一种基于马尔可夫链与龙伯格观测器的流域非点源污染关键源区识别方法与流程

摘要: 本发明属于流域水环境治理与污染控制,具体涉及一种基于马尔可夫链与龙伯格观测器的流域非点源污染关键源区识别方法。背景技术:1、非点源污染主要由土壤泥沙颗粒、氮磷等...
一种基于马尔可夫链与龙伯格观测器的流域非点源污染关键源区识别方法与流程

本发明属于流域水环境治理与污染控制,具体涉及一种基于马尔可夫链与龙伯格观测器的流域非点源污染关键源区识别方法。

背景技术:

1、非点源污染主要由土壤泥沙颗粒、氮磷等营养物质、农药及大气颗粒物等组成,通过地表径流、土壤侵蚀、农田排水等方式进入水、土壤或大气环境。与点源污染不同,非点源污染具有影响范围广、来源复杂、治理成本高的特点。因此,在全流域尺度上进行非点源污染控制往往成本极为高昂,治理效率低下。为提升治理效率,学术界和工程界普遍认为,应当实施“精细化管理”策略,即精准识别流域内非点源污染贡献最为严重的区域,这类区域被称为关键源区(critical source areas,csas)。关键源区通常定义为:流域内面积相对较小但污染物贡献率显著较高的区域。识别关键源区并将有限的治理资源优先投入这些区域,可大幅降低治理难度、提高治理成效。因此,关键源区识别是流域非点源污染治理的核心环节。目前,主流的关键源区识别方法主要分为三类:(1)输出系数法通过统计不同土地利用类型的污染输出系数来估算污染负荷,操作简便但难以反映污染物的空间迁移过程。污染指数法通过构建多因子指标体系评价污染风险,但在指标权重赋值上主观性较强。(2)模型模拟法(如swat、hspf、agnps等)通过构建水文水质模型,能够较为全面地模拟污染物的产生、迁移与转化过程,是目前流域非点源污染模拟的主要工具,也被广泛应用于关键源区识别。然而,现有模型模拟法在直接服务于关键源区识别这一具体任务时,仍存在以下不足:(1)缺乏对污染物时间存储效应的动态刻画:现有模型虽然能进行日尺度或月尺度模拟,但其输出结果通常关注各子流域或水文响应单元的年度或多年平均负荷,未系统地将子流域内部的污染物“存储-释放”动态作为可直接输出的状态变量,管理者难以据此分析污染物累积与滞后释放对下游水质的延迟影响。(2)缺乏上游对下游累积贡献的直接量化与排序功能:现有模型侧重于对流域出口断面总量过程的模拟,其输出结果通常按空间单元呈现,未直接提供各上游子流域对特定下游控制断面的累积贡献解析与排序功能,管理者难以快速从海量模拟结果中提取关键源区信息。(3)难以快速适配不同评估点:若需针对不同评估点或不同时间尺度反复解析源区贡献,往往需要大量重复计算或二次开发,难以实现便捷、动态的源区解析。

2、同时,基于马尔可夫链的空间污染贡献计算方法将流域中各子流域视为马尔可夫链中的状态,利用子流域间的拓扑关系构建状态转移矩阵,通过多步转移概率计算各子流域对下游断面的污染贡献。相比输出系数法和污染指数法,该方法能够定量描述污染物的空间迁移过程,且计算效率较高。然而,该方法存在一个根本性缺陷:仅考虑了污染物在空间尺度上的迁移,完全忽略了子流域对污染物的“存储-释放”时间效应。具体表现为:(1)未考虑污染物在子流域内部的累积、衰减及滞后释放过程,难以动态反映不同水文条件下污染源贡献的时序变化特征;(2)若忽略存储效应,从数据结果上看可能出现当月排出量大于当月输入量与新生量之和的情况,导致计算结果缺乏物理合理性。

技术实现思路

1、本发明的目的在于提供一种能够在现有模型模拟基础上,高效实现时空双尺度关键源区识别的方法,以提升非点源污染治理的精准性与效率。

2、为实现上述目的,本发明提供一种基于马尔可夫链与龙伯格观测器的流域非点源污染关键源区识别方法,包括以下步骤:

3、s1.构建流域拓扑关系矩阵;

4、步骤s1中,构建流域拓扑关系矩阵的具体步骤为:

5、s11.获取流域的数字高程模型数据,利用gis水文分析方法对所述流域进行空间离散化处理,将整个流域划分为n个子流域单元;

6、s12.提取地形坡向、汇流路径及河网结构,确定各子流域之间的水文连接关系,构建流域拓扑关系矩阵

,其中,

7、;

8、其中,。

9、s2.构建污染物转移矩阵;

10、步骤s2中,构建污染物转移矩阵的方法为:

11、s21.定义河道滞留系数r,所述河道滞留系数用于描述污染物在河道中由于沉降、吸附及生物作用过程造成的削减比例,滞留系数越大,表示污染物被削减越多;滞留系数越小,表示污染物更易传输至下游;

12、

13、其中,为子流域1的滞留系数,为子流域2的滞留系数,为子流域n的滞留系数;

14、s22.子流域

i的入口污染负荷为,子流域

i的出口污染负荷为,子流域i的滞留系数为:

15、

16、当时,取。

17、s23.将所述拓扑关系矩阵与所述滞留系数进行耦合,构建污染物转移矩阵,

18、,其中,表示污染物由子流域传输至子流域的概率。

19、s3.基于马尔可夫链计算污染贡献;

20、步骤s3中,基于马尔可夫链计算污染贡献的具体方法为:

21、s31.定义子流域状态集合,,表示子流域1的状态,表示子流域2的状态,表示子流域n的状态;

22、s32.定义所述流域初始污染物分布向量,其中表示子流域1的污染物产生量,经过一次转移后,污染物分布向量,经过k次转移后,污染物分布向量,其中,表示污染物经过k步在所述流域中的传播结果;

23、s33.引入评估点选择机制,所述评估点位于子流域k的出口断面,则定义贡献系数矩阵,,表示污染物从子流域i出发,经过多步传输后到达子流域j的累计贡献程度,则各个子流域对评估点的污染负荷贡献量可表示为

24、,其中为子流域i的污染物产生量;

25、s34.将各子流域按照贡献量从大到小排序,并计算累计贡献率,;

26、当累计贡献率达到预设阈值时,对应的前

i个子流域即被识别为关键源区;

27、在步骤s33中,当同时考虑面源污染、点源污染、大气沉降时,则总污染产生量可表示为。

28、s4.基于龙伯格观测器动态估算污染物存储量;

29、在步骤s4中,基于龙伯格观测器动态估算污染物存储量的具体方法为:

30、s41.定义子流域i第t月末内部存储的污染物总量为,子流域i第t月末的污染物总量为,第t月子流域i向其下游排出的污染物总量为,第月子流域

i内部新产生的污染物总量为,第月从上游子流域流入子流域

i的污染物总量为,且,其中,为拓扑关系矩阵

h中的元素,表示当子流域j的水流直接流向子流域

i时,,即子流域j与子流域

i存在直接的水文连接关系;否则,且;

31、则子流域

i在

t月内的污染物平衡关系为:

32、

33、s42.定义时间衰减系数,且,所述表示子流域i内污染物在自然降解、转化后仍存留在系统内的比例,表示每月自然损耗的比例;

34、定义空间滞留系数,且,所述表示污染物在子流域内被滞留、未向下一级排出的比例,表示排出比例;

35、则,且边界条件为输出量大于输入量与月初存储量之和时,取;

36、s43.定义,则,设为的估计值,观测器为:,其中,为观测器增益系数,,为输出量的估计值;

37、针对实际工程应用,令,观测器为:。

38、s5.耦合时空要素进行流域非点源污染关键源区分级识别;

39、步骤s5中,耦合时空要素进行流域非点源污染关键源区分级识别的具体方法为:

40、s51.计算新生污染贡献,,其中,为从子流域

i到目标断面所在子流域

k的累计贡献系数;

41、s52.计算存储污染贡献,;

42、s53.计算总污染贡献,;

43、s54.进行关键源区分级识别,针对短期关键源区,根据排序,识别出对当前水质贡献最大的子流域集合,对这些区域采取如减少施肥、控制排污的控制措施;针对长期关键源区,根据排序,识别出污染物存储量高、具有持续释放风险的子流域集合,对这些区域实施长期的生态修复或底泥疏浚治理策略。

44、有益效果

45、相较于现有技术,本发明引入了污染物存储与释放的时间动态演化机制,构建离散时间动态模型,将子流域污染物存储量作为状态变量,刻画污染物在时间尺度上的累积、衰减及延迟释放过程,弥补了现有方法仅考虑空间尺度的不足。本发明提出了基于龙伯格观测器的污染物存储量估计方法,针对污染物存储量难以直接测量的问题,引入龙伯格观测器对系统状态进行估计,实现对不可测变量的动态重构,提高模型的可实施性。同时建立了时空双尺度耦合的污染贡献分析框架,将空间迁移模型与时间动态模型相结合,分别计算新生污染贡献与存储污染贡献,实现对污染物“即时效应”和“滞后效应”的统一分析。

46、针对传统方法仅基于空间平均条件、忽略污染物在子流域中存储与延迟释放的问题,本发明构建离散时间动态模型,将污染物存储量作为状态变量,引入衰减与释放机制,刻画污染物在时间尺度上的累积与转化过程。该改进使得模型能够反映污染物“滞后释放”特性,从而显著提升计算结果的物理合理性。

47、针对污染物存储量难以直接测量的实际问题,本发明引入龙伯格观测器对污染物存储状态进行估计,通过利用历史输出数据实现状态变量的动态重构,使得所提出的时间动态模型在缺乏直接观测数据的条件下仍可实施,从而增强了方法在实际工程中的应用可行性。

48、通过将空间迁移模型与时间动态模型进行耦合,本发明能够同时反映污染物的即时贡献与滞后贡献,分别计算新生污染与存储污染对评估点的影响。相比单一空间分析方法,该方法能够有效降低结果波动,提高计算稳定性,并增强对污染形成机制的解释能力。