1. 清华大学 环境学院, 北京 100084;
2. 上海市城市规划设计研究院, 上海 200040
收稿日期：2017-01-03
基金项目：产业密集型城镇水环境综合整治技术研究与示范项目（2011ZX07301-003）；佛山市水环境重金属污染监控和应急管理技术研究二期项目（20132101541）
作者简介：陈正侠(1984-), 女, 博士后
通信作者：贾海峰, 研究员, E-mail:jhf@tsinghua.edu.cn
摘要：为快速准确地实现潮汐河网突发性水污染的溯源，提出了基于水环境模型和数据库的溯源方法。以西江、北江佛山段为案例，基于EFDC（environmental fluid dynamics code）和WASP（water quality analysis simulation program）模型建立了研究区域的水动力模型、常规污染物水质模型以及有毒污染物水质模型；识别和筛选了研究区域的水环境风险源，并以此建立有毒污染物溯源数据库和常规污染物溯源数据库；最后以研究案例区内禅城沙口站监测到Cr6+超标为假设情景案例，通过数据库查询，使用反向计算确定3种可能的污染源排放情况下污染物初始排放量，再通过试错法，应用模型正向计算得到最终可能的污染源位置及对应的排放量，快速准确地完成污染物溯源。
关键词：潮汐河网EFDC(environmental fluid dynamics code)模型WASP(water quality analysis simulation program)模型数据库突发水污染溯源
Source identification of accidental water pollution in a tidal river network based on a water environment model and database
CHEN Zhengxia1, DING Yi2, MAO Xuhui1, WANG Zheng1, JIA Haifeng1
1.School of Environment, Tsinghua University, Beijing 100084, China;
2.Shanghai Urban Planning & Design Research Institute, Shanghai 200040, China
Abstract: The source of accidental water pollution can be accurately and quickly identified using a water environment model and database. The Foshan section of the Xijiang and Beijiang Rivers was taken as an example to build a EFDC (environmental fluid dynamics code) hydrodynamic and WASP (water quality analysis simulation program) water quality model. The WASP water quality model included the WASP-EUTRO model for normal pollutants and the WASP-TOXI model for toxic pollutants. The EFDC-WASP model sorts information on the pollutant risk source at each automatic monitoring section to establish a toxic and normal pollutant source identification database. A hypothetical scenario having the Shakou monitoring station in the Chancheng district measuringa high Cr6+ concentration was taken as an example with 3 possible pollutant emission situations identified through a database query. Initial loads for each situation 1-3 were estimated according to a first-order kinetics equation, with the location and load for each situation then calculated by the model. The pollutant source was quickly and accurately identified.
Key words: tidal river networkenvironmental fluid dynamics code (EFDC) modelwater quality analysis simulation program (WASP) modeldatabaseaccidental water pollutionsource identification
近年来，国内突发水环境污染事件发生的频率呈现上升趋势，已经引起了国家各相关部门以及各级政府的高度重视。西江和北江(简称西北江)是珠江的两大支流，作为广州和佛山等城市的重要水源地，周围工业企业众多，且与水源地交错分布，属于典型的潮汐河段，近年来多次发生突发性水污染事故，如2005年镉污染和2010年铊污染等。为将突发水污染事故造成的损失降到最低，应在其发生后快速准确地实现污染物的溯源，从而辅助决策部门更好地采取控制措施[1]。
水污染溯源研究方法可以概括为现场取样测定法和数学模型模拟法两大类。现场取样测定法主要通过溯源技术如同位素示踪法[2]、水纹识别法[3-4]、紫外光谱分析法[5]等进行污染物溯源研究。尽管这类方法具有较高的稳定性和精确度，但由于这类方法多是在污染事件发生后对污染源上下游附近的企业污废水进行现场取样和仪器分析，工作量大、耗时较长、很难及时进行污染源排查，进而导致不能及时、有效控制污染事故[4]。相对地，数学模型模拟法具有灵活、快速和可操作性强等优点，有助于决策部门了解污染物在水环境中的迁移、扩散以及在时空间上的变化情况，掌握污染物对流域水体造成的影响，从而对突发事件的发展做出及时、准确的响应[6]。
目前，国内外关于水污染溯源的数学模型主要包括基于概率统计的概率方法和基于最优化理论的确定性方法[7]。概率方法以Bayes定理为基础，侧重于对特定事件发生概率的评估，具有非单一解、后验概率分布不存在明显的函数表达式、随机性大且面对复杂问题时采样耗时计算量大等特点[8]；确定性方法使用确定的数学物理方程分析污染物的运动，通过参数优化使模拟值和观测值进行最优匹配，在具有对复杂问题计算速度较快、存在最优单解等优点的同时也存在参数“失真”的可能性，且受到初值、边界条件等多种因素影响[9]。为了避免概率方法和确定性方法的局限性，文[7]提出了以微分进化和Monte Carlo方法为基础的污染物溯源方法，首先依据Bayes推论将溯源问题转化为各参数的后验概率密度函数，再采用微分进化算法的繁殖思想与Markov链Monte Carlo模拟结合，对后验分布进行采样得到未知参数的后验边缘概率密度，进而得到溯源结果。虽然这种新的方法具有较高的稳定性和可靠性，但仍然属于理论性较强的污染物溯源方法，面对潮汐河网这样复杂水环境问题时，往往会由于其计算公式及求解十分繁复而导致其实用性降低。
水污染溯源数学模型研究中，除基于概率统计和基于最优化理论两种方法外，还有一类是基于机理模型的方法[10-13]。这种方法以已有的水环境复杂模型为基础，结合相关限制条件或算法，进行污染物溯源。虽然这种方法的适用范围受到限定，但具有对于复杂环境计算速度快，实用性较强的优点[11, 13]。EFDC (environmental fluid dynamics code)和WASP (water quality analysis simulation program)是常见的水环境模型：WASP模型操作使用方便、计算速度快，可模拟水体中绝大多数污染物；EFDC模型可以提前模拟好不同水文条件下研究区河网水动力状况，突发事故溯源模拟中调用当前水文条件下对应的计算结果直接与WASP模型耦合，进而快速准确地预测受纳水体中污染物的时空分布和变化规律。
本文考虑到突发水污染事件需要快速响应和研究区域水环境复杂等因素，采用EFDC-WASP耦合模型和数据库相结合的方法进行污染物溯源研究，以期在水污染事故发生时，及时准确地预测受纳水体中污染物的时空分布和变化规律，从而帮助相关部门启动响应的应急预案，以最大程限度减少事故影响。
1 研究区域概况西江为珠江流域第一大水系，全长约2 214 km，是华南地区最长的河流，水资源十分丰富。北江同样是珠江流域重要水系，全长约468 km。本文研究区域为西北江干流佛山段，具体范围为西江高要水文站至下游天河水文站、小榄、板沙尾潮位站，北江为石角水文站至下游大石、三善滘潮位站(见图 1中网格区域)。依据佛山市2011年的环境统计数据对研究区域的污染源进行统计分析发现，常规污染物(以化学需氧量(COD)和氨氮为例)和有毒污染物(以六价铬和氰化物为例)的主要污染源大都集中在北江流域(见图 2)。
 |
| 图 1 研究区域示意图 |
| 图选项 |
 |
| 图 2 (网络版彩图)研究区域污染物乡镇排放量统计情况 |
| 图选项 |
2 模型构建2.1 模型选取和概化本文的研究区域范围较大，河网错综复杂，是典型的潮汐河网区域。考虑到研究区域和研究对象的具体情况，在选取适宜的水动力、水质模型时，主要考虑模型的获取途径、经济实用性、是否可以适用于复杂的潮汐河网区域且在国内有成熟的应用等多个方面。综合考虑，水动力状况模拟选用EFDC模型；常规污染物水质模拟和有毒污染物水质模拟，分别选择WASP(WASP7.5版本)模型的EUTRO模块TOXI模块进行模拟。
模拟范围主要包括西江、北江干流等共计17条主要水道。在进行具体概化时，考虑到数据情况，确定的边界一般为水文站点或潮位站点所在断面。6个边界点分别为石角水文站、高要水文站、大石潮位站、板沙尾潮位站、小榄潮位站和天河水文站。概化后得到349个正交网格(见图 1)。模拟周期为1年，具体为2010年1月1日—2010年12月31日。水动力学和水质模拟时间步长均为30 s。
2.2 模型参数率定及验证EFDC水动力模型中，本文所选取的参数主要为Manning粗糙系数，取值为0.05。WASP-EUTRO水质模型选取的参数主要有29项，具体见表 1。
表 1 WASP-EUTRO水质模型选取的水质参数
| 参数名称 | 数值 |
| 20℃条件下硝化速率常数/d-1 | 0.02 |
| 硝化速率温度系数 | 0.05 |
| 硝化氧限制半饱和常数/(mg·L-1) | 2 |
| 20℃条件下反硝化速率常数/d-1 | 0.01 |
| 反硝化速率温度系数 | 1.05 |
| 反硝化反应氧限制半饱和常数/(mg·L-1) | 0.5 |
| 20℃条件下溶解有机氮矿化速率常数/d-1 | 0.03 |
| 溶解有机氮矿化的温度系数 | 1.08 |
| 20℃条件下沉积物中有机氮衰变率常数/d-1 | 0.000 2 |
| 浮游植物氮死亡和呼吸转化为有机氮的比率 | 0.5 |
| 20℃条件下浮游植物最大生长速率常数/d-1 | 1.5 |
| 浮游植物生长的温度系数 | 1.07 |
| 浮游植物碳、叶绿素比 | 30 |
| 浮游植物氮半饱和常数/(mg·L-1) | 0.025 |
| 浮游植物磷半饱和常数/(mg·L-1) | 0.03 |
| 20℃条件下浮游植物内源呼吸速率常数/d-1 | 0.25 |
| 浮游植物呼吸的温度系数 | 1.05 |
| 浮游植物死亡速率常数/d-1 | 0.2 |
| 浮游植物浮游动物摄食率常数/d-1 | 0.1 |
| 20℃条件下浮游植物在底泥中的分解速率常数/d-1 | 0 |
| 浮游植物磷碳比 | 0.015 |
| 浮游植物氮碳比 | 0.25 |
| 浮游植物最大光量子常数 | 0 |
| 浮游植物的优化光饱和常数 | 225 |
| 20℃条件下水体复氧速率常数/d-1 | 0.05 |
| 浮游植物的氧碳比 | 2.67 |
| 20℃条件下CBOD降解速率常数/d-1 | 0.02 |
| CBOD降解速率温度校正系数 | 1.07 |
| 氧限制CBOD降解半饱和度限值/(mg·L-1) | 0.1 |
表选项
WASP-TOXI水质模型中，由于实际可获取数据的困难性，对有毒污染物Cr6+、Cd、Pb、Hg、As、和CN-，主要依据文[14-15]和本课题组前期研究经验取值，具体见表 2。
表 2 WASP-TOXI水质模型参数
| 污染物 | 参数 | 取值 |
| Pb | 分配系数 | 303 000 |
| Hg | 分配系数 | 6 310 |
| Cd | 平衡吸附系数 | 0.327 |
| Cr6+ | 总一级衰减系数/d-1 | 0.12 |
| As | 分配系数 | 7 943 |
| CN- | 总一级衰减系数/d-1 | 0.10 |
表选项
参数选定后需要对模型进行参数率定和验证。因为西北江2010年的水质和水文观测资料(主要包括日均流量、日均水位和流速等)齐全，且能代表平均水环境条件的典型平水年(保证率50%)，所以本文选择2010年1月1日—6月30日的流量、水位及水质的初始值以及边界条件等作为参数率定的模型输入，以水深和溶解氧(DO)分别作为率定水动力模型和水质模型的指标。
参数率定后，选取2010年7月1日—12月31日的数据进行模型验证。率定期和验证期研究区域7个水位站(三水、紫洞、甘竹、大石、三善滘、板沙尾、小榄)和7个饮用水厂(南海第二水厂、沙口水厂、羊额水厂、五沙水厂、富湾水厂、高明水厂以及青岐水厂)水质断面的部分参数(以水深和DO为例)的观测值和模拟值的关系如图 3和4所示。
 |
| 图 3 7个水位断面水深模拟结果与观测值 |
| 图选项 |
 |
| 图 4 7个饮用水厂断面典型平水年DO模拟结果与观测值 |
| 图选项 |
使用相对误差法对参数率定和验证的结果进行分析发现，参数率定后，模型对各监测断面的水深和DO的平均中值分别是3.4%和7.6%，说明率定后的水动力学模型和水质模型的模拟结果都在可接受的范围内，可以继续进行模型验证工作。
参数验证后，模型对各监测断面的水深和DO的平均中值误差分别为2.4%和6.8%，说明模型准确反映了研究区域的水位变化过程和水质的变化趋势，模拟精度高，足以满足研究和应用要求。
对比水深和DO的模拟结果和实测值(见图 4)可以发现，DO模拟结果与实测结果不仅在数值上差异不大，而且其模拟结果能够敏感地反映入干流的支流闸坝在雨季的开闭方式对干流中污染物浓度的影响。具体表现为，DO模拟值会在雨季闸坝开闭时发生较大的起伏(见图 4)。因此，本文建立的模型模拟结果可以满足适用精度的需求，模型可在一定程度上模拟河道水动力和水质情况的变化，可以用于水污染事件溯源研究。
3 污染物溯源数据库的建立污染物溯源数据库包括有毒污染物溯源数据库和常规污染物溯源数据库2种，但这2种数据库的建立模式相同，都是基于研究区域风险源识别结果而建立。通过调查研究区域的环境统计数据(2011—2014年)和污染物普查数据(2007年)，识别出风险源的时空分布，再对不同类别的风险源进行筛选。具体地，本文从研究区域内1万多家工业企业中筛选出62家工业污染企业，这些企业多表现出污染排放量高、行业和区域集中度高、污染风险高的特点；另外，还筛选出2个上游来水的入境断面和18家污水处理厂，具体识别结果见图 5。
 |
| 图 5 (网络版彩图)污染物风险源识别结果 |
| 图选项 |
溯源数据库主要包含自动监测断面信息、污染物上下游影响的距离范围信息以及监测断面上下游范围内对应的污染源信息。由于本文是基于EFDC模型和WASP模型进行污染物溯源研究，因此为了使数据库与模型结合，数据库中污染源和自动监测断面的位置均使用网格编号SEGID表示，对应于模型中的概化网格编号。
污染物溯源中污染源信息表包括所有污染源对应的基本信息即污染源名称(如上游来水、污水处理厂或企业)、污染源所在地址，经纬度等。
针对每类污染物如Pb、Hg、Cr6+、CN-等，建立每种污染物对应的污染源信息表，表中包含排放这类污染物的所有污染源、对应自动监测断面污染物信息，以及每个自动监测断面单独对应的上下游影响范围内污染源信息等。具体的信息表如表 3所示。基于不同类型的数据信息表使用Microsoft Access建立污染源数据库，数据库的E-R (entity-relationship)图如图 6所示。
表 3 数据库信息表
| 表名称 | 字段名称 | 数据类型 | 字段大小 | 说明 |
| 污染源信息 | ID_P | 数字 | 长整型 | 污染源编号 |
| Name_P | 短文本 | 255 | 污染源名称 | |
| District | 短文本 | 255 | 所在区 | |
| Village | 短文本 | 255 | 所在乡/村/街道或受纳水体 | |
| Longtitude | 数字 | 双精度型 | 经度 | |
| Latitude | 数字 | 双精度型 | 纬度 | |
| In_Classification | 短文本 | 255 | 行业类别 | |
| 污染物名称 | ID_P | 数字 | 长整型 | 污染源编号 |
| SEGID_P | 数字 | 长整型 | 污染源的SEGID | |
| 自动监测断面信息 | ID_M | 数字 | 长整型 | 自动监测断面编号 |
| Name_M | 短文本 | 255 | 自动监测断面名称 | |
| SEGID_M | 数字 | 长整型 | 自动监测断面SEGID | |
| SEGID_up | 数字 | 长整型 | 上游边界网格SEGID | |
| SEGID_down | 数字 | 长整型 | 下游边界网格SEGID |
表选项
 |
| 图 6 污染物溯源数据库E-R图 |
| 图选项 |
4 基于模型的突发水污染溯源情景模拟本文建立的EFDC-WASP耦合模型是一种动态模型，可以模拟瞬时排放、短期集中排放等不同的排放行为。本文仅选择单一点源瞬时排放行为为例进行污染物溯源情景模拟分析。由于研究区域内水环境突发污染事件污染物类型主要为重金属等有毒污染物，且有毒污染物比常规污染物更具有危害性，因此本文以有毒污染物为例，进行污染物溯源研究的情景模拟分析。具体的污染物溯源情景设定为：某日中午12:00在禅城沙口断面监测到Cr6+的浓度达到0.1 mg/L，超过地表水环境质量标准Ⅴ类水标准。
针对此情景，首先建立风险源与西北江概化网格的对应关系，确定各监测断面污染物的上下游影响范围。再根据监测断面上下游范围缩小嫌疑污染源范围，对嫌疑污染源排放量进行初步估算，根据估算结果，进行污染过程模拟，然后与监测数据匹配，最终锁定污染源。主要模拟过程可分为3个步骤：
1) 对于设定的情景，在有毒污染物溯源数据库对污染物类型进行筛选，找到具体污染物即Cr6+信息表和对应的自动监测断面信息表；再根据污染物信息表和自动监测断面信息表，使用SQL(structured query language)语言进行污染物信息查询，得到符合条件的可能污染源在研究区的空间分布结果(见图 7)。
 |
| 图 7 数据库污染源筛选结果 |
| 图选项 |
由图 7可以看到，污染源12、65和73均对应到SEGID为265的概化网格，故将其作为一个污染源考虑。因此，需要模型模拟试算的可能的不同污染源结果可分为3种情况(见表 4)，不同模拟情况下对应污染源的排放位置如图 8所示。
表 4 需要模型进行模拟的3种可能情况
| 模拟情况 | 污染负荷输入网格SEGID | 对应污染源编号 |
| 1 | 258 | 72 |
| 2 | 265 | 12、65、73 |
| 3 | 266 | 6 |
表选项
 |
| 图 8 (网络版彩图)污染物溯源模拟不同情况污染物排放位置示意图 |
| 图选项 |
2) 为了给模型模拟的正向计算提供基础，在确定3种可能的污染物排放位置后，利用反向算法对每个位置污染物的排放量进行了初步的估算，估算结果见表 5。其中，C0为污染物排放断面初始时刻Cr6+的浓度，S为污染物排放断面至监测断面的距离(使用ArcGIS软件测量得到)，v为水流速度，t为排放时间。
表 5 3种可能情况下污染源排放量估算
| 模拟情况 | S | v | t | C0 | 污染负荷 | ||||
| km | m·s-1 | d | mg·L-1 | kg·d-1 | |||||
| 1 | 10 | 0.23 | 0.50 | 0.11 | 1 860 | ||||
| 2 | 0 | 0.17 | 0 | 0.10 | 910 | ||||
| 3 | 3.3 | — | — | — | — |
表选项
3) 以反向估算法得到的C0值为基础(见表 5)，分别对3种可能情况进行模型正向模拟，通过试错法，调整模型输入条件，对比禅城沙口断面(SEGID为265的网格)在t0时刻监测到的超标浓度0.1 mg·L-1，最终模拟得到的初始排放量如表 6所示。
表 6 3种可能情况下污染源初始排放量
| 模拟情况 | 排放位置SEGID | 瞬时排放量/(kg·d-1) |
| 1 | 258 | 13 000 |
| 2 | 265 | 1 300 |
| 3 | 266 | 7 500 |
表选项
事发后3天内，禅城沙口断面在3种可能情况下的模拟结果如图 9所示。
 |
| 图 9 禅城沙口断面事发后3天内Cr6+浓度模拟结果 |
| 图选项 |
由图 9可以看出，基于机理模型的水环境模型对污染物溯源的结果虽然无法完全确定突发水污染事件的发生地点和污染物排放量，但将可能的污染源缩小到了较小范围，并对每个可能的污染源排放的污染负荷量进行了估算。需要指出的是，由于技术条件等限制，情景中设定监测到Cr6+浓度仅为某时刻的值。因此，在应用模型进行正向模拟计算时，假定监测到的浓度为该点的Cr6+最高浓度，得到的结果应当为污染源最低污染物排放量，即至少有这么多的污染负荷排放。在实际应用过程中，可在监测到污染物浓度超标后，在该点进行连续取样，得到污染物浓度变化情况，以保证最终模拟结果更加准确可靠。
5 结论本文基于EFDC和WASP模型建立西北江佛山段的水动力模型、常规污染物水质模型以及有毒污染物水质模型，结合Access建立的溯源数据库对西北江佛山段中突发水污染事件进行了溯源模拟研究。单一点源瞬时排放情景分析结果表明，本方法能将可能的污染源缩小到较小范围，并估算每个可能的污染源排放的污染负荷量。研究结果为突发水污染溯源研究提供了新的思路和方法，尤其是针对水动力条件复杂的区域的实用性较高。
参考文献
| [1] | 郭少冬, 杨锐, 翁文国. 基于MCMC方法的城区有毒气体扩散源反演[J]. 清华大学学报:自然科学版, 2009, 49(5): 629–634.GUO Shaodong, YANG Rui, WENG Wenguo. Source inversion of toxic gas dispersion in urban areas based on the MCMC method[J]. Journal of Tsinghua University (Science and Technology), 2009, 49(5): 629–634. (in Chinese) |
| [2] | 白志鹏, 张利文, 彭林, 等. 稳定同位素在污染物溯源与示踪中的应用[J]. 城市环境与城市生态, 2006, 19(4): 29–32.BAI Zhipeng, ZHANG Liwen, PENG Lin, et al. Application of stable isotope to trace to the sources and trail pollutants[J]. Urban Environment & Urban Ecology, 2006, 19(4): 29–32. (in Chinese) |
| [3] | 吕清, 徐诗琴, 顾俊强, 等. 基于水纹识别的水体污染溯源案例研究[J]. 光谱学与光谱分析, 2016, 36(8): 2590–2595.Lü Qing, XU Shiqin, GU Junqiang, et al. Pollution source identification of water body based on aqueous fingerprint-case study[J]. Spectroscopy and Spectral Analysis, 2016, 36(8): 2590–2595. (in Chinese) |
| [4] | 王燕, 李彩鹦, 莫恒亮, 等. 超标偷排污水溯源的物证分析技术研究[J]. 北京化工大学学报:自然科学版, 2014(1): 39–45.WANG Yan, LI Caiying, MO Hengliang, et al. Evidence analysis for identifying suspect sources of illegally discharged wastewater[J]. Journal of Beijing University of Chemical Technology (Natural Science Edition), 2014(1): 39–45. (in Chinese) |
| [5] | 刘峰, 秦樊鑫, 胡继伟, 等. 红枫湖沉积物中重金属元素溯源分析的初步探讨[J]. 环境科学学报, 2010, 30(9): 1871–1879.HUANG Xianfei, QIN Fanxin, HU Jiwei, et al. Pollution characteristic and ecological risk assessment of heavy metals in superficial sediments of Hongfeng Lake[J]. Research of Environmental Sciences, 2010, 30(9): 1871–1879. (in Chinese) |
| [6] | 彭泽洲, 杨天行, 梁秀娟. 水环境数学模型及其应用[M]. 北京: 化学工业出版社, 2007: 98-103.PENG Zezhou, YANG Tianxing, LIANG Xiujuan, et al. Matheatical Model of Water Environment and Its Application[M]. Beijing: Chemical Industry Press, 2007: 98-103. (in Chinese) |
| [7] | 杨海东, 肖宜, 王卓民, 等. 突发性水污染事件溯源方法[J]. 水科学进展, 2014, 25(1): 122–129.YANG Haidong, XIAO Yi, WANG Zhuomin, et al. One source identification method for sudden water pollution accidents[J]. Advances in Water Science, 2014, 25(1): 122–129. (in Chinese) |
| [8] | Cheng W P, Jia Y. Identification of contaminant point source in surface waters based on backward location probability density function method[J]. Advances in Water Resources, 2010, 33(4): 397–410. DOI:10.1016/j.advwatres.2010.01.004 |
| [9] | 陈增强. 危险化学品泄漏源的定位研究[D]. 北京: 北京化工大学, 2013. CHEN Zengqiang. Research on Source Identification Approaches for Hazardous Chemical Releases[D] Beijing:Beijing University of Chemical Technology, 2013. (in Chinese) http://www.airitilibrary.com/Publication/alDetailPrint?DocID=Y2393423 |
| [10] | 张波, 王桥, 李顺, 等. 基于系统动力学模型的松花江水污染事故水质模拟[J]. 中国环境科学, 2007, 27(6): 811–815.ZHANG Bo, WANG Qiao, LI Shun, et al. Simulation of water quality for Songhua river water pollution accident using a one-dimensional water quality simulation model based system dynamics[J]. China Environmental Science, 2007, 27(6): 811–815. (in Chinese) |
| [11] | Tim A W, Steven R D, Hugo N R. Development of three-dimensional hydrodynamic and water quality models to support total maximum daily load decision process for the Neuse River Estuary, North Carolina[J]. Journal of Water Resources Planning and Management, 2003, 129(4): 295–306. DOI:10.1061/(ASCE)0733-9496(2003)129:4(295) |
| [12] | 王庆改, 赵晓宏, 吴文军, 等. 汉江中下游突发性水污染事故污染物运移扩散模型[J]. 水科学进展, 2008, 19(4): 500–504.WANG Qinggai, ZHAO Xiaohong, WU Wenjun, et al. Advection-diffusion models establishment of water pollution accident in middle and lower reaches of Hanjiang River[J]. Advances in Water Science, 2008, 19(4): 500–504. (in Chinese) |
| [13] | 郭羽, 贾海峰. 水污染预警DSS系统框架下的白河水质预警模型研究[J]. 环境科学, 2010, 31(12): 2866–2872.GUO Yu, JIA Haifeng. Water quality forewarning model in the framework of water pollution forewarning DSS[J]. Environmental Science, 2010, 31(12): 2866–2872. (in Chinese) |
| [14] | 霍文毅, 陈静生. 我国部分河流重金属水-固分配系数及在河流质量基准研究中的应用[J]. 环境科学, 1997, 18(4): 10–13.HUO Wenyi, CHEN Jingsheng. Water particulate distribution coefficient of heavy metal and application in sediment quality criteria in China river[J]. Environmental Science, 1997, 18(4): 10–13. (in Chinese) |
| [15] | Xiao D, Jia H, Wang Z. Modeling megacity drinking water security under a DSS framework in a tidal river at the North Pearl River Delta, China[J]. JAWRA Journal of the American Water Resources Association, 2015, 51(3): 637–654. DOI:10.1111/jawr.2015.51.issue-3 |
