[发明专利]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

权利要求书

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。