CN110399676A - 西北太平洋三维溢油业务化应急预报及评估*** - Google Patents
西北太平洋三维溢油业务化应急预报及评估*** Download PDFInfo
- Publication number
- CN110399676A CN110399676A CN201910672045.6A CN201910672045A CN110399676A CN 110399676 A CN110399676 A CN 110399676A CN 201910672045 A CN201910672045 A CN 201910672045A CN 110399676 A CN110399676 A CN 110399676A
- Authority
- CN
- China
- Prior art keywords
- module
- oil spilling
- oil
- information
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000009792 diffusion process Methods 0.000 claims abstract description 121
- 238000000034 method Methods 0.000 claims abstract description 112
- 238000012545 processing Methods 0.000 claims abstract description 90
- 238000004088 simulation Methods 0.000 claims abstract description 42
- 230000000694 effects Effects 0.000 claims abstract description 17
- 230000000007 visual effect Effects 0.000 claims abstract description 16
- 230000007613 environmental effect Effects 0.000 claims abstract description 15
- 230000010365 information processing Effects 0.000 claims abstract description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 41
- 230000008569 process Effects 0.000 claims description 40
- 239000002245 particle Substances 0.000 claims description 39
- 230000032258 transport Effects 0.000 claims description 38
- 238000004458 analytical method Methods 0.000 claims description 27
- 238000009394 selective breeding Methods 0.000 claims description 23
- 238000001704 evaporation Methods 0.000 claims description 17
- 238000005295 random walk Methods 0.000 claims description 17
- 238000009826 distribution Methods 0.000 claims description 16
- 230000008020 evaporation Effects 0.000 claims description 16
- 238000004945 emulsification Methods 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 12
- 206010003084 Areflexia Diseases 0.000 claims description 9
- 230000010354 integration Effects 0.000 claims description 9
- 238000013459 approach Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 230000002123 temporal effect Effects 0.000 claims description 8
- 230000001235 sensitizing effect Effects 0.000 claims description 7
- 230000035939 shock Effects 0.000 claims description 5
- 238000012800 visualization Methods 0.000 claims description 5
- 238000013316 zoning Methods 0.000 claims description 4
- 241000208340 Araliaceae Species 0.000 claims description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 3
- 235000008434 ginseng Nutrition 0.000 claims description 3
- 238000005309 stochastic process Methods 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims 1
- 238000011160 research Methods 0.000 abstract description 6
- 230000007774 longterm Effects 0.000 abstract description 3
- 230000004044 response Effects 0.000 abstract description 3
- 238000013461 design Methods 0.000 abstract description 2
- 238000002203 pretreatment Methods 0.000 abstract 1
- 239000003921 oil Substances 0.000 description 304
- 238000005516 engineering process Methods 0.000 description 12
- 230000006399 behavior Effects 0.000 description 11
- 239000011159 matrix material Substances 0.000 description 11
- 238000012360 testing method Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 239000000839 emulsion Substances 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 5
- 239000003305 oil spill Substances 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000035755 proliferation Effects 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 238000010008 shearing Methods 0.000 description 4
- 238000007667 floating Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 239000013535 sea water Substances 0.000 description 3
- 230000008033 biological extinction Effects 0.000 description 2
- 238000009835 boiling Methods 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 230000001143 conditioned effect Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000006253 efflorescence Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000009022 nonlinear effect Effects 0.000 description 2
- 206010037844 rash Diseases 0.000 description 2
- 230000011514 reflex Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000003643 water by type Substances 0.000 description 2
- 241000501754 Astronotus ocellatus Species 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 235000014676 Phragmites communis Nutrition 0.000 description 1
- 241000196435 Prunus domestica subsp. insititia Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000009360 aquaculture Methods 0.000 description 1
- 244000144974 aquaculture Species 0.000 description 1
- 239000002199 base oil Substances 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000010779 crude oil Substances 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000001804 emulsifying effect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000004816 latex Substances 0.000 description 1
- 229920000126 latex Polymers 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000007539 photo-oxidation reaction Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000000341 volatile oil Substances 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了西北太平洋三维溢油业务化应急预报及评估***,***包括溢油信息快速处理模块、环境信息处理模块、溢油输运模块、溢油风化模块、数据同化模块、集合预报模块、地理信息数据模块、可视化分析模块与***控制中心模块;本发明能够实现考虑海浪作用下的西北太平洋海域深海溢油三维短期和中长期数值模拟预测及不同垂向扩散方案的应用对比;可以对多种油源信息及溢油类型进行前处理并开展预测;能实时利用现场观测数据和最优插值同化方法对溢油模型外部强迫场进行优化,从而提高预报准确率;可提供集合预报结果;对海洋生态防灾减灾科学研究和管理部门应急反应***的设计等具有重要实用价值。
Description
技术领域
本发明涉及海上溢油漂移扩散数值模拟技术,特别是深海海域三维数值模拟短期及中长期预测技术,并实现西北太平洋海域的业务化应用领域。
背景技术
在已有溢油输运扩散模拟的研究中,海面溢油的输运扩散主要受到海面风场、海流、波浪及湍流的作用,水下溢油的输运扩散则主要受海流流速和湍流的作用【80-89】。Reedet al(1994a)【90】建议,在没有破碎波且微风情况下,风速的3.5%赋给油膜漂移速度。但是当风速增加的时候,溢油将被卷夹入水,海流的剪切和波浪的破碎作用不可忽略,已有研究已经证明溢油垂向运动的重要性。Johansen(1984)【43】,Elliot et al.(1986)【50】,Delvigneand Sweeney(1988)【91】,Reed et al.(1994a)【90】等学者的各类现场、实验室或者数值模拟结果均显示了溢油垂向运动的重要性,溢油的自然卷夹过程在溢油归宿模拟中起着重要作用,同时也决定着溢油在海面上的时空分布情况。因此考虑波浪影响下溢油的垂向扩散运动成为目前三维溢油数值模拟的前沿研究,已有的拉格朗日随机游走溢油模拟研究中出现了四种垂向扩散模拟方法,如Giovanni Coppini et al.(2011)【92】,Wang S.D.et al,(2008)【64】,Craig(1994)【93】,Mellor(2004)【94】,Lonin(1999)【95】等人的模拟研究中均采用不同的垂向扩散方案。但尚未有人开展垂向扩散对溢油输运在空间和时间上分布的敏感性分析,也没有相关文献对采用不同垂向扩散模拟方案模拟结果进行对比分析,更没有文献揭示采用哪种方案的模拟结果在实际应用中更符合观测结果。
随着现场观测技术和监测水平的提高,卫星技术的发展和处理该类事故的力量的增强。逐渐积累了海上油井平台处的风场观测资料。同时通常在事故发生后,应急部门将启用卫星、航空遥感以及船舶现场观测来监视溢油漂移情况和附近海流情况。可以预见,海上风、流以及现场事故观测数据将越来越多,那么如何利用这些观测资料来提高溢油输运扩散预报的准确度成为溢油数值预报模型研究的新方向,被提到日程上的新课题,也是在国家“十一五”科技攻关项目课题验收过程中,众多专家和溢油应急决策***应用单位所关注的问题,同时也是专家们指出的溢油预报模型研究进一步深入的方向。
溢油数值模拟的准确性依赖于模式本身物理过程的公式化求解是否合理,同时也依赖于输入的数据信息的准确性(比如风、流、溢油源的信息等),最后还取决于模拟结果的使用。而这些输入的数据带来各种来源的误差,从而影响预报准确率,这些误差来源对于预报准确率而言非常的重要,不可忽略。很多研究人员开展了溢油输运扩散模型中各种参数的敏感性试验(如Elliott,2004;Jorda et al.,2007;Ana J.Abascal et al.,2010)【96-98】,这些实验揭示影响溢油输运扩散模拟准确性的因素很多。除了之前提到的各类输入模式的数据带来的误差外,很多学者(James M.et al,2004;Elliott and Jones,2000;Reinaldoand Henry,1999)对模式计算时间步长、模式积分方法和模式分辨率等因素对溢油输运模拟预报结果的影响也开展了一系列的研究工作【99-109】。面对如此多的溢油输运模拟预报精度影响因子,为了提高预报精度以满足实际需求,我们应该从那些方面来规避或者削弱各种误差来源,从而达到提高模拟精度呢?不同的学者针对不同误差来源,开展了各方面的研究工作。比如Mariano A.J.et al.(2011)【104】通过集合预报削弱海流预报误差,从而提高溢油输运扩散预报精确度,并且应用到了NOAA在墨西哥湾溢油事件的预报中。和Guedes Soares(2006,2007)【107-108】分别针对沿岸和开阔海域,发展了一些方法来确定溢油预报中的不确定部分。但至今尚未有研究确定溢油输运扩散预报中的主要误差来源,也没有学者开展针对某一区域的溢油输运中期预报敏感性实验分析,寻找对于中期预报的主要误差来源。
现有技术当中溢油预报大多采用二维模型,只考虑海面的,对深海溢油及油粒子垂向运动过程考虑并不充分。国外先进的挪威的OSCAR模型及美国的OILMAP模型能实现溢油的三维模拟及深海溢油模拟,但一方面该技术不被公开,另外一方面,他们的技术里面垂向并不考虑不同水层海流垂向运动对油粒子的作用,而这在有些海域,尤其有明显垂向流的地方是应充分考虑的。
并且现有溢油三维模拟的垂向湍流扩散部分,基本都是经验化公式,很少考虑海流模型本身的湍流特征对溢油扩散的影响,及溢油自己垂向湍流扩散本身应有的特征。
发明内容
本发明提供西北太平洋三维溢油业务化应急预报及评估***。
发明的方案是:
西北太平洋三维溢油业务化应急预报及评估***,包含溢油信息快速处理模块、环境信息处理模块、溢油输运模块、溢油风化模块、数据同化模块、集合预报模块、地理信息数据模块、可视化分析模块与***控制中心。
作为优选的技术方案,所述溢油信息快速处理模块根据所述***控制中心发出的指令对不同类型的事故源信息及事故类别进行快速处理,并提供给***控制中心溢油源的信息;
所述环境信息处理模块根据所述***控制中心指令将不同来源和数据格式的海面风、海流、海温、海浪场数据信息处理成本***所需格式,提供给所述***控制中心存储,以供所述溢油输运模块、所述溢油风化模块、所述数据同化模块、所述集合预报模块、所述可视化分析模块读取使用;
所述溢油输运模块采用油粒子模型方法来模拟溢油在海洋环境中的时空行为;油粒子模型方法包括平流过程和扩散过程,所述溢油三维输运扩散运动包括平流过程,扩散过程,垂向上海浪对油粒子入水、浮力、湍流和垂向海流的作用;所述平流过程采用二阶精度的欧拉方法求解,所述扩散过程采用随机游走方法模拟,所述扩散过程中垂向上分别采用A垂向扩散方案、B垂向扩散方案与C垂向扩散方案;所述溢油输运模块从所述***控制中心获取计算所需信息,并将计算结果提供给所述***控制中心;所述油粒子模型方法中的模型边界条件采用无反射条件,所述无反射条件为当水中所述油粒子升到海面时,便成为表面粒子并与其他的表面粒子一起随表面流平移和扩散;所述油粒子在漂移的过程中到达陆地边界,等同于所述油粒子粘着在陆地上,在计算中也声明该粒子死掉,不再参与计算,当所述油粒子到达计算区域边界时也认为该所述油粒子死掉,不再参与计算,采用网格法来判断油粒子靠岸的情况;
所述溢油风化模块通过经验模型计算溢油的蒸发、乳化与密度来模拟预测海上残油量、溢油密度变化情况,所述溢油风化模块从所述***控制中心获取计算所需信息,并将计算结果提供给***控制中心;
所述数据同化模块根据所述溢油信息快速处理模块中读取到现场观测结果的情况下启动,利用最优插值同化方法,对环境场数据进行优化,提高预报准确率;所述数据同化模块的控制按钮在***控制中心,由是否有现场观测数据来通过所述***控制中心触发;
所述集合预报模块根据***控制中心指令,选择不同来源的海流、风场、海浪及溢油参数下的模拟结果开展集合预报,默认或人工选择外部强迫方案及溢油模型参数方案,默认或人工输入各方案权重得到集合预报结果,并将集合预报结果提供给***控制中心;
所述地理信息数据模块***控制中心指令,处理该模块数据库中西北太平洋海洋地理信息数据为当前计算所需格式的水深、海陆网格数据,并将该数据提供给***控制中心;
所述可视化分析模块根据***控制中心指令,将预报的结果以图片、动画的方式进行输出,预报的内容包括油漂移轨迹、扩散范围、油膜厚度及其分布、影响岸段范围及抵岸时间、影响敏感区及抵达时间、扫海面积;
所述***控制中心是控制指令中心和数据交换中心,控制溢油信息快速处理模块、环境信息处理模块、溢油输运模块、溢油风化模块、数据同化模块、集合预报模块、地理信息数据模块、可视化分析模块,所述***控制中心通过人工或默认方式对外部强迫场文件、输入溢油参数进行选择;人工选择溢油源信息的处理方式,人工选择是否启动同化模块,人工选择是否启动集合预报模块,人工选择相应溢油模型参数,所述***控制中心根据以上的设置,完成各模块之间数据的交换,实现模拟计算,并发指令给可视化模块,绘制模拟结果产品。
作为优选的技术方案,所述溢油信息快速处理模块包括溢油源初始化模块与溢油现场观测信息处理模块,所述溢油源初始化模块包含对图片类油源信息与数据类油源信息的处理,对于图片类油源信息该模块基于matlab软件,采集污染区廓线坐标位置,利用matlab中的功能,将溢油源观测图片类信息进行数字化,对于数据类油源信息,所述溢油源初始化模块将点源、面源类连续溢油或者瞬时溢油,运动油源连续或者瞬时溢油类的油源信息转化为模型所需格式的溢油数字化信息;所述溢油现场观测信息处理模块将溢油观测时间、地点、范围、溢油量、溢油的方式、油品的类型,油源移动速度、溢油现场观测到的风场、流场、海浪及最新观测位置、形状、时间信息进行处理,提供给所述***控制中心存储,为所述数据同化模块、所述溢油输运模块及所述溢油风化模块读取使用。
作为优选的技术方案,所述图片类油源信息包括遥感图片、航拍图片。
作为优选的技术方案,所述扩散过程采用随机游走方法模拟,所述扩散过程中垂向上采用A垂向扩散方案,方程如下
ξ为标准高斯白噪声,Kh为垂向扩散系数,Δt为时间步长,C'为常数;
所述A垂向扩散方案中所述Kh为Kwave,所述Kwave为垂向涡旋粘性,所述Kwave采用海面波浪导致的雷诺应力的半经验公式如下
其中,Hs为有效波高,κ为波数,T为平均周期,Z为油粒子所在位置离海面的距离;所述Hs为有效波高的获得采用以下公式
作为优选的技术方案,所述扩散过程采用随机游走方法模拟,所述扩散过程中垂向上采用B垂向扩散方案,方程如下:
ξ为标准高斯白噪声,Kh为垂向扩散系数,Δt为时间步长,C'为常数,上述方程中直接采用海流模型中垂向湍流系数作为方程中Kh。
作为优选的技术方案,所述扩散过程采用随机游走方法模拟,所述扩散过程中垂向上采用C垂向扩散方案,方程如下:
上述公式为Langeven方程,其中α'和λ是系数,由stochastic过程的方差和离差所决定,Langeven方程和马尔可夫链之间的关系如下公式
其中上述公式中的A,B,C按下列公式求解;
其中σ为湍流速度的均方根,TL为Lagrange积分时间尺度,所述TL为Lagrange积分时间尺度根据下列公式求解;
b为湍流动能,ε为湍能耗散率,l为湍流特征尺度。
A垂向方案、B垂向方案、C垂向方案的最优方案,经过对比判断,选最优方案提供。
海浪和垂向流作用及A、B、C垂向扩散方案可选的溢油三维运动模拟技术。
溢油在海洋水体中的运动主要表现为两种过程:在平流作用下的整***移和在剪流和湍流作用下的扩散。溢油自身的表面扩散过程持续时间很短,而持续时间较长的运动形式主要表现为平流输运和湍流扩散。这两种运动机制分别受制于“平流”和“湍流”。这两种过程总是同时存在,通常称为“平流-扩散”问题。
基于上述,本发明采用油粒子方法来模拟溢油在海洋环境中的时空行为。粒子模型方法将运动过程分成两个主要部分,即平流过程和扩散过程,采用二阶精度的欧拉方法求解溢油(粒子云团)的平流过程,采用随机游走方法模拟溢油的扩散过程。
溢油三维输运扩散运动分为平流过程、扩散过程,垂向上海浪对油粒子入水、浮力、湍流和垂向海流的作用,下面给出油粒子运动方程:
uo和vo是油粒子的水平速度,wo是油粒子的垂向速度。方程中等号右边第一项是海流的流速,uc和vc表示油粒子位置处水平方向上的流速,wc表示油粒子位置处垂直方向上的流速,这些都来源于海流模式的模拟结果,代表该油粒子所在位置海流的运动情况。方程中等号右边第二项代表风对油粒子的拖曳作用,ua和va是油粒子所在位置海面10米高处的风速,该风速也是通过大气数值模式的模拟结果获得,而且当油粒子在水中时该项作用不予考虑。α和β是风漂因子和偏角,风漂因子通常为1%-6%,偏角绝对值通常为0°到45°,在北半球时右偏为负值,南半球时左偏为正值。uw和vw是非线性波产生的波余流带来的油粒子漂移速度。由于油膜的存在而导致表面张力增大,使海面趋于平滑,海浪的非线性效应大为减弱,相应的波余流也大为减小,所以在计算油粒子运动时可以忽略。wok是浮力作用下的垂向速度,根据Stokes定律:
d油粒子半径,dc油粒子临界半径。油粒子半径为10-1000μm之间的对数正态分布。ν为水的粘度,ρo和ρw分别为油和水的密度,建模过程中假设油的密度为830kg m-3(实际案例中根据人工输入的油品类型决定),水的密度设为1025kg m-3,水的粘度为1.311mm3s-1。
湍流速度(<u'>,<v'>,<w'>)采用随机游走方法:
ξ为标准高斯'white noise',Am为水平扩散系数,Kh为垂向扩散系数,Δt为时间步长,C'为常数。
进行以下三种垂向扩散计算,并可进行比对。
A方案中用垂向涡旋粘性(Kwave)代表Kh。Kwave源自由于海面波浪导致的雷诺应力的半经验公式(Ichiye,1967):
Hs为有效波高,κ为波数,T为平均周期,Z为油粒子所在位置离海面的距离。湍流扩散包含涡旋和分子扩散,通常涡旋扩散远远大于分子扩散,因此我们可以忽略分子扩散,直接用涡旋扩散来代表扩散系数。有效波高采用Neumann and Pierson(1996)建议的公式:
B方案
上述方程中直接采用海流模型中垂向湍流系数作为方程中Kh。
C方案
来源于Lonin(1999)【95】。垂向扩散过程不应该如水平扩散过程那样求解,垂向扩散过程应该被精确化。主要理由有三点:第一,垂向扩散过程是一个迅速变化的瞬时过程;第二,垂向湍流涡旋的“life times”非常短,即涡旋从形成到消亡的所需要的时间非常短;第三,在垂向扩散模拟中,海流的垂向剪切非常重要。采用Langeven方程来求解垂向扩散过程。溢油模拟出现采用这种方法来求解溢油在垂向上的湍流运动。
Langeven方程如公式(4.1),α'和λ是系数,由stochastic过程的方差和离差所决定,Langeven方程和马尔可夫链(Markov's chain)之间的关系如公式(4.2)。其中A,B,C按公式(4.3)求解。σ为湍流速度的均方根,TL为Lagrange积分时间尺度,根据公式(1.4)求解。b为湍流动能,ε为湍能耗散率,l为湍流特征尺度。这些参数都可以从海流模式中获取。
主要针对上述三种方案开展垂向扩散敏感性实验分析,可通过对比分析试验结果来揭示垂向混合对溢油时空分布的影响,判定和选择最优垂向扩散方案。
利用现场观测数据及最优插值同化方法,对溢油模型外部强迫场进行优化以提供预报准确率。
在现有的溢油业务化应急预报中,因为要求该预报***能在任何时刻都能启动,并迅速给出预报结果。我们知道风场和流场的业务化数值预报***通常计算都较为耗时,因此为了节省计算时间,我们风和流的数值预报通常是每天定点运行,然后将未来三天的预报结果存放在数据库,当发生溢油事故时,启动溢油输运扩散数值预报模型去读取即可。可是这样做的同时就引出了新的问题:一天之内接收到事故现场风场和海流的观测时,一般不适宜将该数据加入海面风场和海流预报***进行同化,重新计算,这样大大加重了计算负担,不仅耗时而且不能满足应急预报要求迅速快捷的特点;因此,在事故发生后能获取现场风场和流场的观测数据的情况下,如何利用已有的观测数据来优化风场和流场预报数据,然后提供给溢油模式,从而提高预报准确度呢?
本发明提供了利用现场观测数据和最优插值同化方法,开展对外部强迫场的优化,提供环境场准确率,减少溢油模型的误差引入,从而提高溢油模型的预报准确率。
最优插值方法(Optimal Interpolation,OI)是基于统计理论的一种分析方法,采用统计最小二乘法确定最优权重,将观测直接插值到背景场,获得最优插值结果,即获得的分析场是在方差最小的意义下背景场和观测场的一种线性组合。OI的分析方程为公式:
xa=xb+BHT(HBHT+R)-1(yo-H[xb])
其中xb为背景场(即模式预报结果),yo为观测场(即观测结果),通常我们设:
K=BHT(HBHT+R)-1
并将K称为增益矩阵,或者权重矩阵,其中R为观测误差协方差矩阵,该矩阵对角元素为观测误差协方差值,其他元素均为0,B为背景误差协方差矩阵:
σ2为静态背景误差协方差常数值,L为相关尺度因子,也是常数,Δx2,Δy2为背景场每个网格点同其它网格点距离矩阵,H为线性观测算子,xa为背景场经过OI同化技术订正后得到的分析场。考虑观测误差和预报误差情况,根据经验设R=0.2,B的σ2=4。
因此这里,我们需要解决的问题是,对于每次现场观测数据个数及位置分布特征情况下,L的取值为多少才能获得整个场误差的最小值。该模块中采用交错订正(cross-correct)方法来确定L的取值。这里,交错订正法就是分别轮流采用N个观测站中N-1个观测站的值来做同化得到分析场,再求该分析场同余下1个观测站观测结果的误差值。这样在L定值的情况下,会得到N个误差值,再将N个值求取平均,作为该L值下的分析场平均误差值(σc 2),然后对每个观测时刻都采用这种方法得到的σc 2进行平均,得到该L值下的分析场时间平均误差值(σcm 2)。利用这N个观测点资料和环境背景强迫场数据,采用交错订正法,分别对风速U分量和V分量,进行L从10米至300米的试验,从试验结果选定最优L选值开展同化。
对模型误差进行分析,开展集合预报,为预报员的综合研判提供参考。
利用不同海流、风场及溢油参数选择下的模拟结果进行误差分析,开展集合预报,可人工选择外部强迫方案,或对风流进行误差扰动,可选择溢油模型参数方案,可人工输入各方案权重得到集合预报结果,集合预报结果可供预报员开展综合研判提供参考信息。
对多种溢油源信息及溢油类别数据的数字化处理技术。
本发明可将图片类信息及数据类文件转化成溢油模型所需的格式化数字信息,从而实现对船舶、平台及运动油轮类,点源面源及运动油源类,连续或瞬时溢油,以及卫星以及航空遥感监测到溢油类型进行数值模拟预测。图3给出了本模块将图片数字化的过程;基于matlab软件,采集污染区廓线坐标位置,利用matlab中的一些功能,在廓线区域内均匀生成油粒子,并获得各个油粒子的坐标位置。
本发明对溢油现场观测到的溢油时间、地点、范围、溢油量、溢油的方式、油品的类型,油源移动速度、溢油现场观测到的风场、流场、海浪及最新观测位置、形状、时间信息进行处理,以方便数据同化模块、溢油输运模块及溢油风化模块读取使用。
建立西北太平洋三维溢油业务化预报***并实现业务化运行。
按照工程标准及软件著作权申请标准,将上述模块同环境信息处理模块、溢油风化模块、地理信息数据模块及可视化分析模块进行衔接,并建立***控制中心模块来控制各模块的运行顺序及数据交换,从而建立西北太平洋三维溢油业务化预报***,并实现业务化运行。***结构见图1,该***业务化运行流程见图2,各模块功能及数据交换情况介绍如下:
溢油信息快速处理模块:该模块根据***控制中心指令对不同类型的事故源信息及事故类别进行快速处理,把不同类别的溢油源信息资料按照***格式要求进行数字化,并提供给***控制中心。
环境信息处理模块:该模块根据***控制中心指令将不同来源和数据格式的海面风、海流、海温、海浪场数据信息处理成本***所需格式,并提供给***控制中心。
溢油输运模块:该模块根据控制中心指令及其它模块提供给控制中心的数据计算溢油在海洋环境中的时空行为,并将计算结果提供给控制中心。
溢油风化模块:该模块根据控制中心指令和提供的环境场情况,通过经验模型计算溢油的蒸发、乳化与密度来模拟预测海上残油量、溢油密度变化情况,并将计算结果提供给控制中心。
数据同化模块:该模块根据控制中心指令启动,利用最优插值同化方法,对环境场数据进行优化,并提供给控制中心优化后的环境场数据。
集合预报模块:该模块根据***控制中心指令,选择不同来源的海流、风场、海浪及溢油参数下的模拟结果开展集合预报,可人工选择外部强迫方案及溢油模型参数方案,可人工输入各方案权重得到集合预报结果,并将结果返回控制中心储存。
地理信息数据模块:按照***控制中心指令,处理该模块数据库中西北太平洋海洋地理信息数据为当前计算所需格式的水深、海陆网格数据,并将数据返回控制中心储存。
可视化分析模块:该模块根据***控制中心指令,将预报的结果以图片、动画的方式进行输出,预报的内容包括油漂移轨迹、扩散范围、油膜厚度及其分布、影响岸段范围及抵岸时间、影响敏感区及抵达时间、扫海面积。
***控制中心:该模块是控制指令中心和数据交换中心,控制其它8各模块。***控制中心通过人工或默认方式对外部强迫场文件、输入溢油参数进行选择;人工选择溢油源信息的处理方式,人工选择是否启动同化模块,人工选择是否启动集合预报模块,并输入相应参数,所述***控制中心根据以上的设置,完成各模块之间数据的交换,实现模拟计算,并发指令给可视化模块,绘制模拟结果产品。
本发明的优点:
1、完全自主知识产权,不依赖国外技术和国外海洋环境强迫场的提供。
2、实现深海溢油的三维模拟及不同垂向方案的应用可选及对比,三维模拟技术达到国际领先水平。
3、实现西北太业务化应用,并在实际案例应用过程中发挥重要作用。
4、能对多种溢油源信息进行处理和预测。
5、利用同化技术,实现实时现场观测数据对溢油模型强迫场数据的优化,提高预报准确率。
6、能对比展示不同来源环境强迫场下的溢油模拟结果,方便开展误差分析,输入权重因子后能实现各模拟结果的集合预报技术处理并展示,并能为预报员提供集合预报结果分析。
本发明具有以下有益效果:
本发明基于油粒子方法建立了考虑海浪和垂向流作用及三种垂向扩散方案可选的西北太平洋三维溢油业务化应急预报及评估***。该***可实现在西北太平洋深海海域的应用;可利用现场观测数据及最优插值同化方法,对溢油模型外部强迫场进行优化以提高预报准确率;考虑外部强迫场的引入误差问题,可对强迫场进行扰动或者选择不同来源的强迫场驱动溢油模型,对模型误差进行分析,开展集合预报,为预报员的综合研判提供参考;可对多种溢油源信息及溢油类别数据进行数字化处理。该***所有功能均已实现业务化应用,在实际溢油案例中及时快速地为现场处置提供所需预测信息,如溢油漂移轨迹、扩展范围、油膜厚度、扫海面积、溢油抵岸或抵达敏感区的时间,并可将预测结果以图片或者动画形式显示。预测结果为现场处置确定有针对性的高效科学的现场清理方案,及时保护脆弱生态区及旅游养殖区;对评估沿岸海域的海洋环境灾害对海洋生态环境影响,保护海洋生态环境和海水水质及沿岸养殖业,实施可持续发展战略具有重要指导意义;对海洋生态防灾减灾科学研究和对管理部门应急反应***的设计等也具有重要实用价值。
附图说明
图1为实施例1的***结构图;
图2为实施例1的业务化运行流程图;
图3为实施例1中信息数字化过程图;
图4为实施例1中时间上线性插值示意图;
图5为实施例1中空间上水平方向双线性插值示意图;
图6为实施例1中空间上垂直方向线性插值示意图;
图7为实施例1中油粒子靠岸判断技术图;
图8为实施例2西北太平洋三维溢油业务化应急预报及评估***的主界面;
图9为实施例2西北太平洋三维溢油业务化应急预报及评估***的选择溢油类型的卫星图片信息;
图10为实施例2西北太平洋三维溢油业务化应急预报及评估***的选择溢油类型的点源信息;
图11为实施例2油粒子中心位置漂移轨迹图;
图12为实施例2影响区域图;
图13为实施例2扫海面积图;
图14为实施例2油膜浓度图;
图15为实施例2预报检验图。
具体实施方式
为了使本发明的目的及优点更加清楚明白,以下结合实施例对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
西北太平洋三维溢油业务化应急预报及评估***,包含溢油信息快速处理模块、环境信息处理模块、溢油输运模块、溢油风化模块、数据同化模块、集合预报模块、地理信息数据模块、可视化分析模块与***控制中心。
作为优选的技术方案,所述溢油信息快速处理模块根据所述***控制中心发出的指令对不同类型的事故源信息及事故类别进行快速处理,并提供给***控制中心溢油源的信息;
所述环境信息处理模块根据所述***控制中心指令将不同来源和数据格式的海面风、海流、海温、海浪场数据信息处理成本***所需格式,提供给所述***控制中心存储,以供所述溢油输运模块、所述溢油风化模块、所述数据同化模块、所述集合预报模块、所述可视化分析模块读取使用;
所述溢油输运模块采用油粒子模型方法来模拟溢油在海洋环境中的时空行为;油粒子模型方法包括平流过程和扩散过程,所述溢油三维输运扩散运动包括平流过程,扩散过程,垂向上海浪对油粒子入水、浮力、湍流和垂向海流的作用,所述平流过程采用二阶精度的欧拉方法求解,所述扩散过程采用随机游走方法模拟,所述扩散过程中垂向上分别采用A垂向扩散方案、B垂向扩散方案与C垂向扩散方案;所述溢油输运模块从所述***控制中心获取计算所需信息,并将计算结果提供给所述***控制中心;所述油粒子模型方法中的模型边界条件采用无反射条件,所述无反射条件为当水中所述油粒子升到海面时,便成为表面粒子并与其他的表面粒子一起随表面流平移和扩散,所述油粒子在漂移的过程中到达陆地边界,等同于所述油粒子粘着在陆地上,在计算中也声明该粒子死掉,不再参与计算,当所述油粒子到达计算区域边界时也认为该所述油粒子死掉,不再参与计算,采用网格法来判断油粒子靠岸的情况;
所述溢油风化模块通过经验模型计算溢油的蒸发、乳化与密度来模拟预测海上残油量、溢油密度变化情况,所述溢油风化模块从所述***控制中心获取计算所需信息,并将计算结果提供给***控制中心;
所述数据同化模块根据所述溢油信息快速处理模块中读取到现场观测结果的情况下启动,利用最优插值同化方法,对环境场数据进行优化,提高预报准确率;所述数据同化模块的控制按钮在***控制中心,由是否有现场观测数据来通过所述***控制中心触发;
所述集合预报模块根据***控制中心指令,选择不同来源的海流、风场、海浪及溢油参数下的模拟结果开展集合预报,默认或人工选择外部强迫方案及溢油模型参数方案,默认或人工输入各方案权重得到集合预报结果,并将集合预报结果提供给***控制中心;
所述地理信息数据模块***控制中心指令,处理该模块数据库中西北太平洋海洋地理信息数据为当前计算所需格式的水深、海陆网格数据,并将该数据提供给***控制中心;
所述可视化分析模块根据***控制中心指令,将预报的结果以图片、动画的方式进行输出,预报的内容包括油漂移轨迹、扩散范围、油膜厚度及其分布、影响岸段范围及抵岸时间、影响敏感区及抵达时间、扫海面积;
所述***控制中心是控制指令中心和数据交换中心,控制溢油信息快速处理模块、环境信息处理模块、溢油输运模块、溢油风化模块、数据同化模块、集合预报模块、地理信息数据模块、可视化分析模块,所述***控制中心通过人工或默认方式对外部强迫场文件、输入溢油参数进行选择;人工选择溢油源信息的处理方式,人工选择是否启动同化模块,人工选择是否启动集合预报模块,人工选择相应溢油模型参数,所述***控制中心根据以上的设置,完成各模块之间数据的交换,实现模拟计算,并发指令给可视化模块,绘制模拟结果产品。
所述溢油信息快速处理模块包括溢油源初始化模块与溢油现场观测信息处理模块,所述溢油源初始化模块包含对图片类油源信息与数据类油源信息的处理,对于图片类油源信息该模块基于matlab软件,采集污染区廓线坐标位置,利用matlab中的功能,将溢油源观测图片类信息进行数字化,对于数据类油源信息,所述溢油源初始化模块将点源、面源类连续溢油或者瞬时溢油,运动油源连续或瞬时溢油类的油源信息转化为模型所需格式的溢油数字化信息;所述溢油现场观测信息处理模块将溢油观测时间、地点、范围、溢油量、溢油的方式、油品的类型,油源移动速度、溢油现场观测到的风场、流场、海浪及最新观测位置、形状、时间信息进行处理,提供给所述***控制中心存储,为所述数据同化模块、所述溢油输运模块及所述溢油风化模块读取使用。
所述图片类油源信息包括遥感图片、航拍图片。
所述扩散过程采用随机游走方法模拟,所述扩散过程中垂向上采用A垂向扩散方案,方程如下:
ξ为标准高斯白噪声,Kh为垂向扩散系数,Δt为时间步长,C'为常数;
所述A垂向扩散方案中所述Kh为Kwave,所述Kwave为垂向涡旋粘性,所述Kwave采用海面波浪导致的雷诺应力的半经验公式如下
其中,Hs为有效波高,κ为波数,T为平均周期,Z为油粒子所在位置离海面的距离;所述Hs为有效波高的获得采用以下公式
所述扩散过程采用随机游走方法模拟,所述扩散过程中垂向上采用B垂向扩散方案,方程如下:
ξ为标准高斯白噪声,Kh为垂向扩散系数,Δt为时间步长,C'为常数,上述方程中直接采用海流模型中垂向湍流系数作为方程中Kh。
所述扩散过程采用随机游走方法模拟,所述扩散过程中垂向上可采用C垂向扩散方案,方程如下:
上述公式为Langeven方程,其中α'和λ是系数,由stochastic过程的方差和离差所决定,Langeven方程和马尔可夫链之间的关系如下公式
其中上述公式中的A,B,C按下列公式求解;
其中σ为湍流速度的均方根,TL为Lagrange积分时间尺度,所述TL为Lagrange积分时间尺度根据下列公式求解;
b为湍流动能,ε为湍能耗散率,l为湍流特征尺度。
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施例,进一步阐述本发明。
实施例1
本发明实施例提供了西北太平洋三维溢油业务化应急预报及评估***,并实现了***的业务化运行,***结构见图1,业务化运行流程见图2。***具体实施包括以下步骤:
1、***控制中心
该模块是控制指令中心和数据交换中心,控制其它8各模块。***启动前,人工或者选择默认方式对***控制中心重要参数进行设置,如人工选择溢油源信息的处理方式,人工选择是否启动同化模块,人工选择是否启动集合预报模块,人工或默认方式对外部强迫场文件、输入溢油参数进行选择,发指令给可视化模块,选择需要绘制的模拟结果产品。设置好***参数后启动***运行。
2、溢油信息快速处理模块
运行溢油信息快速处理模块对不同类型的事故源信息进行快速处理,并提供给***控制中心溢油源的信息。溢油信息快速处理模块包括溢油源初始化模块与溢油现场观测信息处理模块。
2.1溢油源初始化处理模块
本模块负责实现溢油位置及油膜分布信息的数字化转化,从而实现对船舶、平台、港口溢油,以及卫星以及航空遥感监测到溢油类多种溢油源信息类型进行数字化,从而提供给溢油模型所需的数字化信息是本模块的功能。该模块能处理的油源类型主要有:卫星遥感图片、航空遥感图片和传真图片中多种形状的面源或线源,平台瞬时或连续溢油,运动轮船的瞬时或连续溢油。
图3给出了本模块将图片数字化的过程;基于matlab软件,采集污染区廓线坐标位置,利用matlab中的一些功能,在廓线区域内均匀生成油粒子,并获得各个油粒子的坐标位置。
2.2溢油现场观测信息处理模块
该模块将溢油时间、地点、范围、溢油量、溢油的方式、油品的类型,油源移动速度、溢油现场观测到的风场、流场及最新观测位置、形状、时间信息进行处理,为所述数据同化模块、所述溢油输运模块及所述溢油风化模块读取使用。
3、数据同化模块
根据***控制中心中是否有现场观测环境数据判断是否需要启动同化模块,同化模块优化环境场数据,输出优化后的环境场数据给控制中心。
同化模块采用最优插值方法(Optimal Interpolation,OI),将观测直接插值到背景场,获得最优插值结果,即获得的分析场是在方差最小的意义下背景场和观测场的一种线性组合。OI的分析方程为公式:
xa=xb+BHT(HBHT+R)-1(yo-H[xb])
其中xb为背景场(即模式预报结果),yo为观测场(即观测结果),通常我们设:
K=BHT(HBHT+R)-1
并将K称为增益矩阵,或者权重矩阵,其中R为观测误差协方差矩阵,该矩阵对角元素为观测误差协方差值,其他元素均为0,B为背景误差协方差矩阵:
σ2为静态背景误差协方差常数值,L为相关尺度因子,也是常数,Δx2,Δy2为背景场每个网格点同其它网格点距离矩阵,H为线性观测算子,xa为背景场经过OI同化技术订正后得到的分析场。考虑观测误差和预报误差情况,根据经验设R=0.2,B的σ2=4。
数据同化模块根据现场观测数据个数及位置分布特征情况,采用交错订正(cross-correct)方法来确定L的取值。该模块中。交错订正法就是分别轮流采用N个观测站中N-1个观测站的值来做同化得到分析场,再求该分析场同余下1个观测站观测结果的误差值。这样在L定值的情况下,会得到N个误差值,再将N个值求取平均,作为该L值下的分析场平均误差值(σc 2),然后对每个观测时刻都采用这种方法得到的σc 2进行平均,得到该L值下的分析场时间平均误差值(σcm 2)。利用这N个观测点资料和环境背景强迫场数据,采用交错订正法,分别对风速U分量和V分量,进行L从10米至300米的试验,从试验结果选定最优L选值开展同化。选定好最优L值后,我们就可以确定背景误差协方差矩阵,从而获得最优插值场结果。
4、集合预报模块
该模块可以利用不同海流、风场及溢油参数选择下的模拟结果开展集合预报,可人工选择外部强迫方案及溢油模型参数方案,可人工输入各方案权重得到集合预报结果。
假设集合样本数为N,样本权重为Wi,则集合预报结果为:
5、环境信息处理模块
该模块能将不同来源和数据格式的海面风、海流、海温、海浪场数据信息处理成本***所需格式,以供模式读取使用;
该模块对数据信息在时间上采用线性插值方式获取当前时刻模式所需海洋环境场的数据。在空间上,在水平面上采用双线性插值方式获取粒子所在位置的海洋环境数据,在垂向不同水层采用线性插值获取粒子所在位置海洋环境数据。
如图4所示,线性插值即求解当前时刻T的海洋环境场数据,具体公式为:
其中T代表时间,i代表模式计算步次,y表示海洋环境场数据。
如图5所示,双线性插值求解油粒子所在位置处(P)的海洋环境场数据,具体公式为:
其中x代表经度,y代表纬度。
如图6所示,垂向上线性插值求解粒子所在位置处的海洋环境场数据,具体公式为:
Xi,Yi,Z代表油粒子P所在的三维网格位置。Xi,Yi分别代表P投射到海表面水平场的经度和纬度。
6、溢油输运模块
采用油粒子模型方法来模拟溢油在海洋环境中的时空行为。油粒子模型方法将运动过程分成两个主要部分,即平流过程和扩散过程。
6.1油粒子尺寸和密度设置
“粒子扩散”概念,是把浓度场模拟为由大量的粒子组成的“云团”,其中每一个粒子携带一定数量的示踪物质。每一个模型粒子在特定的流场条件下发生平移,在重力和浮力的作用下发生垂直方向上的位移(涌升或沉降),即所谓的平流(对流),适宜用拉各朗日法模拟。模型粒子的扩散过程是由于剪流和湍流而引起,适宜采用随机游走法来模拟粒子云团的扩散过程。湍流可视为随机流场,而每个模型粒子在湍流场中的运动则类似于流体分子的布朗运动。由于每个粒子的随机运动而导致整个云团在水体中的扩散过程。这种方法实际上是确定性方法和随机方法的结合,即采用确定性方法(数值求解)模拟平流过程,采用随机性方法模拟扩散过程。
油粒子定义为一些很小的圆球、直径在10~100um之间。考虑到油滴直径的变化范围,要精确地表示一个溢油膜所需要的实际粒子数应该是相当大的(如取直径等于100um,则1m3的油相当于1.9×1012个油粒子),要在计算机中同步地堆积这样多的坐标点和特性参数是不可能的。因此,计算机的容量和运行时间的长短来确定最大可能的粒子数目,而用附加体积参数的方法来实现对油粒子特性的模拟。考虑特定粒子,其直径为d,则这个粒子的真正体积为:
它所占油膜总体积的百分比fi为:
其中,n为油粒子的总数。
由此定义每个油粒子的特征体积(附加体积参数)为:Vi=fi·V0
其中,V0为溢油的初始体积。这样,每个油粒子就代表溢油体积的一部分,这部分体积与总粒子群中它所代表得那部分体积成比例。
由于模拟油滴的几种行为(包括上浮和混合)都要考虑油滴的尺寸和密度,因此,油粒子的尺寸谱应尽可能地反映真实情况。现场观测表明,油滴尺寸在10~1000um之间变化(Forrester,1971)。混合在水体中的油滴的最可能的分布是对数正态分布(Johansen,1985)。
标准的正态分布是:
其中Φ(x)为标准化分布函数,
d为粒子直径的log10,μd为粒子直径的平均值的log10,σd为油滴直径的标准差的log10。将油滴的平均尺寸取为100μm(μd=2),标准差为3.16(σd=0.5),这相当于95%的油滴分布在10~1000μm之间的对数正态谱。Delvigne and Sweeney(1994,1989)在实验室中开展了一系列的溢油实验,发现水中油粒子半径的平均值为250μm,偏差为75μm。
溢油三维输运扩散运动可以分为平流过程、扩散过程,垂向上海浪对油粒子入水、浮力、湍流和垂向海流的作用,下面给出油粒子运动方程:
uo和vo是油粒子的水平速度,wo是油粒子的垂向速度。方程中等号右边第一项是海流的流速,uc和vc表示油粒子位置处水平方向上的流速,wc表示油粒子位置处垂直方向上的流速,这些都来源于海流模式的模拟结果,代表该油粒子所在位置海流的运动情况。方程中等号右边第二项代表风对油粒子的拖曳作用,ua和va是油粒子所在位置海面10米高处的风速,该风速也是通过大气数值模式的模拟结果获得,而且当油粒子在水中时该项作用不予考虑。α和β是风漂因子和偏角,风漂因子通常为1%-6%,偏角绝对值通常为0°到45°,在北半球时右偏为负值,南半球时左偏为正值。uw和vw是非线性波产生的波余流带来的油粒子漂移速度。由于油膜的存在而导致表面张力增大,使海面趋于平滑,海浪的非线性效应大为减弱,相应的波余流也大为减小,所以在计算油粒子运动时可以忽略。wok是浮力作用下的垂向速度,根据Stokes定律:
d油粒子半径,dc油粒子临界半径。油粒子半径为10-1000μm之间的对数正态分布。ν为水的粘度,ρo和ρw分别为油和水的密度,建模过程中假设油的密度为830kg m-3(实际案例中根据人工输入的油品类型决定),水的密度假设为1025kg m-3,水的粘度为1.311mm3s-1。
湍流速度(<u'>,<v'>,<w'>)采用随机游走方法:
ξ为标准高斯'white noise',Am为水平扩散系数,Kh为垂向扩散系数,Δt为时间步长,C'为常数。
进行以下三种垂向扩散计算,并进行比对
A方案中用垂向涡旋粘性(Kwave)代表Kh。Kwave源自由于海面波浪导致的雷诺应力的半经验公式(Ichiye,1967):
Hs为有效波高,κ为波数,T为平均周期,Z为油粒子所在位置离海面的距离。湍流扩散包含涡旋和分子扩散,通常涡旋扩散远远大于分子扩散,因此我们可以忽略分子扩散,直接用涡旋扩散来代表扩散系数。有效波高采用Neumann and Pierson(1996)建议的公式:
B方案
上述方程中直接采用海流模型中垂向湍流系数作为方程中Kh。
C方案
来源于Lonin(1999)【95】。垂向扩散过程不应该如水平扩散过程那样求解,垂向扩散过程应该被精确化。主要理由有三点:第一,垂向扩散过程是一个迅速变化的瞬时过程;第二,垂向湍流涡旋的“life times”非常短,即涡旋从形成到消亡的所需要的时间非常短;第三,在垂向扩散模拟中,海流的垂向剪切非常重要。采用Langeven方程来求解垂向扩散过程。溢油模拟出现采用这种方法来求解溢油在垂向上的湍流运动。
Langeven方程如公式(4.1),α'和λ是系数,由stochastic过程的方差和离差所决定,Langeven方程和马尔可夫链(Markov's chain)之间的关系如公式(4.2)。其中A,B,C按公式(4.3)求解。σ为湍流速度的均方根,TL为Lagrange积分时间尺度,根据公式(1.4)求解。b为湍流动能,ε为湍能耗散率,l为湍流特征尺度。这些参数都可以从海流模式中获取。
主要针对上述三种方案开展垂向扩散敏感性实验分析,通过对比分析试验结果来揭示垂向混合对溢油时空分布的影响,判定最优垂向扩散方案。
6.2方程求解方法
对于输运扩散方程中平流部分的求解可以采用二阶精度的欧拉方法求解。
欧拉法(Euler method)是一种显式单步方法,它具有一阶精度,是解微分方程的一种最简单和普遍的方法。用欧拉法解轨迹方程,可以写为:xn+1≈xn+va(xn,tn)·Δt,式中Δt为积分步长,n是时间指数,tn=nΔt。
改进的欧拉方法(modified Euler method)利用数值积分方法中的梯形公式来近似积分式,它具有二阶精度。用改进的欧拉方法求解轨迹方程,可以写为:
7、地理信息数据模块
该模块从储备的西北太平洋海洋地理信息数据库中提取模式计算所需要的岸线、水深数据,用于油粒子扩散边界条件处理(靠岸判断)。
本模式中油粒子云团的运动是三维的,在运动过程中,可能到达陆地边界、浮出海面或漂移出预报区域。
在海面边界处理方式上,有反射条件和无反射条件。所谓反射条件,即为粒子沉降到海底、靠岸或浮升到海面时,将被反射回水体内部。无反射条件则为,当向下沉降的粒子达到海底或者靠岸时,它将被“永久”地黏附在海底或岸线上(形成沉积)。当上浮的粒子到达海面时,将被滞留在海面上,随表面流水平运动。
由于油滴的粘性较大,本模型在处理油粒子到达海面、海岸时,采用无反射条件。即当水中油滴升到海面时,便成为表面粒子并与其他的表面粒子一起随表面流平移和扩散。油粒子在漂移的过程中可能到达陆地边界,这时,也认为这些粒子粘着在陆地上,在计算中也声明该粒子“死掉”,不再参与计算。当粒子到达计算区域边界时也认为该粒子“死掉”,不再参与计算。
海底和海岸边界的处理有一定的局限性。因为,触底和登陆底油块有可能在湍流底作用下重新回到水域内。但目前还难以对这些过程进行精确的定量描述,因此,本模型采用上述处理方式。
这里涉及到油粒子靠岸判断技术。图4中可以看到,本模式中,我们采用网格法来判断油粒子靠岸的情况,岸线网格与流场网格一致,在网格中设陆地的值为1,海洋的值为0,判断粒子所在的岸线网如果是1,则认为该粒子靠岸,否则认为粒子没有靠岸,靠岸的粒子在模型中将不再参与计算。
8、溢油风化模块
该模块通过经验模型计算溢油的蒸发、乳化与密度来模拟预测海上残油量、溢油密度变化情况,并将计算结果提供给输运模块。
溢油的风化过程是相当复杂的。本模型主要研究溢油的蒸发过程和乳化过程。对于诸如生物降解和光氧化过程等则不予考虑。
8.1蒸发(Evaporation)
在溢油发生后的第一个小时内,蒸发是溢油油量和物理化学性质改变的非常重要的过程。蒸发的比例由油品、海水温度、风速和其他过程(如扩展、乳化)所决定,本***采用Stiver和Mackay(1985)提出的参数化公式计算蒸发率和蒸发量。
蒸发系数定义为:
其中,k′=0.78×2.5×10-3Uw,Uw为海面以上10米处的风速,A为油膜的面积,V0为溢油的初始体积,t为时间。
蒸发率则是蒸发系数、沸点温度等因素的函数:
其中,FV是蒸发率,A'=6.3,B'=10.3,TG为沸点曲线的梯度,T为油的温度,T0为油(在FV=0时)的初始沸点温度。
8.2乳化(Emulsification)
溢油在乳化过程中,分散油滴与海水形成“油包水”的乳胶物,呈深棕色泡沫状结构,其含水量可达80%。这种乳化物具有较高的密度和粘性,因而它可以影响溢油的扩散过程。并为溢油清除带来困难。轻质的易挥发的油很少形成乳化物,重质燃料油或原油会形成相当大量的乳化物。乳化过程受风速、波浪、油的厚度、环境温度、油风化过程等因素的影响,一般用含水率YW来表征乳化程度。计算乳化物含水量的公式(Mackay等(1980))为:
其中,YW为乳化物的含水量(%),KA=4.5×10-8,Uw为风速,KB=1/YFW≈1.25,YFW是最终含水量,t为时间。
8.3密度变化
密度的变化将影响油粒子所受浮力的变化,从而影响其垂向运动。
乳化对油密度的影响表示为:
ρe=(1-YW)ρ0+YW·ρW
其中,ρe-乳化后油的密度,ρ0-乳化前油的初始密度,ρw-海水密度,YW-乳化物含水量。
蒸发对油密度的影响表示为:
ρ=(0.6·ρ0-0.34)FV+ρ0
综合两者的影响,油的密度表达为:
ρ=(1-YW)((0.6·ρ0-0.34)FV+ρ0)+YW·ρW
油粘性随温度而变化,本模型假设温度变化较小,因此可不考虑温度变化对粘性的影响。
9、可视化分析模块
将预报的数据结果,基于matlab软件进行分析并绘制成图片、动画方式,分析处理的预报内容包括溢油漂移轨迹、扩展范围、油膜厚度、扫海面积、溢油抵岸或抵达敏感区的时间。
漂移轨迹采用matlab中的plot命令在地图上绘制出每小时所有油粒子平均位置;扩散范围采用matlab中的plot命令在地图上绘制出每小时每一个油粒子的位置;油膜厚度采用matlab软件先计算出模式区域范围内,每个网格里面的油粒子数,在用matlab中的contourf命令在地图上绘制出油膜的相对厚度分布情况;扫海面积采用matlab中的plot命令在地图上绘制出所有时刻每一个油粒子的位置;溢油抵岸或抵达敏感区的时间采用matlab中的plot命令在地图上绘制出到达岸线的油粒子位置及标明对应时刻。
实施例2
2018年1月6日20时15分,巴拿马籍油船“桑吉轮”和香港籍散货船“长峰水晶”轮,在长江口外海东经124°56.7′、北纬30°42.7′N处发生船碰撞,32人落水,油污扩散,“桑吉”油轮起火。1月14日16时45分,油轮沉没,位置为东经125°58.4′、北纬28°21.9′,船舶溢出的油仍在沉没海域燃烧。15日09时58分,现场明火全部消失,海面开始出现较大面积油污漂移,至1月25日,卫星监测海面油污转为零星分布。利用该***,以现场报告沉船位置和第一张卫星图片的溢油位置为起报位置和起报时间对本次溢油事故进行了溢油漂移轨迹和扩散预测,沉船位置设置为持续漏油,卫星图片位置设置为瞬时泄漏,预报时间为2018年1月15日6时20分-2018年1月16日5时20分,共24小时,预报时间间隔为1小时。启动该***,根据溢油类型为卫星图和点源的共同模拟,在主界面(图8)选择溢油类型为卫星图片,设置卫星图片信息(图9)和点源信息(图10),此次预报不启动同化和集合预报,因此只需选择相应的预报环境信息场数据,并运行模型。得到了油粒子中心位置漂移轨迹图、影响区域图、扫海面积图、油膜厚度图(图11-14)。
根据后期得到卫星图片,对预报结果进行了检验(图15),由于可得到的卫卫星图片是23小时,因此对23小时的结果进行检验,油膜中心点的距离误差小于10KM,误差在可接受范围内,此次预报结果良好。
以上显示和描述了本发明的基本原理、主要特征及本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界。
Claims (7)
1.西北太平洋三维溢油业务化应急预报及评估***,其特征在于:包含溢油信息快速处理模块、环境信息处理模块、溢油输运模块、溢油风化模块、数据同化模块、集合预报模块、地理信息数据模块、可视化分析模块与***控制中心。
2.如权利要求1所述的西北太平洋三维溢油业务化应急预报及评估***,其特征在于:
所述溢油信息快速处理模块根据所述***控制中心发出的指令对不同类型的事故源信息及事故类别进行快速处理,并提供给***控制中心溢油源的信息;
所述环境信息处理模块根据所述***控制中心指令将不同来源和数据格式的海面风、海流、海温、海浪场数据信息处理成本***所需格式,提供给所述***控制中心存储,以供所述溢油输运模块、所述溢油风化模块、所述数据同化模块、所述集合预报模块、所述可视化分析模块读取使用;
所述溢油输运模块采用油粒子模型方法来模拟溢油在海洋环境中的时空行为;油粒子模型方法包括平流过程和扩散过程,所述溢油三维输运扩散运动包括平流过程,扩散过程,垂向上海浪对油粒子入水、浮力、湍流和垂向海流的作用;所述平流过程采用二阶精度的欧拉方法求解,所述扩散过程采用随机游走方法模拟,所述扩散过程中垂向上分别采用A垂向扩散方案、B垂向扩散方案与C垂向扩散方案;所述溢油输运模块从所述***控制中心获取计算所需信息,并将计算结果提供给***控制中心;所述油粒子模型方法中的模型边界条件采用无反射条件,所述无反射条件为当水中所述油粒子升到海面时,便成为表面粒子并与其他的表面粒子一起随表面流平移和扩散,所述油粒子在漂移的过程中到达陆地边界,等同于所述油粒子粘着在陆地上,在计算中也声明该粒子死掉,不再参与计算,当所述油粒子到达计算区域边界时也认为该所述油粒子死掉,不再参与计算,采用网格法来判断油粒子靠岸的情况;
所述溢油风化模块通过经验模型计算溢油的蒸发、乳化与密度来模拟预测海上残油量、溢油密度变化情况,所述溢油风化模块从所述***控制中心获取计算所需信息,并将计算结果提供给***控制中心;
所述数据同化模块根据所述溢油信息快速处理模块中读取到现场观测结果的情况下启动,利用最优插值同化方法,对环境场数据进行优化,提高预报准确率;所述数据同化模块的控制按钮在***控制中心,由是否有现场观测数据来通过所述***控制中心触发;
所述集合预报模块根据***控制中心指令,选择不同来源的海流、风场、海浪及溢油参数下的模拟结果开展集合预报,默认或人工选择外部强迫方案及溢油模型参数方案,默认或人工输入各方案权重得到集合预报结果,并将集合预报结果提供给***控制中心;
所述地理信息数据模块***控制中心指令,处理该模块数据库中西北太平洋海洋地理信息数据为当前计算所需格式的水深、海陆网格数据,并将该数据提供给***控制中心;
所述可视化分析模块根据***控制中心指令,将预报的结果以图片、动画的方式进行输出,预报的内容包括油漂移轨迹、扩散范围、油膜厚度及其分布、影响岸段范围及抵岸时间、影响敏感区及抵达时间、扫海面积;
所述***控制中心是控制指令中心和数据交换中心,控制溢油信息快速处理模块、环境信息处理模块、溢油输运模块、溢油风化模块、数据同化模块、集合预报模块、地理信息数据模块、可视化分析模块,所述***控制中心通过人工或默认方式对外部强迫场文件、输入溢油参数进行选择;人工选择溢油源信息的处理方式,人工选择是否启动同化模块,人工选择是否启动集合预报模块,人工选择相应溢油模型参数,所述***控制中心根据以上的设置,完成各模块之间数据的交换,实现模拟计算,并发指令给可视化模块,绘制模拟结果产品。
3.如权利要求2所述的西北太平洋三维溢油业务化应急预报及评估***,其特征在于:所述溢油信息快速处理模块包括溢油源初始化模块与溢油现场观测信息处理模块,所述溢油源初始化模块包含对图片类油源信息与数据类油源信息的处理,对于图片类油源信息该模块基于matlab软件,采集污染区廓线坐标位置,利用matlab中的功能,将溢油源观测图片类信息进行数字化,对于数据类油源信息,所述溢油源初始化模块将点源、面源类连续溢油或者瞬时溢油,运动油源连续或者瞬时溢油类的油源信息转化为模型所需格式的溢油数字化信息;所述溢油现场观测信息处理模块将溢油观测时间、地点、范围、溢油量、溢油的方式、油品的类型,油源移动速度、溢油现场观测到的风场、流场、海浪及最新观测位置、形状、时间信息进行处理,提供给所述***控制中心存储,为所述数据同化模块、所述溢油输运模块及所述溢油风化模块读取使用。
4.如权利要求3所述的西北太平洋三维溢油业务化应急预报及评估***,其特征在于:所述图片类油源信息包括遥感图片、航拍图片。
5.如权利要求2所述的西北太平洋三维溢油业务化应急预报及评估***,其特征在于:所述扩散过程采用随机游走方法模拟,所述扩散过程中垂向上采用A垂向扩散方案,方程如下:
ξ为标准高斯白噪声,Kh为垂向扩散系数,Δt为时间步长,C'为常数;
所述A垂向扩散方案中,所述Kh为Kwave,所述Kwave为垂向涡旋粘性,所述Kwave采用海面波浪导致的雷诺应力的半经验公式如下
其中,Hs为有效波高,κ为波数,T为平均周期,Z为油粒子所在位置离海面的距离;所述Hs为有效波高的获得采用以下公式:
6.如权利要求2所述的西北太平洋三维溢油业务化应急预报及评估***,其特征在于:所述扩散过程采用随机游走方法模拟,所述扩散过程中垂向上采用B垂向扩散方案,方程如下:
ξ为标准高斯白噪声,Kh为垂向扩散系数,Δt为时间步长,C'为常数,上述方程中直接采用海流模型中垂向湍流系数作为方程中Kh。
7.如权利要求2所述的西北太平洋三维溢油业务化应急预报及评估***,其特征在于:所述扩散过程采用随机游走方法模拟,所述扩散过程中垂向上采用C垂向扩散方案,方程如下:
上述公式为Langeven方程,其中α'和λ是系数,由stochastic过程的方差和离差所决定,Langeven方程和马尔可夫链之间的关系如下公式
其中上述公式中的A,B,C按下列公式求解;
其中σ为湍流速度的均方根,TL为Lagrange积分时间尺度,所述TL为Lagrange积分时间尺度根据下列公式求解;
b为湍流动能,ε为湍能耗散率,l为湍流特征尺度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910672045.6A CN110399676B (zh) | 2019-07-24 | 2019-07-24 | 西北太平洋三维溢油业务化应急预报及评估*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910672045.6A CN110399676B (zh) | 2019-07-24 | 2019-07-24 | 西北太平洋三维溢油业务化应急预报及评估*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110399676A true CN110399676A (zh) | 2019-11-01 |
CN110399676B CN110399676B (zh) | 2021-12-28 |
Family
ID=68325932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910672045.6A Active CN110399676B (zh) | 2019-07-24 | 2019-07-24 | 西北太平洋三维溢油业务化应急预报及评估*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110399676B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111797578A (zh) * | 2020-06-30 | 2020-10-20 | 自然资源部第一海洋研究所 | 一种定量计算降雨致海面应力的方法 |
CN112016226A (zh) * | 2020-08-13 | 2020-12-01 | 中国地质大学深圳研究院 | 一种海上溢油的三维模拟方法及装置 |
CN112581615A (zh) * | 2020-12-18 | 2021-03-30 | 中科三清科技有限公司 | 一种基于三维虚拟地球的环境数据可视化方法及装置 |
CN113220678A (zh) * | 2021-04-23 | 2021-08-06 | 亿海蓝(北京)数据技术股份公司 | 船靠船事件识别方法及*** |
CN114088647A (zh) * | 2021-11-30 | 2022-02-25 | 长江大学 | 一种自然溢油识别方法 |
CN115564150A (zh) * | 2022-12-06 | 2023-01-03 | 中交天津港湾工程研究院有限公司 | 基于stokes漂移和潮混合机制的溢油轨迹预测方法 |
US11557379B2 (en) * | 2015-11-17 | 2023-01-17 | Korea Institute Of Ocean Science & Technology | Apparatus and method for predicting dispersion of hazardous and noxious substances |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156817A (zh) * | 2011-04-11 | 2011-08-17 | 国家海洋信息中心 | 海上溢油漂移路径及扩散快速预报方法 |
CN106842202A (zh) * | 2017-02-28 | 2017-06-13 | 黄晓霞 | 一种基于遥感影像确定溢油事故源点的方法及装置 |
CN107944608A (zh) * | 2017-11-16 | 2018-04-20 | 福建四创软件有限公司 | 基于卫星遥感的海面漂移物与溢油漂移扩散预报方法 |
-
2019
- 2019-07-24 CN CN201910672045.6A patent/CN110399676B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156817A (zh) * | 2011-04-11 | 2011-08-17 | 国家海洋信息中心 | 海上溢油漂移路径及扩散快速预报方法 |
CN106842202A (zh) * | 2017-02-28 | 2017-06-13 | 黄晓霞 | 一种基于遥感影像确定溢油事故源点的方法及装置 |
CN107944608A (zh) * | 2017-11-16 | 2018-04-20 | 福建四创软件有限公司 | 基于卫星遥感的海面漂移物与溢油漂移扩散预报方法 |
Non-Patent Citations (3)
Title |
---|
LI YAN: ""The error source analysis of oil spill transportmodeling: a case study"", 《ACTA OCEANOLOGICA SINICA》 * |
廖国祥 等: ""海底溢油输移扩散的可视化数值模拟***"", 《武汉理工大学学报(交通科学与工程版)》 * |
李燕 等: ""海上溢油数值预报技术研究综述"", 《海洋预报》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11557379B2 (en) * | 2015-11-17 | 2023-01-17 | Korea Institute Of Ocean Science & Technology | Apparatus and method for predicting dispersion of hazardous and noxious substances |
CN111797578A (zh) * | 2020-06-30 | 2020-10-20 | 自然资源部第一海洋研究所 | 一种定量计算降雨致海面应力的方法 |
CN111797578B (zh) * | 2020-06-30 | 2022-05-06 | 自然资源部第一海洋研究所 | 一种定量计算降雨致海面应力的方法 |
CN112016226A (zh) * | 2020-08-13 | 2020-12-01 | 中国地质大学深圳研究院 | 一种海上溢油的三维模拟方法及装置 |
CN112016226B (zh) * | 2020-08-13 | 2021-05-18 | 中国地质大学深圳研究院 | 一种海上溢油的三维模拟方法及装置 |
CN112581615A (zh) * | 2020-12-18 | 2021-03-30 | 中科三清科技有限公司 | 一种基于三维虚拟地球的环境数据可视化方法及装置 |
CN113220678A (zh) * | 2021-04-23 | 2021-08-06 | 亿海蓝(北京)数据技术股份公司 | 船靠船事件识别方法及*** |
CN113220678B (zh) * | 2021-04-23 | 2023-09-08 | 亿海蓝(北京)数据技术股份公司 | 船靠船事件识别方法及*** |
CN114088647A (zh) * | 2021-11-30 | 2022-02-25 | 长江大学 | 一种自然溢油识别方法 |
CN114088647B (zh) * | 2021-11-30 | 2023-06-16 | 长江大学 | 一种自然溢油识别方法 |
CN115564150A (zh) * | 2022-12-06 | 2023-01-03 | 中交天津港湾工程研究院有限公司 | 基于stokes漂移和潮混合机制的溢油轨迹预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110399676B (zh) | 2021-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110399676A (zh) | 西北太平洋三维溢油业务化应急预报及评估*** | |
Feistel et al. | State and evolution of the Baltic Sea, 1952-2005: a detailed 50-year survey of meteorology and climate, physics, chemistry, biology, and marine environment | |
Fast et al. | A Lagrangian particle dispersion model compatible with WRF | |
Stohl et al. | The Lagrangian particle dispersion model FLEXPART version 6.2 | |
Grisogono et al. | A review of recent advances in understanding the mesoand microscale properties of the severe Bora wind | |
Buckley et al. | Inverse modeling of velocities and inferred cause of overwash that emplaced inland fields of boulders at Anegada, British Virgin Islands | |
Kubryakov et al. | Interannual variability of Danube waters propagation in summer period of 1992–2015 and its influence on the Black Sea ecosystem | |
Balkanski et al. | Ocean primary production derived from satellite data: An evaluation with atmospheric oxygen measurements | |
Boybeyi et al. | Evaluation of the operational multiscale environment model with grid adaptivity against the European tracer experiment | |
Lopes et al. | Development of physical modelling tools in support of risk scenarios: A new framework focused on deep-sea mining | |
Gästgifvars et al. | Modelling surface drifting of buoys during a rapidly-moving weather front in the Gulf of Finland, Baltic Sea | |
National Research Council et al. | Coastal meteorology: a review of the state of the science | |
Asif et al. | A study of meteorological effects on PM2. 5 concentration in mining area | |
Lindo-Atichati et al. | Description of surface transport in the region of the Belizean Barrier Reef based on observations and alternative high-resolution models | |
Straume et al. | Dispersion modeling using ensemble forecasts compared to ETEX measurements | |
Salas et al. | Statistical analysis of the surface circulation in the Algerian Current using Lagrangian buoys | |
Adem | Numerical-thermodynamical prediction of mean monthly ocean temperatures | |
Prakash et al. | A semi-Lagrangian study of circulation and transport in Lake Ontario | |
Xue et al. | A 2D coupled atmosphere–ocean model study of air–sea interactions during a cold air outbreak over the Gulf Stream | |
Dethleff | Sea ice and sediment export from the Laptev Sea flaw lead during 1991/92 winter season | |
Periáñez | Modelling surface radioactive spill dispersion in the Alborán Sea | |
Pereira | Coupled Modelling of the Minho and Lima Estuaries: Hydrological Response to Climate Changes | |
CN108197422A (zh) | 一种半封闭水域的水龄测定方法 | |
Herdman | Circulation, Residence Time and Retention in a Tropical Coral Reef | |
Orme | 1.6 The mid‐twentieth century revolution in geomorphology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210712 Address after: 8 Dahui temple, Haidian District, Beijing Applicant after: NATIONAL MARINE ENVIRONMENTAL FORECASTING CENTER Address before: 100081 National Marine Environment Prediction Center, No.8 courtyard, Dahui temple, Haidian District, Beijing Applicant before: Li Yan |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |