[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

说明书

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‑LR搭建目标水体的水动力‑水质‑水生态模型；基于历史数据构建不确定性逐小时气象预报数据库的气象预报情景生成模块；构建基于集合卡尔曼滤波的监测数据与数据融合模块；建立目标水体的月尺度水质预判计算系统，模拟得到未来一个月目标水体的水质模拟结果。本发明优点是：采用数据与模型融合的方法生成目标水体初始场，修正模型初始场对模拟结果的影响，提高了月尺度水质预判结果的可靠性和准确性。

技术领域

本申请涉及水资源管理技术领域，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。

背景技术

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。

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。

发明内容

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。

所述技术方案如下：

本发明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：

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；

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；

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；

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；

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。

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。

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：

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。

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。

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：

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。