水环境预警方法和装置与流程

本发明属于环境预警技术领域，尤其涉及水环境预警方法和装置。

背景技术：

湖泊、河流及河口水质的恶化已经成为我国一个突出的环境问题。在治理水体污染时，必须掌握污染物质随水流是如何掺混、迁移和分布的，以便进行预测及治理，这样才能有的放矢。水动力是关于描述水体的微观运动的研究，而水动力模型则是一种探寻其中物理过程的方法。

水质(waterquality)水体质量的简称。它标志着水体的物理(如色度、浊度、臭味等)、化学(无机物和有机物的含量)和生物(细菌、微生物、浮游生物、底栖生物)的特性及其组成的状况。水质为评价水体质量的状况，规定了一系列水质参数和水质标准。如生活饮用水、工业用水和渔业用水等水质标准。

水华(algalblooms)指淡水水体中藻类大量繁殖的一种自然生态现象，是水体富营养化的一种特征，主要由于生活及工农业生产中含有大量氮、磷的废污水进入水体后，蓝藻(又叫蓝细菌，包括颤藻、念珠藻、蓝球藻、发菜等)、绿藻、硅藻等大量繁殖后使水体呈现蓝色或绿色的一种现象。也有部分的水华现象是由浮游动物——腰鞭毛虫引起的。“水华”现象在我国古代历史上就有记载。另外，海水中若出现类似现象(一般呈红色)则称为赤潮。水华的防控措施主要有打捞、絮凝除藻和生物控藻等。

从1925年世界上第一个s-p模型(斯特里特-费尔普斯模型)提出到现在将近一百年的时间内，水质模型的研究取得了丰硕的成果，模型的功能从最初研究溶解氧的变化关系，发展到今天包含水环境容量计算、水文动力学研究、水环境质量评价和预测在内的一系列功能，研究的水质成分由一种目标物增加到几十种,计算工具从原始的人工计算发展到计算机自动提取数据智能化计算程序，适用范围从简单的一维河流发展到目前几乎涵盖所有类型水体的各类先进水质模型。

一个理想的模型通常可以描述、重复甚至预测自然界水体(河流、湖泊、河口、海岸、水库、湾等)详细的运动过程，如在某时某刻某个地理位置的水流走向、水面高度等信息。而想要准确的模拟出这些物理参量，模型的输入数据的准确性至关重要，如地形数据、气象数据(风、降水、日照、蒸散发等)的空间分辨率、出流、入流、潮/水位的时间分辨率等。但即使这些输入数据足够精准，也未必能够得到理想的结果，通常来说与模型相关的水动力参数也是影响模拟效果的主要因素，对模型参数进行设置以得到最为理想结果的过程成为参数率定(calibration)；另一方面，上面提到的模型网格剖分以及计算方法也会对结果有着微小的影响。

技术实现要素：

本发明实施例提供一种水环境预警方法和装置，用于至少解决上述技术问题之一。

第一方面，本发明实施例提供一种水环境预警方法，包括：获取水质监测数据和suntans水动力预报数据；基于监测数据和预报数据的基本动力学过程，获取粒子追踪结果；基于监测数据和预报数据的生态动力学过程，或者基于粒子追踪结果的生态动力学过程，获取伴随营养盐循环的水质模拟结果和生态模拟结果；根据粒子追踪结果和水质模拟结果进行水质预警；以及根据生态模拟结果进行水华预警。

第二方面，本发明实施例提供一种水环境预警装置，包括：数据获取模块，配置为获取水质监测数据和suntans水动力预报数据；粒子追踪模块，配置为基于监测数据和预报数据的基本动力学过程，获取粒子追踪结果；水质生态模拟模块，配置为基于监测数据和预报数据的生态动力学过程，或者基于粒子追踪结果的生态动力学过程，获取伴随营养盐循环的水质模拟结果和生态模拟结果；水质预警模块，配置为根据粒子追踪结果和水质模拟结果进行水质预警；以及水华预警模块，配置为根据生态模拟结果进行水华预警。

第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例的水环境预警方法的步骤。

第四方面，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行本发明任一实施例的水环境预警方法的步骤。

本申请的方法和装置提供的方案通过模拟水流的扩散作用，模拟获得河段的水质变化情况，利用水体中部份水质指标浓度与生物过程存在高度相关性这一特性，实现利用较易获取的观测变量驱动生态动力学过程，达到基于水体的实时水质状态进行水质模拟预报的目的。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一实施例提供的一种水环境预警方法的流程图；

图2为本发明一实施例提供的另一种水环境预警方法的流程图；

图3为本发明一实施例提供的又一种水环境预警方法的流程图；

图4为本发明一实施例提供的再一种水环境预警方法的流程图；

图5为本发明一实施例提供的还一种水环境预警方法的流程图；

图6为本发明一实施例提供的一个具体应用场景的详细模块框图；

图7为本发明一实施例提供的应用场景的npzd模型的原理图；

图8为本发明一实施例提供的应用场景中npzd模型的运转流程图；

图9为本发明一实施例提供的一种水环境预警装置的框图；

图10为本发明一实施例提供的电子设备的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面，先介绍本申请的实施方式，之后将用实验数据证实本申请的方案与现有技术相比有什么不同，能实现什么有益效果。

请参考图1，其示出了本申请一实施例提供的一种水环境预警方法的流程图，本实施例的水环境预警方法可以适用于对河流、湖泊等水环境的水质水华进行预警。

如图1所示，在步骤101中，获取水质监测数据和suntans水动力预报数据；

在步骤102中，基于监测数据和预报数据的基本动力学过程，获取粒子追踪结果；

在步骤103中，基于监测数据和预报数据的生态动力学过程，或者基于粒子追踪结果的生态动力学过程，获取伴随营养盐循环的水质模拟结果和生态模拟结果；

在步骤104中，根据粒子追踪结果和水质模拟结果进行水质预警；

在步骤105中，根据生态模拟结果进行水华预警。

在本实施例中，对于步骤101，水环境预警装置首先获得水质监测数据和suntans模型预报数据。其中，水质监测数据可以包括在预定时间步长内监测断面上各水质指标的观测值，水质指标可以包括总氮，总磷，氨氮，化学需氧量，溶解氧等。suntans模型预报数据可以为结合水动力模型对suntans网格的预报数据，模型的预报准确度可以通过采用观测值不断修正预报值的方式进行优化。之后，对于步骤102，水环境预警装置根据监测数据和预报数据的基本动力学过程，获取各水质指标的粒子追踪结果。之后，对于步骤103，可以根据监测数据和预报数据的生态动力学过程，也可以根据例子追踪结果的生态动力学过程，获得参数率定后的伴随营养盐循环的水质模拟结果和参数率定后的生态模拟结果。然后，对于步骤104，根据粒子追踪结果和水质模拟结果进行水质预警，例如可以制定各水质指标的预警浓度，当粒子追踪结果和水质模拟结果中出现某一水质指标的浓度超过预警浓度，则进行水质预警；对于步骤105，根据生态模拟结果进行水华预警，例如当生态模拟结果中某一物质的含量或浓度高于预设的该物质的含量或浓度的预警值时，则进行水华预警。

本实施例的方法通过分别将采集的数据经过基本动力学过程和生态动力学过程，得到粒子追踪结果、水质模拟结果和生态模拟结果，然后利用这些结果预测水质指标或者生物物质的浓度，之后基于该浓度进行水质水华预警，利用水体中部份水质指标浓度与生物过程存在高度相关性这一特性，实现利用较易获取的观测变量驱动生态动力学过程，达到基于水体的实时水质状态进行水质模拟预报的目的。

在一些可选的实施例中，根据粒子追踪结果和水质模拟结果进行水质预警包括：若粒子追踪结果和水质模拟结果预报的某一水质指标浓度超过预设浓度，则进行水质预警。根据生态模拟结果进行水华预警包括：若生态模拟结果中浮游植物的含量超过预设含量，则进行水华预警。

在一些可选的实施例中，上述方法还包括参数率定的过程，包括：使用流量观测值调试suntans模型；使用浮游植物的含量调试npzd的生态模拟结果；使用水质指标的观测值调试npzd的水质模拟结果。通过对模型和结果进行参数率定的调试，能够使得后续预报的结果更加精准。

进一步参考图2，其示出了本申请一实施例提供的另一种水环境预警方法的流程图。该流程图主要是针对图1中步骤101进一步细化的步骤的流程图。

如图2所示，在步骤201中，监测获取断面上的各水质指标的观测值；

之后，在步骤202中，将与水质指标对应的观测值插值到suntans模型网格上，获得水质指标的预报数据。

在本实施例中，对于步骤201，水环境预警装置首先监测和获取断面上的各水质指标的观测值。然后对于步骤202，将该观测值插值到suntans模型网格上，获得各网格上水质指标的预测值。

本实施例的方法，通过将观测值插值到suntans模型网格上，可以利用suntans模型计算得到suntans预报数据，之后，再利用下一时间步长的观测值对本次的预测值进行修正，可以不断地优化suntans模型的预报能力，实现更加精准地预报。

在一些可选的实施例中，利用以下公式将观测值插值到各网格上：

其中，xa为插值，xb为背景场，w为观测值对初始值或上一插值的影响权重，obv为观测值；

观测值对初始值或上一插值的影响权重方程为：

其中，i为第i个网格，k为第k个观测值，d指的是什么；

调试r的大小，当r使得插值与观测值之差的平方和最小时，w为最佳权重。

进一步参考图3，其示出了本申请一实施例提供的又一种水环境预警方法的流程图，该流程图主要是针对图1中步骤103进一步细化的步骤的流程。

如图3所示，在步骤301中，在有断面监测数据的时间点上，使用断面监测数据的插值结果作为生态动力学过程的营养盐的输入；

在步骤302中，在没有断面监测数据的时间点上，使用粒子追踪结果作为生态动力学的营养盐输入；

在步骤303中，输出水质模拟结果和生态模拟结果。

在本实施例中，对于步骤301，首先判断在某一时间点上是否有断面监测数据，若有，则使用该断面监测数据的插值结果作为生态动力学过程中营养盐的输入，其中，生态动力学过程中需要输入的数据有浮游植物(p)、浮游生物(z)、沉积物(d)和营养盐(n)。之后，对于步骤302，在没有断面监测数据的时间点上，使用粒子追踪结果中的水质指标结果作为模型的营养盐输入。最后对于步骤303，将以上方式获得的营养盐输入作为生态动力学过程中的营养盐输入，得到生态动力学过程输出的水质模拟结果和生态模拟结果。

本实施例的方法通过在两种不同的情形下，分别将不同的数据作为生态动力学过程的营养盐输入，然后获得输出的水质模拟结果和生态模拟结果，能够使得模型的输入更精确，更符合实际情况，从而最后输出的结果也能更好地模拟和预报水质和水华情况。

请参考图4，其示出了本申请一实施例提供的再一种水环境预警方法的流程图，该实施例主要是针对以上实施例中的生态动力学过程的进一步限定的步骤的流程图。其中，生态动力学过程包括冷起和热起，本实施例先描述冷起的运转步骤。

如图4所示，在步骤401中，设置npzd模型中浮游植物、浮游动物和沉积物的初始值；

之后，在步骤402中，将水文数据、气象数据和营养盐观测数据作为npzd模型的输入；

然后，在步骤403中，获取npzd模型达到动态平衡之后水体中浮游植物、浮游动物、沉积物和营养盐的含量。

在本实施例中，对于步骤401，水环境预警装置首先设置npzd模型中pzd(浮游植物、浮游动物和沉积物)的初始值，该初始值可以设置的稍微低一点，本申请在此没有限制。之后，对于步骤402，将水文数据、气象数据和营养盐观测数据输入至npzd模型中。然后，对于步骤403，模型运行了足够长的时间后，水体中的各种物质的含量达到动态平衡之后，获取此时水体中npzd(营养盐、浮游植物、浮游动物、沉积物)的含量，该含量可以作为之后热起的初始值。

本实施例的方法主要针对一个新的水环境预警过程的启动阶段，通过设置pzd的初始值，之后根据输入的各种数据，经过足够长的时间达到动态平衡，获得真实的npzd的初始值，可以作为之后再次启动的初始值。

进一步参考图5，其示出了本申请一实施例提供的还一种水环境预警方法的流程图。该流程图主要是针对生态动力学过程中冷起之后的热起过程的步骤的流程图。

如图5所示，在步骤501中，将动态平衡之后水体中浮游植物、浮游动物、沉积物和营养盐的含量作为npzd模型的初始值；

之后，在步骤502中，将实时水文数据和实时气象数据作为npzd模型的输入；

最后，在步骤503中，获取npzd模型水体中浮游植物、浮游动物、沉积物和营养盐的含量及在suntans模型网格上的浓度。

在本实施例中，对于步骤501，利用冷起过程中动态平衡后获取的npzd的初始值作为热起的初始值。之后，对于步骤502，将实时水文数据和实时气象数据作为模型的输入。最后，获取模型根据实时数据预报的npzd的含量及在suntans模型网格上的浓度，从而进行预报。

以下通过一个具体实施例对本申请的方案进行说明，在以下实施例中出现的具体的数值并不用于限定本申请的保护范围。

发明人在实现本申请的过程中发现：现有水质模型存在依赖参数过多，参数率定过程复杂；模型自调节能力差(模型中的参数被看作为常数)，预测能力变差，普适性低；面源污染难以估算；地下水交换难以估算等一系列问题。

本申请的发明目的为：

1.通过本发明，可以将水动力模型使用到水质的模拟中，通过模拟水流的扩散作用，模拟获得河段的水质变化情况，减少通常水环境预警遇到的需要输入参数多、依赖运算资源大、模型运算耗时长的问题。

2.通过本发明，可利用水体中部份水质指标浓度与生物过程存在高度相关性这一特性，实现利用较易获取的观测变量驱动生态过程模型，达到基于水体的实时水质状态进行水环境预警预报的目的。

请参考图6，本发明一实施例提供的一个具体应用场景的模块框图。

如图6所示，在具体的实现过程中，设计了以下几个模块：水质监测数据、suntans水动力预报数据、粒子追踪模型(动力学过程)、生态模拟模型(生态动力学过程)、粒子追踪结果、伴随营养盐循环的水质模拟结果以及生态模拟结果。具体如下：

水质监测数据

监测断面上的总氮，总磷，氨氮，化学需氧量，溶解氧等水质指标间隔为4h的观测数据；

为提高模型模拟预报的准确性，最好可以有支流在干流入流口处的水质监测数据。

具体地，将水质监测数据插值(不考虑水流的影响，在规则网格上进行cressman插值/反距离权重插值，再将数据映射到对应的泰森多边形网格上)到suntans网格上，获得水质的背景场浓度(插值结果不会高于观测点处的浓度，可结合前一时刻的观测浓度与模型水动力预报获得当前时刻所有网格上的水质浓度)。

suntans水动力预报数据

精度大于500m的泰森多边形网格上的水文数据(包括水温，流速，流量，蒸散量等)

进一步参考图7，其示出了本申请一实施例提供的一个应用场景的生态模拟模型(npzd模型)的原理图。

该模型考虑浮游植物的光合作用过程对营养盐的吸收，浮游动物的呼吸、分泌和死亡过程对营养盐的消费，浮游动物对浮游植物的摄食等过程。模型中n代表营养盐，p代表浮游植物，z代表浮游动物，sd为浮游动植物呼吸作用代谢生产物，ld为sd的聚集产物。

本实施例的生态动力学模型主要考虑无机氮(硝酸盐，亚硝酸盐，氨氮)和磷酸盐两种营养盐的物流循环。通过光合作用，生物固氮等过程，无机营养盐转化为有机物进入生态系统。水体中的有机物的生长，主要由营养盐及光照两方面因素决定。

叶绿素a是用来表征水体中浮游植物的存量指示性参数,是用来描述浮游植物利用光能进行光合作用将无机物质转变为有机物质时,有机物生产力的一个重要指标。

模型的输入数据：

在有断面监测数据的时间点上，使用断面监测数据的插值结果作为模型营养盐的输入；

可选地，在没有断面监测数据的时间点上，使用从粒子追踪模块获取的水质结果作为模型的营养盐输入。

进一步参考图8，其示出了本申请一实施例提供的一种应用场景的npzd模型的运转流程。具体包括冷起和热起。

开始一个新的case的模拟时，必须先进行模型的冷起，冷起时可将pzd的初始值设为一个较低的数值。

在冷起的过程中，先将pzd的初始值设为一个固定值。之后，将水文数据、气象数据、营养盐数据作为模型的输入，其中，水文数据可以包括水温、流量、扩散性等，气象数据可以包括风速、短波辐射等。之后，模型会输出restart.dat(模型运行足够长时间，达到动态平衡时水体中npzd含量)。

在热起的过程中，pzd的初始值来源于restart.dat。之后，将实时水文数据(例如36h测量一次)、实时气象数据(36h)、restart.dat(npzd初始场)、营养盐观测数据(替代restart.dat中的n)输入模型中，输出npzd在模型网格上的浓度(例如为nc文件)和restart.dat(下一轮模拟起始时刻的npzd浓度)，每天运行一次，预报36h，变量输出间隔为1h。

其中，可以使用叶绿素a浓度的观测值检验冷起得到的restart.dat中浮游植物的模拟值。

伴随营养盐循环的水质模拟

氨氮(mg/l)随时间的变化量与p，z，d(poc，颗粒有机物；doc，溶解有机物)的关系：

溶解氧(do)(mg/l)随时间的变化量与p，z，d(poc表示颗粒有机物，doc表示可溶性有机碳)的关系：

cod(化学需氧量)(mg/l)随时间的变化量与p，z，d(poc表示颗粒有机物)的关系：

应用方法:

单位时间内某水质指标的变化量，与当前时刻水体中浮游生物含量存在量化关系，因此可在模型更新npzd的时间步长上，计算水质指标浓度的变化量；

可对公式各项进行量级分析，合理简化方程。

参数率定

因为水动力模拟，生态过程模拟，水质模拟相互之间并不耦合，所以可以对这个三个过程分别进行参数率定：

用流量观测值调试suntans；

用叶绿素浓度调试npzd的生态学模拟过程；

用水质指标的观测值调试npzd的水质模拟过程。

水质、水华预警

水质预警指标：某一水质指标超过预警浓度值；

水华预警指标：浮游植物量(叶绿素浓度值)超过预警值。

其中，模型的初边条件：

初始场：模式的初估状态。在本方案中，将初始状态设置为静水状态，即流速的初始场为0；水温初始场为水为观测值在模型网格上的插值场。

边界场：模型为数值模型，对非闭合区域积分求数值解的过程中需要提供边界条件。在本方案中，边界场即为流速，水温，盐度等变量在模型边界上的值的合集。

背景场：将由模型得到的解称为背景场。

本申请的方案的技术关键点如下：

1、基于生物－化学过程的机理方程设计水质模拟的过程模型

2、利用水动力模型描述污染物扩散，结合过去观测值与水质变量扩散情况，获得当前时刻的高精度水质结果

3、高度模块化的算法结构，降低模型间的耦合

能够实现以下有益效果：

1、本方法各个模块高度模块化，降低了模型对于数据的依赖，降低了模型参数调整和调优的时间维度等方面的难度。

2、本方法使用无机氮、磷酸盐作为模型输入驱动生态模型，解决了浮游生物生物量观测值难以获取的问题，加大了实时水质状态对模型的影响，提高了生态过程模拟的准确性。

3、本方法通过利用水质指标与生态变量的量化关系对水质情况进行模拟，对生态动力学过程相较于对化学过程进行模拟，模型所需参数个数减少，参数率定过程得到简化，在提高水质模拟的相对准确性的同时，提高了模型的运算效率。

请参考图9，其示出了本发明一实施例提供的一种水环境预警装置的框图。如图9所示，水环境预警装置900包括数据获取模块910、粒子追踪模块920、水质生态模拟模块930、水质预警模块940和水华预警模块950。

其中，数据获取模块910，配置为获取水质监测数据和suntans水动力预报数据；粒子追踪模块920，配置为基于监测数据和预报数据的基本动力学过程，获取粒子追踪结果；水质生态模拟模块930，配置为基于监测数据和预报数据的生态动力学过程，或者基于粒子追踪结果的生态动力学过程，获取伴随营养盐循环的水质模拟结果和生态模拟结果；水质预警模块940，配置为根据粒子追踪结果和水质模拟结果进行水质预警；以及水华预警模块950，配置为根据生态模拟结果进行水华预警。

应当理解，图9中记载的诸模块与参考图1、图2、图3、图4和图5中描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作和特征以及相应的技术效果同样适用于图9中的诸模块，在此不再赘述。

值得注意的是，本公开的实施例中的模块并不用于限制本公开的方案，例如数据获取模块可以描述为获取水质监测数据和suntans水动力预报数据的模块。另外，还可以通过硬件处理器来实现相关功能模块，例如参数据获取模块也可以用处理器实现，在此不再赘述。

在另一些实施例中，本发明实施例还提供了一种非易失性计算机存储介质，计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的水环境预警方法；

作为一种实施方式，本发明的非易失性计算机存储介质存储有计算机可执行指令，计算机可执行指令设置为：

获取水质监测数据和suntans水动力预报数据；

基于所述监测数据和所述预报数据的基本动力学过程，获取粒子追踪结果；

基于所述监测数据和所述预报数据的生态动力学过程，或者基于所述粒子追踪结果的生态动力学过程，获取伴随营养盐循环的水质模拟结果和生态模拟结果；

根据所述粒子追踪结果和所述水质模拟结果进行水质预警；

根据所述生态模拟结果进行水华预警。

作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明实施例中的水环境预警方法对应的程序指令/模块。一个或者多个程序指令存储在非易失性计算机可读存储介质中，当被处理器执行时，执行上述任意方法实施例中的水环境预警方法。

非易失性计算机可读存储介质可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据水环境预警装置的使用所创建的数据等。此外，非易失性计算机可读存储介质可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，非易失性计算机可读存储介质可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至水环境预警装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

本发明实施例还提供一种计算机程序产品，计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当程序指令被计算机执行时，使计算机执行上述任一项水环境预警方法。

图10是本发明实施例提供的电子设备的结构示意图，如图10所示，该设备包括：一个或多个处理器1010以及存储器1020，图10中以一个处理器1010为例。水环境预警方法的设备还可以包括：输入装置1030和输出装置1040。处理器1010、存储器1020、输入装置1030和输出装置1040可以通过总线或者其他方式连接，图10中以通过总线连接为例。存储器1020为上述的非易失性计算机可读存储介质。处理器1010通过运行存储在存储器1020中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例水环境预警方法。输入装置1030可接收输入的数字或字符信息，以及产生与信息投放装置的用户设置以及功能控制有关的键信号输入。输出装置1040可包括显示屏等显示设备。

上述产品可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的方法。

作为一种实施方式，上述电子设备应用于河流水环境预警的设备中，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：

获取水质监测数据和suntans水动力预报数据；

基于所述监测数据和所述预报数据的基本动力学过程，获取粒子追踪结果；

基于所述监测数据和所述预报数据的生态动力学过程，或者基于所述粒子追踪结果的生态动力学过程，获取伴随营养盐循环的水质模拟结果和生态模拟结果；

根据所述粒子追踪结果和所述水质模拟结果进行水质预警；

根据所述生态模拟结果进行水华预警。

本申请实施例的电子设备以多种形式存在，包括但不限于：

(1)移动通信设备：这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iphone)、多媒体手机、功能性手机，以及低端手机等。

(2)超移动个人计算机设备：这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括：pda、mid和umpc设备等，例如ipad。

(3)便携式娱乐设备：这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如ipod)，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。

(4)服务器:提供计算服务的设备，服务器的构成包括处理器、硬盘、内存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。

(5)其他具有数据交互功能的电子装置。

以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。