基于GAST模型的突发水污染事故中污染物输移模拟

突发水污染事故后,高效准确模拟预测是快速采取有效防控措施和制定应急预案的基础。采用基于非均匀网格的图形处理器(graphics processing unit,GPU)加速的水动力及污染物输移数值模型(GPU accelerated surface water flow and associated transport,GAST)对暴雨山洪或溃坝洪水引起的突发水污染事故中污染物输移规律进行了模拟预测。模型采用Godunov格式的有限体积法求解二维浅水方程和污染物输移方程,采用一种基于HLLC(Harten-Lax-Van Leer-contact)的近似黎曼求解器计算单元网格界面通量,采用二阶高精度格式(monotonic upstream-centred scheme for conservation laws,MUSCL)限坡线性重建和龙格-库塔时间积分法实现了二阶精度,同时采用GPU加速计算技术提高模型计算效率。算例结果表明:采用非均匀网格技术局部细化地形复杂区域生成精细网格,地势平坦区域粗化网格,大幅度减少了计算域网格数量,并且在保证模拟精度的同时,提升了模型计算效率。该模型可高效准确地模拟突发水污染事件中污染物输移过程,适用于大规模水污染事故的快速预警和评估。

基于机器学习快速预报模型的城市洪涝预报预警系统研究及应用

为弥补历史降雨积涝数据的不足,实现对暴雨导致的城区洪涝全过程的精准预测,采用城市洪涝水文水动力模型模拟暴雨-内涝过程,设计各种降雨情景获取全面的降雨积涝数据,运用用机器学习算法建立降雨-积涝关系,构建了一个城市洪涝预报决策系统,并以宁波海曙城区为例进行实证,结果表明:采用的KNN机器学习算法可有效驱动降雨-内涝数据库,准确表征降雨径流过程,对城市内涝情况进行预报预警;将宁波海曙城区城市洪涝情况在系统上进行城市洪涝预报和复盘结果对比表明,降雨不确定性是导致模型预报结果偏差的一个主要原因,应获取更准确的短临降雨数据;地形在生成过程中存在人为修正情况,且城市建设对局部地形有一定影响,需对局部地形异常区域进行实测并修正,根据真实积水数据优化模型。该城市洪涝预报决策系统可实现城市洪涝快速地准确预报,为城市洪涝预警和应急管理提供支撑。

陕西秦岭北麓致灾短时暴雨特征及预警技术

通过加密观测资料分析2015年8月3日和2016年7月24日西安近年来灾害最严重的两次暴雨过程,总结陕西秦岭北麓致灾短时暴雨特征及其次生灾害预警技术。结果表明:关中处于稳定少动的西太平洋副热带高压西北边缘,前期高温、上干下湿层结和午后低层超绝热状态,为短时暴雨提供了有利发展环境,西风槽与近地层切变线是暴雨直接影响系统。伴随冷锋过境,午后西北方向咸阳、铜川一带地面偏北风跃增是短时暴雨有利触发因子。暴雨位于地面3 h正变压中心至东侧大梯度区、切变线交汇点南侧,对流云团之间TBB梯度大值区附近。伴随TBB中心降至-65℃以下,周边出现最大雨强。不稳定层结和低层超绝热状态下,跟踪研判雷达上秦岭北麓沿山一带快速发展增强、回波中心像素点反射率大于60 dBz的孤立单体,可提前2 h以上发布短时暴雨预警。对于秦岭北麓洪灾高风险区,在强降水发生有利环境条件下,敏感时段要提前尽早发布暴雨预警信号,宁空勿漏,宁高勿低。基于强降水时空高分辨精细估计驱动的GAST模型数值模拟分析,为山洪灾害精细化预警提供了有效手段。