地表水水质模型研究进展综述

　　摘要：水质模型是污染物在水环境中变化规律及其影响因素之间相互关系的数学描述,它既是水环境科学研究的内容之一,又是水环境研究的重要工具。本文从地表水（包括河流、海洋、湖泊与水库）水质模型的发展概况谈起，较详细的综合评述了近年来国内外水质模型的研究进展。
　　关键词：地表水，水质模型，研究进展
　　1、地表水质模型的发展概况
　　为了描述和预测污染物在环境介质中的运动和变化规律，各种数学模型及其相应计算机软件应用而生，水质模型是天然水体水质变化规律的数学描述,[1]需要水文学、水力学、水化学、水生物学、湖沼学和沉积学等到专门的学科知识，以及数学计算机程序设计等必要的手段。
　　
　　1.1水质模型发展的几个阶段
　　自水质模型在20世纪初诞生以来,其发展阶段有许多不同的分类方法。有的文献把水质模型的发展分为三个阶段：[2]从30年代最简单的氧平衡模型阶段到80年代的形态模型阶段的当今多介质环境模型阶段，近年来注重发展应用鼠标或菜单式界面和实用化的环境水质模型数据库和计算机软件；有的文献把水质模型的发展分成四个阶段：[3]1925～1960年为水质模型发展的第一阶段,这一阶段以Streeter—Phelps水质模型(S-P模型)为代表,后来科学家在其基础上成功地发展了BOD-DO耦合模型,并应用于水质预测等方面;1965-1970年，除继续发展BOD-DO模型的多参数估值外，水质模型发展为6个线性系统，计算方法由一维发展到二维，并开始研究湖泊及海湾问题；1970-1975年，研究开发了相互作用的非线性系统，涉及到营养物质、阳光、温度的关系，计算方法一般用数值解法；1975年以后，除进一步研究食物链问题外，还发展了多种相互作用系统，空间维数发展到三维。在最近的20多年中,科学家的注意力已逐渐地转移到改善模型的可靠性和评价能力的研究上。
　　1.2氧平衡数学模型的发展
　　50年代开始,由于电子计算机技术的应用和水环境科学的发展,氧平衡数学模型有了较大发展,尤以O’Connor和Dobbins的工作最为重要。他们在模型中考虑了氧化物和底泥的作用,从而在包括模型的参数和模型的求解技术方面都有了较大的发展。在此基础上,Greenery开发了美国环保局推荐使用的QUAL—Ⅱ水质模型,这是一种较为复杂的氧平衡生态模型,该模型已经被成功地广泛应用于河流水质预测和水质管理规划中。
　　1.3形态模型的发展
　　形态模型是指表征污染物在不同状态和不同形态下水环境行为的模型。随着污染物水环境行为和水质标准制定工作研究的不断深入,传统的氧平衡数学模型已不能满足实际工作的需要,因此需要另一种模型——即形态模型来描述同一个污染物由于它在水环境中存在的状态和化学形态的不同而表现出的完全不同的环境行为和生态效应。80年代初,随着形态分析的发展,一些研究者开始了形态模型的探索和研究,这一研究的关键是模型设计时所考虑的化学反应的真实性、污染物形态识别的准确性和输入数据的可靠性。
　　1.4海洋水质数学模型的发展
　　海洋水质数学模型的发展为海洋环境污染的科学预报提供了可靠的数学模拟工具，海域水质评价数学模型的产生，又为评价海洋水质状况提供了科学的方法，从数学模型的发展过程看，国际著名学者MB.Abbott[4]把数学模型的发展分成5个阶段，第一代模型主要是应用计算机实现水动力等各种现象的数值模拟；第二代模型是在第一代模型仅解决单一问题的基础上，进一步发展为“模型群”；第三代模型除了使用操作系统外在数学模型方面使用了更精密高效的方法，增加了软件的应用范围，前三代模型是数学模型发展的基础阶段，它们主要是由模型的建立者提供直接服务，第四代模型可以说是一次飞跃，这时模型建立者通过提供的产品，去进行模型服务，目前数学模型研究与就用正处于第五代模型的形式阶段，模型可表示为：计算水动力学+人工智能。第五代数学模型已属于信息化模型，即数学模型只有在信息与系统中才能较充分发挥它的作用。
　　2、地表水水质模型的研究进展
　　2.1综合生态模型
　　2.1.1生态模型的发展
　　关于水环境污染物对生态系统的效应评价研究,可以通过对水生生物进行实际的采样调查,分析生物群落结构和功能的变化,确定生态系统受影响的程度。另外,应用生态模型方法预测水体中污染物对生态系统的影响,是一种科学、有效的途径,也是目前环境科学研究发展的方向。关于水体中污染物的生态模型研究,目前有两种趋势:一是研究的焦点放在生物上,主要集中在污染物的生物积累和对种群的影响方面,建立生物种群动态模型。另一种是研究的焦点主要放在化学污染物方面,试图通过对污染物的研究,与生态效应建立某种联系,从而预测水体中污染物的生态风险性。这种方法的发展是目前学术界研究的热点,也是一个富有挑战性的课题。生态模型是一种真实生态系统的简化,这种简化决定于生态系统的特征和主要的环境问题,建立的生态模型可用来发展可靠的环境管理战略,通过环境管理以达到保护和改善生态系统的状况。过去,主要通过环境技术和立法控制污染物的排放,来达到保护生态系统。今天,由于环境问题的复杂性,如非点源的污染等,不可能通过传统的环境技术来解决,必须应用生态规划(Ecologicalplanning)或生态工程(Ecologicalengineering)技术来解决。一个应用于环境管理的生态模型是相当复杂的。随着水质模型以及60年代末富营养化模型的发展,生态模型作为环境管理的一种工具得到广泛的应用与发展。80年代初Holland等人开始了生态毒理动力学模型研究,它研究环境污染物对生物种群、群落和生态系统的影响。之后,生态毒理模型得到了进一步发展。目前,为了解决复杂的环境问题,又发展了多介质环境综合生态模型。一个综合性的生态模型,不仅要描述生物过程,还要描述水的转移现象及其水质要素的变化。最近10年,生态模型从以生态学为基础的数学实践,发展成以数学和计算机科学为有用工具的生态学实践,并在建模理论和环境管理方面已得到广泛应用和进一步发展。
　　2.1.2多介质环境综合生态模型
　　进入环境中的污染物,在气、水、土和生物等环境介质中进行迁移和转化。污染物对环境的影响与各环境单元中的浓度水平和停留时间密切相关,为了评价污染物的潜在环境影响和生态危害性,要求发展多介质综合生态模型。多介质环境是指大气、水体、土壤、生物等组成的总环境体系,其中水体是核心。[1]多介质环境数学模型可将各种不同的环境单元内部的污染物变化过程与导致污染物跨过介质边界的过程相联系,构成一个能描述在多介质环境中污染物转化和介质间物质迁移的表达式。由于还没有对污染物在各种介质之间的迁移过程有更充分的认识,现有的多介质环境模型在处理实际问题时不得不对污染物在介质间的迁移过程作近似假设,许多参数的随机性给模型预测结果带来不确定性。所以,这类模型还只能给出一种趋势预测,而不是状态的精确预报。
　　2.2模型不确定性的研究
　　由于环境的水文条件具有很大的随机性,这就导致了水环境数学模型输出的不确定性。为了提高模型的精确度和结果的可靠性,有必要对模型不确定性进行研究。Andrewsk.Takyi分析了模拟-优化模型中不确定性的来源有:[5](1)污染物的排放量和河流背景值的随机性;(2)估计模型参数所需的河流和水质资料的不充分;(3)对污染物传输过程和水质管理系统的简化缺乏充分的认识。他还为水质管理建立了多重实现(MultipleRealization)模型,该模型在单个优化模拟中同时融入几条可能的河流和背景污染排放量或实现值。这一技术在水质管理的经济性和可靠性之间产生一条权衡曲线。为了产生权衡关系,在单个优化模型中同时融入几种可能的设计条件背景值。这一模型既简单,且和那些传统的随机模型相比,能为复杂的和随机的水质管理系统提供更切实际的描述。此外,该模型通常能比传统的模拟—优化模型产生更有效的费用—可靠性关系曲线。MichaelD.Sohnetal.为了估计和减小地下水流量的不确定性和预测污染物化学转移的不确定性,开发了贝叶斯•蒙特卡罗(BayesMonteCarloMethods)不确定性分析方法。该方法采用工程推断来估计和用现场观测数据来更新污染源的特征参数、化学转移参数,以及假定的水文结构中的不确定性。AlaaH.Aly.etal.在不确定性情况下,运用神经网络和遗传算法(GA)来优化地下水去污系统的设计。这一方法包括:(1)用遗传算法来找到全局最优解答;(2)并入神经网络来模拟遗传算法内的反应表面(responsesurface)。这一方法在实际样本和不同优化背景下的应用表明,它需要较少的水力传导实现(hydraulicconductivityyrealizations),并且可在可靠性和处理设施能力之间产生一条权衡曲线。
　　2.3与人工神经网络(ANNs)相结合
　　人工神经网络(ArtificialNeuralNetworks)就是模仿人脑的工作方式而设计的一种计算方法,它可用电子或光电元件实现,也可用软件在常规计算机上仿真;或者说人工神经网络是一种具有大量连接的并行分布式处理器,它具有通过学习获取知识并解决问题的能力,且知识是分布存储在连接权(对应于生物神经元的突触)中,而不是像常规计算机那样按地址存在特定的存储单元中。随着ANNs的不断发展和完善,在环境工作科学者们的努力之下,相信ANNs在水质模型方面的应用将会更深入、更全面、更系统,ANNs在水环境科学中的应用仍将是今后相当长时间内的热点之一。
　　2.4水质模型与地理信息系统(GIS)相结合
　　地理信息系统(Geographicalinformationsystem)以具有地理位置的空间数据为研究对象,以空间数据库为核心,采用空间分析和建模的方法,适时提供多种空间的和动态的资源与环境信息。它涉及人工智能、环境工程、规划理论、地学、数学等多种学科和专业。地理信息是有关地理实体的性质、特征和运动状态的表征,它是对表征地理特征与地理现象之间的地理数据的解释。而地理数据包括空间位置、属性特征及时域特征三部分。空间位置数据描述地物所在位置;属性数据是属于一定地物,且描述其特征的定性或定量指标;时域特征是指地理数据采集或地理现象发生的时段/时刻(在水污染控制规划中,如:污染源相关指标、断面监测指标、突发事件等发生的时间等)。空间位置、属性及时间是地理空间分析的三个基本要素,GIS的概念描述一般都包含这三层意思。
　　数学模型擅长于数值计算,但在数据管理和维护、模拟结果表现及空间分析上能力有限,为了提高水质模型的预测、模拟能力及易用性,出现了水质模型与地理信息系统(GIS)技术集成的趋势。
　　由于地理信息系统(GIS)技术具有集水区空间特征分析,因此,A.Goonetillekeetal.[6]认为它在城市水文中有相当大的作用。因为集水区的时空特征数据库的可获得性能够消除由于采用假设简化而引起的研究质量的减弱,这也从另一方面说明在城市集水区,土地用途的准确的时空解释的重要性。由于地理信息系统(GIS)的空间特性对水质管理者很有帮助,WilliamDixonetal.在优化选取河网取样点时,首先就用地理信息系统(GIS)和成形理论以矩阵形式形成河网的数学描述。随着计算机在大规模数据处理方面能力的提高,地理信息系统(GIS)一定会在水环境科学中取得越来越多的应用,水质模型和地理信息系统(GIS)的结合仍将是今后的研究重点之一。
　　2.5模糊数学在水环境数学模型中的应用
　　如前文所述,水文环境条件有很大的随机性,要定量分析相关关系有很大的困难,此外,水质的变化是连续的,而我们的水质标准中的污染物浓度的表示却是不连续的。为了解决这一矛盾,很有必要应用模糊数学中的相关概念。当然,如何合理地把水质模型和模糊数学相结合,还有待于环境科学工作者与计算数学工作者们进一步的研究。
　　
　　
　　【参考文献】
　　[1].何孟常，杨居荣。水质模型、生态模型及计算机模型软件。环境科学进展。1996.6.7(3)：62-69
　　[2]叶常明。水环境数学模型的研究进展。环境科学进展。1993.1(1)：74-80
　　[3].张运生，曹志远，李硕。农业非点源污染水质模型进展。水资源研究2003.3
　　[4].王泽良，陶建华。海湾水质模型的信息化研究。海洋通报1999.8.18(4)：55-63
　　[5].郭劲松，李胜海，龙腾锐。水质模型及其应用进展。重庆建筑大学学报。2002.4.24(2)：109-115
　　[6].贾海峰，程声通，杜文涛。GIS与地表水水质模型WASP5的集成。清华大学学报。2001.41(8)：125-128

《地表水水质模型研究进展综述》

本文由职称驿站首发，您身边的高端学术顾问

文章名称： 地表水水质模型研究进展综述

文章地址： https://m.zhichengyz.com/p-17609