一种基于监测数据与模型融合的水体月尺度水质预判方法技术

本申请涉及一种基于监测数据与模型融合的水体月尺度水质预判方法，属于水环境管理技术领域，所述方法包括：基于LSPC模型搭建目标水体所在流域的水文水质模型；基于IWIND

【技术实现步骤摘要】
一种基于监测数据与模型融合的水体月尺度水质预判方法


[0001]本申请涉及水资源管理
，尤其涉及一种基于监测数据与模型融合的水体月尺度水质预判方法，适用于河道、水库、湖泊等水域未来一个月的水质预判和评估。

技术介绍

[0002]湖泊、水库等水体的水质直接关乎水环境、水生态的可持续发展，对湖库水质进行预测预判，提前掌握水质的变化趋势对于水环境管理科学决策至关重要。这是因为水质响应相对于管理措施具有滞后性，只有在足够多的时间提前量的条件下识别水质的可能走向，才能够及早采取应对措施，进而使管控措施真正发挥效益，减轻或者消除可能的水质恶化风险，保障水质安全。
[0003]水体污染具有广泛性、随机性、不确定性和难监测等特点，现有的水质预判方法，无法同时兼顾气象预报不确定性和初始场的影响，导致预判分析的时间提前量不足、水质预判的准确性偏低。

技术实现思路

[0004]为了准确把握湖泊、水库等水体的水质变化趋势，本申请实例提供了一种基于监测数据与模型融合的水体月尺度水质预判方法。
[0005]所述技术方案如下：
[0006]本专利技术提供了一种基于监测数据与模型融合的水体月尺度水质预判方法，所述方法包括：
[0007]基于LSPC搭建目标水体所在流域的流域水文水质模型；
[0008]基于IWIND
‑
LR搭建目标水体的三维水动力
‑
水质
‑
水生态模型；
[0009]通过所述气象预报情景生成模块，利用流域内最近N年(N≥5)的历史同期气象数据，生成包括丰、平、枯、丰偏平、平偏枯等类型的气象预报情景库；
[0010]通过所述监测数据与模型融合模块，利用目标水体的监测数据与模型反演结果生成模型预判模拟起始时刻目标水体的水位、水温、溶解氧和水质初始场；
[0011]将流域水文水质模型、三维水动力
‑
水质
‑
水生态模型、气象预报情景生成模块和监测数据与模型融合模块耦合形成目标水体的水质预判计算系统；
[0012]通过所述水质预判计算系统，模拟未来一个月目标水体的水质时间序列和空间分布结果。
[0013]基于上述技术方案，结合目标水体所在流域的历史气象数据、基于LSPC的流域水文水质模型和基于IWIND
‑
LR的水动力
‑
水质
‑
水生态模型，充分考虑气象预报数据的不确定性、模型初始场对预判结果的影响，得到对应的水质变化趋势。
[0014]可选的，所述将目标水体所在流域划分为若干子汇水区，包括：
[0015]将目标水体所在流域划分为若干个子汇水区，基于LSPC搭建目标水体所在流域的水文水质模型，模拟流域进入水体的水量和污染物负荷。
[0016]基于上述技术方案，基于LSPC模型实现对目标水体所在流域的降雨
‑
径流、入渗、负荷累积
‑
冲刷、灌溉、河道输移等动态过程的数值模拟，得到进入目标水体的水量和污染负荷时间序列。
[0017]可选的，所述基于IWIND
‑
LR搭建目标水体的水动力
‑
水质
‑
水生态模型，包括：
[0018]将目标水体离散为若干网格单元，基于IWIND
‑
LR构建目标水体的网格化水动力
‑
水质
‑
水生态模型，模拟目标水体水动力、水温、溶解氧、水质浓度的时间序列和空间分布。
[0019]基于上述技术方案，基于IWIND
‑
LR模型实现对水体内部动力学、水质与水生态的动态过程的数值再现，对于水体内部的动态变化进行全方位跟踪，以便于建立各种工程与水体内部的水动力、水质与水生态响应的定量关系，为水体管理提供科学的决策依据。
[0020]可选的，所述水质预判计算系统，具体包括：
[0021]获取目标流域的历史气象数据、水文数据、水质数据和水生态数据，将目标流域的水文水质模型和目标水体的水动力
‑
水质
‑
水生态模型的反演模拟期更新到预判起始时刻T
t
的上一个时刻T
t
‑1，并进行模型校准；
[0022]根据所述气象预报情景模块生成未来一个月的气象预报情景库，驱动流域水文水质模型生成未来一个月进入水体的水量和污染物负荷；
[0023]根据所述监测数据与模型融合模块，基于获取到的监测数据和与之同时段的模型反演结果生成水动力
‑
水质
‑
水生态模型预判模拟起始时刻的初始场；
[0024]以气象预报情景库、进入水体的水量和污染物负荷、预判模拟初始场为输入条件驱动目标水体的水动力
‑
水质
‑
水生态模型，获取目标水体未来一个月的水动力、水温、溶解氧和水质浓度的时间序列和空间分布。
[0025]基于上述技术方案，基于目标流域的水文水质模型、目标水体的水动力
‑
水质
‑
水生态模型、气象预报情景模块和监测数据与模型融合模块，构建适用于目标水体未来一个月水质预判的计算体系。
[0026]可选的，所述将构建目标水体所在流域未来一个月的5N种气象预报情景，包括：
[0027]收集获取目标流域过去N年(N≥5)的逐小时气象数据；
[0028]统计流域过去N年中每月实际总降雨量R
mn
(1≤m≤12，1≤n≤N)，对于未来一个月对应的月份f，将历史同期月份的N个实际总降雨量R
fn
(1≤n≤N)按照大小进行排序，得到与未来一个月月份对应的历史同期月份总降雨量最大值R
f
‑
max
(丰水)、最小值R
f
‑
min
(枯水)、中位值R
f
‑
median
(平水)；
[0029]根据丰水和平水情景的月降雨量值，计算得到未来一个月丰偏平情景的降雨量值R
f
‑
max
‑
median
；
[0030]根据平水和枯水情景的月降雨量值，计算得到未来一个月平偏枯情景的降雨量值R
f
‑
median
‑
min
；
[0031]根据丰水、枯水、平水、丰偏平、平偏枯5种情景降雨量值和历史同期月份的实际总降雨量R
fn
，计算5种情景降雨量值相对于历史同期实际总降雨量的折算系数λ
丰水
＝R
f
‑
max
/R
fn
、λ
枯水
＝R
f
‑
min
/R
fn
、λ
平水
＝R
f
‑
...

【技术保护点】

【技术特征摘要】
1.一种基于监测数据与模型融合的水体月尺度水质预判方法，其特征在于，所述方法包括：基于LSPC搭建目标水体所在流域的流域水文水质模型；基于IWIND
‑
LR搭建目标水体的三维水动力
‑
水质
‑
水生态模型；基于所述气象预报情景生成模块，利用流域内最近N年(N≥5)的历史同期气象数据，生成未来一个月的气象预报情景库；基于所述监测数据与模型融合模块，利用目标水体的监测数据与模型反演结果生成模型预判模拟起始时刻目标水体的水位、水温、溶解氧和水质初始场；将流域水文水质模型、三维水动力
‑
水质
‑
水生态模型、气象预报情景生成模块和监测数据与模型融合模块耦合形成目标水体的水质预判计算系统；基于所述水质预判计算系统，模拟未来一个月目标水体的水质时间序列和空间分布结果。2.根据权利要求1所述的方法，其特征在于，所述将目标水体所在流域划分为若干子汇水区，包括：将目标水体所在流域划分为若干个子汇水区，基于LSPC搭建目标水体所在流域的水文水质模型，模拟流域进入水体的水量和污染物负荷。3.根据权利要求1所述的方法，其特征在于，所述基于IWIND
‑
LR搭建目标水体的水动力
‑
水质
‑
水生态模型，包括：将目标水体离散为若干网格单元，基于IWIND
‑
LR构建目标水体的网格化水动力
‑
水质
‑
水生态模型，模拟目标水体水动力、水温、溶解氧、水质浓度的时间序列和空间分布。4.根据权利要求1所述的方法，其特征在于，所述水质预判计算系统，具体包括：获取目标流域的历史气象数据、水文数据、水质数据和水生态数据，将目标流域的水文水质模型和目标水体的水动力
‑
水质
‑
水生态模型的反演模拟期更新到预判起始时刻T
t
的上一个时刻T
t
‑1；根据所述气象预报情景模块生成未来一个月的气象预报情景库，驱动流域水文水质模型生成未来一个月进入水体的水量和污染物负荷；根据所述监测数据与模型融合的方法，基于获取到的监测数据和与之同时段的模型反演结果生成水动力
‑
水质
‑
水生态模型预判模拟起始时刻的初始场；以气象预报情景库、进入水体的水量和污染物负荷、预判模拟初始场为输入条件驱动目标水体的水动力
‑
水质
‑
水生态模型，获取目标水体未来一个月的水动力、水温、溶解氧和水质浓度的时间序列和空间分布。5.根据权利要求1和权利要求4所述的方法，其特征在于，所述生成未来一个月的气象预报情景库，包括：收集获取目标流域过去N年(N≥5)的逐小时气象数据；统计流域过去N年中每月实际总降雨量R
mn
(1≤m≤12，1≤n≤N)，对于未来一个月对应的月份f，将历史同期月份的N个实际总降雨量R
fn
(1≤n≤N)按照大小进行排序，得到与未来一个月月份对应的历史同期月份总降雨量最大值R
f
‑
max
(丰水)、最小值R
f
‑
min
(枯水)、中位值R
f
‑
median
(平水)；根据丰水和平水情景的月降雨量值，计算得到未来一个月丰偏平情景的降雨量值
R
f
‑
max
‑
median
；根据平水和枯水情景的月降雨量值，计算得到未来一个月平偏枯情景的降雨量值R
f
‑
median
‑
min
；根据丰水、枯水、平水、丰偏平、平偏枯5种情景降雨量值和历史同期月...

【专利技术属性】
技术研发人员：邹锐，马文静，任婷玉，黎晓路，
申请(专利权)人：北京英特利为环境科技有限公司，
类型：发明
国别省市：