环境科学研究  2018, Vol. 31 Issue (2): 283-294  DOI: 10.13198/j.issn.1001-6929.2017.03.79

引用本文  

刘晓, 刘海涵, 王丽婧, 等. 三峡库区EFDC模型集成与应用[J]. 环境科学研究, 2018, 31(2): 283-294.
LIU Xiao, LIU Haihan, WANG Lijing, et al. The EFDC Model Integration and Application in the Three Gorges Reservoir[J]. Research of Environmental Sciences, 2018, 31(2): 283-294.

基金项目

国家水体污染控制与治理科技重大专项(No.2012ZX07503-002);2017年重庆市社会事业与民生保障科技创新专项(No.cstc2017shmsA20002)
Major Special Science and Technology Program for Water Pollution Control and Treatment (No.2012ZX07503-002); Chongqing Special Science and Technolog Innovation Program of Social Undertakings and the Protection of People′s Livelihood of 2017, China(No.cstc2017shmsA20002)

责任作者

作者简介

刘晓(1981-), 女, 重庆人, 高级工程师, 硕士, 主要从事环境管理、水污染防治、环境信息化建设与应用研究, hotel186@126.com

文章历史

收稿日期:2017-06-26
修订日期:2017-11-13
三峡库区EFDC模型集成与应用
刘晓1 , 刘海涵1 , 王丽婧2 , 乔飞2 , 秦延文2 , 李虹2 , 李小宝3     
1. 重庆市环境保护信息中心, 重庆 401147;
2. 中国环境科学研究院, 国家环境保护饮用水水源地保护重点实验室, 北京 100012;
3. 环境保护部华南环境科学研究所, 广东 广州 510535
摘要:为满足三峡库区大尺度的水质预测需求,降低专业水质模型使用门槛,实现模型业务化运行,采用涵盖"模型封装-接口服务-系统集成"全过程的模型封装集成技术方法,开展了EFDC模型集成研究,并在三峡库区水质安全评估与预警系统中进行验证和应用.结果表明:①基于实例化模型建立的模型预置参数库,是模型业务化运行中参数简化的前提,可有效解决模型本地驯化及模型实例的基础数据复用问题;②依据参数识别结果,将模型参数识别为"必调参数、可调参数、默认参数"三类,并采用B/S架构对输入文件、输出文件和主控文件中的不同参数进行分类封装,达到参数简化目的;③采用半紧密型方式建立的基于Web services的EFDC模型集成接口服务及标准,可为信息系统提供通用的EFDC模型计算服务;④该方法在EFDC模型与三峡库区水质安全评估与预警系统集成中得到验证,实现了全库区干流及主要支流CODCr、总磷、总氮等污染因子的长时间序列水动力水质预测联机在线运算,满足了用户在水质影响预测预警中低修改量、高运算效率和良好用户体验等需求,实现了模型的业务化运行.
关键词三峡库区    EFDC    模型集成    水质预测    
The EFDC Model Integration and Application in the Three Gorges Reservoir
LIU Xiao1 , LIU Haihan1 , WANG Lijing2 , QIAO Fei2 , QIN Yanwen2 , LI Hong2 , LI Xiaobao3     
1. Chongqing Environmental Protection Information Center, Chongqing 401147, China;
2. State Environmental Protection Key Laboratory of Drinking Water Source Protection, Chinese Research Academy of Environmental Sciences, Beijing 100012, China;
3. South China Institute of Environmental Sciences, MEP, Guangzhou 510535, China
Abstract: In order to meet the needs of large-scale water quality prediction in the Three Gorges Reservoir (TGR) area, it is important to lower the threshold of professional water quality model and realize the business operation of the model. A model encapsulation integration technique, which covers the whole process of'model encapsulation-interface service-system integration' was used to study the integration of EFDC model, and has been tested and applied in Water Quality Safety Assessment and Early Warning System for the TGR Area. The results showed that:1) The preset parameter database based on the instantiation model were the precondition for reducing parameters to facilitate the business operation of the mode. Tt could solve the calibration problem for a certain area, and made it easy to reuse some essential data when necessary. 2) According to parameter identification results, the model parameters were firstly divided into three classes:namely the imperatively-adjusted-parameter, the adjustable-parameter and the default-parameter. Using B/S architecture, the input files, output files and master files with classified parameters were also encapsulated to achieve parameter simplification. 3) The interface services and interface standard of model integration of Environmental Fluid Dynamics (EFDC), set up by Web services with half-compact type, provided the united service of EFDC to information systems. 4) The method has been verified by Water Quality Safety Assessment and Early Warning System for the TGR Area. The on-line calculation and water quality prediction with long time series for the pollutants of CODCr, total phosphorus, total nitrogen was realized in the main stream and some tributaries of the TGR. It meets the demand of low modification, high computing efficiency and good user experience in the water quality forecast and warning, and t realized the business operation of the model.
Keywords: the Three Gorges Reservoir area    Environmental Fluid Dynamics (EFDC)    model integration    water quality prediction    

自1925年Streeter和Phelps提出BOD-DO水质模型以来,水质数学模型的基础研究和应用研究都取得了很大的发展.尤其是20世纪70年代以来,通过数学模型建立的水质控制方程能够更为细致地描述污染物在水体中的输移和转化,如流行的WASP模型[1-5]、QUAL模型[6]、QUASAR模型[7]、MIKE模型[8]和EFDC模型[9].其中,EFDC模型是由美国环境保护局资助,美国弗吉尼亚州海洋研究所Hamrick开发,集水动力模块、泥沙模块、污染物运移模块和水质模块为一体的模型,可用于包括湖泊、水库、海湾、湿地河口[10-14]和近岸海域一维、二维和三维数值模拟[15-16].随着各种商业化前后处理软件的引进及从业人员计算机水平的不断提高,EFDC模型在国内被逐渐应用于长江[17-18]、黄河[19]、珠江口[20]、深圳湾[21]、太湖[22-23]、滇池[24]、二滩水库[25]等多个区域的水流、泥沙及水质研究课题.

水质模型是一种数学模型,其在数值模拟和计算上具有优势,但在数据管理和维护、模拟结果表现和空间分析能力上有限.为了提高水质模型的预测、模拟能力和易用性,逐渐出现了将水质模型与信息系统集成的研究趋势.研究人员[26]将环境模型与GIS集成方式分为独立应用、松散耦合、紧密耦合和完全集成4类,紧密耦合要求达到无人工干预下的模型与GIS的双向数据自动存取,完全集成则要求模型完全集成在GIS系统中成为一个子模块,不仅提高水质模型的应用效率,也充分发挥了GIS空间分析的功能. GIS与水质模型集成在厦门海域水质管理[27]、上海市苏州河水质模拟[28]、江苏省水环境容量管理[29]等案例中均得以实现和运用. EFDC模型由于其功能强大、源代码开放等特点,近年来在水质模型集成研究中受到广泛关注.其中,贾鹏等[30]研究了EFDC模型在水环境管理信息系统中的集成开发,指出EFDC模型集成到水环境管理信息系统的关键在于如何构建适合信息系统流通的数据流,并将EFDC主控文件数据结构进行优化,以便于在Web应用程序中能够实现再利用和转换.贾海峰等[31]探讨了环境决策支持系统(EDSS)中复杂模型的应用与集成,以密云水库为案例建立了基于EFDC、WASP的密云水库水动力-水质耦合模型运算服务,针对决策管理需求简化模型参数,实现了长时间序列的连续模拟和水环境管理的情景分析.

然而,以EFDC为代表的水质模型与信息系统的集成虽已在国内外开展了大量探索,但仍存在诸多瓶颈:①从模型实地应用角度而言,模型本地驯化复杂.不同河流有各自的河流网格及边界条件,河流污染的扩散模型需要针对性的定制、研发和率定、调试驯化后才能满足特定河流的模拟要求[32]. ②从推广应用来说,模型使用门槛高.模型涉及数据面广量大,数据不能短时间内收集,而且模型参数多、设置复杂,模型检验和参数灵敏度分析工作量大[33],参数调试率定的过程不易被管理者掌握,推广程度不够. ③从软件集成角度来看,系统与模型耦合度低.系统与模型数据结构不同,异构数据同步效率不高[34],数据交换困难;模型接口不统一,系统与模型、模型与模型间通讯、集成困难;系统与模型的有机组合需专业软件开发人员和模型专家紧密合作,相互学习并厘清平台系统的数据结构、模型参数的交互格式和调用方式、掌握且能够重新编辑源代码等难度较高[33]. ④从决策时效性而言,模型演算耗时长.特别是大尺度长河段多网格的计算,模型计算与GIS可视化表达耗时长,不能满足决策管理需要,并且大多无法实现模型的联机在线运算,需要人工干预实现模型与系统间的数据交互;同时还需要解决模拟精度与效率矛盾等技术瓶颈. ⑤从运行环境来说,计算资源要求高.随着模拟对象精细化程度提高、长短期预测需求的转换与多变、计算时空尺度拓宽,对计算资源要求越来越高,一般管理机构难以承受软硬件购置及维护费用.另外伴随管理决策对实时性、多方案情景分析要求的提高,传统计算模式难以适应多用户同步在线和多方案同步快速模拟与对比分析.

综上,如何降低模型使用门槛,提高计算效率,实现专业模型软件的业务化运行,既强化水质管理信息系统的预测和模拟能力,同时又能提高模型的普适性,方便一般技术人员、管理人员和决策者使用,对于EFDC模型与水质管理信息管理系统的集成十分关键. “十二五”期间,在国家水体污染控制与治理科技重大专项支持下,笔者所属课题组启动了“三峡库区流域水质安全评估与预警示范系统”研发工作.该研究拟在该信息系统平台下,针对已构建的三峡库区EFDC水动力水质累积性预测模型进行封装和集成,形成一套覆盖“模型封装-接口服务-系统集成”全过程的模型封装集成技术方法,并集成在该示范平台中,实现模型的业务化运行,实现方便、高效的水质预测预报,为三峡库区水环境安全保障提供切实的辅助决策支持,为相关研究提供方法参考.

1 研究区概况

三峡库区是长江流域的重要生态屏障和全国水资源战略储备库,是我国的特大型水库.三峡库区地处四川盆地与长江中下游平原的结合部,跨越鄂中山区峡谷及川东岭谷地带,属湿润亚热带季风气候,三峡水库长江段自重庆江津市至宜昌三斗坪库区全长660 km以上,库区范围包括重庆市、湖北省共26个区县,总面积约7.9×104 km2,水库面积1 084 km2,三峡水库175 m高水位运行时,总库容约为393×108 m3.三峡库区重庆段长约560 km,占库区总库容的80%以上.重庆境内流域面积超过500 km2的次支河流39条,除城口县任河汇入汉江,酉阳县、秀山县酉水汇入洞庭湖水系外,绝大部分汇入三峡库区.入库多年平均径流量2 692×108 m3,出库多年平均径流量4 292×108 m3,79%的年径流量集中在汛期(5—10月).截至2016年底,三峡库区重庆境内有超过8×104家工业污染源,重点工业企业建成水治理设施约1 900套,60个市级工业园区54个污水集中处理设施;城市污水处理厂61座,乡镇污水处理设施1 237座;规模化畜禽养殖场5 000余个.

2 原理与方法 2.1 模型集成总体框架

按照模型封装、模型接口服务、系统集成的步骤实现水质管理信息系统中对EFDC模型的集成,模型集成总体技术框架如图 1所示.

图 1 EFDC模型集成总体框架 Fig.1 The integration framework of EFDC model

a) 模型封装:基于EFDC源代码,对模型的各个模块进行封装,主要包括对EFDC输入文件、输出文件封装及对主控文件封装和改造,实现对模型文件的可控性.

b) 模型接口服务:为实现模型封装文件对外提供计算,需对相应模型调用功能提供接口服务,针对三峡库区水质安全评估与预警系统实际模型使用需求,模型接口服务包括情景设置、模型选择、模型条件设置、模型参数设置、模型计算启动、结果调用等6类服务.

c) 系统集成:通过集成实现在信息系统中对模型数据的前后处理,并调用模型接口服务,向模型传递输入参数、启动计算并提取计算结果存入模型数据库.集成后,模型数据库成为信息系统的核心数据库,与基础空间数据(如河道地形)、专题空间数据(如排污口位置、污染源位置、监测断面、饮用水源地位置)及专题数据(如污染排放、水质监测、敏感受体监测、社会经济等)整合,实现基于GIS的模型算例可视化表达.

2.2 参数识别及简化

专业模型参数多,设置复杂,参数设置调优耗时长,无法满足水环境管理人员日常管理工作需要.如何简化模型参数是模型与管理信息系统集成的基础,是专业水质模型业务化运行的关键. EFDC模型所需参数主要包括河流网格、边界条件、河底坡降、糙率系数、入河污染浓度、污染源入河量及浓度、预测时间、输出参数设置等.综合考虑参数调整对预测结果的影响大小及用户调整参数的频次,将模型参数划分为必调参数、可调参数、默认参数3类.

a) 必调参数:用户新建算例时必需设定的参数,包括算例的模拟起止时间、排污口流量及污染物浓度的时间序列.

b) 可调参数:可以根据情况调整的参数,包括河流的河网、河底坡降、糙率系数、入库流量、出库水位、污染物降解系数等.由于在一定时期内,未发生重大地理、地貌、气象变化情况下,河流的河网、河底坡降、糙率系数等变化不大,仅与预测河段位置有关.入库流量及水文条件与水期有关,出库水位与水期及三峡水库调度方式有关,污染物降解系数与污染因子有关.一旦构建一套成熟的本地化模型实例,这类参数便与各类条件建立对应关系,通过模型实例解析,将不同条件下的参数预置入库,作为模型计算的初始值供模型调用,用户可视情况直接调用或修改.

c) 默认参数:除以上两类参数外,对预测地水质不敏感的参数,如风速、风向、温度参数等,在成熟实例中已经做好率定调试,在模型集成时只需直接调用即可.

在基础数据较为简单、时间紧迫时,参数设置简化为必调参数;在数据充足详实条件下,参数简化为必调参数与可调参数.如此,在模型集成应用时,既能满足水环境管理用户快速预测需求,又能满足个案条件下的详实模拟需求.

2.3 模型分类封装技术

EFDC模型代码采用结构化语言Fortran编写,文件流包括输入文件、主控文件和输出文件3部分.按照模型集成总体框架,将C/S架构下的开源EFDC模型封装为B/S架构,实现对输入文件、主控文件和输出文件的读取和封装.具体如下:

a) 输入文件封装.输入文件包括空间地形数据文件、时间序列数据文件、模型参数数据文件.在封装输入参数文件时,针对参数类型提供不同封装策略.必调参数需实现设置、复用、修改功能;可调参数需在实例参数解析入库的前提下,满足对参数预置库的调用及修改;默认参数只需固化调用即可,无需修改.在水质管理信息系统中,模型启动参数类型、设置目的及调用文件见表 1.

表 1 EFDC模型封装中用到的调用文件 Table 1 Call files used during the EFDC model integration

b) 主控文件封装.主控文件主要包括对模型某些功能激活与否、数据规模、开边界位置、模型结果中选择输出变量、数据结果输出频率、模拟时间范围等参数的设定.对模型主控文件封装需要对主程序EFDC.inp的主控文件进行优化,反馈计算结果标识.按照不同河流网格类型、计算指标类型分别调用模型主控文件,使用多线程技术实现不同类型模型运行文件的独立调用,并行运行,互不影响.

c) 输出文件解析入库.输出文件主要是用于存储时空维度下输出变量的计算结果值及相关中间变量结果值.模型模拟结束后将生成EE.OUT(包含水深参数)、EE_VEL.OUT(包含三维流场)、EE_WS.OUT(水体结果和泥沙河床的表层信息,含有一级降解水质结果)3个结果文件,通过解析模型输出结果文件,提取结果数据,存入SQL数据库.

2.4 模型调用接口服务

通过建立模型接口服务,建立EFDC模型调用规范,满足不同信息系统对模型的调用,从而解决模型不开放、重复性不高的问题.按照接口集成整体设计框架,采用Web Service技术,实现与前端界面对模型的调用,主要包括对情景设置、模型选择、模型条件设置、模型参数设置、模型计算启动、模型成果调用等6类服务,具体技术指标见表 2.将整个模拟过程拆分成多个部分,每部分独立开发成一个步骤(即接口),只需调用对应步骤接口,即可完成对应部分工作.

表 2 EFDC模型调用接口服务规范及方法 Table 2 The interface service specification and method in the calling of EFDC model
3 三峡库区案例 3.1 系统与模型集成

三峡水库河段长、水量大、支流多,三峡大坝水库调度方式对水库水位影响较大,支流河口段顶托作用明显,库区水质管理要求在水质管理信息系统中能够便捷地设置模型参数,快速预测出库区干流及主要支流的大尺度水质变化趋势.为此,需要建立一套全库区干流及主要支流的水质水动力模型实例.其次,将模型实例本地化,一方面采用建库前DEM提取,得到河道水下地形高程数据,并将模型划分的河流网格与信息系统图层转换叠加,实现空间数据本地化,满足污染事件空间定位及模型计算的要求,另一方面,还应将模型实例中的参数抽提解析,形成不同条件下的参数预置库,通过预置参数实现参数简化,从而解决污染事件发生时的基础数据收集困难、模型本地训化复杂及参数设定耗时长的问题.为提高计算效率,模型上游河道采用一维网格,下游库区采用二维网格,全库区网格总数为2 000余个,预设54个输入边界(含支流和排口),作为污染物入河概化点,并利用2010年数据进行模型参数校准,确保模拟准度.为将此模型耦合集成在三峡库区流域水质安全评估与预警系统中,该研究按照2.1~2.4节所述原理方法,采用java语言对EFDC模型进行二次开发和封装集成,利用SQL Server 2008建立模型数据库,并向三峡库区流域水质安全评估与预警系统提供模型调用接口服务.在构建的三峡库区流域水质安全评估与预警系统中,基于EFDC模型集成,结合GIS技术及.net技术,该研究成果在水质风险预测预警功能模块中得到应用,实现了模型的前后处理、参数设置及预测结果管理,系统界面如图 2所示.该系统采用图形报表、图标图例、数据表格、时间轴动画方式表达网格水位、流量、污染浓度值等模型计算数据结果;并结合地表水监测、各类涉水污染源(如工业企业、污水处理厂等)、风险源、饮用水源地等空间数据叠加,提供在重大项目或园区落地、新增污水处理厂或改扩建及提标改造前后、垃圾处理工程实施前后、工业企业减排前后、小流域整治、上游来水情况等各类情景条件下,流域内污染物入河量变化引起的累积风险对水环境影响的模拟.

图 2 三峡库区流域水质安全评估与预警系统界面 Fig.2 Water quality safety assessment and early warning system in the TGR
3.1.1 模型前处理

该系统中通过友好系统界面实现模型的前处理功能,包括情景设置、模型选择、模型条件设置等,通过这些界面化的功能,实现不同条件下预置参数库的配置,系统后台自动转化为满足EFDC模型计算所需格式的数据.

a) 情景设置.在三峡库区流域水质安全评估与预警系统中,信息系统集成中应实现的情景设置功能包括:①情景类型选择.结合国家“水十条”、重庆“水十条”等水污染防治管理需求,围绕水污染防治措施等管理行为带来的水环境质量影响,该系统设置了企业减排、流域整治、污水处理、垃圾处理、环境准入、来水影响、自定义等多种业务情景.每种情景针对不同的业务场景进行设置,核心参数可自动转换为模型计算所需的计量单位及文件格式. ②算例行为操作.确定新增算例、修改算例及删除算例的算例行为.情景设置流程见图 3.

图 3 情景设置流程 Fig.3 The flow chart in scenario setting

b) 模型选择.选择模型类型,分为水动力、水质模型.

c) 模型条件设置. ①网格类型,包括主城区段、澎溪河段、三峡全库区. ②确定或修改算例名称. ③设置或查看GIS概化点(即确定污染物的入河位置). ④确定水库调度方式:蓄水期、泄水期、高位运行期、低位运行期. ⑤确定预测污染因子:CODCr、总磷、总氮.

3.1.2 模型参数设置

系统模型参数设置功能会将参数设置结果传递给模型接口服务,经模型接口服务转换为模型可识别的文件格式传递给模型.按照2.2节参数分类原则,案例研究中亦设置核心参数、非核心参数、一般参数调用3类.

模型核心参数设置:包括废水排放量时间序列、污染物浓度时间序列、预测时间段等.

非核心参数设置修改:设置非核心参数,实现不同江段、不同水期、不同调度方式、不同污染物的非核心参数调用,用户可以使用这类预置参数作为初始值直接计算,可根据实际情况对该类参数进行设置和修改,以取得更准确的预测结果.

一般参数:无需设置,直接使用已构建模型的参数值参与计算.

3.1.3 模型后处理

将模型计算结果在GIS系统中实现预测结果表达.依据GB 3838—2002《地表水环境质量标准》,对模型预测的污染物浓度值按水质类别进行渲染,通过数值计算,表达污染带运移和扩散的过程,得到库区全流域内污染物长时间序列的时空动态演变趋势及各网格浓度时间变化趋势.基于库区基础数据资源建设,叠加下游敏感受体图层,统计出污染带通过敏感受体时的污染物浓度和变化过程,并由浓度变化曲线,直观表达上游累计性风险对下游敏感受体的持续时间、影响程度.此外,通过两套相同情景下的不同模型结果比较,得到不同预测条件下污染物的演变趋势,便于水环境管理者比较不同污染物管控措施对环境的影响,辅助决策者科学有效控制污染,改善环境质量.

3.1.4 预测算例管理

预测算例管理包括每一套算例的情景设置、模型类型、模型条件设置、参数设置及预测结果导入、查看、演示、删除等功能,并实现对算例预测结果的调用、渲染、算例参数导入复用及参数调优,以及两套算例预测结果的比较等功能,功能界面如图 4所示.

图 4 预测算例管理功能界面 Fig.4 The system interface of prediction example manegment
3.2 案例举例

按照重庆市水污染防治管理工作部署,针对不达标水体规划了配套的污染源管控措施.其中,企业减排工程即为一项针对工业污染源的管控治理举措.据此,在三峡库区流域水质安全评估与预警系统中,以企业减排情景为例,使用模型封装、接口调用服务及集成技术,实现对某化工企业减排前后水质变化影响的模拟及可视化表达.以朱沱、北碚、锣鹰断面分别代表长江、嘉陵江及乌江的入边界条件.上游入边界、下游出边界及各支流入库流量及浓度直接调用参数预置库数据,未作修改.该案例仅对该化工企业减排前后废水排放量和排放浓度做相应设置.该企业减排工程位置见图 5中标注位置.

注:预测时间为2017年5月1日. 图 5 某企业实施减排工程前后库区ρ(CODCr)预测模拟效果 Fig.5 Changes in CODCr in the TGR after the implementation of an enterprise emission reduction projects
3.3 案例结果展示

经过在线联机计算,生成预测结果并在三峡库区流域水质安全评估与预警系统中进行展示.经过GIS渲染,依据GB 3838—2002,对模型预测的污染物浓度值按水质类别进行渲染,通过数值计算,表达污染带运移和扩散的过程,得到库区全流域内污染物长时间序列的时空动态演变趋势及各网格浓度时间变化趋势,并对预测结果进行浓度渲染和超标预警.基于库区基础数据资源建设,叠加下游敏感受体图层,统计出污染带通过敏感受体时的污染物浓度和变化过程,并由浓度变化曲线,直观表达上游累计性风险对下游敏感受体的持续时间、影响程度.具体展示结果如图 5所示.可以看出,污染物浓度沿着河流方向,逐渐向下游扩散,同时各支流存在污染回灌影响.此外,通过企业减排工程实施前后污染物排放量设置,得到企业减排前后污染物的演变趋势,并将两套计算结果在系统中进行比对,比对方式包括一定预测时间点长江干流沿程水质变化影响及河网任意网格ρ(CODCr)的时间变化情况比较,如图 67所示.可得出,企业执行减排计划后,污染物大幅削减,对下游水质改善效果显著.多情景预测结果对比更能科学地得出不同污染物管控措施对环境的影响,评估环境风险,辅助决策者科学有效控制污染,改善环境质量.经验证,在EFDC模型封装集成技术方法下,EFDC模型算例能够很好地集成在三峡库区水环境风险评估与预警系统中,并便捷地实现业务化应用场景的模拟分析.

注:预测时间2017年5月1日. 图 6 某企业减排前后长江干流ρ(CODCr)变化对比功能示意 Fig.6 System function diagram of the changes in CODCr in the Yangtze River after the implementation of an enterprise emission reduction projects

图 7 某企业减排前后清溪场断面CODCr预测浓度变化对比功能示意 Fig.7 System function diagram of the changes in CODCr in the Qingxichang section after the implementation of an enterprise emission reduction projects
3.4 讨论 3.4.1 模型集成中预置实例化模型的重要性

不同河流有特定的河流网格及边界条件、地形、水文情势,水质模型往往需要针对特定流域定制研发、率定调试、驯化验证后才能满足结果准确性要求校核,模型率定工作复杂.即便率定完美的模型,也只能针对特定河流及河段预测.特别像三峡库区这样的特大型水库型河流,很难满足管理人员全流域范围内量大面广快速调优、快速预测的需求,必须在集成前期预置实例化模型.案例研究中的实例化模型算例采用全库区一维+坝前二维模拟,该模型对于大尺度长时间预测累积性污染因子可靠性较高,但做小流域内的精确模拟,准确度有所降低;但总体上,预制的实例化模型有效保障了系统的集成和预测可靠性.

3.4.2 模型集成中的参数简化及分类封装策略

预测模型往往参数多,设置复杂,模型调试率定过程复杂,可操作性低,复用性不强,多为模型专家所用,难以被管理者复用,无法满足水环境管理人员日常管理工作需要.该研究依据参数调整对预测结果的影响大小及用户调整参数的频次开展参数识别,结合三峡库区水动力水质模型实例的解析,建立了按照“必调参数、可调参数、默认参数”分类封装策略.遵循此策略,建立案例区不同河段、不同水期、不同水库调度方式下的3套预置模型参数库,并实现了模型的参数简化.通过参数简化,将原来20多类参数简化为模拟起止时间,排污口处的流量、浓度的时间序列3类参数,从而降低参数设置门槛,提高参数设置效率.

3.4.3 模型集成中的接口服务技术

由于系统与模型数据结构不同[32],系统与模型结合相当困难,开发量大,耗时长,需模型专家与软件开发人员紧密合作,相互渗透磨合,存在搞清理论原理、读懂大量模型源代码、重新编辑源代码等技术问题,同时虽然有不少预测模型研究,但大多较为封闭,很难被其他研究直接调用或复用.模型集成开发模式包括紧密式集成、半紧密式集成和松散式集成[15].紧密式集成系统运行效率高,能实现模型与系统地无缝衔接,但由于从底层开发改造,需要开发成本过高.松散式集成容易实现,但由于通过外部接口逐一调用,需要较多人为参与软件运行和控制软件间数据流向,因此效率低.半紧密式集成是保留各软件的核心模块不变,通过其他编程语言编制各核心模块之间的接口和统一的用户界面,将核心模型和信息系统串连起来,虽然运行效率比紧密式集成稍低,但保障了原有专业模型的正确性和可靠性,并且开发量相对不大.该研究中,笔者采用半紧密型方式建立了基于Web services的模型集成接口服务并形成接口规范,降低了模型调用难度,可为任意信息系统提供模型计算服务,并以三峡库区为案例区的流域水质安全评估与预警系统验证了该技术的可操作性和实用性,为实例化模型的推广和复用提供了一种解决方案.

3.4.4 模型集成中的业务情景化用户体验

针对三峡库区流域水质安全评估与预警系统中集成应用需求,围绕水污染防治管理业务需求,建立了流域污染管控的多种业务情景,将模型需要的核心参数以情景形式体现给管理用户,优化模型前、后处理功能,实现了全库区干流及主要支流CODCr、总磷、总氮等污染因子的长时间序列水动力水质预测联机在线运算,满足了用户低修改量、高运算效率、良好用户体验的累积性水质影响预测预警需求,为专业模型研究成果直接服务于水环境管理提供了一种解决思路.

4 结论

a) 预置实例化模型是模型简化及业务化运行的基础,基于实例化模型建立的模型预置参数库,可有效支撑研究区域内的模型参数简化,快速获取基础数据,提高模型调试效率.

b) 按照参数识别与分类封装方法可实现参数简化.将模型参数识别为“必调参数、可调参数、默认参数”3类,并以此采用B/S架构对不同类型的输入文件、输出文件和主控文件进行分类封装,实现参数简化,有效降低用户参数修改量,为模型与系统集成奠定基础.

c) 采用半紧密型方式建立的基于Web services的EFDC模型集成接口服务,并建立模型服务接口规范,可为信息系统提供通用EFDC的模型计算服务.

d) 运用“模型封装-接口服务-系统集成”全过程的模型封装集成技术方法,EFDC模型在三峡库区流域水质安全评估与预警系统中得到集成与验证,解析案例区模型实例,形成不同河段、不同水期、不同水库调度方式下的模型预置参数库,并系统结合管理需求以水污染管控情景体现参数简化,优化模型前、后处理功能,实现了全库区干流及主要支流CODCr、总磷、总氮等污染因子的长时间序列水动力水质预测联机在线运算,满足了用户在累积性水质影响预测预警中低修改量、高运算效率和良好用户体验等需求.

参考文献
[1]
TIM A W, ROBERT B, AMBROS, et al. Water quality analysis simulation program(WASP) version 6. 0 draft: user's manual[R]. Atlanta: US Environmental Protection Agency, MS Tetre Tech, 1983: 12-51. (0)
[2]
TIM A W, STEVER R D, YURI M P, et al. The development of a hydrodynamic and water quality model to support TMDL determinations and water quality management of a stratified shallow estuary:mobile bay, Alabama[J]. Proceedings of the Water Environment Federation, 2003(4): 378-392. (0)
[3]
JONHNSON J H, VIERS J H, KOZLOWICZ B, et al. Geographic information system support for total maximum daily load analysis of the mattole river watershed, Humboldt County, California[EB/OL]. California: the University of California, 2002[2002-02-01]. https://escholarship.org/uc/item/3rf4k1t0. (0)
[4]
Tetra Technologies Inc. Lake Michigan shoreline TMDL for E. coil bacteria modeling framework report[R]. Indianapolis: Water Resources and TMDL Center, 2004: 1-47. (0)
[5]
JAMES D G. Total maximum daily load (TMDL) development for fecal coliform in the Butler Creek watershed[R]. Alabama: Cullman County, 2003. (0)
[6]
US Army Engineer. CE-QUAL-R1: a numerical one-dimensional mo del of reservoir water quality: users manual[R]. Vicksburg: Waterways Experiment Station, 1995: 1-427. (0)
[7]
李云生, 刘伟江, 吴悦颖, 等. 美国水质模型研究进展综述[J]. 水利水电技术, 2006, 37(2): 68-73.
LI Yunsheng, LIU Weijiang, WU Yueying, et al. A review of progress in research on water quality models in America[J]. Water Resources and Hydropower Engineering, 2006, 37(2): 68-73. (0)
[8]
DHI Water & Environment. MIKE 11 a modeling system for rivers and channels user guide[R]. Australia: DHI Water & Environment, 2004. (0)
[9]
康利荥, 纪文娟, 徐景阳. 基于MIKE11与EFDC模型的突发性水污染事故预测模拟研究[J]. 环境保护科学, 2013, 39(2): 29-33.
KANG Liying, JI Wenjuan, XU Jingyang. Study on prediction and simulation of sudden water pollution accident based on MIKE11 and EFDC models[J]. Environmental Protection Science, 2013, 39(2): 29-33. (0)
[10]
JOHN M H, WILLAM B M. Analysis of water temperatures in Conowingo Pond as influenced by the Peach Bottom atomic power plant thermal discharge[J]. Environmental Science & Policy, 2000, 3: 197-209. (0)
[11]
KYEONG P, ALBERT Y K, JIAN Shen, et al. A three-dimensional hydrodynamic-eutrophication model (HEM-3D): description of water quality and sediment process submodels[R]. Gloucester Point VA: The Library of the Virginia Institute of Marine Science, 1995: 1-102. (0)
[12]
HAMRICK J M. EFDC1D-A one dimensional hydrodynamic and sediment transport model for river and stream networks: model theory and users guide[R]. Research Triangle Park, NC: National Exposure Research Laboratory, 2001: 1-94. (0)
[13]
ERIC P S, ASWANI V, SANDRA E S, et al. Analysis of oyster metrics in the Caloosahatchee Estuary, a report submitted to the South Florida water management district[R]. Blacksburg VA: South Florida Water Management District, 2011: 1-76. (0)
[14]
LAWRENCE A B. Exposure analysis modeling system (EXAMS): user manual and system documentation[R]. Athens, Georgia: U. S. Environmental Protection Agency, 2000: 1-107. (0)
[15]
JOHN M H. A three-dimensional environmental fluid dynamics computer code: theoretical and computational aspects[R]. Gloucester Point VA: the Library of the Virginia Institute of Marine Science, 1992: 1-63. (0)
[16]
王翠, 孙英兰, 张学庆. 基于EFDC模型的胶州湾三维潮流数值模拟[J]. 中国海洋大学学报, 2008, 38(5): 833-840.
WANG Cui, SUN Yinglan, ZHANG Xueqing. Numerical simulation of 3D tidal currents based on the EFDC model in Jiaozhou Bay[J]. Periodical of Ocean University of China, 2008, 38(5): 833-840. (0)
[17]
陈景秋, 赵万星, 季振刚. 重庆两江汇流水动力模型[J]. 水动力学研究与进展(A辑), 2005, 20(S1): 829-835.
CHEN Jingqiu, ZHAO Wanxing, JI Zhengang. The hydrodynamic numerical model of the confluence of Yangtze River and Jialing River in Chongqing[J]. Journal of Hydrodynamics(A), 2005, 20(S1): 829-835. (0)
[18]
谢瑞, 吴德安, 严以新, 等. EFDC模型在长江口及相邻海域三维水流模拟中的开发应用[J]. 水动力学研究与进展(A辑), 2010, 25(2): 165-174.
XIE Rui, WU Dean, YAN Yixin, et al. Application and improvement of the EFDC in numerical simulating of Yangtze River Estuary and adjacent sea[J]. Journal of Hydrodynamics(A), 2010, 25(2): 165-174. (0)
[19]
KONG Qingrong, JIANG Chunbo, QIN Junjie, et al. Sediment transportation and bed morphology reshaping in Yellow River Delta[J]. Science in China Series E:Technological Sciences, 2009, 52(11): 3382-3390. DOI:10.1007/s11431-009-0344-5 (0)
[20]
胡溪. 珠江口磨刀门水道咸潮入侵数值模拟研究[D]. 北京: 清华大学, 2010. http: //cdmd. cnki. com. cn/Article/CDMD-10003-1011280587. htm (0)
[21]
陶亚. 基于EFDC模型的深圳湾水环境模拟与预测研究[D]. 北京: 中央民族大学, 2010. http: //cdmd. cnki. com. cn/Article/CDMD-10052-2010260762. htm (0)
[22]
LI Yiping, TANG Chunyan, WANG Chao, et al. Assessing and modeling impacts of different inter-basin water transfer routes on Lake Taihu and the Yangtze River, China[J]. Ecological Engineering, 2013, 60(11): 399-413. (0)
[23]
李一平, 唐春燕, 余钟波, 等. 大型浅水湖泊水动力模型不确定性和敏感性分析[J]. 水科学进展, 2012, 23(2): 271-277.
LI Yiping, TANG Chunyan, YU Zhongbo, et al. Uncertainty and sensitivity analysis of large shallow lake hydrodynamic models[J]. Advances in Water Science, 2012, 23(2): 271-277. (0)
[24]
陈异晖. 基于EFDC模型的滇池水质模拟[J]. 云南环境科学, 2005, 24(4): 28-30.
CHEN Yihui. Water quality simulation of Dianchi Lake based on EFDC model[J]. Yunnan Environmental Science, 2005, 24(4): 28-30. (0)
[25]
甘衍军, 李兰, 武见, 等. 基于EFDC的二滩水库水温模拟及水温分层影响研究[J]. 长江流域资源与环境, 2013, 22(4): 476-485.
GAN Yanjun, LI Lan, WU Jian, et al. Water temperature modeling and influences of water temperature stratification of ERTAN reservoir based on EFDC[J]. Resources and Environment in the Yangtza Basin, 2013, 22(4): 476-485. (0)
[26]
贾海峰, 程声通, 杜文涛. GIS与地表水水质模型WASP5的集成[J]. 清华大学学报(自然科学版), 2001(8): 125-128.
JIA Haifeng, CHENG Shengtong, DU Wentao. Integration of GIS with the surface water quality model WASP5[J]. Journal of Tsinghua University(Science & Technology), 2001(8): 125-128. (0)
[27]
江毓武, 洪华生, 张珞平. 地理信息系统(GIS)在厦门海域水质模型中的应用[J]. 厦门大学学报(自然科学版), 1999, 38(1): 90-95.
JIANG Yuwu, HONG Huasheng, ZHANG Luoping. The application of geographic information system (GIS) in the marine water quality numerical model[J]. Journal of Xiamen University(Natural Science), 1999, 38(1): 90-95. (0)
[28]
马蔚纯, 张超. 基于GIS的水质数值模拟:以上海市苏州河为例[J]. 地理学报, 2005, 53(B12): 67-75.
MA Weichun, ZHANG Chao. Numerical simulation of water quality of Suzhou creek based on GIS:a case study of Suzhou River in Shanghai[J]. Acta Geographica Sinica, 2005, 53(B12): 67-75. (0)
[29]
张行南, 耿庆斋, 逄勇. 水质模型与地理信息系统的集成研究[J]. 水利学报, 2004, 35(1): 90-94.
ZHANG Xingnan, GENG Qingzhai, PANG Yong. Integration research of water quality model with GIS[J]. Journal of Hydraulic Engineering, 2004, 35(1): 90-94. (0)
[30]
贾鹏, 王庆改, 张帝, 等. EFDC模型在水环境管理信息系统集成开发过程中的关键技术研究[J]. 环境工程, 2015, 33(7): 131-134.
JIA Peng, WANG Qinggai, ZHANG Di, et al. Research on key technlogy in development of EFDC model based on water environmental management information system[J]. Environmental Engineering, 2015, 33(7): 131-134. (0)
[31]
贾海峰, 孔萌萌, 郭羽, 等. 水环境决策支持系统框架下的密云水库水质模型[J]. 清华大学学报(自然科学版), 2010, 50(9): 1383-1386.
JIA Haifeng, KONG Mengmeng, GUO Yu, et al. Water quality models for the Miyun reservoir in the EDSS framework[J]. Journal of Tsinghua University(Science & Technology), 2010, 50(9): 1383-1386. (0)
[32]
刘荣华, 魏加华, 翁燕章, 等. HydroMP:基于云计算的水动力学建模及计算服务平台[J]. 清华大学学报(自然科学版), 2014, 54(5): 575-583.
LIU Ronghua, WEI Jiahua, WENG Yanzhang, et al. HydroMP:a cloud computing based platform for hydraulic modeling and simulation service[J]. Journal of Tsinghua University(Science & Technology), 2014, 54(5): 575-583. (0)
[33]
李军, 张明华. WASP富营养化水质模型在GIS中的完全集成研究[J]. 长江流域资源与环境, 2012(S1): 93-98.
LI Jun, ZHANG Minghua. Complete integration of GIS with eutrophication model of WASP[J]. Resources and Environment in the Yangtza Basin, 2012(S1): 93-98. (0)
[34]
湛青青. WASP水质模型和GIS空间分析在水污染监测中的集成应用[J]. 科技资讯, 2015, 34(12): 12-14.
ZHAN Qingqing. WASP water quality model and GIS spatial analysis integrated application in water pollution monitoring[J]. Science & Technology Information, 2015, 34(12): 12-14. DOI:10.3969/j.issn.1672-3791.2015.12.009 (0)