一种基于系统动力学决策模型的嫩江流域典型区域水生态风险评估方法专利检索-石灰窑工业窑炉炉窑专利检索查询-专利查询网

一种基于系统动力学决策模型的嫩江流域典型区域水生态 风险评估方法

阅读：649发布：2021-06-24

专利汇可以提供一种基于系统动力学决策模型的嫩江流域典型区域水生态风险评估方法专利检索，专利查询，专利分析的服务。并且一种基于系统动力学决策模型的嫩江流域典型区域水生态风险评估方法，它涉及一种嫩江流域典型区域水生态风险评估方法。本发明的方法为：将对尼尔基水库入库的污染源量有影响的支流汇入、非点源排放、上游来水与沿江排污因素通过系统动力学决策模型，模拟不同的治理方案降低水库生态风险的效果，实现方案决策，并在水生态风险指标体系的基础上，评价湖库内不同时期不同点位的水生态风险状况，基于Netica 软件构建贝叶斯网络的样本空间，计算各指标发生变化时对不同程度生态风险发生的概率，从而实现嫩江流域典型区域水生态风险评估。本发明应用于江流域典型区域水生态风险评估。，下面是一种基于系统动力学决策模型的嫩江流域典型区域水生态风险评估方法专利的具体信息内容。

权利要求

1.一种基于系统动力学决策模型的嫩江流域典型区域水生态风险评估方法，其特征在于它是按照以下内容进行的：
将对尼尔基水库入库的污染源量有影响的支流汇入、非点源排放、上游来水与沿江排污因素通过系统动力学决策模型，模拟不同的治理方案降低水库生态风险的效果，实现实现方案决策，并在水生态风险指标体系的基础上，评价湖库内不同时期不同点位的水生态风险状况，基于Netica 软件构建贝叶斯网络的样本空间，计算各指标发生变化时对不同程度生态风险发生的概率，从而实现嫩江流域典型区域水生态风险评估。
2.根据权利要求1所述的一种基于系统动力学决策模型的嫩江流域典型区域水生态风险评估方法，其特征在于所述的沿江排污公式为：
PSICODNJ＝PSICOD×PSICODCR
PSICOD＝IGDP×CODpIGDP×ICODDR
式中，PSICODNJ为嫩江喇叭河排污口COD入河量；
PSICOD为嫩江县喇叭河排污口排放量；
PSICODCR为工业点源COD排放入河系数；
CODpIGDP为万元工业增加值COD排放量
ICODDR为喇叭河排污口排放COD占嫩江县工业点源排放COD比例。
3.根据权利要求1或2所述的一种基于系统动力学决策模型的嫩江流域典型区域水生态风险评估方法，其特征在于尼尔基水库上游，嫩江干流中主要的排污点为嫩江县污水处理厂的生活污水排放与嫩江县喇叭河排污口的工业废水排放，二者皆来自于嫩江县的社会经济发展，受到嫩江县人口以及社会经济发展的影响。
4.根据权利要求3所述的一种基于系统动力学决策模型的嫩江流域典型区域水生态风险评估方法，其特征在于嫩江县人口的数量应为下式：
POP(t)＝POP(t-1)+increase+Decrease
式中，POP(t)为t年时嫩江县人口，POP(t-1)为嫩江县t-1年时的人口；
Increase为嫩江县从t-1年到t年的人口增加量
Decrease为嫩江县从t-1年到t年的人口减少量；
不考虑嫩江县城镇化率年际变动情况的前提下，嫩江县非农业人口数量可由下式表达：
UP＝POP×UR
式中，UP为嫩江县第t年的非农业人口数量
UR为嫩江县第t年的城镇化率。
5.根据权利要求3所述的一种基于系统动力学决策模型的嫩江流域典型区域水生态风险评估方法，其特征在于嫩江县生活污水排放入河量的计算公式可以依据下式进行计算：
PSLCODNJ＝PSLCOD×PSLCODCR
PSLCOD＝UP×CODpUP×SPDR
式中，PSLCODNJ为嫩江县生活污水排放入河COD量；
PSLCODCR为生活点源COD排放入河系数；
CODpUP为每年单位非农业人口排放COD的量；
SPDR为嫩江县污水处理厂排放量占嫩江县排放总量的比例；
嫩江县工业增加值变化公式如下：
IGDP(t)＝IGDP(t-1)+IGDPI(t)
IGDPI(t)＝IGDP(t-1)×IGDPR
式中，IGDP(t)为嫩江县第t年的工业增加值量；
IGDP(t-1)为嫩江县第t-1年的工业增加值量；
IGDPI(t)为第t年嫩江县工业增加值增长量；
IGDPR为嫩江县工业增加值增长率。
6.根据权利要求1所述的一种基于系统动力学决策模型的嫩江流域典型区域水生态风险评估方法，其特征在于所述的非点源污染公式为：
NPSCODE＝NPSCOD×NPSCODC
NPSCOD＝ CODDL+CODFL+TreeL×CODpTc+GrassL×CODpGC+UncoverL×CODpUCC+UrbanL×CODpUC
CODDL＝DLA×CODpDLC+DLA×FUS×FUScr
CODFL＝FLA×CODpFLC+FLA×FUS×FUScrF
式中，NPSCODE为非点源COD排放入河量；
NPSCOD为非点源COD产生了；
NPSCODC为非点源污染排放入河系数；
CODDL为旱田产生COD量；
CODFL为水田产生COD量；
TreeL为研究区林地面积；
CODpTC为林地COD输出系数；
GrassL为研究区草地面积：
CODpGC为草地COD输出系数；
UncoverL为研究区荒地面积；
CODpUCC为荒地COD输出系数；
UrbanL为研究区建成区面积；
GDPpUC为建设用地COD输出系数；
DLA为研究区旱田面积；
CODpDLC为旱田输出系数；
FUS为研究区内单位耕地化肥施用量；
FUScr为研究区旱田化肥效率；
FLA为研究区水田面积；
CODpFLC为水田输出系数；
FUScr为研究区水田化肥效率。
7.根据权利要求1所述的一种基于系统动力学决策模型的嫩江流域典型区域水生态风险评估方法，其特征在于所述的支流汇入公式如下：
QUTT＝QUT+NJLQ+NJIQ
endCOD＝endPSCOD×(QUTT+QLJT)+NPSCOD
式中，CODPW为嫩江县排污口处的COD浓度；
CODUT为上游来水浓度；
QUT为上游来水流量；
PSLCODNJ为嫩江县污水厂排污口排放浓度；
NJLQ为嫩江县污水厂污水排放量；
PSICODNJ为嫩江县喇叭河排污口排放浓度；
NJIQ为嫩江县喇叭河排污口排放量；
CODGH为甘河汇入处的COD浓度；
K1为上游来水断面到排污口之间河段的COD降解系数；
L1为上游来水断面到排污口之间河段的河长；
V1为上游来水断面到排污口之间河段的流速；
CODGHHUI为甘河汇入点处COD浓度；
QUTT为上游来水汇合嫩江县排污污水量；
CODLJT为甘河COD浓度；
QLJT为甘河流量；
endPSCOD为尼尔基库末COD点源浓度；
k2为甘河汇入点到尼尔基库末之间河段的COD降解系数；
l2为甘河汇入点到尼尔基库末之间河段的河长；
v2为甘河汇入点到尼尔基库末之间河段的流速。
8.根据权利要求7所述的一种基于系统动力学决策模型的嫩江流域典型区域水生态风险评估方法，其特征在于支流汇入公式是基于以下方式得到的：尼尔基水库的来水来自上游石灰窑断面的来水与上游支流的来水以及干流区域的非点源汇入，主要污染来源为下游甘河汇入、上游来水以及非点源汇入；将以上游来水水质以及甘河汇入、沿江排放、非点源汇入为主要污染物来源构建模型。
9.根据权利要求1所述的一种基于系统动力学决策模型的嫩江流域典型区域水生态风险评估方法，其特征在于所述的特征污染物公式为：
NPCE＝NPC×NPCC
NPC＝DLA×CUS×CUSr+FLA×CUS×CUSrF
式中，NPCE为特征污染物排放量；
NPC为特征污染物产生量；
NPCC为特征污染物排放入河系数；
CUS为农药每亩农田的施用量；
CUSr为旱田农药残留系数；
CUSrF为水田农药残留系数。
10.根据权利要求1所述的一种基于系统动力学决策模型的嫩江流域典型区域水生态风险评估方法，其特征在于特征污染物的是基于水田、旱田农药施用的残留与排放为指标进行计算的。

说明书全文

一种基于系统动力学决策模型的嫩江流域典型区域水生态

风险评估方法

技术领域

[0001] 本发明涉及一种嫩江流域典型区域水生态风险评估方法。

背景技术

[0002] 系统动力学(System dynamics,SD)，最初由麻省理工学院教授J.W.Forrester教授与20世纪50年代提出，在研究的早期引起致力于工业企业管理的问题解决，而被称为工业动态学，经过20世纪70年代的发展，日渐走向成熟，基于系统动力学的WORLD II与WORLD III模型分别衍生出了世界动力学与《增长的极限》等对人类历史发展有着重大意义的科研成果，Forrester教授在此时期也对美国的社会经济问题采用系统动力学的方法进行分析，解释了美国与西方国家经济长期波动的内在机制等。到了20世纪90年代，大量的系统动力学科研成果出现，系统动力学的应用遍及科研与生产的各个领域，罗马俱乐部的科学家们在对1970年到1990年的数据进行检验的基础上，对WORLD III模型进行了修正，由此出版了《超越极限：正视全球性崩溃和展望一个可持续的未来》，试图从根本上突破人与自然的紧张关系，R.F.Nail则采用系统动力学模型对美国的国家能源政策计划进行了评估，并据此估算了美国旨在加强全球气候变暖的能源政策所花费的成本。而在我们国内，自20世纪70年代起，逐渐引入了系统动力学的概念，并逐步展开对其的研究与应用，其中涌现出一大批诸如杨通谊，王其藩，陶在朴与胡玉奎等专家学者。

[0003] (1)内涵：系统动力学是一门分析研究信息反馈系统的学科，也是一门认识系统问题和解决系统问题的交叉性、综合性学科，从系统方法论的角度而言，系统动力学是一门关于系统结构、功能与历史方法的统一体，它以系统论的理念为核心，以控制论为表现形式，与计算机技术发展紧密结合，解决系统反馈结构与行为的问题。正是由于系统动力学具有以上特点，模型与实际生活中不同的变量之间的关系就可以采用系统动力学的反馈机制进行解释与分析，例如军备竞赛等等。

[0004] (2)构成：系统动力学对于问题的角度，是从系统行为与其内在原理间的相互依存的关系为出发点，并以数学模型的形式表现出来的，逐步发现、理解问题产生、发展与变化的因、果关系以及因果关系的方向性，也就是问题的结构。而问题本身则是由一个一个不同的结构所组成的，其环环相扣的因果关系或决策规划所构成的网络，这一组织结构决定了系统行为的特性。正因如此，系统动力学具有处理大多数信息反馈系统问题的能力与普适性。系统动力学将不同问题中的不同结构按照其变化方式分为以下几个主要元件，分别为流率变量，流位变量与辅助变量。

[0005] 流位变量：也叫做库变量，是指物质流等在系统内部累积的量，例如溶液中液体的液面高度、工业生产中的库存量甚至人口数等等，其在某个时间间隔内累积的量应与这个时间段内流率变量的变化有关。

[0006] 流率变量：是系统活动本身的描述，是单位时间内系统内物质量的变化，因流位变量仅受流率变量的影响，因此流率变量也称为决策函数。

[0007] 辅助变量：辅助变量是系统动力学研究中存在的最大量的数据，其不同于流位变量与流率变量，其既可以是常数也可以是变量，主要用于表示咨询处理的中间过程、模型的不同参数值，以及对于模式的输入测试函数等等。

[0008] 守恒流：也成为物质流，表示在系统中流动的物质。物质在流动过程中需要时间，因此存在延迟现象。

[0009] 非守恒流：也称信息流，是连接状态变量和速率变量的信息通道。守恒流为被控对象而非守恒流则属于决策依据。

[0010] 源点与汇点：源点与汇点表示系统的内部，相对于我们关心的有累积过程的真实系统，源点和汇点代表那些在我们你研究系统界限以外的部分。

[0011] (3)建模过程：

[0012] ①明确地表达要解决的问题，确定系统的边界：

[0013] 为了表达问题怎样发生和描述它的特征，时限应该追溯到足够远的历史，时间还应当延伸到足够远的未来，以捕捉可能采取的政策的间接影响。一般模型的一大缺陷即是我们倾向于将因果关系想象为局部的和立即的，但是在动态复杂系统中，原因和结果可能在时间和空间上相隔很远，大多数导致决策失效的以及未预料的副作用等等包含长延迟的反馈，因此在实现的选择上应该充分考虑影响问题的理解能力，以及对于政策的评价。

[0014] ②提出关于问题因果关系的一个动态假说或理论：

[0015] 内生性解释：内生性理论通过模型中的变量和因素的交互作用产生系统的动态行为，因此通过定义系统内部的结构以及不同元素之间关联影响的决策规则，可以预测与该决策规则相响应的系统行为，并且研究在改变系统结构与决策规则的假设下，系统行为的动态规律。正因如此，我们需要绘制系统结构图帮助我们对于系统内部结构域关系进行梳理与了解。

[0016] 绘制系统结构图：模型边界图——一个模型边界图通过列出内生变量，外生变量以及存量流量图，其中外生变量不应存在明显的反馈结构；子系统图——子系统图显示了模型的整体结构包括子系统间的物流、资金流与信息流，通过显示所代表的的不同组织的数量和类型，子系统图表达了有关模型的边界和概括程度的信息，也传达一些内生和外生变量的信息；因果回路图——模型边界图和子系统图显示了模型的边界和体系，但没有显示变量之间的关系，而因果回路图是任何领域勾画反馈结构方面的一个灵活有用的工具，是显示变量之间因果关系的图；存量流量图——因果回路图强调了系统的反馈结构，而存量流量图则强调了其背后的物理结构，如前所述，存量流量图追踪的是系统内部物流、资金流与信息流的累积，存量包括产品的库存、人口和金融账户等等，而流量是存量增加或减少的速率，存量表征了系统的状态并且产生作为决策基础的信息。决策改变流量的速率，改变存量和闭合系统中的反馈回路；政策结构图——政策结构图显示了特定决策规划信息输入的因果图，政策结构图关注于建模者假定决策制定者使用控制系统中流量的信息，它们显示了在特定决策中设计的因果结构和时间延迟，而不是整个系统的反馈结构。

[0017] ③写方程：

[0018] 从概念图的领域进展到充分定义的定量模型，其应具备所有公式、参数和初始条件等等。

[0019] ④测试：

[0020] 部分的测试是将模型的模拟行为与系统的现实行为进行比较，但是测试比再现历史行为涉及的更多。模型必须在极端条件下进行测试：极端条件测试成为了发现模型缺陷的关键工具，并对模型的深入理解提供了可能性。

[0021] ⑤政策设计与评估：

[0022] 重新设计存量流量结构，消除时间延迟，在关键的决策点改变利用的信息质量和信息流，甚至从根本上重新制定系统中行为者的决策过程。因此必须对政策强壮性以及它们对模型参数和结构不确定性的灵敏度以及不同政策间的相互作用进行评估。

[0023] ⑥系统动力学建模的原则：

[0024] a.解决特定的问题，而不是为系统建模；b.从开始将建模与整个问题结合起来；c.对建模的价值始终持有怀疑态度；d.系统动力学不是单一孤立的，在适当的情况下，应使用其他方法与工具与系统动力学相结合；e.留意决策的实施过程；f.客户和建模者共同对建模过程反复提出质疑；g.在建模的过程中应该避免黑箱建模；h.对模型进行持续性的检验；i.尽快建立可用的初步模型；j.模型的边界应尽可能的宽大；k.应充分考虑政策对于模型的持久性影响。

[0025] 目前国内关于生态预警方面的研究还是主要存在于水环境生态安全预警方面，主要是利用“状态一压力一响应”模型，建立环境生态安全评价指标体系。何焰采取综合指数法结合其所建立起针对水环境生态安全评价比较有效的评价指标，在此分析的基础上，结合定量的方法，对水环境生态安全的警情从横向和纵向方面的变化分布来进行判别。文俊构建了关于水资源可持续利用的预警指标方法和体系，应用相关的数学方法进行建模，构建水资源在区域范围内得以可持续利用的预警模型。此外，在对于生态预警的技术研究方面，周晓惠等把对生态系统的技术监测引用到生态预警中，对生态系统监测对象进行分类、构建指标体系、预测其发展趋势。刘普幸运用层次分析法对其构建的酒泉绿洲的生态环境预警评价指标体系进行风险评估，对其生态环境状况做出了预警评价分析，并在此基础上提出主要生态环境问题的防治措施。而且，针对于嫩江流域的水生态风险评估并没有一种有效的方法。

发明内容

[0026] 本发明针对上述存在的问题，而提出了一种基于系统动力学决策模型的嫩江流域典型区域水生态风险评估方法。

[0027] 本发明的一种基于系统动力学决策模型的嫩江流域典型区域水生态风险评估方法，它是按照以下内容进行的：将对尼尔基水库入库的污染源量有影响的支流汇入、非点源排放、上游来水与沿江排污因素通过系统动力学决策模型，模拟不同的治理方案降低水库生态风险的效果，实现实现方案决策，并在水生态风险指标体系的基础上，评价湖库内不同时期不同点位的水生态风险状况，基于Netica 软件构建贝叶斯网络的样本空间，计算各指标发生变化时对不同程度生态风险发生的概率，从而实现嫩江流域典型区域水生态风险评估。

[0028] 本发明包含以下有益效果：

[0029] 本发明利用建立好的嫩江流域典型区域水生态风险评估指标体系，对尼尔基水库进行生态风险评价，并利用系统动力学建立尼尔基水库上游嫩江县社会经济发展，与下游尼尔基水库水生态风险之间的互动响应关系，最终以贝叶斯网络建立嫩江流域典型区的预警机制与理论依据。

[0030] 从而丰富了国内外关于生态风险评价、研究与决策的研究领域，加快了生态风险评价的实际工程应用，创新了水生态风险评价的方法，分析了水生态风险评价与尼尔基水库水生态风险状况的关系，提出了针对嫩江流域典型区的水生态风险评价，为后续建立评价-预警-决策平台提供理论依据与技术支持。

[0031] 本发明在构建了嫩江流域典型区域水生态风险评价指标体系的基础上，考虑上游来水，支流汇入(甘河)与社会经济发展等诸要素对尼尔基水库水生态风险的影响，采用Ithink软件平台，构建了水库上游地区社会经济发展、上游支流汇入、湖库周边景观变化与水库的水生态风险的互动相应关系的系统动力学模型。通过对系统动力学模型相关参数的设定，模拟不同的治理方案降低水库生态风险的效果，对比出最优方案，实现方案决策；

[0032] 本发明并在水生态风险指标体系的基础上，评价湖库内不同时期不同点位的水生态风险状况，基于Netica软件构建贝叶斯网络的样本空间，计算各指标发生变化时对不同程度生态风险发生的概率，从而实现通过监测相关的生态风险评价指标完成对不同程度生态风险发生概率的预警。附图说明

[0033] 图1为本发明的技术路线图；

[0034] 图2为人口数量模拟结果图；

[0035] 图3为GDP数量模拟结果图；

[0036] 图4为农业GDP以及农业GDP占比模拟结果图；

[0037] 图5为尼尔基库末COD浓度模拟结果图；

[0038] 图6为控制生活源COD排放策略下尼尔基水库库末COD浓度模拟结果图；

[0039] 图7为控制工业源COD排放策略下尼尔基水库库末COD浓度模拟结果图；

[0040] 图8为控制上游来水策略下尼尔基水库库末COD浓度模拟结果图；

[0041] 图9为控制直流汇入策略下尼尔基水库库末COD浓度模拟结果图；

[0042] 图10为调整土地利用策略下尼尔基水库库末COD浓度模拟结果图；

[0043] 图11为不同策略下尼尔基水库氨氮浓度模拟结果图；

[0044] 图12为不同策略下尼尔基水库总氮浓度模拟结果图；

[0045] 图13为不同策略下尼尔基水库总磷模拟结果图；

[0046] 图14为调整土地利用策略下特征污染物排放模拟结果图。

具体实施方式

[0047] 具体实施方式一：本实施方式的一种基于系统动力学决策模型的嫩江流域典型区域水生态风险评估方法，它是按照以下内容进行的：

[0048] 将对尼尔基水库入库的污染源量有影响的支流汇入、非点源排放、上游来水与沿江排污因素通过系统动力学决策模型，模拟不同的治理方案降低水库生态风险的效果，实现实现方案决策，并在水生态风险指标体系的基础上，评价湖库内不同时期不同点位的水生态风险状况，基于Netica软件构建贝叶斯网络的样本空间，计算各指标发生变化时对不同程度生态风险发生的概率，从而实现嫩江流域典型区域水生态风险评估。

[0049] 具体实施方式二：本实施方式与具体实施方式一不同的是：所述的沿江排污公式为：

[0050] PSICODNJ＝PSICOD×PSICODCR

[0051] PSICOD＝IGDP×CODpIGDP×ICODDR

[0052] 式中，PSICODNJ为嫩江喇叭河排污口COD入河量；

[0053] PSICOD为嫩江县喇叭河排污口排放量；

[0054] PSICODCR为工业点源COD排放入河系数；

[0055] CODpIGDP为万元工业增加值COD排放量

[0056] ICODDR为喇叭河排污口排放COD占嫩江县工业点源排放COD比例。其它与具体实施方式一相同。

[0057] 具体实施方式三：本实施方式与具体实施方式一不同的是：尼尔基水库上游，嫩江干流中主要的排污点为嫩江县污水处理厂的生活污水排放与嫩江县喇叭河排污口的工业废水排放，二者皆来自于嫩江县的社会经济发展，受到嫩江县人口以及社会经济发展的影响。其它与具体实施方式一相同。

[0058] 具体实施方式四：本实施方式与具体实施方式一不同的是：嫩江县人口的数量应为下式：

[0059] POP(t)＝POP(t-1)+increase+Decrease

[0060] 式中，POP(t)为t年时嫩江县人口，POP(t-1)为嫩江县t-1年时的人口；

[0061] Increase为嫩江县从t-1年到t年的人口增加量

[0062] Decrease为嫩江县从t-1年到t年的人口减少量；

[0063] 不考虑嫩江县城镇化率年际变动情况的前提下，嫩江县非农业人口数量可由下式表达：

[0064] UP＝POP×UR

[0065] 式中，UP为嫩江县第t年的非农业人口数量

[0066] UR为嫩江县第t年的城镇化率。

[0067] 其它与具体实施方式一相同。

[0068] 具体实施方式五：本实施方式与具体实施方式一不同的是：嫩江县生活污水排放入河量的计算公式可以依据下式进行计算：

[0069] PSLCODNJ＝PSLCOD×PSLCODCR

[0070] PSLCOD＝UP×CODpUP×SPDR

[0071] 式中，PSLCODNJ为嫩江县生活污水排放入河COD量；

[0072] PSLCODCR为生活点源COD排放入河系数；

[0073] CODpUP为每年单位非农业人口排放COD的量；

[0074] SPDR为嫩江县污水处理厂排放量占嫩江县排放总量的比例；

[0075] 嫩江县工业增加值变化公式如下：

[0076] IGDP(t)＝IGDP(t-1)+IGDPI(t)

[0077] IGDPI(t)＝IGDP(t-1)×IGDPR

[0078] 式中，IGDP(t)为嫩江县第t年的工业增加值量；

[0079] IGDP(t-1)为嫩江县第t-1年的工业增加值量；

[0080] IGDPI(t)为第t年嫩江县工业增加值增长量；

[0081] IGDPR为嫩江县工业增加值增长率。

[0082] 其它与具体实施方式一相同。

[0083] 具体实施方式六：本实施方式与具体实施方式一不同的是：所述的非点源污染公式为：

[0084] NPSCODE＝NPSCOD×NPSCODC

[0085] NPSCOD＝ CODDL+CODFL+TreeL×CODpTc+GrassL×CODpGC+UncoverL×CODpUCC+UrbanL×CODpUC

[0086] CODDL＝DLA×CODpDLC+DLA×FUS×FUScr

[0087] CODFL＝FLA×CODpFLC+FLA×FUS×FUScrF

[0088] 式中，NPSCODE为非点源COD排放入河量；

[0089] NPSCOD为非点源COD产生了；

[0090] NPSCODC为非点源污染排放入河系数；

[0091] CODDL为旱田产生COD量；

[0092] CODFL为水田产生COD量；

[0093] TreeL为研究区林地面积；

[0094] CODpTC为林地COD输出系数；

[0095] GrassL为研究区草地面积：

[0096] CODpGC为草地COD输出系数；

[0097] UncoverL为研究区荒地面积；

[0098] CODpUCC为荒地COD输出系数；

[0099] UrbanL为研究区建成区面积；

[0100] GDPpUC为建设用地COD输出系数；

[0101] DLA为研究区旱田面积；

[0102] CODpDLC为旱田输出系数；

[0103] FUS为研究区内单位耕地化肥施用量；

[0104] FUScr为研究区旱田化肥效率；

[0105] FLA为研究区水田面积；

[0106] CODpFLC为水田输出系数；

[0107] FUScr为研究区水田化肥效率。

[0108] 其它与具体实施方式一相同。

[0109] 具体实施方式七：本实施方式与具体实施方式一不同的是：所述的支流汇入公式如下：

[0110]

[0111]

[0112]

[0113] QUTT＝QUT+NJLQ+NJIQ

[0114]

[0115] endCOD＝endPSCOD×(QUTT+QLJT)+NPSCOD

[0116] 式中，CODPW为嫩江县排污口处的COD浓度；

[0117] CODUT为上游来水浓度；

[0118] QUT为上游来水流量；

[0119] PSLCODNJ为嫩江县污水厂排污口排放浓度；

[0120] NJLQ为嫩江县污水厂污水排放量；

[0121] PSICODNJ为嫩江县喇叭河排污口排放浓度；

[0122] NJIQ为嫩江县喇叭河排污口排放量；

[0123] CODGH为甘河汇入处的COD浓度；

[0124] K1为上游来水断面到排污口之间河段的COD降解系数；

[0125] L1为上游来水断面到排污口之间河段的河长；

[0126] V1为上游来水断面到排污口之间河段的流速；

[0127] CODGHHUI为甘河汇入点处COD浓度；

[0128] QUTT为上游来水汇合嫩江县排污污水量；

[0129] CODLJT为甘河COD浓度；

[0130] QLJT为甘河流量；

[0131] endPSCOD为尼尔基库末COD点源浓度；

[0132] k2为甘河汇入点到尼尔基库末之间河段的COD降解系数；

[0133] l2为甘河汇入点到尼尔基库末之间河段的河长；

[0134] v2为甘河汇入点到尼尔基库末之间河段的流速。

[0135] 其它与具体实施方式一相同。

[0136] 具体实施方式八：本实施方式与具体实施方式一不同的是：支流汇入公式是基于以下方式得到的：尼尔基水库的来水来自上游石灰窑断面的来水与上游支流的来水以及干流区域的非点源汇入，主要污染来源为下游甘河汇入、上游来水以及非点源汇入；将以上游来水水质以及甘河汇入、沿江排放、非点源汇入为主要污染物来源构建模型。其它与具体实施方式一相同。

[0137] 具体实施方式九：本实施方式与具体实施方式一不同的是：所述的特征污染物公式为：

[0138] NPCE＝NPC×NPCC

[0139] NPC＝DLA×CUS×CUSr+FLA×CUS×CUSrF

[0140] 式中，NPCE为特征污染物排放量；

[0141] NPC为特征污染物产生量；

[0142] NPCC为特征污染物排放入河系数；

[0143] CUS为农药每亩农田的施用量；

[0144] CUSr为旱田农药残留系数；

[0145] CUSrF为水田农药残留系数。

[0146] 其它与具体实施方式一相同。

[0147] 具体实施方式十：本实施方式与具体实施方式一不同的是：特征污染物的是基于水田、旱田农药施用的残留与排放为指标进行计算的。其它与具体实施方式一相同。

[0148] 本发明内容不仅限于上述各实施方式的内容，其中一个或几个具体实施方式的组合同样也可以实现发明的目的。

[0149] 通过以下实施例验证本发明的效果：

[0150] 实施例1

[0151] 1、模型构建

[0152] 基于尼尔基上游TP、TN来源的分析，可知对尼尔基水库入库的污染源量影响较大的是支流汇入、非点源排放、上游来水与沿江排污，因此本实施例从以上四个方面探讨其成因，主要的影响因素等构件其系统动力学决策模型。

[0153] (1)沿江排污

[0154] 尼尔基水库上游，嫩江干流中主要的排污点为嫩江县污水处理厂的生活污水排放与嫩江县喇叭河排污口的工业废水排放，二者皆来自于嫩江县的社会经济发展，受到嫩江县人口以及社会经济发展的影响。因此我们构建了以下系统动力学模型来模拟社会经济发展对嫩江县排污口的影响，从而实现优化嫩江县社会经济发展形式控制嫩江县排污量，降低由点源排放造成的尼尔基水库水生态风险。

[0155] 人口数量变化受到人口增长与人口减少的影响，不考虑人口增长率与人口减少率的变动情况，那么嫩江县人口的数量应为下式：

[0156] POP(t)＝POP(t-1)+increase+Decrease

[0157] 式中，POP(t)为t年时嫩江县人口，POP(t-1)为嫩江县t-1年时的人口；

[0158] Increase为嫩江县从t-1年到t年的人口增加量

[0159] Decrease为嫩江县从t-1年到t年的人口减少量。

[0160] 而不考虑嫩江县城镇化率年际变动情况的前提下，嫩江县非农业人口数量可由下式表达：

[0161] UP＝POP×UR

[0162] 式中，UP为嫩江县第t年的非农业人口数量

[0163] UR为嫩江县第t年的城镇化率。

[0164] 而农业人口与非农业人口的日排污系数不同，当已知非农业人口数量与非农业人口污染物排放系数的情况下，可以计算嫩江县生活污水排放过程中排放的污染物量，同时根据生活污水排放如何系数以及嫩江县污水厂排污量占嫩江县排污总量的比例，可以核算出嫩江县污水厂排污量。

[0165] 嫩江县生活污水排放入河量的计算公式可以依据下式进行计算：

[0166] PSLCODNJ＝PSLCOD×PSLCODCR

[0167] PSLCOD＝UP×CODpUP×SPDR

[0168] 式中，PSLCODNJ为嫩江县生活污水排放入河COD量；

[0169] PSLCODCR为生活点源COD排放入河系数；

[0170] CODpUP为每年单位非农业人口排放COD的量；

[0171] SPDR为嫩江县污水处理厂排放量占嫩江县排放总量的比例；

[0172] 而点源排放除生活污水之外，工业生产废水的产生的污染量是点源排放的另一大来源，模型中我们采用万元工业增加值与单位工业增加值污染物排放量为主要的指标。

[0173] 嫩江县工业增加值变化受到嫩江县工业增加值增长的影响，当增长量为正时，其总量上升，反之总量下降，由公式表示为下式：

[0174] IGDP(t)＝IGDP(t-1)+IGDPI(t)

[0175] IGDPI(t)＝IGDP(t-1)×IGDPR

[0176] 式中，IGDP(t)为嫩江县第t年的工业增加值量；

[0177] IGDP(t-1)为嫩江县第t-1年的工业增加值量；

[0178] IGDPI(t)为第t年嫩江县工业增加值增长量；

[0179] IGDPR为嫩江县工业增加值增长率。

[0180] 嫩江县工业点源排放的COD量受到嫩江县工业增加值，嫩江县万元工业增加值污染物排放量，喇叭河排污口排放量占嫩江县工业点源排放量的比值，以及工业点源排放入河系数影响，计算公式如下：

[0181] PSICODNJ＝PSICOD×PSICODCR

[0182] PSICOD＝IGDP×CODpIGDP×ICODDR

[0183] 式中，PSICODNJ为嫩江喇叭河排污口COD入河量；

[0184] PSICOD为嫩江县喇叭河排污口排放量；

[0185] PSICODCR为工业点源COD排放入河系数；

[0186] CODpIGDP为万元工业增加值COD排放量

[0187] ICODDR为喇叭河排污口排放COD占嫩江县工业点源排放COD比例。

[0188] 按照以上模型与方法可以计算出氨氮、总磷与总氮的沿江排放量。

[0189] (2)非点源污染

[0190] 非点源污染主要来自于降水产生的地表径流冲刷，受到研究区的地表覆盖影响较为明显，因此建立模型时我们主要考虑不同土地利用类型以及不同土地利用类型的污染物输出系数。此处需要注意的是社会经济发展对土地利用变化的影响时存在的，但是由于我们模型的时间与空间尺度较小，而土地利用类型的变化往往是大空间尺度长时间跨度下才能显现的过程，因此在本模型中，土地利用变化情况被认为是恒定的。

[0191] COD的非点源排放以农田包括农田、水田，林地，草地，城镇建设用地以及荒地为主，其中农田包括了输出系数以及由于施用化肥的用量以及化肥中污染物的含量比例，因此其非点源排放可以根据以下公式计算。

[0192] NPSCODE＝NPSCOD×NPSCODC

[0193] NPSCOD＝ CODDL+CODFL+TreeL×CODpTc+GrassL×CODpGC+UncoverL×CODpUCC+UrbanL×CODpUC

[0194] CODDL＝DLA×CODpDLC+DLA×FUS×FUScr

[0195] CODFL＝FLA×CODpFLC+FLA×FUS×FUScrF

[0196] 式中，NPSCODE为非点源COD排放入河量；

[0197] NPSCOD为非点源COD产生了；

[0198] NPSCODC为非点源污染排放入河系数；

[0199] CODDL为旱田产生COD量；

[0200] CODFL为水田产生COD量；

[0201] TreeL为研究区林地面积；

[0202] CODpTC为林地COD输出系数；

[0203] GrassL为研究区草地面积：

[0204] CODpGC为草地COD输出系数；

[0205] UncoverL为研究区荒地面积；

[0206] CODpUCC为荒地COD输出系数；

[0207] UrbanL为研究区建成区面积；

[0208] GDPpUC为建设用地COD输出系数；

[0209] DLA为研究区旱田面积；

[0210] CODpDLC为旱田输出系数；

[0211] FUS为研究区内单位耕地化肥施用量；

[0212] FUScr为研究区旱田化肥效率；

[0213] FLA为研究区水田面积；

[0214] CODpFLC为水田输出系数；

[0215] FUScr为研究区水田化肥效率。

[0216] 氨氮、总磷、总氮的非点源排放的模型、公式与COD污染的情况类似，因此按照以上的模型结构与公式可以模拟氨氮、总氮与总磷的排放。

[0217] (3)上游来水与上游支流汇入

[0218] 尼尔基水库的来水来自上游石灰窑断面的来水与上游支流的来水以及干流区域的非点源汇入，通过之前的TP、TN污染来源分析，可以了解到，主要污染来源为下游甘河汇入、上游来水以及非点源汇入。因此我们以上游来水水质以及甘河汇入、沿江排放、非点源汇入为主要污染物来源构建模型。

[0219] 由上游来水水质与流量根据质量及水量平衡计算出到嫩江县排污口的水质，并有排污口的排放量以及排放污水量按照一维水质公式计算出到甘河汇入处的水质，并按照甘河汇入水质以及甘河流量继续推算出到尼尔基库末的污染物量，并与非点源排放的污染物的量相结合，根据尼尔基水库的库容计算出尼尔基水库中的污染物含量。并可以按照下式计算。

[0220]

[0221]

[0222]

[0223] QUTT＝QUT+NJLQ+NJIQ

[0224]

[0225] endCOD＝endPSCOD×(QUTT+QLJT)+NPSCOD

[0226] 式中，CODPW为嫩江县排污口处的COD浓度；

[0227] CODUT为上游来水浓度；

[0228] QUT为上游来水流量；

[0229] PSLCODNJ为嫩江县污水厂排污口排放浓度；

[0230] NJLQ为嫩江县污水厂污水排放量；

[0231] PSICODNJ为嫩江县喇叭河排污口排放浓度；

[0232] NJIQ为嫩江县喇叭河排污口排放量；

[0233] CODGH为甘河汇入处的COD浓度；

[0234] K1为上游来水断面到排污口之间河段的COD降解系数；

[0235] L1为上游来水断面到排污口之间河段的河长；

[0236] V1为上游来水断面到排污口之间河段的流速；

[0237] CODGHHUI为甘河汇入点处COD浓度；

[0238] QUTT为上游来水汇合嫩江县排污污水量；

[0239] CODLJT为甘河COD浓度；

[0240] QLJT为甘河流量；

[0241] endPSCOD为尼尔基库末COD点源浓度；

[0242] k2为甘河汇入点到尼尔基库末之间河段的COD降解系数；

[0243] l2为甘河汇入点到尼尔基库末之间河段的河长；

[0244] v2为甘河汇入点到尼尔基库末之间河段的流速。

[0245] 氨氮、总磷、总氮的水质模拟的模型、公式与COD污染的情况类似，因此按照以上的模型结构与公式可以模拟氨氮、总氮与总磷的水质状况。

[0246] (4)特征污染物的模拟

[0247] 由于上游来水、甘河汇入、排污口的监测数据中并没有特征污染物的数据，因此在模型模拟中无法考虑这部分特征污染物的研究，因此特征污染物的来源本研究中考虑为水田、旱田农药施用的残留与排放。

[0248] NPCE＝NPC×NPCC

[0249] NPC＝DLA×CUS×CUSr+FLA×CUS×CUSrF

[0250] 式中，NPCE为特征污染物排放量；

[0251] NPC为特征污染物产生量；

[0252] NPCC为特征污染物排放入河系数；

[0253] CUS为农药每亩农田的施用量；

[0254] CUSr为旱田农药残留系数；

[0255] CUSrF为水田农药残留系数。

[0256] 通过以上公式计算特征污染物的排放量，同时由于特征污染物较难以降解，因此在污染物排放过程中不考虑其降解情况。

[0257] 2、系统动力学模型与数据

[0258] 具体的模型公式与数据如下：

[0259] AGDP(t)＝AGDP(t-dt)+(AGDPI)*dt

[0260] INITAGDP＝645107

[0261] INFLOWS:

[0262] AGDPI＝AGDP*AGDPR

[0263] CropP(t)＝CropP(t-dt)+(CropPI)*dt

[0264] INIT CropP＝1506622

[0265] INFLOWS:

[0266] CropPI＝CropP*CropPIR

[0267] IGDP(t)＝IGDP(t-dt)+(IGDPI)*dt

[0268] INIT IGDP＝215405

[0269] INFLOWS:

[0270] IGDPI＝IGDP*IGDPR

[0271] pop(t)＝pop(t-dt)+(increase-Decrease)*dt

[0272] INIT pop＝504345

[0273] INFLOWS:

[0274] increase＝pop*IR

[0275] OUTFLOWS:

[0276] Decrease＝pop*DR

[0277] SGDP(t)＝SGDP(t-dt)+(SGDPI)*dt

[0278] INIT SGDP＝439703

[0279] INFLOWS:

[0280] SGDPI＝SGDP*SGDPR

[0281] AGDPCR＝AGDP/GDP

[0282] AGDPR＝(0.0044*(CropP/10000)^2+0.0092*(CropP/10000)+0.1246)/10000[0283] CODDL＝DLA*CODpDLC+DLA*FUS*FUScr

[0284] CODFL＝FLA*CODpFLC+FLA*FUScrF*FUS

[0285] CODGH＝CODPW*EXP(-K1*L1/V1)

[0286] CODGHHUI＝(CODGH*QUTT+QLJT*CODLJT)/(QUTT+QLJT)

[0287] CODLJT＝10920

[0288] CODpDLC＝17000000

[0289] CODpFLC＝20000000

[0290] CODpGC＝17000000

[0291] CODpIGDP＝21295148

[0292] CODpTC＝17000000

[0293] CODpUC＝14500000

[0294] CODpUCC＝17000000

[0295] CODpUP＝95295955.67

[0296] CODPW＝(PSLCODNJ*NJLQ+PSICODNJ*NJIQ+QUT*CODUT)/(NJIQ+NJLQ+QUT)[0297] CODUT＝19720

[0298] CropL＝416548

[0299] CropPIR＝(CropPP-CropP)/CropP

[0300] CropPP＝-26.371*(CropL*FUS+CUS*0)^2+1357*(CropL*FUS+CUS*0)+34784[0301] CUS＝CUSC*(1+GDPCR)

[0302] CUSC＝0.0025

[0303] CUSr＝1

[0304] CUSrF＝1

[0305] DLA＝271017

[0306] DR＝0.0048

[0307] endCODT＝(NPSCOD+endPSCOD*(QUTT+QLJT))

[0308] endNHNT＝endPSNHN*(QLJT+QUTT)+NPSNHN

[0309] endPSCOD＝CODGHHUI*EXP(-K2*L2/V2)

[0310] endPSNHN＝NHNGHHUI*EXP(-KNH2*L2/V2)

[0311] endPSTN＝TNGHHUI*EXP(-KTN2*L2/V2)

[0312] endPSTP＝TPGHHUI*EXP(-KTP2*L2/V2)

[0313] endTNT＝NPSTN+endPSTN*(QLJT+QUTT)

[0314] endTPT＝endPSTP*(QLJT+QUTT)+NPSTP

[0315] FLA＝1773

[0316] FUS＝FUSC*(1+GDPCR)

[0317] FUSC＝0.073

[0318] FUScr＝0

[0319] FUScrF＝0

[0320] FUSnr＝0

[0321] FUSnrF＝0

[0322] FUStnr＝0

[0323] FUStnrF＝0

[0324] FUStpr＝0

[0325] FUStprF＝0

[0326] GDP＝AGDP+IGDP+SGDP

[0327] GDPCR＝AGDPCR/9

[0328] GrassL＝157986

[0329] ICODDR＝0.89

[0330] IGDPR＝0.12

[0331] INHNDR＝0.93

[0332] IR＝0.007

[0333] ITNDR＝0.9

[0334] ITPDR＝0.8

[0335] K1＝0.00001

[0336] K2＝0.001

[0337] KNH1＝0.05

[0338] KNH2＝0.05

[0339] KTN1＝0.015

[0340] KTN2＝0.015

[0341] KTP1＝0.016

[0342] KTP2＝0.016

[0343] L1＝7000

[0344] L2＝8000

[0345] LNHNDR＝0.82

[0346] LTNDR＝0.8

[0347] LTPDR＝0.8

[0348] NEJendCOD＝endCODT/NEJV

[0349] NEJendNHN＝endNHNT/NEJV

[0350] NEJendTN＝endTNT/NEJV

[0351] NEJendTP＝endTPT/NEJV

[0352] NEJV＝6456000000

[0353] NHNDL＝DLA*NHNpDLC+DLA*FUS*FUSnr

[0354] NHNFL＝FLA*NHNpFLC+FLA*FUS*FUSnrF

[0355] NHNGH＝NHNPW*EXP(-KNH1*L1/V1)

[0356] NHNGHHUI＝(NHNLJT*QLJT+NHNGH*QUTT)/(QLJT+QUTT)

[0357] NHNLJT＝479

[0358] NHNpDLC＝1850000

[0359] NHNpFLC＝1800000

[0360] NHNpGC＝1850000

[0361] NHNpIGDP＝131015.26

[0362] NHNpTC＝1850000

[0363] NHNpUC＝1200000

[0364] NHNpUCC＝1850000

[0365] NHNpUP＝1417302

[0366] NHNPW＝(QUT*NHNUT+NJIQ*PSINHN+NJLQ*PSLNHN)/(NJIQ+NJLQ+QUT)[0367] NHNUT＝577

[0368] NJIQ＝3890000*(1+IGDPR)

[0369] NJLQ＝5475000*(1+IR-DR)

[0370] NPC＝DLA*CUS*CUSr+FLA*CUS*CUSrF

[0371] NPCC＝0.9

[0372] NPCE＝NPCC*NPC

[0373] NPSCOD＝ UrbanL*CODpUC+UncoverL*CODpUCC+TreeL*CODpTC+GrassL*CODpGC+CODDL+CODFL

[0374] NPSCODC＝1

[0375] NPSCODE＝NPSCOD*NPSCODC

[0376] NPSNHN＝ UrbanL*NHNpUC+UncoverL*NHNpUCC+TreeL*NHNpTC+GrassL*NHNpGC+NHNDL+NHNFL

[0377] NPSNHNC＝1

[0378] NPSNHNE＝NPSNHN*NPSNHNC

[0379] NPSTN＝ UrbanL*TNpUC+UncoverL*TNpUCC+TreeL*TNpTC+GrassL*TNpGC+TNDL+TNFL

[0380] NPSTNC＝1

[0381] NPSTNE＝NPSTN*NPSTNC

[0382] NPSTP＝ UrbanL*TPpUC+UncoverL*TPpUCC+TreeL*TPpTC+GrassL*TPpGC+TPFL+TPDL

[0383] NPSTPC＝1

[0384] NPSTPE＝NPSTP*NPSTPC

[0385] PSICOD＝IGDP*CODpIGDP*ICODDR

[0386] PSICODC＝PSICODNJ/NJIQ

[0387] PSICODCR＝0.156

[0388] PSICODNJ＝PSICOD*PSICODCR

[0389] PSINHN＝IGDP*INHNDR*NHNpIGDP

[0390] PSINHNC＝PSINHNNJ/NJIQ

[0391] PSINHNCR＝0.131

[0392] PSINHNNJ＝PSINHNCR*PSINHN

[0393] PSITN＝IGDP*TNpIGDP*ITNDR

[0394] PSITNC＝PSINHNNJ/NJIQ

[0395] PSITNCR＝0.209

[0396] PSITNNJ＝PSITN*PSITNCR

[0397] PSITP＝IGDP*TPpIGDP*ITPDR

[0398] PSITPC＝PSITPNJ/NJIQ

[0399] PSITPCR＝0.092

[0400] PSITPNJ＝PSITP*PSITPCR

[0401] PSLCOD＝UP*CODpUP*SPDR

[0402] PSLCODC＝PSLCODNJ/NJLQ

[0403] PSLCODCR＝0.622

[0404] PSLCODNJ＝PSLCOD*PSLCODCR

[0405] PSLNHN＝UP*NHNpUP*LNHNDR

[0406] PSLNHNC＝PSLNHNNJ/NJLQ

[0407] PSLNHNCR＝0.424

[0408] PSLNHNNJ＝PSLNHN*PSLNHNCR

[0409] PSLTN＝UP*TNpUP*LTNDR

[0410] PSLTNC＝PSLTNNJ/NJLQ

[0411] PSLTNCR＝0.437

[0412] PSLTNNJ＝PSLTN*PSLTNCR

[0413] PSLTP＝UP*TPpUP*LTPDR

[0414] PSLTPC＝PSLTPNJ/NJLQ

[0415] PSLTPCR＝0.434

[0416] PSLTPNJ＝PSLTP*PSLTPCR

[0417] QLJT＝91.7

[0418] QUT＝144

[0419] QUTT＝NJIQ+NJLQ+QUT

[0420] SGDPR＝0.12

[0421] SPDR＝0.82

[0422] TNDL＝DLA*TNpDLC+DLA*FUS*FUStnr

[0423] TNFL＝FLA*TNpFLC+FLA*FUS*FUStnrF

[0424] TNGH＝TNPW*EXP(-KTN1*L1/V1)

[0425] TNGHHUI＝(TNLJT*QLJT+TNGH*QUTT)/(QLJT+QUTT)

[0426] TNLJT＝1107

[0427] TNpDLC＝29000000

[0428] TNpFLC＝29000000

[0429] TNpGC＝10000000

[0430] TNpIGDP＝451273

[0431] TNpTC＝2380000

[0432] TNpUC＝11000000

[0433] TNpUCC＝14900000

[0434] TNpUP＝4964000

[0435] TNPW＝(TNUT*QUT+PSITNNJ*NJIQ+PSLTNNJ*NJLQ)/(QUT+NJIQ+NJLQ)[0436] TNUT＝1511

[0437] TPDL＝DLA*TPpDLC+DLA*FUS*FUStpr

[0438] TPFL＝FLA*TPpFLC+FLA*FUS*FUStprF

[0439] TPGH＝TPPW*EXP(-KTP1*L1/V1)

[0440] TPGHHUI＝(TPLJT*QLJT+TPGH*QUTT)/(QLJT+QUTT)

[0441] TPLJT＝40

[0442] TPpDLC＝900000

[0443] TPpFLC＝900000

[0444] TPpGC＝200000

[0445] TPpIGDP＝33336

[0446] TPpTC＝150000

[0447] TPpUC＝240000

[0448] TPpUCC＝510000

[0449] TPpUP＝346750

[0450] TPPW＝(TPUT*QUT+PSLTP*NJLQ+PSITP*NJIQ)/(NJIQ+NJLQ+QUT)

[0451] TPUT＝40

[0452] TreeL＝271359

[0453] UncoverL＝19692

[0454] UP＝pop*UR

[0455] UR＝0.53

[0456] UrbanL＝4230

[0457] V1＝0.586

[0458] V2＝0.586

[0459] 3、模拟结果

[0460] 3.1模型模拟结果

[0461] 3.1.1贝叶斯网络预警模型

[0462] 按照2014年5月尼尔基水库库末监测数据，其五日生化需氧量为I类水、氨氮为II类水、总磷为III类水、总氮为III类水、高锰酸钾指数为II类水，将以上水质状况输入贝叶斯网络模型，对污染物来源进行计算。

[0463] 当繁荣新村的高锰酸钾水质状况为II类水时，石灰窑水质状况为I类水的概率为13.3％，II类水的水质状况为26.3％，III类水水质为27％，IV类水水质概率为20％，V类水水质概率为13.3％；嫩江浮桥断面的水质情况的概率分布为，当水质状况为I类水时，概率为17.1％，II类水水质为17.1％，III类水水质为32.4％，IV类水水质为31.4％，V类水水质为1.92％；甘河汇入，柳家屯断面为I类水的概率为22.8％，II类水质的概率为
22.8％，III类水的水质概率为17.9％，IV类水水质为22.8％，V类水水质概率为13.7％；
嫩江排污口概率为I类水概率为13.3％，II类水质为20％，III类水质的概率为27％，IV类水质概率为26％，V类水水质为13.7％。

[0464] 当尼尔基库末氨氮水质为II类时，石灰窑断面的水质状况的概率分布情况为I类水时概率为15.8％，II类水时概率为32.6％，III类水时的概率为32.6％，III类水的概率为20％，IV类水概率为15.8％，V类水概率为15.8％；嫩江浮桥断面I类水、IV类水、V类水概率为15.8％，II类水概率为29.9％，III类水概率为22.7％；柳家屯断面的氨氮水质概率分布情况为I类水为33.6％，II类水水质概率为17.5％，III类水、IV类水、V类水概率情况分别为16.7％，16.2％，16％。嫩江县排污口水质为I类水的概率为13.3％，II类水的概率为20％，III类水的概率为27％，IV类水的概率为26％，V类水的概率为13.7％。

[0465] 当尼尔基水库库末总磷水质为III类时，石灰窑断面的水质状况的概率分布为I类水水质20％，II类水水质为77.1％，III类水水质、IV类水水质、V类水水质为0.96％，嫩江浮桥概率I、II类水为48.6％，III类水到V类水概率为0.96％，柳家屯断面为I类水概率27.6％，II类水概率为69.5％，III类水、IV类水、V类水概率为0.96％；而嫩江县污水厂排放总磷浓度的概率分布I类水概率为13.3％，II类水概率为20％，III类水概率为27％，IV类水概率为26.3％，V类水概率为13.3％。

[0466] 由以上概率分布情况分析，可以看到，2014年5月尼尔基水库水质状况较好，仅有总氮总磷的水质状况超过II类水水质，而从上游断面的水质状况分析，可以看到氨氮、总磷的超标情况并不显著，仅有嫩江县排污口的水质状况较差，而由前面的污染源来源分布可以看到，嫩江县排污仅仅占据尼尔基水库中污染物的很小一部分，因此可以认为总磷总氮的排放更多来自于非点源排放。

[0467] 而按照2014年8月，嫩江上游各支流的水质监测状况，可以知道石灰窑断面的水质为高锰酸钾指数等级为III类水、氨氮水质等级为III类水、总磷水质等级为II类水、BOD5水质等级为III类水；嫩江浮桥水质状况，高锰酸钾等级为III类水、氨氮水质等级为III类水、总磷水质等级为II类水、BOD5水质等级为III类水；甘河汇入点柳家屯断面水质状况为高锰酸钾指数为II类水、BOD5水质等级为II类水、氨氮水质等级为II类水、总磷水质等级为II类水；而嫩江排污口出水质较差，BOD5、高锰酸钾指数、氨氮、总磷等指数皆为V类。

[0468] 将以上各断面水质状况输入贝叶斯网络，可以对尼尔基水库库末水质进行预警，结果显示：繁荣新村断面高锰酸钾指数的概率分布为I类水的概率为0.31％，II类水概率为34.8％，III类水概率为39.6％，IV类水概率为25.1％，V类水概率为0.16％；而BOD5的水质状况I类水概率为48.9％，II类水水质为46.1％，III类水水质为2.59％，IV类水水质为2.14％，V类水水质为0.31％；氨氮水质概率状况为I类水的概率为0.37％，II类水的概率为43.4％，III类水水质为53.4％，IV类水水质概率为2.48％，V类水水质概率为0.36％；总磷水质状况，为I类水的概率为11.6％，II类水的概率为59.7％，III类水水质概率为10.6％，IV类水水质概率为15.8％，V类水水质概率为2.26％。

[0469] 根据以上的结果可以看到，繁荣新村断面的水质状况为高锰酸钾指数为III类水的可能性最高，概率达到39.6；BOD5达到I类水的概率为48.9％，II类水的概率为46.1％，氨氮达到II类水水质为43.4％，III类水水质为53.4％，总磷为II类水的概率为59.7％，而根据监测的实际情况，可以看到在繁荣新村断面高锰酸钾指数达到III类水水质，BOD5浓度为I类水水质，氨氮为II类水水质，总磷为II类水水质，整体上与贝叶斯网络模型模拟的结果一致，说明贝叶斯网络模型较为一致。

[0470] 3.1.2系统动力学决策模型

[0471] 将相关数据输入系统动力学模型，对尼尔基水库水质状况进行模拟，其中模型社会经济数据采用2013年嫩江县社会经济公报，水质状况为采用2013年水质监测数据，污染物排放采用了排污口监测数据，土地利用状况则采用遥感图片解译数据等等。模型的时间边界为2013年到2024年，共12年，地理边界为尼尔基水库及嫩江上游干流汇水区，运行系统动力学决策模型，可以得到如下模拟结果，如图2所示。

[0472] 人口模拟结果显示，人口数量逐渐上升，2013年人口数量为504345人，到2024年人口数量为517833人，增长量为13000人，人口规模呈现出逐渐上升趋势，这也说明了社会经济呈现出逐渐发展的趋势，在城市化率没有明显增长的前提下，非农业人口总量上升，生活点源污染物排放量也会随之上升，同时随着人口数量上升，社会经济发展也较为明显，具体变化趋势如图3和图4所示。

[0473] 由图3与图4所示，GDP总量呈现平稳上升的趋势其在2013年到2016年之间增速减慢，之后增速逐渐上上，到2024年，能够实现GDP总量343亿元，而嫩江县主要的支柱产业为农业，其中2013年农业GDP占据整个GDP的比重较大，整体接近于1，总量为64亿元，而随着社会经济发展，农业GDP占据GDP的比重逐渐下降，到2024年，占据整个GDP的21％，总量达到73.5亿元。

[0474] 依据图5可知，根据模拟结果可以看到随着社会经济的发展，尼尔基水库的污染物浓度也呈现缓慢上升的趋势，其COD浓度从14mg/L逐渐上升到16mg/L，而氨氮浓度则在0.5mg/L左右，而总氮浓度则在1.6mg/L，总磷浓度则在0.07mg/L，按照2014年繁荣新村断面的监测数据，高锰酸钾指数为5.68mg/L，按照COD为高锰酸钾指数3倍左右计算，应为
16.8mg/L，氨氮浓度为0.66mg/L，总氮浓度为1.8mg/L，总磷浓度为0.09mg/L，对比模拟结果与实际检测值，可以看到模型的模拟结果较为准确。

[0475] 通过控制人均污染物排放量、控制沿江点源排放中的生活源排放，并降低工业增长中的工业排放，通过监控上游来水与甘河汇入的水质，降低通过上游来水与支流汇入进入尼尔基水库的污染物的量，并通过调整研究区内土地利用变化状况降低非点源污染情况，同时控制农田中化肥与农药的施用量，进而降低由于农药与化肥的过量施用，引起的过量残余农药与化肥通过地表径流进入水体。具体参数可根据下表1调整。

[0476] 表1 模型参数表

[0477]

[0478]

[0479] 氨氮、总氮、总磷的相关参数也按照以上COD计算的参数进行调整，进行方案决策，相关的模拟结果如图6所示。

[0480] 图6中，1号线为不采用任何控制策略的情况下，尼尔基水库库末的COD浓度变化情况，2号线为控制生活污染源排放的策略下，尼尔基水库库末COD浓度的模拟结果，从图6中可以看到，COD污染的主要来源应为生活污染的点源排放，当城镇排放量下降到40千克/(人×年)时，库末COD浓度为下降约为50％，是较为有效的控制COD浓度的策略，而图7中，2号线为控制工业源COD排放策略下尼尔基水库库末COD浓度模拟的结果，当万元工业增加值COD排放量下降到10千克/万元的情况下，尼尔基水库库末COD浓度的值在13.5mg/L到15mg/L之间，仍存在III类水的风险。

[0481] 图8中显示为控制上游来水策略下尼尔基水库库末COD浓度模拟结果，其中2号线为严格控制上游来水水质在10mg/L的策略下模拟尼尔基水库库末COD浓度变化的结果，显示其值为13mg/L到15mg/L之间变化，具有一定的达到III类水的风险；而图9中显示的则为控制甘河汇入策略下尼尔基水库库末的COD浓度模拟结果，其中2号线为严格控制甘河汇入水质在10mg/L的策略下，对尼尔基水库库末COD浓度变化的模拟结果，从图中显示可以看到，控制甘河汇入策略的效果要好于控制上游来水，主要是由于地理位置的差异，甘河汇合口距离尼尔基水库库末更近，因而水力停留时间更短，降解量更少。

[0482] 由图10显示为调整土地利用策略下尼尔基水库库末COD浓度模拟结果，其中2号线为将农田面积降低旱田面积与水田面积都降低50％后的模拟结果，这里需要注意的是模拟方案仅仅将农田减少，而并不是将农田转化为其他用地类型，因此，其模拟结果是小于政策实际实施情况下的浓度值，从同上可以看出通过调整土地利用情况，对于控制COD的浓度有一定效果，但是并不显著，其变化范围在13.5mg/L到15.5mg/L之间，并不能有效避免入库水质达到III类水。

[0483] 因此就COD的控制而言，最为有效的方法是控制嫩江县污水厂的排放量，降低生活源中COD污染物的含量，其次为控制甘河汇入，由于甘河汇入口距离尼尔基库区较近，且其流量较大，加之嫩江干流上游流速较快，若不对甘河加以控制，大量的甘河上游污染物在不经过降解的前提下直接汇入库区，对尼尔基水库的水生态风险具有较大影响。

[0484] 同样，我们针对以上五种策略，对氨氮、总氮、总磷等常规污染物进行模拟，同时对比农田调整情况下的特征污染物状况进行模拟，在总氮、总磷、氨氮的模拟中，1号线表示按照目前状况下污染物浓度模拟结果，2号线表示在控制生活源排放策略下的污染物浓度，3号线表示在控制工业源排放策略下的污染物浓度，4号线表示控制上游来水策略下的污染物浓度，5号线表示控制甘河汇入策略下的污染物浓度，6号线表示调整土地利用策略下尼尔基水库库末污染物浓度的模拟结果。

[0485] 由图11中显示结果可以看到，不同策略下尼尔基水库库末氨氮浓度模拟结果状况，其中按照目前的策略，尼尔基氨氮浓度模拟结果在0.52mg/L，为III类水水质，而在五种策略中，最为有效的的是土地调整策略，与COD状况一致，此处模拟值在理论上是小于政策实施的实际情况下的氨氮浓度，约为0.41mg/L，低于III类水水质标准，同样控制生活源来源与甘河汇入也可以使尼尔基水库氨氮浓度低于III类水水质标准，其中控制生活源排放，可使尼尔基水库浓度为0.46mg/L，而控制甘河汇入则可以使尼尔基水库库末氨氮浓度在0.47mg/L。而由于工业源氨氮排放量较小，上游断面距离尼尔基水库距离较远，因此其对于氨氮浓度的影响并不明显。

[0486] 图12中显示结果，可以看到总氮浓度的最优策略与氨氮状况一致，控制非点源排放对总氮浓度的控制效果最好，其次为生活源以及甘河汇入，而工业源以及上游来水排放的控制效果较差。图13中显示结果，可以看到总磷浓度的最优策略与总氮状况一致，控制非点源排放对总磷浓度的控制效果最好，其次为生活源以及甘河汇入，而工业源以及上游来水排放的控制效果较差。

[0487] 由于模型结构的原因，可以看到当农田面积下降一半时，其特征污染物排放量下降一半，但是与之前常规污染物的情况一致，此处仅仅考虑农田减少50％，而没有考虑土地类型转变为其他类型，因此其模拟结果应小于实际政策下的排放量。从以上的结果可以看出，COD的主要控制手段为控制嫩江县生活污染源排放，以及加强控制甘河汇入水质，氨氮、总氮、总磷的控制手段则为控制土地利用情况，或降低农田化肥的施用量降低营养元素的非点源汇入，同时加强控制甘河汇入水质，从而降低尼尔基水库库末水污染物浓度，从而减少水生态风险。

标题	发布/更新时间	阅读量
一种改进的石灰窑窑体	2020-05-15	778
一种隔焰煅烧石灰窑	2020-05-15	734
一种高效节能石灰窑炉	2020-05-15	107
一种石灰窑用燃烧梁	2020-05-16	124
石灰窑余热利用装置	2020-05-16	427
一种梁式石灰窑	2020-05-12	157
一种石灰窑用热风梁及石灰窑	2020-05-14	713
环保节能石灰窑	2020-05-13	971
环保节能石灰窑	2020-05-13	700
石灰窑	2020-05-11	939

一种基于系统动力学决策模型的嫩江流域典型区域水生态风险评估方法

一种基于系统动力学决策模型的嫩江流域典型区域水生态

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：