高 松 ,黃 娟 ,白 濤 ,曹雅靜 ,徐江玲

(1.國家海洋局北海預報中心,山東 青島 266033;2.山東省海洋生態(tài)環(huán)境與防災減災重點實驗室,山東 青島 266033)

隨著渤海海上油田迅速發(fā)展以及一些輸油管線進入老化期,海上溢油滲油事件和海上無主漂油時有發(fā)生,如2002年河北黃驊附近海域發(fā)生大面積原油污染事件,由于無法確認事故責任者,使受損失漁民無法得到有效賠償。2006年,山東省長島、龍口、蓬萊岸段及其附近海域發(fā)生大面積原油污染,由于無法直接認定溢油源,在確認事故責任者時頗費周折。2010年秦皇島市某浴場沙灘發(fā)現(xiàn)黑色油塊,嚴重影響浴場的正常開放。因此,發(fā)展有效、準確的溢油源鑒別預測技術(shù),對責任事故的認定和溢油污染的防治具有非常重要的意義。

1 溢油數(shù)值模擬與集合預報方法

海洋溢油漂移預測數(shù)值模型的開發(fā)研究已有幾十年的歷史。最早的溢油漂移數(shù)值模型是連續(xù)介質(zhì)模型[1],目前油粒子模型占據(jù)了主導地位[2]。起初的粒子模型主要是模擬溢油水平漂移路徑,后來進一步發(fā)展成能夠模擬溢油三維擴散運動的模型[3]。這些預測模型盡管還有許多值得進一步完善的方面,但已經(jīng)取得了較為廣泛的應用[4-7]。溢油溯源模型的研究發(fā)展相對較晚,但其應用前景已經(jīng)取得了關(guān)注[8]。海洋動力環(huán)境的復雜性和數(shù)值模型自身的缺陷常常造成較大的誤差,溢油溯源模型開發(fā)的技術(shù)關(guān)鍵在于逆向追溯的精確性。

集合預報方法在氣象預報方面應用較早,且已比較成熟。其基本方法是通過一定的數(shù)學方法結(jié)合天氣學原理,構(gòu)造一組有限數(shù)量的預報樣本,把不同的預報樣本進行“集合”,形成集合預報。簡單地說,就是從一組初值出發(fā),得到一組數(shù)值預報。因為得到這組數(shù)值預報所用的初值和模型過程彼此之間有一定的差別,所以就反映大氣的不確定性。從而把過去傳統(tǒng)意義上單一的確定性天氣預報,變成不確定性預報。集合預報的目的就是盡可能使得到的這組不確定性預報包含未來大氣可能出現(xiàn)的所有狀態(tài),從而達到提高預報水平的目的。集合預報是數(shù)值預報的一次革命,即人們從“確定論”向“隨機論”轉(zhuǎn)變的思維模式的革命。

2 油粒子漂移預測和溯源模型

油粒子在風力、波浪、潮流和環(huán)流的聯(lián)合作用下的運動,可采用拉格朗日粒子追蹤方程模擬。通常,水動力數(shù)學模型基于歐拉場建立,而要描述質(zhì)點的運動,需采用拉格朗日的觀點,這就涉及如何將歐拉場中的結(jié)果轉(zhuǎn)換為拉格朗日質(zhì)點位移。

在歐拉場中,對平面二維問題,任意空間點的速度V可由公式(1)表示,其中,x和y表示空間點的位置,t表示時間。

采用拉格朗日觀點,任意質(zhì)點的速度 VL可由公式(2)表示,其中,xL和 yL表示任意質(zhì)點的空間位置,X表示質(zhì)點位移。

公式(2)實際上建立了求解質(zhì)點位移的一階常微分方程。改寫公式(2),質(zhì)點的運動軌跡可通過公式(3)中的積分求得。

若每一時刻的 VL已知,可通過數(shù)值積分的方法由上式求出質(zhì)點的運動軌跡。

粒子的漂移速度 VL計算公式為: 由公式(4)計算,其中,Vw表示風力和波浪作用產(chǎn)生的速度分量,Vt表示潮流作用產(chǎn)生的速度分量,Vr表示潮致余流作用產(chǎn)生的速度分量,Vh表示環(huán)流(包括: 風海流和密度流)作用產(chǎn)生的速度分量,VR表示由波浪等海洋環(huán)境引起的粒子不確定運動。

溢油溯源是在已知溢油被發(fā)現(xiàn)的時間和地點以及海洋環(huán)境背景場的前提下,逆向(時間反方向)積分溢油漂移的軌跡,得到在過去任意時刻溢油可能所處的位置。溢油溯源數(shù)值模型是在溢油漂移預測模型的基礎上,采用逆向積分方法發(fā)展而來。溢油粒子逆向溯源過程中的隨機運行,通過“蒙特卡羅”方法[9]進行描述。

3 無主漂油源集合預測方法設計

目前,受觀測手段和預報技術(shù)的限制,所獲得的海洋背景環(huán)境要素(主要是海面風場和流場)都存在一定的誤差。在溢油溯源模擬過程中,通過對海洋背景環(huán)境要素數(shù)據(jù)在一定誤差范圍內(nèi)的修正設計,進行多種情況溯源模擬,將獲得的一組溯源模擬結(jié)果,進行“集合”,統(tǒng)計可能溢油源范圍和概率。如:獲得風速為10 m/s,為誤差20%,可設計修正數(shù)據(jù)5組,分別為12、11、10、9、8 m/s。由于無主溢油的溢油發(fā)生時間無法準確的確定,則將一定的時間段(如24 h)設為油粒子的統(tǒng)計時間域,累計這一時間域內(nèi)每個統(tǒng)計單元內(nèi)的粒子數(shù),經(jīng)過歸一化處理后作為該單元可能是溢油源的概率。

最終每個統(tǒng)計網(wǎng)格溢油源的可能概率G由公式(5)表示。其中,S為某個統(tǒng)計單元的累計粒子數(shù),M為某種溯源試驗拋放的粒子總數(shù),N為參與集合統(tǒng)計的試驗個數(shù)。

4 案例應用

2010年 6月底,在秦皇島某浴場沙灘發(fā)現(xiàn)黑色油塊,根據(jù)之后的鑒定與調(diào)查情況,確認此次發(fā)現(xiàn)油污為渤海中西部某平臺 5月中旬泄露原油所致。利用本文研發(fā)的溢油溯源模型,在秦皇島該浴場附近海域進行粒子拋放,模擬粒子在海面風和海流的共同作用下,在海面的逆向漂移軌跡。溢油溯源模式計算范圍為渤海區(qū)域(37°～41°N,117.5°～122°E),水平分辨率為1/90°(見圖1,其中1個網(wǎng)格代表模式中10×10個計算網(wǎng)格)。溢油溯源模式采用的渤海氣象和流場數(shù)據(jù),為國家海洋局北海預報中心業(yè)務化數(shù)值預報結(jié)果。氣象模式采用 Weather Research and Forecasting Model(WRF)研發(fā),采用兩重嵌套方式,大區(qū)計算范圍為渤黃東海,空間分辨率為27 km;小區(qū)計算范圍為渤黃海,水平分辨率為 9 km。海流模式采用Regional Ocean Model System (ROMS)研發(fā),采用兩重嵌套方式,大區(qū)為渤黃東海,空間分辨率為 1/30°;小區(qū)為渤黃海,水平分辨率為 1/90°,垂向分為6層,進行潮流和環(huán)流的耦合模擬。

圖1 溢油模式計算網(wǎng)格及地形(m)圖Fig.1 The computing grid and topographic map of oil spill model (m)

圖2a是采用 100%風速情況,粒子溯源軌跡及分布圖。由圖2a可以看出: 油粒子6月30日～5月13日由發(fā)現(xiàn)油污的浴場(YC)開始,向偏南方向移動,在5月13日前后,大部分粒子位于某石油平臺(PT)的西側(cè)海域。各特征時刻粒子形成不同的分布形態(tài),總體分布范圍不斷擴大,這也符合粒子隨機走動的一般規(guī)律。

圖2b是采用 100%風速情況,粒子溯源模擬概率分布圖。概率分布的統(tǒng)計粒子樣本選取5月13日00～23時,24 h內(nèi)的累加粒子。粒子統(tǒng)計范圍為(119.205°～119.745°E,37.925°～ 38.465°N),網(wǎng)格設計間距為 0.03°×0.03°,統(tǒng)計網(wǎng)格溢油源的可能概率為每一個網(wǎng)格中的粒子數(shù)占統(tǒng)計樣本的百分比。從圖2b可以看出,粒子的分布概率呈現(xiàn)由中心向四周逐漸減少的趨勢,PT位于高概率區(qū)域的東側(cè),概率約為1.5%。

圖2 油粒子溯源軌跡及概率分布圖Fig.2 Thetracing tracks and possible distribution of oil particle

圖3 不同集合預測的油粒子概率分布比較圖Fig.3 Comparison of possible oil particle distribution with different ensemble sampling

圖 3為不同集合預測情況下的油粒子概率分布圖,圖 3a參與集合預測的統(tǒng)計樣本是 105%、100%和 95%三種風速情況,圖 3b參與集合預測的統(tǒng)計樣本是110%、105%和100%三種風速情況?？梢钥闯?這兩種集合預測概率統(tǒng)計結(jié)果,均優(yōu)于100%風速概率統(tǒng)計結(jié)果(圖 2b)。與 100%風速相比,兩種集合預測的PT所在網(wǎng)格的概率值均有增大,分別為 2.5%和3.2%,增加比值為 66%和 110%,且預測平臺基本位于概率統(tǒng)計值較高的中心區(qū)域,可能溢油源的分布區(qū)域略有增加。此外,圖 3b的集合預測概率結(jié)果明顯優(yōu)于的結(jié)果圖3a,圖3b中PT所在網(wǎng)格的概率值比圖 3a增大28%,且PT位于可能溢油源的分布區(qū)域的中心位置。因此,無主漂油源集合預測可以通過對環(huán)境背景場和溢油溯源模型的系統(tǒng)誤差科學分析,合理設計參與集合概率統(tǒng)計的模擬結(jié)果,進一步提高溯源預測的準確度,縮小高概率區(qū)的分布范圍。

5 結(jié)語

本文采用基于“拉格朗日”粒子追蹤方法的油粒子數(shù)值模擬溯源模型,引入天氣預報中的“集合預報”方法,考慮氣象、海洋環(huán)境背景場誤差因素,建立了無主溢油源的集合預測方法。通過對2010年溢油溯源事件的試驗模擬,說明集合預測方法的科學性和正確性,為進一步解決溢油源的判定問題提供了新的思路和方法。

[1]Fay J A.Physical processes in the spread of oil on a water surface[J].International Oil Spill Conference Proceedings,1971,1971(1): 463-468.

[2]張存智,竇振興,韓康,等.三維溢油動態(tài)預報模式[J].海洋環(huán)境科學,1997,16(1): 22-29.

[3]婁安剛,吳德星,王學昌,等.三維海洋溢油預測模型的建立[J].青島海洋大學學報(自然科學版),2001,31(4): 473-479.

[4]DHI.MIKE 21/3 oil spill[R].Shanghai: DHI,2012.

[5]Delft.Simulationof mid-field water quality and oil spills using particle tracking[R].Netherlands: Delft,2005.

[6]汪守東,沈永明,鄭永紅.海上溢油遷移轉(zhuǎn)化的雙層數(shù)學模型[J].力學學報,2006,38(4): 452-460.

[7]李彤,謝志宜.水上事故溢油漂移軌跡預測模型研究與應用[J].環(huán)境科學與管理,2013,38(7): 56-61.

[8]趙如箱.淺談溢油模型的發(fā)展及其應用設想[J].交通環(huán)保,2000,21(4): 15-17.

[9]婁安剛,王學昌,于宜法,等.蒙特卡羅方法在海洋溢油擴展預測中的應用研究[J].海洋科學,2000,24(5): 7-9.