000005295 random walk Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 241000282994 Cervidae Species 0.000 description 1
- 208000001840 Dandruff Diseases 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 239000002283 diesel fuel Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000010720 hydraulic oil Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 239000004094 surface-active agent Substances 0.000 description 1
- -1 viscosity Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Physics (AREA)
- Computer Hardware Design (AREA)
- Fluid Mechanics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于闽江下游突发水污染事故风险预警方法,所述方法包括:构建预警模型;其中,所述预警模型包括水动力模型、水质模型、溢油模型;对所述预警模型进行率定和/或验证;实时获取边界条件的数据,并将所述边界条件的数据输入至已通过率定和/或验证的所述预警模型;其中,所述边界条件的数据包括流量、潮位和风场数据;基于所述边界条件的数据输入所述预警模型,根据设定的水文气象条件计算并预测污染物的流场;显示分析结果,至少包括污染物的扩散范围、迁移路径以及控制断面和水源地取水口的影响程度。
Description
技术领域
本发明涉及水环境的应急防灾技术领域,尤其涉及一种基于闽江下游突发水污染事故风险预警方法及系统。
背景技术
随着工业化和城市化进程的加快,近年来我国突发性水污染事故频发,已严重影响了水生态健康和水源地的供水安全,如2005年11月松花江重大水污染事件、2010年7月福建紫金矿业溃坝事件、2014年4月的兰州石化苯泄露事件、2020年3月伊春鹿鸣矿业尾矿砂泄漏事件等都对上下游城市不同程度的停水事件,威胁人民的生命安全,对当地的社会经济发展造成重大影响,引发不同程度的社会问题。突发环境污染事件发生后,及时获取污染的扩散范围和迁移路径非常重要,它有助于应急处置工作组及时控制和处理污染物,修复受损环境,并科学指导饮用水厂调度取水。
闽江作为福建省境内最大的入海河流,主河道涉及多个县市,其中闽江下游在福州市境内流域面积8000多km2,长约117km,贯穿整个城区,是海峡西岸经济区中心城市福州市的母亲河,是福州市区、长乐市、闽侯县、闽清县的主要取水水源地,同时也是福清市、平潭综合实验区的重要补充(备用)水源。近年来闽江下游污染物排放量剧增,加之航道和码头不断建设,极易发生河流沿线营养盐超标、溢油及危化品泄露排放风险,威胁下游水生态和福州市人民用水安全。如2011年12月福州马尾港中铝瑞闽铝板带有限公司乳化液泄漏事件、2012年8月马尾闽江出现大量油污事件、2020年1月船舶在武夷名仕园附近水域泄漏液压油等都不同程度导致闽江水体水质污染和水生态破坏,引发当地群众不满。闽江口为强潮陆相河口,潮型属正规半日潮,一天两涨两落,涨落潮流速较大,污染发生转移快,突发性强,非常有必要开展突发水污染事故风险预警研究。目前,对突发水污染事故的模拟往往是回顾性的案例介绍,且很多预警预报体系和系统研究还停留在理论阶段,难以对突发水污染事故进行实时预测,从而达到快速指导决策部门工作的目的。
为此,提出本发明。
发明内容
为实现上述目的,本发明提供一种基于闽江下游突发水污染事故风险预警方法,所述方法包括:
构建预警模型;其中,所述预警模型包括水动力模型、水质模型、溢油模型;
对所述预警模型进行率定和/或验证;
实时获取边界条件的数据,并将所述边界条件的数据输入至已通过率定和/或验证的所述预警模型;其中,所述边界条件的数据包括流量、潮位和风场数据;
基于所述边界条件的数据输入所述预警模型,根据设定的水文气象条件计算并预测污染物的流场;
显示分析结果,至少包括污染物的扩散范围、迁移路径以及控制断面和水源地取水口的影响程度。
优选的,所述水动力模型的构建基于二维水动力控制方程的沿水深方向积分的连续性方程和动量方程:
(2)动量方程:
其中:t表示时间;x、y是笛卡尔坐标;h表示总水深;η表示水位;ρ表示水的密度;和表示水深平均的值;表示Coriolis因子(Ω是地球自转的角速度,是地理纬度);sxx、sxy和syy为radiation应力张量;pa表示大气压;Q表示点源的排放量;g表示重力加速度;ρ0表示水的相对密度;(us,vs)表示外界排放到环境水体的速率;
而,横向应力Tij包括粘滞阻力、紊流摩擦阻力和差动平流摩擦阻力,Tij通过垂向流速平均的涡粘方程计算:
优选的,所述水质模型的构建基于在二维非均匀流中的对流扩散基本方程:
其中,为水深平均的污染物的浓度,单位为mg/L;为沿x、y方向的流速分量,单位为m/s;Ex、Ey为x、y方向的扩散系数,单位为m2/s;S为源(汇)项,单位为g/m2/s;Sk为动力转换项,单位为g/m2/s。
优选的,所述溢油模型的构建基于以所述水动力模型为基础,根据溢油输移模型计算各油粒子的位置,以及根据溢油风化模型计算油膜组分、含水率、密度和粘度的变化情况,并统计水动力离散网格内所述油粒子的数量和质量来模拟油膜的浓度的时空分布情况;其中,
(1)所述溢油输移模型包括:
(1-1)扩展过程
式中,Ao为油膜面积,单位为m2;ρ0为油品密度;ρw为水的密度;t为时间,单位为s;Vo为溢油体积,单位为m3;
(1-2)漂移过程
Ut=CwUw+Us
式中,Ut为油粒子漂移总速度,单位为m/s;Uw为水面以上10m处风速,单位为m/s;Cw为风导系数,取0.03~0.04;Us为水体表面流速,根据所述水动力模型计算得出,单位为m/s;
(1-3)扩散过程
(2)所述溢油风化模型基于油粒子风化过程计算蒸发、溶解和乳化的过程,包括:
(2-1)蒸发过程
(b)θ=KeAot/V0
式中,T0为油的初始沸点温度(K);TG为蒸馏曲线的梯度(K),是在原油蒸馏过程得到的数据;A和B为经验参数,分别取经验值6.3和10.3;T为温度(K);Ke为物质传输系数;V0为溢油的初始体积(m3);Ao为油膜面积(m2);t为时间(s);K为蒸发系数;Sc为蒸汽Schmidts数,取经验值2.7;
而,T0和TG值的计算通过如下公式:
T0=944.51-445.82/ρ20-170/ν+37/(0.37w+2a)
TG=2103.31-1481.23/ρ20+1.34wν
式中,a、w分别为油品中沥青质和蜡的质量分数(%);ρ20为油品20℃的密度;ν为油品15℃的动力黏度;
(2-2)乳化过程
(2-3)溶解过程包括计算油品密度和油品运动粘度:
ρ=(1-Yw)[(0.6ρ0-0.34)FV+ρ0]+Yw·ρw
式中,ρ为油品密度;ρ0为油品初始密度;ρw为水的密度;
式中,ν为油运动粘度;ν0为油品初始运动粘度;
(3)油膜的浓度
式中,c为油膜下水深y处的油浓度(mg/L);V0为溢油体积(m3);ρ为油膜密度(kg/m3);DZ为油粒子垂直扩散系数,取经验值0.01m2/s;Ao为油膜面积(m2);t为时间(s)。
优选的,所述对所述预警模型进行率定和验证,包括对水动力模型的水动力参数的率定以及水质模型的水质参数的率定和验证。
优选的,所述对水动力模型的水动力参数的率定为通过水文站往年的逐日流量数据以及逐日涨落潮潮位数据进行率定。
优选的,所述对水质模型的水质参数的率定和验证包括通过获取水口水库监测断面现状水质浓度值的上游水质边界和外海监测站位现状水质浓度值的外海水质边界进行率定;以及通过以水口大坝为原点,对距水口大坝不同距离的多个断面进行水质验证。
优选的,所述实时获取边界条件的数据包括实时获取水口水电站的调度流量、河口潮汐预报和水质自动站的边界条件数据。
为实现上述目的,本发明还提供一种基于闽江下游突发水污染事故风险预警系统,所述系统包括:
构建单元,所述构建单元用于构建预警模型;其中,所述预警模型包括水动力模型、水质模型、溢油模型;
率定单元,所述率定单元用于对所述预警模型进行率定和/或验证;
获取单元,所述获取单元用于实时获取边界条件的数据,并将所述边界条件的数据输入至已通过率定和/或验证的所述预警模型;其中,所述边界条件的数据包括流量、潮位和风场数据;
输入单元,所述输入单元用于基于所述边界条件的数据输入所述预警模型,根据设定的水文气象条件计算并预测污染物的流场;
显示单元,所述显示单元用于显示分析结果,至少包括污染物的扩散范围、迁移路径以及控制断面和水源地取水口的影响程度。
有益效果:
1、构建闽江下游的预警模型,为流域突发水污染事故风险预警提供基础支撑。
2、在线读取水口水电站调度流量、河口潮汐预报、风情预报和水质自动站等数据,把实时预报的流量、潮位、风场等边界条件输入预警模型,并把污染物信息一并输入预警模型快速完成计算(在20min以内),可快速实现闽江下游流场及污染物扩散轨迹的精确预报。
3、调取突发水污染事故风险预警模型的预报结果,实时展示污染的扩散范围、迁移路径以及对闽江下游控制断面和水源地取水口的影响程度。
4、实时获取事故发生后72h内污染物的扩散范围、迁移路径以及对闽江下游控制断面和水源地取水口等重要敏感点的影响程度,有助于政府部门及时控制和处理污染物,科学指导饮用水厂调度取水。
附图说明
图1为本发明一实施例提供的一种基于闽江下游突发水污染事故风险预警方法的流程图;
图2为本发明一实施例提供的竹岐(左)、文山里(右)水文站流量率定结果示意图;
图3为本发明一实施例提供的白岩潭(左)、琯头(右)水位站潮位率定结果示意图;
图4为本发明一实施例提供的竹岐、魁岐断面CODMn、NH3-N、TN、TP率定结果示意图;
图5为本发明一实施例提供的各断面CODMn、NH3-N、TN、TP验证结果示意图;
图6为本发明第二实施例提供的基于系统平台显示的结果走向图;
图7为本发明第三实施例提供的基于系统平台显示的结果走向图;
图8为本发明第四实施例提供的基于系统平台显示的结果走向图;
图9为本发明另一实施例提供的一种基于闽江下游突发水污染事故风险预警系统的结构图。
发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
以下结合实施例详细阐述本发明的内容。
参照图1所示为本发明一实施例提供的一种基于闽江下游突发水污染事故风险预警方法的流程图。所述方法包括:
构建预警模型;其中,所述预警模型包括水动力模型、水质模型、溢油模型;
对所述预警模型进行率定和/或验证;
实时获取边界条件的数据,并将所述边界条件的数据输入至已通过率定和/或验证的所述预警模型;其中,
所述边界条件的数据包括流量、潮位和风场数据;
所述实时获取边界条件的数据包括实时获取水口水电站的调度流量、河口潮汐预报、风情预报和水质自动站的边界条件数据;
基于所述边界条件的数据输入所述预警模型,根据设定的水文气象条件计算并预测污染物的流场;
显示分析结果,至少包括污染物的扩散范围、迁移路径以及控制断面和水源地取水口的影响程度。
在本实施例中,基于模拟多风险源污染事故对水源地风险影响的需要,通过对上下边界的长序列水文资料收集、整理,以及水文、水质同步监测资料、危化品泄露及溢油等突发事故实地监测数据,构建了涵盖水动力模型、常规污染因子水质模型、特殊污染因子水质模型、溢油模型在内的闽江下游突发水污染事故风险预警模型。其中,水动力模型的构建采用的基本方程是基于笛卡尔坐标系下的二维水动力控制方程是不可压流体三维雷诺Navier-Stokes平均方程沿水深方向积分的连续性方程和动量方程,方程如下:
动量方程:
其中:t表示时间;x、y是笛卡尔坐标;h表示总水深;η表示水位;ρ表示水的密度;和表示水深平均的值;表示Coriolis因子(Ω是地球自转的角速度,是地理纬度);sxx、sxy和syy为radiation应力张量;pa表示大气压;Q表示点源的排放量;g表示重力加速度;ρ0表示水的相对密度;(us,vs)表示外界排放到环境水体的速率。
而,横向应力Tij包括粘滞阻力、紊流摩擦阻力和差动平流摩擦阻力,Tij通过垂向流速平均的涡粘方程计算:
在本实施例中,水质模型的构建基于在二维非均匀流中的对流扩散基本方程:
其中,为水深平均的污染物的浓度,单位为mg/L;为沿x、y方向的流速分量,单位为m/s;Ex、Ey为x、y方向的扩散系数,单位为m2/s;S为源(汇)项,单位为g/m2/s;Sk为动力转换项,单位为g/m2/s。
泄露油品进入水体后,在自身重力、粘性力、表面张力和水动力、风应力作用下发生扩展、漂移、扩散等输移过程,同时伴随着改变油品组分的蒸发、溶解、乳化等风化过程,在输移和风化过程中,水体、油膜、大气三相间发生热量迁移造成油膜温度发生变化,随着油膜组分和温度的改变,油膜的密度、粘度等物理属性也会发生改变。
目前对溢油数值模拟方法大体有两种:①将溢油作为普通污染物利用水动力模型模拟其对流扩散过程;②基于“油粒子”模型利用拉格朗日法和随机走动法模拟溢油过程。由于“油粒子”模型能够较好的模拟各种环境条件下的溢油的实际情况,因此,以“油粒子”模型为基础构建闽江下游溢油模型。“油粒子”模型即将溢油分散为数量众多的小油滴,油膜被看成由这些小油滴的组合成的“云团”,每个“油粒子”的随机运动造成整个“云团”即油膜在水体中发生扩散。以水动力模型为基础,根据溢油输移模型计算各“油粒子”的位置,根据风化模型计算油膜组分、含水率、密度、粘度等变化情况,统计水动力离散网格内“油粒子”数量和质量即可模拟出油膜的浓度的时空分布情况。其中,
(1)溢油输移模型包括:
(1-1)扩展过程
泄露油品进入水体后,在重力、粘力和表面张力的作用下,发生扩展过程。Fay提出了油膜在静水环境下自身扩展的理论,并认为油膜成圆形扩展,溢油扩展厚度到10mm时不再扩展。根据作用力情况其把溢油的扩展分为三个不同阶段:重力和惯性力主导阶段、重力和粘力主导阶段以及粘力和表面张力主导阶段。但其没有考虑风应力和其它条件的影响,因此,计算得到的油膜扩展范围通常偏小。Lehr等[136]考虑风应力对Fay公式做了修正:
式中,Ao为油膜面积,单位为m2;ρ0为油品密度;ρw为水的密度;t为时间,单位为s;Vo为溢油体积,单位为m3。
(1-2)漂移过程
油粒子漂移的作用力主要来源于水体表面流速和风应力,根据Lagrange的观点,油粒子漂移总速度计算公式如下:
Ut=CwUw+Us(
式中,Ut为油粒子漂移总速度,单位为m/s;Uw为水面以上10m处风速,单位为m/s;Cw为风导系数,取0.03~0.04;Us为水体表面流速,根据所述水动力模型计算得出,单位为m/s。
(1-3)扩散过程
溢油发生后,油类在重力作用下迅速向四周扩散,形成油膜,这部分紊动扩散过程是一个随机扩散过程,假定油类水平扩散各向同性,采用随机走动法模拟计算单位时间步长内油粒子的随机扩散距离,具体公式如下:
(2)所述溢油风化模型基于油粒子风化过程计算蒸发、溶解和乳化的过程,风化过程中油粒子组成会发生改变,但水平位置不会改变。包括:
(2-1)蒸发过程
蒸发是溢油风化过程的主要构成部分,是水面上溢油残留量的最重要的影响因素,大部分原油的蒸发量可达到40%以上,柴油更高达80%以上。目前对油膜蒸发的计算方法有Stiver and Mackay提出的解析法和Audunson提出的多组分计算法,前者是将油类看作多组分混合后的特定组分油,根据实验确定的油膜蒸发率与风速、油膜面积、油膜厚度、气压等影响因素的经验关系提出的经验方程,方程计算依赖于经验参数;后者分别计算不同油组分的蒸发率,加权计算油类的综合蒸发率,计算过程需要详细的溢油资料。本文根据实际情况,选择Stiver和Mackay提出的解析法,具体公式如下:
θ=KeAot/V0
式中,T0为油的初始沸点温度(K);TG为蒸馏曲线的梯度(K),是在原油蒸馏过程得到的数据;A和B为经验参数,分别取经验值6.3和10.3;T为温度(K);Ke为物质传输系数;V0为溢油的初始体积(m3);Ao为油膜面积(m2);t为时间(s);K为蒸发系数;Sc为蒸汽Schmidts数,取经验值2.7。
考虑油品的粘度、蜡含量、沥青质含量等属性计算T0和TG值,计算公式如下:
T0=944.51-445.82/ρ20-170/ν+37/(0.37w+2a)
TG=2103.31-1481.23/ρ20+1.34wν
式中,a、w分别为油品中沥青质和蜡的质量分数(%);ρ20为油品20℃的密度;ν为油品15℃的动力黏度。
(2-2)乳化过程
随着油膜的扩散,油膜被水流的紊动能量撕裂成油滴,形成水包油的乳化。这些乳化物可以被表面活性剂稳定,防止油滴返回到油膜。在恶劣天气状况下最主要的扩散作用力是波浪破碎,而在平静的天气状况下最主要的扩散作应力是油膜的伸展压缩运动。溢油乳化程度由含水率来表示,采用Mackay等提出的以含水率来反映乳化程度的公式:
(2-3)溶解过程包括计算油品密度和油品运动粘度:
根据Mackay等运用的模型中假设密度变化与蒸发率、温度变化成线性关系确定油密度,具体公式如下:
ρ=(1-Yw)[(0.6ρ0-0.34)FV+ρ0]+Yw·ρw
式中,ρ为油品密度;ρ0为油品初始密度;ρw为水的密度。
由于溢油事故发生过程中环境温度变化较小,因此可不考虑温度对粘性的影响,只考虑蒸发和乳化对油的影响,具体公式如下:
式中,ν为油运动粘度;ν0为油品初始运动粘度。
(3)油膜的浓度
采用Mackay公式估算油膜下水体油浓度的垂向变化,具体公式如下:
式中,c为油膜下水深y处的油浓度(mg/L);V0为溢油体积(m3);ρ为油膜密度(kg/m3);DZ为油粒子垂直扩散系数,取经验值0.01m2/s;Ao为油膜面积(m2);t为时间(s)。
在本实施例中,所建立的闽江水口坝下~闽江外海预警模型全长160km。其模型的水下高程利用福建省航道管理局勘测中心2014年11月闽江水口~罗星塔测图、金刚腿~川石的海图资料以ETOPO1全球海底地形数据,模型计算基准面为闽江当地的罗零高程。在模型计算时,将模型划分三角形网格。内河网格边长约120~140m,航道局部加密至50~100m,外海网格边长约为350~400m,开边界网格边长800m,并部分深窄河道进行加密,共划分网格53732个。模型计算时间补长为t=30s。根据闽江河口地形图可知,模型外海区域最深不超过50m;闽江河口在白岩滩~琯头总体水深较大,均在10m以上,其中在琯头最深达到40m左右;同时南港河道地形存在深坑,局部水深达到30m左右;北港呈现宽深,最深约为12m左右,这些地形特征与闽江河道地形特征相符,所以模型水深能够较好反映闽江实际地形。
在本实施例中,对预警模型进行率定和验证的过程包括对水动力模型的水动力参数的率定以及水质模型的水质参数的率定和验证。具体为:
(1)水动力模型的水动力参数的率定
对水动力模型的水动力参数的率定为通过水文站往年的逐日流量数据以及逐日涨落潮潮位数据进行率定。具体为:
获取上游开边界为水口水库2016全年逐日下泄流量,外海水位边界通过34个开边界点资料经调和合成潮位数据,各支流采用水文站或径流计算的流量资料作为边界,利用竹岐、文山里水文站2016年逐日流量数据及白岩潭、琯头水位站2016年逐日涨落潮潮位数据对模型水动力进行率定,模型流量、潮位率定误差值见下表1。实测值与模拟值对比结果参照图2和图3,其中,图2为竹岐(左)、文山里(右)水文站2016年流量率定结果示意图;图3为白岩潭(左)、琯头(右)水位站2016年1月的潮位率定结果示意图。
由表1可知,模型流量计算模拟值与实测值相对误差最大为21.98%,水位平均绝对误差最大为20cm,相对误差最大为27.62%,相对误差基本可控制在30%以内,可适用于闽江干流下游及河口区域的水动力模拟。其中,根据率定得到该区域模型Smagorinsky系数Cs为0.28,底部糙率系数范围为0.018~0.035。其中,闽江干流下游内河(水口至闽安)范围糙率为0.018~0.022,入海河口以外海洋(闽安至外海)海域范围糙率为0.024~0.035;风拖曳系数模型范围内取0.001~0.0015。
表1
(2)水质模型的水质参数的率定和验证
对水质模型的水质参数的率定和验证包括通过获取水口水库监测断面现状水质浓度值的上游水质边界和外海监测站位现状水质浓度值的外海水质边界进行率定;以及通过以水口大坝为原点,对距水口大坝不同距离的多个断面进行水质验证。具体为:
(2-1)率定
上游水质边界取2016年水口水库就近雄江监测断面现状水质浓度值,外海水质边界取外海监测站位现状水质浓度值,各支流利用污染物入江量计算结果进行合理分配作为水质边界,另底泥内源释放以及大气沉降等污染负荷考虑浓度空间释放,其中无机氮可由TN换算得到。
利用2016全年逐月普查水质资料对竹岐、魁岐两个断面常规水质因子进行率定,率定得到复氧温度系数2.5~4d-1,CODMn降解系数为0.06~0.18d-1,NH3-N及TN降解系数为0.05~0.15d-1,TP的降解系数为0.03~0.1d-1,有机物的沉降速率为0~5m/d。断面的CODMn、NH3-N、TN、TP误差分析结果见下表2,率定断面水质模拟值与实测值相对误差都小于30%,误差在可接受范围以内。其中竹岐断面NH3-N的平均相对误差最大,为26.76%,率定结果可信。模型各断面率定的结果参照图4,图4为竹岐、魁岐断面CODMn、NH3-N、TN、TP率定结果示意图。
表2
(2-2)验证
用2018年11月17日同步水质监测数据,以水口大坝为原点,对距水口大坝不同距离的格洋口、竹岐、原厝、魁岐大桥、金刚腿五个断面进行水质验证,各断面的CODMn、NH3-N、TN、TP误差分析结果见下表3,从结果可以看出,各断面水质模拟值与实测值相对误差都小于30%,误差在可接受范围以内,模型验证表明建立的模型适用于该区域水质模拟,验证结果见图5;图5为各断面CODMn、NH3-N、TN、TP验证结果示意图。
在本实施例中,闽江下游突发水污染事故风险预警方法通过建立的水环境数学预警模型计算突发水污染事故对闽江下游的影响,在运行前对预警模型的率定及验证,在设定的水文条件下,计算完成后将模型计算结果转化并显示于平台结果界面,显示结果包含污染物动态迁移过程、污染物浓度超标持续时间及事故影响范围水体中所涉及到的水源地信息,以便决策者下一步应急工作展开。
实施例二
闽江下游千吨级货船在航行中发生事故导致燃油泄漏,其中燃油总重100t左右,船上分两个燃油舱,单个燃油舱容量为50t。将污染物信息输入污染物参数界面,选取溢油等漂浮性危化品污染模块,输入泄露点位置经度为119.235008°,纬度为26.107159°,污染物类型选择石油类,录入排放量为50000kg,开始时间为2020-06-01 23:00,结束时间为2020-06-01 23:30。系统平台自动抓取或人工录入水文计算参数,下泄流量为1500m3/s,风速为5.0m/s,风向为西北风,计算开始时间和结束时间自动生成。模型计算结果、泄露开始后10h溢油浓度、泄露10h溢油厚度、最快到达时间与油膜粒子移动轨迹参照下表3以及图6,图6为基于系统平台显示的结果走向图。
名称 | 属性 | 最快到达时间 | 超标持续时间 | 最大浓度 |
格洋口 | 国控 | 0h | 0h | 0 |
西北水厂 | 水源地 | 1h | 1h | 0.935 |
东南水厂 | 水源地 | 29h | 14h | 0.567 |
炎山水厂 | 水源地 | 0h | 0h | 0 |
城门水厂 | 水源地 | 0h | 0h | 0 |
飞凤水厂 | 水源地 | 0h | 0h | 0 |
表3
实施例三
闽江下游千吨级货船在航行中发生事故导致燃油泄漏,其中燃油总重100t左右,船上分两个燃油舱,单个燃油舱容量为50t。将污染物信息输入污染物参数界面,选取溢油等漂浮性危化品污染模块,输入泄露点位置经度为119.341687°,纬度为25.977769°,污染物类型选择石油类,录入排放量为50000kg,开始时间为2013-11-01 06:00,结束时间为2013-11-01 06:30。系统平台自动抓取或人工录入水文计算参数,下泄流量为2013年11月水口水库实际下泄流量,风速为2.5m/s,风向为西风,计算开始时间和结束时间自动生成。模型计算结果、泄露开始后48h溢油浓度与最快到达时间参照下表4以及图7,图7为基于系统平台显示的结果走向图。
名称 | 属性 | 最快到达时间 | 超标持续时间 | 最大浓度 |
湾边 | 省控 | 3h | 39h | 3.125 |
福清闽调 | 水源地 | 12h | 53h | 9.498 |
炎山水厂 | 水源地 | 21h | 42h | 6.048 |
城门水厂 | 水源地 | 22h | 11h | 0.334 |
闽安 | 国控 | 60h | 2h | 0.023 |
琯头 | 国控 | 72h | 1h | 0.031 |
表4
实施例四
闽江下游连坂污水厂突发事故导致污水超标排放。将污染物信息输入污染物参数界面,选取常规污染模块,输入排污口位置经度为119°22'40.43",纬度为26°1'15.10",污染物类型选择COD、氨氮、总磷、总氮,录入排放浓度为COD 300mg/L、氨氮40mg/L、总氮60mg/L和总磷5mg/L,流量为2.315m3/s,开始时间为2013-11-01 06:00,结束时间为2013-11-0106:30。系统平台自动抓取或人工录入水文计算参数,下泄流量为2013年11月水口水库实际下泄流量,降解系数COD取0.06~0.18d-1,氨氮取0.05~0.15d-1,总磷取0.03~0.1d-1,总氮取0.05~0.15d-1,风速为2.5m/s,风向为西风,计算开始时间和结束时间自动生成。以COD为例,模型计算结果与超标排放开始后72h污染物浓度参照下表5以及图8,图8为基于系统平台显示的结果走向图。
名称 | 属性 | 最快到达时间 | 超标持续时间 | 最大浓度 |
魁岐 | 省控 | 0h | 0h | 14.1035 |
东南水厂 | 水源地 | 1h | 0h | 14.1382 |
西北水厂 | 水源地 | 3.5h | 0h | 14.0000 |
飞凤水厂 | 水源地 | 6h | 0h | 14.0000 |
闽安 | 国控 | 9.5h | 0h | 14.0018 |
湾边 | 国控 | 12h | 0h | 14.0018 |
表5
参照图9所示为本发明另一实施例提供的一种基于闽江下游突发水污染事故风险预警系统的结构图。
一种基于闽江下游突发水污染事故风险预警系统,所述系统包括:
构建单元,所述构建单元用于构建预警模型;其中,所述预警模型包括水动力模型、水质模型、溢油模型;
率定单元,所述率定单元用于对所述预警模型进行率定和/或验证;
获取单元,所述获取单元用于实时获取边界条件的数据,并将所述边界条件的数据输入至已通过率定和/或验证的所述预警模型;其中,所述边界条件的数据包括流量、潮位和风场数据;
输入单元,所述输入单元用于基于所述边界条件的数据输入所述预警模型,根据设定的水文气象条件计算并预测污染物的流场;
显示单元,所述显示单元用于显示分析结果,至少包括污染物的扩散范围、迁移路径以及控制断面和水源地取水口的影响程度。
优选的,所述水动力模型的构建基于二维水动力控制方程的沿水深方向积分的连续性方程和动量方程:
(2)动量方程:
其中:t表示时间;x、y是笛卡尔坐标;h表示总水深;η表示水位;ρ表示水的密度;和表示水深平均的值;表示Coriolis因子(Ω是地球自转的角速度,是地理纬度);sxx、sxy和syy为radiation应力张量;pa表示大气压;Q表示点源的排放量;g表示重力加速度;ρ0表示水的相对密度;(us,vs)表示外界排放到环境水体的速率;
而,横向应力Tij包括粘滞阻力、紊流摩擦阻力和差动平流摩擦阻力,Tij通过垂向流速平均的涡粘方程计算:
优选的,所述水质模型的构建基于在二维非均匀流中的对流扩散基本方程:
其中,为水深平均的污染物的浓度,单位为mg/L;为沿x、y方向的流速分量,单位为m/s;Ex、Ey为x、y方向的扩散系数,单位为m2/s;S为源(汇)项,单位为g/m2/s;Sk为动力转换项,单位为g/m2/s。
优选的,所述溢油模型的构建基于以所述水动力模型为基础,根据溢油输移模型计算各油粒子的位置,以及根据溢油风化模型计算油膜组分、含水率、密度和粘度的变化情况,并统计水动力离散网格内所述油粒子的数量和质量来模拟油膜的浓度的时空分布情况;其中,
(1)所述溢油输移模型包括:
(1-1)扩展过程
式中,Ao为油膜面积,单位为m2;ρ0为油品密度;ρw为水的密度;t为时间,单位为s;Vo为溢油体积,单位为m3;
(1-2)漂移过程
Ut=CwUw+Us
式中,Ut为油粒子漂移总速度,单位为m/s;Uw为水面以上10m处风速,单位为m/s;Cw为风导系数,取0.03~0.04;Us为水体表面流速,根据所述水动力模型计算得出,单位为m/s;
(1-3)扩散过程
(2)所述溢油风化模型基于油粒子风化过程计算蒸发、溶解和乳化的过程,包括:
(2-1)蒸发过程
(b)θ=KeAot/V0
式中,T0为油的初始沸点温度(K);TG为蒸馏曲线的梯度(K),是在原油蒸馏过程得到的数据;A和B为经验参数,分别取经验值6.3和10.3;T为温度(K);Ke为物质传输系数;V0为溢油的初始体积(m3);Ao为油膜面积(m2);t为时间(s);K为蒸发系数;Sc为蒸汽Schmidts数,取经验值2.7;
而,T0和TG值的计算通过如下公式:
T0=944.51-445.82/ρ20-170/ν+37/(0.37w+2a)
TG=2103.31-1481.23/ρ20+1.34wν
式中,a、w分别为油品中沥青质和蜡的质量分数(%);ρ20为油品20℃的密度;ν为油品15℃的动力黏度;
(2-2)乳化过程
(2-3)溶解过程包括计算油品密度和油品运动粘度:
ρ=(1-Yw)[(0.6ρ0-0.34)FV+ρ0]+Yw·ρw
式中,ρ为油品密度;ρ0为油品初始密度;ρw为水的密度;
式中,ν为油运动粘度;ν0为油品初始运动粘度;
(3)油膜的浓度
式中,c为油膜下水深y处的油浓度(mg/L);V0为溢油体积(m3);ρ为油膜密度(kg/m3);DZ为油粒子垂直扩散系数,取经验值0.01m2/s;Ao为油膜面积(m2);t为时间(s)。
优选的,所述对所述预警模型进行率定和验证,包括对水动力模型的水动力参数的率定以及水质模型的水质参数的率定和验证。
优选的,所述对水动力模型的水动力参数的率定为通过水文站往年的逐日流量数据以及逐日涨落潮潮位数据进行率定。
优选的,所述对水质模型的水质参数的率定和验证包括通过获取水口水库监测断面现状水质浓度值的上游水质边界和外海监测站位现状水质浓度值的外海水质边界进行率定;以及通过以水口大坝为原点,对距水口大坝不同距离的多个断面进行水质验证。
优选的,所述实时获取边界条件的数据包括实时获取水口水电站的调度流量、河口潮汐预报和水质自动站的边界条件数据。
上述基于闽江下游突发水污染事故风险预警系统中的各个单元执行时所实现的功能或操作步骤与上述实施例大体相同,在此不再赘述。
上述实施例中的实施方案可以进一步组合或者替换,且实施例仅仅是对本发明的优选实施例进行描述,并非对本发明的构思和范围进行限定,在不脱离本发明设计思想的前提下,本领域中专业技术人员对本发明的技术方案作出的各种变化和改进,均属于本发明的保护范围。
Claims (9)
1.一种基于闽江下游突发水污染事故风险预警方法,其特征在于,所述方法包括:
构建预警模型;其中,所述预警模型包括水动力模型、水质模型、溢油模型;
对所述预警模型进行率定和/或验证;
实时获取边界条件的数据,并将所述边界条件的数据输入至已通过率定和/或验证的所述预警模型;其中,所述边界条件的数据包括流量、潮位和风场数据;
基于所述边界条件的数据输入所述预警模型,根据设定的水文气象条件计算并预测污染物的流场;
显示分析结果,至少包括污染物的扩散范围、迁移路径以及控制断面和水源地取水口的影响程度。
2.根据权利要求1所述的一种基于闽江下游突发水污染事故风险预警方法,其特征在于,所述水动力模型的构建基于二维水动力控制方程的沿水深方向积分的连续性方程和动量方程:
(2)动量方程:
其中:t表示时间;x、y是笛卡尔坐标;h表示总水深;η表示水位;ρ表示水的密度;和表示水深平均的值;表示Coriolis因子,Ω是地球自转的角速度,是地理纬度;sxx、sxy和syy为radiation应力张量;pa表示大气压;Q表示点源的排放量;g表示重力加速度;ρ0表示水的相对密度;us,vs表示外界排放到环境水体的速率;
而,横向应力Tij包括粘滞阻力、紊流摩擦阻力和差动平流摩擦阻力,Tij通过垂向流速平均的涡粘方程计算:
4.根据权利要求1所述的一种基于闽江下游突发水污染事故风险预警方法,其特征在于,所述溢油模型的构建基于以所述水动力模型为基础,根据溢油输移模型计算各油粒子的位置,以及根据溢油风化模型计算油膜组分、含水率、密度和粘度的变化情况,并统计水动力离散网格内所述油粒子的数量和质量来模拟油膜的浓度的时空分布情况;其中,
(1)所述溢油输移模型包括:
(1-1)扩展过程
式中,Ao为油膜面积,单位为m2;ρ0为油品密度;ρw为水的密度;t为时间,单位为s;Vo为溢油体积,单位为m3;
(1-2)漂移过程
Ut=CwUw+Us
式中,Ut为油粒子漂移总速度,单位为m/s;Uw为水面以上10m处风速,单位为m/s;Cw为风导系数,取0.03~0.04;Us为水体表面流速,根据所述水动力模型计算得出,单位为m/s;
(1-3)扩散过程
(2)所述溢油风化模型基于油粒子风化过程计算蒸发、溶解和乳化的过程,包括:
(2-1)蒸发过程
(b)θ=KeAot/V0
式中,T0为油的初始沸点温度,单位K;TG为蒸馏曲线的梯度,单位K,是在原油蒸馏过程得到的数据;A和B为经验参数,分别取经验值6.3和10.3;T为温度,单位K;Ke为物质传输系数;V0为溢油的初始体积,单位m3;Ao为油膜面积,单位m2;t为时间,单位s;K为蒸发系数;Sc为蒸汽Schmidts数,取经验值2.7;
而,T0和TG值的计算通过如下公式:
T0=944.51-445.82/ρ20-170/ν+37/(0.37w+2a)
TG=2103.31-1481.23/ρ20+1.34wν
式中,a、w分别为油品中沥青质和蜡的质量分数,单位%;ρ20为油品20℃的密度;ν为油品15℃的动力黏度;
(2-2)乳化过程
(2-3)溶解过程包括计算油品密度和油品运动粘度:
ρ=(1-Yw)[(0.6ρ0-0.34)FV+ρ0]+Yw·ρw
式中,ρ为油品密度;ρ0为油品初始密度;ρw为水的密度;
式中,ν为油运动粘度;ν0为油品初始运动粘度;
(3)油膜的浓度
式中,c为油膜下水深y处的油浓度,单位mg/L;V0为溢油体积,单位m3;ρ为油膜密度,单位kg/m3;DZ为油粒子垂直扩散系数,取经验值0.01m2/s;Ao为油膜面积,单位m2;t为时间,单位s。
5.根据权利要求1所述的一种基于闽江下游突发水污染事故风险预警方法,其特征在于,所述对所述预警模型进行率定和验证,包括对水动力模型的水动力参数的率定以及水质模型的水质参数的率定和验证。
6.根据权利要求5所述的一种基于闽江下游突发水污染事故风险预警方法,其特征在于,所述对水动力模型的水动力参数的率定为通过水文站往年的逐日流量数据以及逐日涨落潮潮位数据进行率定。
7.根据权利要求5所述的一种基于闽江下游突发水污染事故风险预警方法,其特征在于,所述对水质模型的水质参数的率定和验证包括通过获取水口水库监测断面现状水质浓度值的上游水质边界和外海监测站位现状水质浓度值的外海水质边界进行率定;以及通过以水口大坝为原点,对距水口大坝不同距离的多个断面进行水质验证。
8.根据权利要求1所述的一种基于闽江下游突发水污染事故风险预警方法,其特征在于,所述实时获取边界条件的数据包括实时获取水口水电站的调度流量、河口潮汐预报和水质自动站的边界条件数据。
9.一种基于闽江下游突发水污染事故风险预警系统,其特征在于,所述系统包括:
构建单元,所述构建单元用于构建预警模型;其中,所述预警模型包括水动力模型、水质模型、溢油模型;
率定单元,所述率定单元用于对所述预警模型进行率定和/或验证;
获取单元,所述获取单元用于实时获取边界条件的数据,并将所述边界条件的数据输入至已通过率定和/或验证的所述预警模型;其中,所述边界条件的数据包括流量、潮位和风场数据;
输入单元,所述输入单元用于基于所述边界条件的数据输入所述预警模型,根据设定的水文气象条件计算并预测污染物的流场;
显示单元,所述显示单元用于显示分析结果,至少包括污染物的扩散范围、迁移路径以及控制断面和水源地取水口的影响程度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010674786.0A CN112633545A (zh) | 2020-07-14 | 2020-07-14 | 一种基于闽江下游突发水污染事故风险预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010674786.0A CN112633545A (zh) | 2020-07-14 | 2020-07-14 | 一种基于闽江下游突发水污染事故风险预警方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112633545A true CN112633545A (zh) | 2021-04-09 |
Family
ID=75300003
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010674786.0A Pending CN112633545A (zh) | 2020-07-14 | 2020-07-14 | 一种基于闽江下游突发水污染事故风险预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112633545A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112988945A (zh) * | 2021-04-25 | 2021-06-18 | 成都同飞科技有限责任公司 | 一种河流悬浮污染物的预测方法及预测系统 |
CN113379262A (zh) * | 2021-06-18 | 2021-09-10 | 武汉大学 | 河道内水草影响电站发电的风险预警方法及系统 |
CN114757114A (zh) * | 2022-03-06 | 2022-07-15 | 中电万维信息技术有限责任公司 | 一种基于Web-GIS的水污染扩散模拟可视化方法 |
CN115271560A (zh) * | 2022-09-28 | 2022-11-01 | 中国石油大学(华东) | 一种海洋石油钻井溢油风化定量评估系统及评估方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108153978A (zh) * | 2017-12-26 | 2018-06-12 | 武汉大学 | 一种基于水动力水质模型的污染源普查结果达标评估方法 |
CN109271469A (zh) * | 2018-09-14 | 2019-01-25 | 西安理工大学 | 基于数字地球的水污染突发事件应急分析系统 |
CN109598376A (zh) * | 2018-11-23 | 2019-04-09 | 河海大学 | 一种优化生态补水量的方法 |
CN109657418A (zh) * | 2019-01-31 | 2019-04-19 | 湖北省水利水电规划勘测设计院 | 一种基于mike21的湖泊水环境容量计算方法 |
-
2020
- 2020-07-14 CN CN202010674786.0A patent/CN112633545A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108153978A (zh) * | 2017-12-26 | 2018-06-12 | 武汉大学 | 一种基于水动力水质模型的污染源普查结果达标评估方法 |
CN109271469A (zh) * | 2018-09-14 | 2019-01-25 | 西安理工大学 | 基于数字地球的水污染突发事件应急分析系统 |
CN109598376A (zh) * | 2018-11-23 | 2019-04-09 | 河海大学 | 一种优化生态补水量的方法 |
CN109657418A (zh) * | 2019-01-31 | 2019-04-19 | 湖北省水利水电规划勘测设计院 | 一种基于mike21的湖泊水环境容量计算方法 |
Non-Patent Citations (5)
Title |
---|
安伟等: "中国近海海上溢油预测与应急决策支持系统研发", 《海洋科学》 * |
宋朋远: "渤海油田溢油扩散与漂移的数值模拟研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
杨东方等: "《数学模型在生态学的应用及研究(1)》", 31 July 2008, 海洋出版社 * |
翁士创等: "感潮河网区突发性水污染事故快速预警与应用", 《中国水利学会2013学术年会论文集—S1水资源与水生态》 * |
黄成: "二维海上溢油扩散预测模型及其在广西近海的应用", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112988945A (zh) * | 2021-04-25 | 2021-06-18 | 成都同飞科技有限责任公司 | 一种河流悬浮污染物的预测方法及预测系统 |
CN113379262A (zh) * | 2021-06-18 | 2021-09-10 | 武汉大学 | 河道内水草影响电站发电的风险预警方法及系统 |
CN113379262B (zh) * | 2021-06-18 | 2022-06-07 | 武汉大学 | 河道内水草影响电站发电的风险预警方法及系统 |
CN114757114A (zh) * | 2022-03-06 | 2022-07-15 | 中电万维信息技术有限责任公司 | 一种基于Web-GIS的水污染扩散模拟可视化方法 |
CN115271560A (zh) * | 2022-09-28 | 2022-11-01 | 中国石油大学(华东) | 一种海洋石油钻井溢油风化定量评估系统及评估方法 |
CN115271560B (zh) * | 2022-09-28 | 2023-01-10 | 中国石油大学(华东) | 一种海洋石油钻井溢油风化定量评估系统及评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112633545A (zh) | 一种基于闽江下游突发水污染事故风险预警方法及系统 | |
CN102156817B (zh) | 海上溢油漂移路径及扩散快速预报方法 | |
Korotenko et al. | Particle tracking method in the approach for prediction of oil slick transport in the sea: modelling oil pollution resulting from river input | |
CN110399676B (zh) | 西北太平洋三维溢油业务化应急预报及评估系统 | |
Villasenor et al. | An air quality emission inventory of offshore operations for the exploration and production of petroleum by the Mexican oil industry | |
CN105760575A (zh) | 渤海海上溢油输移、扩展数值预报系统的建立方法 | |
Perianez | A particle-tracking model for simulating pollutant dispersion in the Strait of Gibraltar | |
Ulses et al. | Circulation in a semi-enclosed bay under influence of strong freshwater input | |
Zhen et al. | Trajectory and weathering of oil spill in Daya bay, the South China sea | |
Gästgifvars et al. | Modelling surface drifting of buoys during a rapidly-moving weather front in the Gulf of Finland, Baltic Sea | |
Asif et al. | A study of meteorological effects on PM2. 5 concentration in mining area | |
Kim et al. | Effects of seasonal variations on sediment-plume streaks from dredging operations | |
Flaherty et al. | Computational fluid dynamic simulations of plume dispersion in urban Oklahoma City | |
Liang et al. | Including the effects of subsurface currents on buoyant particles in Lagrangian particle tracking models: Model development and its application to the study of riverborne plastics over the Louisiana/Texas shelf | |
Gu et al. | Modeling reservoir density underflow and interflow from a chemical spill | |
Prants et al. | Lagrangian Oil Spill Simulation in Peter the Great Bay (Sea of Japan) with a High-Resolution ROMS Model | |
Dietrich et al. | Oil spill risk management: modeling Gulf of Mexico circulation and oil dispersal | |
Xu et al. | Response of water environment to land reclamation in jiaozhou bay, China over the last 150 years | |
Sugioka et al. | A numerical simulation of an oil spill in Tokyo Bay | |
Jagovkina et al. | Reconstruction of the methane fluxes from the west Siberia gas fields by the 3D regional chemical transport model | |
Lang et al. | The decision support system bodensee online for hydrodynamics and water quality in lake constance | |
Watanabe | Simulation of temperature, salinity and suspended matter distributions induced by the discharge into the East China Sea during the 1998 flood of the Yangtze River | |
Debol’skaya et al. | Formation of fish kills and anaerobic conditions in the Sea of Azov. | |
Yu et al. | A regional parameterisation method for oil spill susceptibility assessment in Beibu Gulf | |
Gong et al. | Application of marine oil spill model based on Monte Carlo method in Laoshan Bay |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210409 |