流域突發(fā)水污染云溯源體系構(gòu)建與應(yīng)用

彭 虹，周文婷，張萬(wàn)順，夏 函，張 瀟，王 浩

(1.武漢大學(xué)水利水電學(xué)院，湖北 武漢 430072； 2.武漢大學(xué)資源與環(huán)境科學(xué)學(xué)院，湖北 武漢 430079；3.中國(guó)水利水電科學(xué)研究院流域水循環(huán)模擬與調(diào)控國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100038)

據(jù)統(tǒng)計(jì)，2006—2019年國(guó)內(nèi)突發(fā)水污染事件共計(jì)1 100余起[1]，平均每3天發(fā)生一起，水污染情勢(shì)嚴(yán)峻年份突發(fā)事件超過(guò)100起。經(jīng)濟(jì)活動(dòng)強(qiáng)度高的地區(qū)水污染事件發(fā)生概率較大[2]，頻繁的突發(fā)水污染事件造成了巨大的社會(huì)影響和經(jīng)濟(jì)損失，嚴(yán)重威脅著流域水環(huán)境與水生態(tài)系統(tǒng)安全。對(duì)于易觀測(cè)的事故類型，如由工廠爆炸、船舶側(cè)翻等引起的突發(fā)水污染，其事故點(diǎn)位明確；而對(duì)于發(fā)生在偏遠(yuǎn)地區(qū)的、不易觀察的甚至有意隱瞞的突發(fā)水污染事件，包括管道泄漏、廢水偷排、降雨沖刷地表等原因引起的事故，均具有發(fā)生地點(diǎn)不確切的特點(diǎn)，處置這類突發(fā)水污染事件的首要工作就是明確事故源位置及源的釋放規(guī)律[3]。

由于流域內(nèi)水系縱橫交錯(cuò)，水體動(dòng)力學(xué)特征復(fù)雜多變，同類污染物在不同排放點(diǎn)進(jìn)入水體后，隨著水動(dòng)力條件的擴(kuò)散遷移和水質(zhì)轉(zhuǎn)化，在水體某處會(huì)有“異源同效”現(xiàn)象，即不同位置、不同排放強(qiáng)度的污染源對(duì)其下游河道或湖庫(kù)的同一水質(zhì)監(jiān)測(cè)斷面造成的污染貢獻(xiàn)相近，這種現(xiàn)象給突發(fā)水污染事件溯源帶來(lái)很大的不確定性。采取多種方法快速鎖定污染源一直是國(guó)內(nèi)外水環(huán)境保護(hù)領(lǐng)域研究的熱點(diǎn)，當(dāng)前突發(fā)水污染溯源研究主要針對(duì)局部河段，且多集中于河流尺度的一維模擬，多采用確定性方法與不確定性方法[4-5]。確定性方法從水污染遷移轉(zhuǎn)化的機(jī)理入手，引入優(yōu)化算法來(lái)追溯事故源頭[6]，如基于相關(guān)系數(shù)優(yōu)化推導(dǎo)一維河道單點(diǎn)源追溯的反演算法[7]，根據(jù)數(shù)據(jù)庫(kù)反向推算進(jìn)行污染物溯源案例研究[8]等；不確定性方法主要采用概率統(tǒng)計(jì)與分布預(yù)測(cè)[9-11]，依賴隨機(jī)變量的分布，但其物理意義并不明確，且計(jì)算量呈幾何級(jí)數(shù)增長(zhǎng)，如結(jié)合貝葉斯推理的馬爾科夫鏈蒙特卡羅方法[12-13]提高了污染源反問(wèn)題的識(shí)別效果，微分進(jìn)化蒙特卡羅方法也被用于二維的河流瞬時(shí)污染源追溯研究[14]。此外，也有學(xué)者以一維水動(dòng)力水質(zhì)計(jì)算為基礎(chǔ)，構(gòu)建推求逆向污染源位置的耦合概率密度函數(shù)[15]，通過(guò)構(gòu)建預(yù)案庫(kù)提出基于粒子群和知識(shí)圖譜分析的水污染溯源方法[16]，以及通過(guò)建立基于流域要素空間關(guān)系的系統(tǒng)模型，將溯源問(wèn)題轉(zhuǎn)化為空間搜索問(wèn)題[17]。

快速響應(yīng)是保障突發(fā)水污染事件高效處置的關(guān)鍵，隨著云計(jì)算在水利、環(huán)境等領(lǐng)域的快速應(yīng)用，模型計(jì)算速度有望提高到百倍以上[18]，在流域陸面單元發(fā)生污染經(jīng)降雨沖刷進(jìn)入水體和在水體不明位置發(fā)生污染事件的溯源模擬也得以實(shí)現(xiàn)。本文基于流域環(huán)境模擬云平臺(tái)架構(gòu)[19]，提出以自然流域?yàn)閱卧脑?質(zhì)響應(yīng)研究方法，進(jìn)行流域尺度下事故區(qū)域的多情景突發(fā)水污染快速模擬，打破現(xiàn)階段事故源頭追溯的唯一性限制，識(shí)別可能對(duì)監(jiān)測(cè)斷面造成相似污染過(guò)程的多個(gè)“異源”，劃定事故源的篩查范圍，以期為應(yīng)急部門(mén)提高突發(fā)污染處置效率提供科學(xué)指導(dǎo)。

1 流域突發(fā)水污染云溯源體系構(gòu)建

針對(duì)研究范圍大、時(shí)間模擬步長(zhǎng)和空間模擬單元細(xì)化的流域尺度突發(fā)水污染系統(tǒng)溯源，應(yīng)該建設(shè)一種可容納大體量信息、數(shù)據(jù)與模型協(xié)同高效的全新計(jì)算框架。本文基于流域突發(fā)水污染的云溯源體系，以自然流域?yàn)閱卧瑫r(shí)考慮陸面與水體的污染遷移轉(zhuǎn)化過(guò)程，分別進(jìn)行陸面非點(diǎn)源模型與河道內(nèi)水動(dòng)力水質(zhì)模型模擬，在水文水質(zhì)信息聯(lián)網(wǎng)監(jiān)測(cè)的基礎(chǔ)上，利用云端的實(shí)時(shí)計(jì)算模式和邊緣端的高效響應(yīng)能力，實(shí)現(xiàn)模型的分布式高效計(jì)算與數(shù)據(jù)的協(xié)調(diào)傳輸。

1.1 云邊終協(xié)同溯源架構(gòu)

引入終端實(shí)時(shí)監(jiān)測(cè)、邊緣節(jié)點(diǎn)分流和云端統(tǒng)籌計(jì)算的云邊終協(xié)同計(jì)算技術(shù)，各司其職，從突發(fā)水污染追蹤溯源的流域性和高效性出發(fā)，建設(shè)基于源-質(zhì)響應(yīng)的云溯源架構(gòu)，如圖1所示。

圖1 云邊終協(xié)同溯源架構(gòu)Fig.1 Cloud-edge-terminal collaboration architectureof source identification

a.終端實(shí)時(shí)監(jiān)測(cè)。自2012年國(guó)家水資源監(jiān)控能力建設(shè)等重點(diǎn)項(xiàng)目啟動(dòng)以來(lái)，水利信息化建設(shè)工作快速開(kāi)展，大部分重要監(jiān)測(cè)斷面均實(shí)現(xiàn)了信息實(shí)時(shí)采集和自動(dòng)傳輸，如水文、水質(zhì)自動(dòng)站的監(jiān)測(cè)頻率已分別達(dá)5次/min、4次/h，監(jiān)測(cè)數(shù)據(jù)上報(bào)及時(shí)，數(shù)據(jù)質(zhì)量維護(hù)較好，已基本形成水利信息化基礎(chǔ)網(wǎng)絡(luò)體系。為全面及時(shí)捕捉水環(huán)境質(zhì)量信息，充分發(fā)揮水利信息化的優(yōu)勢(shì)，利用流域范圍內(nèi)的終端監(jiān)控設(shè)備，包括但不限于在固定污染源、移動(dòng)污染源、水質(zhì)監(jiān)測(cè)站、水文監(jiān)測(cè)站和氣象監(jiān)測(cè)站設(shè)置的無(wú)線傳感監(jiān)測(cè)儀器，實(shí)時(shí)采集、傳輸監(jiān)測(cè)點(diǎn)的降水、地形、水位、流量、流速、含沙量和污染物濃度等數(shù)據(jù)；在生態(tài)環(huán)境監(jiān)測(cè)部門(mén)布設(shè)人工接口終端，定期統(tǒng)計(jì)污染源與監(jiān)測(cè)站的編號(hào)、名稱、位置坐標(biāo)、監(jiān)測(cè)要素、監(jiān)測(cè)頻次、影響范圍、負(fù)責(zé)人和聯(lián)系方式等信息；對(duì)于水中優(yōu)先控制污染物等非連續(xù)的人工監(jiān)測(cè)數(shù)據(jù)，以及突發(fā)污染事故時(shí)密集的連續(xù)應(yīng)急監(jiān)測(cè)數(shù)據(jù)，也由人工接口終端負(fù)責(zé)匯總與上傳。

b.邊緣節(jié)點(diǎn)分流。組建分布式邊緣端服務(wù)接口，邊緣節(jié)點(diǎn)按需部署在每個(gè)末級(jí)支流流域的水利、生態(tài)環(huán)境、國(guó)土資源等不同部門(mén)，按各部門(mén)業(yè)務(wù)需求構(gòu)建計(jì)算中心，利用云端信息并結(jié)合終端數(shù)據(jù)，提供區(qū)域或部門(mén)的個(gè)性化服務(wù)。在突發(fā)預(yù)警方面，邊緣節(jié)點(diǎn)實(shí)現(xiàn)其所在支流流域的終端水文、水質(zhì)、污染源等數(shù)據(jù)集總與各項(xiàng)業(yè)務(wù)邏輯處理，負(fù)責(zé)驅(qū)動(dòng)流域非點(diǎn)源模型進(jìn)行陸面的產(chǎn)流產(chǎn)污計(jì)算，得出非點(diǎn)源模擬結(jié)果，同時(shí)整合由終端采集的點(diǎn)源信息，構(gòu)建污染源數(shù)據(jù)庫(kù)。對(duì)點(diǎn)源進(jìn)行污染物的不同排放情景設(shè)置，形成污染排放情景模擬方案集，排放濃度以污染源正常排放值和重大事故排放值為邊界等距設(shè)置，劃定出正常排放與不同等級(jí)的事故排放情景，其中重大事故指短時(shí)間內(nèi)污染源存儲(chǔ)的所有潛在風(fēng)險(xiǎn)化學(xué)品均排出或水處理設(shè)施完全故障時(shí)的污染物排放濃度。

c.云端統(tǒng)籌計(jì)算。云端通過(guò)搭建服務(wù)器集群或租賃云計(jì)算環(huán)境構(gòu)建，在云端布置流域水動(dòng)力水質(zhì)模型的高性能算法。并行計(jì)算的負(fù)載均衡借助任務(wù)管理節(jié)點(diǎn)控制，實(shí)現(xiàn)流域全局的水體水動(dòng)力水質(zhì)實(shí)時(shí)模擬預(yù)報(bào)。基于部署的云邊終協(xié)同溯源架構(gòu)，按照從信息上傳到任務(wù)下達(dá)的兩個(gè)步驟，實(shí)現(xiàn)突發(fā)水污染的溯源模擬。信息上傳過(guò)程包括：終端根據(jù)實(shí)時(shí)監(jiān)測(cè)的水質(zhì)數(shù)據(jù)確定安全閾值，并進(jìn)行突變分析，將分析結(jié)果和水文水質(zhì)數(shù)據(jù)實(shí)時(shí)聯(lián)網(wǎng)傳輸至邊緣端，供邊緣端通過(guò)質(zhì)控中心復(fù)核；在邊緣端分析實(shí)時(shí)水文條件、確定污染源常規(guī)排放信息，上傳至云端。任務(wù)下達(dá)過(guò)程包括：將云端的水動(dòng)力水質(zhì)實(shí)時(shí)預(yù)報(bào)結(jié)果發(fā)布至邊緣端，在邊緣端對(duì)比云端報(bào)送的水質(zhì)模擬序列與終端的水質(zhì)監(jiān)控?cái)?shù)據(jù)，進(jìn)行突發(fā)污染事故判定與預(yù)警；得到預(yù)警后，邊緣端進(jìn)行疑似污染源范圍分析，傳輸至終端。以上終端、邊緣端和云端之間的信息傳遞和任務(wù)協(xié)同，借由消息中間件以數(shù)據(jù)驅(qū)動(dòng)模型的方式實(shí)現(xiàn)，通過(guò)聚合傳輸方式降低數(shù)據(jù)傳輸時(shí)間的額外開(kāi)銷。

1.2 流域溯源模型

流域水環(huán)境問(wèn)題表象在水里，癥結(jié)在岸上。立足于流域“水-陸”一體化視野，統(tǒng)籌兼顧上下游水網(wǎng)與左右岸陸面，同時(shí)精準(zhǔn)刻畫(huà)研究區(qū)域內(nèi)河網(wǎng)水動(dòng)力水質(zhì)和陸面非點(diǎn)源污染過(guò)程，建立流域溯源模型是水污染溯源的必然趨勢(shì)。通過(guò)統(tǒng)一陸面單元和水域網(wǎng)格的空間計(jì)算體系，將非點(diǎn)源模擬結(jié)果作為水動(dòng)力水質(zhì)模型的前置驅(qū)動(dòng)條件，建立平臺(tái)接口實(shí)現(xiàn)模型自主驅(qū)動(dòng)與數(shù)據(jù)主動(dòng)對(duì)接，即可趨于同步地實(shí)現(xiàn)陸面非點(diǎn)源模型與河道水動(dòng)力水質(zhì)模型的底層耦合。

流域不同地理單元的景觀類型存在差異，其水循環(huán)和污染物質(zhì)的遷移過(guò)程也復(fù)雜多變，陸面產(chǎn)流產(chǎn)污機(jī)制有所不同，故而非點(diǎn)源模型的選用要根據(jù)研究區(qū)域特點(diǎn)因地制宜。如當(dāng)前國(guó)際上被廣泛使用的開(kāi)源模型SWAT(soil and water assessment tool)是當(dāng)前農(nóng)業(yè)面源污染應(yīng)用和再開(kāi)發(fā)的熱點(diǎn)模型，暴雨洪水管理模型(storm water management model, SWMM)更適合精細(xì)量化城市區(qū)域的降雨徑流過(guò)程。

河道水動(dòng)力水質(zhì)模型的建模區(qū)域應(yīng)當(dāng)覆蓋流域內(nèi)全部干流及支流，根據(jù)研究區(qū)域內(nèi)河道監(jiān)測(cè)資料、高精度DEM及遙感影像資料，生成河網(wǎng)水系的精細(xì)化地形。突發(fā)污染物進(jìn)入河流后，其遷移轉(zhuǎn)化作用受水動(dòng)力條件影響很大，污染物質(zhì)沿程縱向的遷移擴(kuò)散速度較快，橫向次之，往往形成狹長(zhǎng)的羽狀污染帶，更適合二維水動(dòng)力水質(zhì)耦合模型模擬[20]。模型按秒設(shè)置時(shí)間步長(zhǎng)，基本方程包括連續(xù)方程、動(dòng)量方程和污染物遷移擴(kuò)散方程：

(1)

(2)

(3)

式中：h為微小水體的水深，m；t為時(shí)間，s；u、v分別為x、y方向流速，m/s；q為單位流程、單位寬度上從旁側(cè)流入微小水體的流量，m3/(s·m2)；z為水位，m；g為重力加速度，m/s2；C為謝才系數(shù)，m0.5/s；ξx、ξy分別為x、y方向的渦動(dòng)黏滯系數(shù)，m2/s；ρi為污染物i的質(zhì)量濃度，mg/L；Ex、Ey分別為污染物在x、y方向的綜合擴(kuò)散系數(shù)，m2/s；Si為污染物i的源漏項(xiàng)，mg/(L·s)。

除常規(guī)污染物的遷移轉(zhuǎn)化模擬外，本方法還面向水中優(yōu)控污染物的溯源需求，系統(tǒng)考慮包括化學(xué)品、油類、金屬及放射性4大類，共計(jì)126種的特征污染物，在邊緣端集成了相應(yīng)的模型數(shù)據(jù)庫(kù)與模型參數(shù)預(yù)置庫(kù)。模型參數(shù)會(huì)隨水動(dòng)力等條件改變而變化，對(duì)水質(zhì)模擬結(jié)果有很大影響，可以依據(jù)云溯源系統(tǒng)同化的大量在線水質(zhì)監(jiān)測(cè)數(shù)據(jù)來(lái)反復(fù)校正水質(zhì)模擬結(jié)果，實(shí)現(xiàn)參數(shù)在線實(shí)時(shí)率定[21]，準(zhǔn)確反映突發(fā)水污染進(jìn)行時(shí)刻的污染遷移轉(zhuǎn)化規(guī)律，降低參數(shù)靜態(tài)設(shè)置帶來(lái)的模擬誤差。

1.3 源-質(zhì)響應(yīng)模擬技術(shù)

“異源同效”的水污染現(xiàn)象表明，突發(fā)污染事故源頭排放情景存在非唯一性。為盡量把對(duì)監(jiān)測(cè)斷面造成污染的排污主體做到應(yīng)查盡查、不重不漏，利用云端實(shí)時(shí)的水動(dòng)力模擬結(jié)果，通過(guò)在邊緣端多污染排放情景下的快速水質(zhì)模擬，基于源-質(zhì)響應(yīng)方法解析事故區(qū)域內(nèi)固定污染源、移動(dòng)污染源等各排污主體對(duì)監(jiān)測(cè)斷面水質(zhì)變化過(guò)程的影響規(guī)律，進(jìn)行溯源響應(yīng)追查。突發(fā)污染事件的源-質(zhì)響應(yīng)模擬流程如圖2所示。

圖2 突發(fā)污染事件的源-質(zhì)響應(yīng)模擬流程Fig.2 Source-quality response simulation processof sudden pollution events

源-質(zhì)模擬指對(duì)事故區(qū)域內(nèi)水體，進(jìn)行實(shí)時(shí)水動(dòng)力條件下多污染排放情景的水質(zhì)模擬，溯源追查指根據(jù)超標(biāo)水質(zhì)類型、實(shí)時(shí)的水質(zhì)監(jiān)控?cái)?shù)據(jù)及其與源-質(zhì)響應(yīng)情景數(shù)據(jù)庫(kù)的對(duì)比分析，得到擬合效果最好的疑似污染排放過(guò)程情景，逐步縮小包括非點(diǎn)源、固定點(diǎn)源和移動(dòng)點(diǎn)源等在內(nèi)的污染源篩查范圍。

a.全域水質(zhì)云端實(shí)時(shí)預(yù)報(bào)。整合流域終端水文、氣象、污染源、水利設(shè)施調(diào)控等數(shù)據(jù)，云端每日定時(shí)驅(qū)動(dòng)全流域水動(dòng)力水質(zhì)模型計(jì)算，得到全流域范圍河道內(nèi)任一點(diǎn)水位、流量、流速及水質(zhì)的模擬與預(yù)報(bào)結(jié)果。

b.突發(fā)污染事件類型判定。首先，在終端根據(jù)日常監(jiān)測(cè)與系統(tǒng)模擬值，建立該區(qū)間的水質(zhì)安全閾值。其次，邊緣端通過(guò)分析云端下傳數(shù)據(jù)，當(dāng)本次預(yù)報(bào)峰值與建立的安全閾值出現(xiàn)較大誤差，但過(guò)程擬合度較好時(shí)，發(fā)出非點(diǎn)源事故預(yù)警；若與安全閾值和過(guò)程擬合度都出現(xiàn)較大誤差時(shí)，則發(fā)出點(diǎn)源(含移動(dòng)源)突發(fā)事故預(yù)警。

表1 模型水質(zhì)驗(yàn)證結(jié)果Table 1 Model water quality verification results

c.源-質(zhì)響應(yīng)情景數(shù)據(jù)庫(kù)建立。排除事故源為非點(diǎn)源后，在邊緣端進(jìn)行多情景的點(diǎn)源事故模擬。下載云端實(shí)時(shí)的水動(dòng)力計(jì)算結(jié)果，作為事故區(qū)域模擬的水動(dòng)力邊界條件，在邊緣端進(jìn)行污染源多情景排放的水質(zhì)模擬，得到污染物濃度模擬序列，形成事故區(qū)域源-質(zhì)響應(yīng)情景數(shù)據(jù)庫(kù)。

d.突發(fā)污染事件范圍確定。采用分析河道斷面污染過(guò)程擬合度的方法，確定突發(fā)事件范圍。在邊緣端調(diào)取源-質(zhì)響應(yīng)庫(kù)中各排放情景下的污染物濃度模擬序列，以監(jiān)測(cè)過(guò)程和模擬過(guò)程的峰現(xiàn)時(shí)間為匹配點(diǎn)，采用納什效率系數(shù)，檢驗(yàn)每種情景模擬序列與實(shí)際監(jiān)控序列的相關(guān)性，進(jìn)行污染過(guò)程擬合度分析。納什效率系數(shù)越接近于1，該模擬情景擬合效果越好，說(shuō)明該情景污染過(guò)程對(duì)應(yīng)的點(diǎn)位發(fā)生污染事件的可能性越大。根據(jù)事故區(qū)域的研究要求，確定可接受的納什效率系數(shù)下限值，本研究取0.8，提取不低于該值的疑似情景并傳輸相應(yīng)污染源范圍至終端發(fā)布，輔助應(yīng)急部門(mén)進(jìn)行實(shí)地排查。

(4)

2 流域突發(fā)水污染云溯源體系應(yīng)用

建立三峽庫(kù)區(qū)水動(dòng)力學(xué)水質(zhì)二維模型，以COD、TN和TP這3種可溶性可降解的水質(zhì)指標(biāo)為代表，進(jìn)行模型驗(yàn)證。根據(jù)長(zhǎng)江水利委員會(huì)水文局和重慶市生態(tài)環(huán)境局提供的資料，長(zhǎng)江寸灘斷面流量為3 830 m3/s，嘉陵江入?yún)R流量為368 m3/s，采用同期統(tǒng)計(jì)的排污負(fù)荷，率定的河段糙率和各污染物綜合降解系數(shù)取值范圍為0.028～0.035 d-1、0.01～0.1 d-1，對(duì)比磁器口、大溪溝、望龍門(mén)、寸灘4個(gè)驗(yàn)證斷面的污染物質(zhì)量濃度實(shí)測(cè)值，得到水質(zhì)驗(yàn)證結(jié)果如表1所示。COD、TN和TP模擬結(jié)果的相對(duì)誤差基本小于20%，水質(zhì)模擬值與實(shí)測(cè)值吻合較好，表明云溯源體系應(yīng)用的二維水動(dòng)力水質(zhì)模型精度較高，能準(zhǔn)確反映研究區(qū)域內(nèi)污染物濃度的變化規(guī)律。本系統(tǒng)同時(shí)建立126種特征污染物的模型及參數(shù)庫(kù)，在突發(fā)事件發(fā)生時(shí)可以直接采用。

以三峽庫(kù)區(qū)龍溪河入?yún)R口干流和龍溪河支流上兩個(gè)存在同種污染事故風(fēng)險(xiǎn)的企業(yè)A、B為例，進(jìn)行突發(fā)水污染云溯源方法的應(yīng)用分析，如圖3所示，分別模擬這兩個(gè)污染源在事故排放情景下對(duì)下游斷面造成的污染，通過(guò)對(duì)比實(shí)時(shí)的污染物濃度監(jiān)測(cè)過(guò)程，實(shí)現(xiàn)疑似事故源頭和排放強(qiáng)度識(shí)別，以縮小應(yīng)急部門(mén)追溯污染源的篩查范圍。

圖3 研究區(qū)域Fig.3 Research area

在距離企業(yè)A、B分別約14.5 km、15 km的下游標(biāo)記鎮(zhèn)安鎮(zhèn)監(jiān)測(cè)斷面，根據(jù)突發(fā)水污染事故的一般特點(diǎn)，設(shè)計(jì)該斷面產(chǎn)生數(shù)據(jù)庫(kù)在錄可溶性可降解污染物M的1類和2類兩次突發(fā)污染過(guò)程，作為溯源案例分析的水質(zhì)監(jiān)測(cè)數(shù)據(jù)，如圖4所示。選擇水文條件比較穩(wěn)定的平水期進(jìn)行研究河段的水動(dòng)力水質(zhì)模擬，無(wú)降水時(shí)不產(chǎn)生陸面沖刷的非點(diǎn)源污染，長(zhǎng)壽江段平均來(lái)流流量為7 200 m3/s，龍溪河平均入?yún)R流量為48.7 m3/s，設(shè)計(jì)突發(fā)事故均為企業(yè)A或B的污染物M泄漏，模擬污染發(fā)生后下游鎮(zhèn)安鎮(zhèn)監(jiān)測(cè)斷面的水質(zhì)濃度過(guò)程。控制污染物在短時(shí)間內(nèi)全部排放，設(shè)置污染排放情景如表2所示。

表2 事故情景設(shè)計(jì)Table 2 Accident scenario design

(a) 事故情景下污染物質(zhì)量濃度模擬過(guò)程

(b) 事故模擬過(guò)程與監(jiān)測(cè)數(shù)據(jù)的擬合圖4 鎮(zhèn)安鎮(zhèn)斷面污染濃度過(guò)程Fig.4 Pollution concentration processof Zhenanzhen Section

鎮(zhèn)安鎮(zhèn)斷面1類污染過(guò)程持續(xù)約 1 280 min，污染物質(zhì)量濃度峰值達(dá)到22.56 mg/L；2類污染過(guò)程持續(xù)約1 530 min，峰值達(dá)到20.76 mg/L。對(duì)比各個(gè)事故情景模擬結(jié)果，以峰現(xiàn)過(guò)程為匹配點(diǎn)，分別以企業(yè)A、B為代表的情景2、6在鎮(zhèn)安鎮(zhèn)斷面的污染模擬過(guò)程擬合度較高，納什效率系數(shù)均大于0.8，模擬濃度峰值分別為25.21 mg/L、19.67 mg/L，對(duì)1類污染過(guò)程峰值的相對(duì)誤差分別為11.75%、-12.81%，對(duì)2類污染過(guò)程峰值的相對(duì)誤差分別為21.44%、-5.25%。長(zhǎng)壽段干流流速較龍溪河更大，干流企業(yè)A發(fā)生事故后約800 min污染團(tuán)運(yùn)移至鎮(zhèn)安鎮(zhèn)斷面，約1 200 min時(shí)斷面濃度達(dá)到最大值，2 200 min后污染團(tuán)離開(kāi)鎮(zhèn)安鎮(zhèn)斷面，污染影響持續(xù)時(shí)間約 1 400 min；支流企業(yè)B發(fā)生事故后約 950 min 鎮(zhèn)安鎮(zhèn)斷面水體濃度開(kāi)始增加，在1 550 min時(shí)達(dá)到峰值，2 600 min 后斷面污染濃度降至 0 mg/L，污染影響持續(xù)時(shí)間約為1 600 min。

對(duì)于1類污染過(guò)程，企業(yè)A、B事故情景的納什效率系數(shù)分別為0.91、0.87；對(duì)于2類污染過(guò)程，該值分別為0.84、0.95。企業(yè)A、B均有可能為這兩次突發(fā)污染的事故源頭，1類污染過(guò)程與企業(yè)A排污模擬的擬合度更高，則A企業(yè)排污可能性更大；2類污染過(guò)程與企業(yè)B排污模擬的擬合度更高，則判定B企業(yè)排污可能性更大。污染過(guò)程擬合度高的事故企業(yè)，對(duì)監(jiān)測(cè)斷面的污染影響持續(xù)時(shí)間也更接近實(shí)際，是事故源頭的可能性更大。最終的污染源準(zhǔn)確定位，還需要工作人員根據(jù)模擬結(jié)果在一定目標(biāo)范圍內(nèi)進(jìn)行實(shí)地排查。

3 結(jié) 語(yǔ)

基于云溯源體系在云端實(shí)現(xiàn)流域全局的水動(dòng)力水質(zhì)實(shí)時(shí)預(yù)報(bào)，完成實(shí)時(shí)水動(dòng)力條件下邊緣端對(duì)事故區(qū)域內(nèi)多污染情景的水質(zhì)快速模擬，識(shí)別多個(gè)可能對(duì)監(jiān)測(cè)斷面造成污染的事故源頭，確定溯源篩查范圍。在架構(gòu)層面，借助云邊終協(xié)同優(yōu)勢(shì)提升大體量數(shù)據(jù)的傳輸、存儲(chǔ)與計(jì)算效率，基于流域水文水質(zhì)監(jiān)控網(wǎng)絡(luò)，能夠主動(dòng)識(shí)別突發(fā)水污染事故并實(shí)現(xiàn)高效追溯；在模擬層面，采用二維水動(dòng)力水質(zhì)模型，模擬流域尺度的水體水質(zhì)狀況，并在長(zhǎng)江重慶段進(jìn)行應(yīng)用分析，納什效率系數(shù)大于0.8的污染情景都可能是事故源，且納什效率系數(shù)越高，該情景相應(yīng)的污染源可能性就越大。