高性能模拟城市非点源污染物动态：一种全流程方法

《Advances in Water Resources》：High-performance modelling of urban non-point-source pollutant dynamics: A full-process approach

　　

非点源污染物（NPSPs）是城市水质退化的主要原因。有效管理需要理解跨空间尺度的污染物动态。现有雨水水质模型通常依赖经验性或水文方法，在复杂城市环境中表征水流-污染物相互作用和颗粒介导动态的能力有限。基于物理的模型提供了更真实的描述，但其应用受到高计算成本和详细数据需求的限制。本研究提出了一种高性能、GPU加速的水动力-颗粒水质模型，以高空间分辨率模拟城市颗粒态NPSPs的冲刷、沉积和输运的全动态。初始污染物质量和颗粒物粒径分布（PSD）场源自基于物理信息的随机森林（RF）累积模型，该模型基于文献报道数据训练。模型利用巴黎附近道路集水区的两次监测事件进行验证，径流的纳什-萨特克利夫效率（NSE）达到0.86，污染物通量的NSE达到0.67。敏感性分析揭示了模型对单颗粒质量（P_m）的强烈依赖性，当每网格颗粒数超过50时模拟精度趋于稳定。应用于真实城市案例研究证实了该框架在重现洪水淹没和NSPP传播方面的有效性。分析进一步强调，在复杂城市环境中进行可靠模拟需要≥5 m的分辨率。颗粒追踪能力实现了时空污染物源识别。该框架为科学家、政策制定者和环境从业者提供了推进城市水质管理的宝贵工具。

**论文解读：城市非点源污染物动态的高性能全流程模拟**

**研究背景与问题**

城市非点源污染物（NPSPs），包括总悬浮固体（TSS）、重金属和多环芳烃（PAHs），主要来源于大气沉降、车辆排放和建筑材料等扩散源。这些颗粒态污染物在干旱期累积于不透水城市表面（如道路和屋顶），在降雨事件中被冲刷进入排水系统和水体，导致30%-50%的全球水体水质退化。有效管理城市NPSPs需要协调灰色基础设施（如排水系统）和基于自然的解决方案（NbS，如绿色屋顶），但系统性能不仅取决于局部效果，还涉及跨尺度的累积动态。现有数值模型存在显著局限：基于水文或经验的方法（如SWMM、MIKE FLOOD）忽略动量守恒，难以捕捉瞬态水流动力学和污染物迁移的驱动力；经验性污染物模型依赖统计关系，在极端事件和气候变化下外推不可靠。基于物理的欧拉或拉格朗日框架虽能更真实描述污染物动态，但欧拉法难以追踪单个颗粒轨迹和源识别，而拉格朗日粒子追踪模型在扩展至城市尺度时面临计算瓶颈：高分辨率网格下粒子内存管理、线程安全的随机操作、并行粒子-网格交互中的数据冲突等问题。此外，输入条件（如累积污染物质量和颗粒物粒径分布（PSD））的物理真实性严重制约模型性能，现有累积模型多采用简化经验公式，忽略PSD的空间异质性。为此，研究人员开发了GPU加速、耦合水动力-粒子的全流程水质模型，旨在解决上述挑战。

**研究内容与意义**

本研究发表于《Advances in Water Resources》，提出一个基于物理的、粒子解析的全流程框架，用于模拟降雨诱发洪水期间城市颗粒态NPSPs的冲刷、沉积和输运动态。初始污染物质量和PSD由基于物理信息的随机森林（RF）累积模型从文献数据中推导。模型通过直接耦合局部水动力与粒子迁移，超越了经验公式，实现了机制性、过程化的表征，为复杂城市环境中的污染物-水流相互作用和跨尺度效应提供了物理可解释的基础。验证表明，该模型在径流和污染物通量预测中分别达到纳什-萨特克利夫效率（NSE）0.86和0.67，表明其可靠性和实用性。敏感性分析确定了单颗粒质量（P_m）为关键参数，每网格约50颗粒子为精度与成本的最佳平衡。真实案例应用显示，≥5 m的空间分辨率是可靠模拟的必要条件，且粒子追踪能力支持时空污染物源识别。该框架为科学家、政策制定者和环境从业者提供了城市水质管理的有力工具。

**主要关键技术方法**

研究人员采用以下关键技术方法：（1）基于物理信息的随机森林（RF）累积模型，从文献报道数据中学习污染物累积质量与PSD的空间异质性，以幂律函数和分形维数（D）作为物理约束；（2）高性能水动力模型HiPIMS（多GPU并行），求解二维浅水方程（SWEs）以捕捉复杂洪水动力学；（3）改进的Hairsine-Rose（H-R）模型，用于描述颗粒冲刷、雨滴剥离和流动夹带及重力沉降的垂直交换；（4）拉格朗日粒子追踪模型，模拟颗粒水平平流和相态转换（沉积/悬浮），采用四阶龙格-库塔积分和Fisher-Yates洗牌算法确保随机采样线程安全。模型通过CUDA和C++实现双GPU并行，数据交换通过直接内存传输。案例研究涉及英国纽卡斯尔（21 km2），使用LiDAR数字高程模型（DEM）和UK Met Office雷达降雨数据（1 km/5 min）。

**研究结果**

**3.1 污染物累积（干旱期）**

**3.1.1 分形PSD行为验证**：利用Zhao等（2018a）的路面颗粒累积数据，发现累积PSD在有限粒径范围内表现出分形行为，log-log线性拟合的R2均超过0.85，且不同上限粒径（d_max）下的斜率一致，证实了分形维数D的尺度不变性。分形表示确保了总质量与PSD的内部一致性，避免传统分箱方法的闭合问题。

**3.1.2 累积模型参数分析**：训练了1000个RF模型，选择验证性能最优的模型分析驱动因素。参数a（累积速率）主要受交通量驱动，其次为人口密度和表面粗糙度，均呈正相关。参数b（平衡速率）对交通量不敏感，对人口密度和粗糙度表现出非单调响应，可能受间歇性街道清扫和颗粒再悬浮等未观测过程影响。参数D（分形维数）预测值在2.25-2.75之间，对应中值粒径（D₅₀）约73-397 μm；时间上D先增后减，反映早期细颗粒沉积后粗化；高人口密度区域D较低，粗糙表面优先保留粗颗粒。

**3.2 降雨驱动NPSP动态（验证）**

**3.2.1 模型验证**：在巴黎东部道路集水区（约2661 m2）重现两次降雨事件（2014年和2015年），使用10 cm分辨率DEM和监测数据。HiPIMS准确复现径流，NSE分别为0.86和0.91；污染物质量通量预测的NSE分别为0.81和0.67，表明模型能捕捉冲刷和输运过程，尽管粒子追踪结果因离散性不如欧拉法平滑。

**3.2.2 敏感性分析**：测试6个单颗粒质量（P_m）值（10 mg至0.2 mg），发现P_m主要影响通量幅度而非时间，因为粒子被动，到达时间由水动力控制。P_m增大提高冲刷质量阈值，导致更早停止输运和更大波动；每网格约50颗粒子（2014年）和20颗（2015年）是获得平滑通量模式的最小值。运行时随粒子数线性增加，但超过GPU并行容量（约7.34百万线程）后显著上升；NSE在粒子数超过一定阈值后边际改善，需结合硬件平衡精度与成本。

**4. 真实案例应用（纽卡斯尔）**

**4.1 案例设置**：研究区域为21 km2城市区域，模拟2012年“雷雨星期四”极端降水事件（约200年一遇）。使用1 m、2 m、5 m、10 m DEM，曼宁系数0.02（非绿地）和0.03（绿地），排水能力30 mm/h，三种颗粒级配（<62 μm、62-250 μm、250-500 μm），P_m=0.2 mg。

**4.2 累积预测**：初始污染物质量集中在高交通量区域（高速公路和主干道），PSD特征D在人口密集区变化更大，商业和密集区D较低，可能因频繁清扫和机械扰动优先去除细颗粒。整体PSD略偏粗，反映前一日降雨冲刷了细颗粒。

**4.3 洪水过程**：通过117张社交媒体照片验证（30张成功定位），模拟最大淹没范围与照片一致，尤其Queen Victoria Road等重灾区。不同分辨率比较：1-5 m DEM能解析关键城市特征，10 m DEM遗漏局部积水（如Royal Grammar School），推荐≥5 m分辨率。

**4.4 污染物动态**：TSS浓度随分辨率增加而降低，因恒定P_m下细网格中每单元粒子数少，有效冲刷质量阈值提高，减少输运总量。10 m分辨率模拟出现多个“局部峰值”且TSS浓度高出1-2个数量级，因粗DEM无法解析障碍物，导致水流和污染物过早到达河流。冲刷率呈现三个时间阶段：峰值前（降雨增强，粗DEM淹没面积大，冲刷率高）、峰值后（降雨减弱，沉积和沟道化，不同分辨率下冲刷趋势分化）、恢复期（差异缩小）。表2（原文）显示，不同分辨率的淹没面积和平均流速差异显著，粗DEM高估水力和污染物连通性。

**4.5 计算效率**：双GPU并行方案中，运行时由较慢模块决定。随分辨率降低，网格数减少，时间步长增加，但粒子数仅略有下降，导致水动力与污染物模块计算负载不均（表3）。需联合优化网格分辨率和粒子数以平衡负载与精度。

**讨论与结论**

**讨论部分**：与经验和欧拉模型相比，本框架在粒子尺度提供直接物理可解释性，支持源追踪和热点识别。图18展示了污染物源区时空演化，污染物集中在河边关键城市街区，受建筑布局、表面连通性和排水性能影响，可指导绿色基础设施（如植被过滤带、分散式滞留系统）的精准布局。框架可扩展至不同土地利用和污染物类型：H-R模型可统一描述不透水、半透水和透水表面的剥离与输运，但需解决透水土壤可能产生的无限粒子源问题。粒子模块可扩展至吸附-解吸、聚集-絮凝等过程，通过粒子属性表征化学状态。局限性包括：累积模型数据库有限、未直接验证（因缺乏实地观测），开源数据集质量不一，以及计算资源需求较高。模型选择应目标导向：EMC模型适用于事件筛选，欧拉法适用于一般平流-扩散，本粒子框架适用于涉及粒径选择性、源归因或极端降雨下的精准控制。

**结论部分**：本研究提出一个基于物理的、粒子解析的全流程框架，用于模拟降雨诱发洪水期间城市颗粒态污染物的完整动态。初始污染物质量和PSD源自基于物理信息的RF累积模型，该模型基于文献数据训练。通过直接耦合局部水动力与粒子迁移、输运和沉积，该框架将雨水水质模型从经验公式推进到机制性、过程化的表征，为复杂城市环境中的污染物-水流相互作用和跨尺度效应提供了系统探索途径，为科学分析和知情管理设计提供了物理可解释的基础。主要发现包括：

- 累积模块通过三个关键参数捕捉多级累积：累积速率（主要由排放强度驱动）、分形维数（反映排放强度和表面保留的综合效应）、平衡速率（因文献数据集限制难以解释）。
- 降雨事件中NPSP全动态验证显示出稳健性能，径流NSE为0.86，污染物通量NSE为0.67，确认了水文和水质过程预测的可靠性。
- 敏感性分析识别单颗粒质量为关键参数，每网格约50颗粒子代表模拟精度与计算成本的最优平衡。
- 在复杂城市环境中，需要5 m空间分辨率以可靠捕捉洪水传播和污染物输运，同时保持计算可行性。
- 框架通过时空追踪污染物源和输运路径，显示出针对性污染管理的巨大潜力。