Veden laadun suunnittelu

Esitys aiheesta: "Veden laadun suunnittelu"— Esityksen transkriptio:

1 Veden laadun suunnittelu
Vesistösuunnittelu Ari Jolma

2 Sisältö Johdanto jossa tarkastellaan mm. vesistön säännöstelyä, kun veden laatu on tärkeä tilamuuttuja Veden laadun simulointi tarkastellaan veden laatua suunnitteluongelmana ja sen simulointia jokivesistössä (hydrauliikan & aineiden kulkeutumisen kertausta) Lineaarinen ohjelmointi esitellään optimointimenetelmä, jolla voidaan mm. hakea halvinta tapaa jokivesistön veden laadun saamiseksi normien mukaiseksi

3 Monen altaan säännöstely
altaiden yhteistoiminta minimi- ja maksimijuoksutukset altaiden vedenkorkeudet veden laatu altaissa

4 Monen altaan säännöstely käytännössä, esimerkki: NYC
4 isoa tekoallasta Catskills –vuoristossa altaiden valuma-alueilta tulevan hajakuormituksen minimointi Useita pieniä altaita lähempänä NYC:tä Tila & tilansiirto: altaiden varastot vedenpintojen korkeudet altaiden veden laatu sääennuste tulovirtaama & kuormitus valuma-alueilta veden tarve alempien varastojen tila, veden kulutus

5

6 Veden laadun simulointi
Kuormituksen ja veden laadun välisen yhteyden laskemista Mitä on kuormitus ja mitä ominaisuuksia sillä on? Mitä tarkoitetaan veden laadulla? Voidaanko yhteys osoittaa ja kuinka vahva se on? Miksi?

7 Kuormitus Kuormituksen lähde Kuormituksen tyyppi
Teollisuus, yhdyskunnat, haja-asutus, maatalous, ilmalaskeuma, loma-asutus, metsätalous, pienet asiat Kuormituksen tyyppi Rehevöittävä (ravinteet), Toksinen, Väri (humus), Lämpö Pistekuormitus vs. Hajakuormitus ero ei aina ole selvä! Kuormituksen vaihtelu ajassa Teollisuuslaitos: esim. vuorokausirytmi Esim. valunnan mukana pellolta

8 Veden laatu 1. Fysikaalis-Kemiallinen laatu Biologinen laatu (termi?)
mittaaminen vaikeutuu Fysikaalis-Kemiallinen laatu esim. happipitoisuus tai hapenkulutus mitattuna KMnO2-lukuna esim. väri (humuksesta johtuva) esim. lämpötila, pH Biologinen laatu (termi?) esim. ravinnepitoisuus, kasviplanktonin määrä, Ekologinen tila Eliöstön määrä ja vaihtelu <- fysikaalis-kemiallinen laatu, fysikaaliset seikat (virtaukset yms), jne

9 Veden laatu 2. Veden laadun vaihtelu ajassa Rajoittava tekijä
vuorokausi-, vuodenaikais- Rajoittava tekijä esim. minimihappipitoisuus

10 Veden laatu 3. Veden laadun vaihtelu paikassa x,y,z virtaukset
kerrostuneisuus

11 Veden laatu 4. Veden laadun normit Normit kuormittajille
normit olosuhteille vesiympäristössä esim. minimihappipitoisuus, alivirtaamaaikana, paikassa xy kuka vastaa jos normeja rikotaan? Normit kuormittajille kuormituksen laatu kuormituksen määrä tasapuolisuus (alueittain, aloittain jne) jos maksat, saat kuormittaa?

12 Kuormituksen ja veden laadun yhteys järvessä
- prosessit ja kuormi- tuksen synty valuma- alueella prosessit järvessä sedimentoituneiden ravinteiden vapautuminen

13 Toimenpiteet valuma-alueella
Pienpuhdistamot Laskeutusaltaat Kosteikot Toimenpiteet maatiloilla Erilaiset suodattimet Veden kierrätys Viljelytekniset toimenpiteet Kuivatukseen liittyvät menetelmät Suoja-alueet ja –vyöhykkeet jne Nämä kaikki rehevöitymisen torjumiseen lisää järven kunnostus -luennolla

14 Toimenpiteet järvessä
Hoitokalastus vaikutetaan ravintoketjuun vaikutetaan tiettyihin lajeihin ylläpito ja tuloksen vakauttaminen? Fysikaalis-Kemialliset käsittelyt hapetus pohjan peitto fosforin saostus kallista, hoitaa oiretta lisää järven kunnostus -luennolla

15 Kuormituksen ja veden laadun yhteys jokivesistössä
hajakuormitus pistekuormitus sekoittuminen vedenottopaikka kriittinen habitaatti

16 Instituutiot Eri toimijatahot Eri rahoittajatahot Eri hyötyjätahot
Lait ja muut säädökset Koulutus ja tiedotus Apua tutkimuksessa/projekteissa: sosiologit, antropologit, taloustieteilijät, ...

17 Kustannukset Kustannusten minimointi edellyttää luonnollisesti tietoa kustannuksista: investointikustannukset käyttökustannukset € c

18 Vedenlaatumallit 1. Mallintamisen tarkoitus?
tässä: veden laadun suunnittelu Yleensä, vesistösysteemi on: 3-ulotteinen dynaaminen (ajassa vaihteleva) stokastinen (satunnaissuureita) epävarmuutta sisältävä kaikkien prosessien merkitystä yms. ei tunneta

19 Olettamukset 1. Vakio-olosuhteet Deterministinen
T, Q, yms eivät muutu ajassa Kuormitus on vakio Deterministinen Kuormitus tunnetaan 1-dimensioinen tilanne (joki)

20 Aineiden kulkeutumisen mekanismit
Advektio veden mukana Dispersio “sekoittuminen” Reaktion myötä esim. biologinen hajoaminen esim. sedimentoituminen

21 Perusmääritelmät & olettamuksia
Nopeus [m/s] oletetaan vakionopeus koko uoman poikkileikkauksessa [m2] Virtaama nopeus • poikkileikkaus [m3/s] Konsentraatio aineen massa tilavuudessa [mg/l] Kuormitus (massavuo) konsentraatio * virtaama [kg/vrk] kuormitus yleensä: veden laatu, virtaama

22 Jokivesistö uomaelementeistä
elementtiin menee tietyn laatuista vettä tietyllä virtaamalla elementin sisällä tapahtuu tiettyjä prosesseja solmuissa oletetaan täydellinen ja yht’äkkinen sekoittuminen elementistä tulee vettä samalla virtaamalla kuin sinne meni mutta laatu on eri elementin (ei elementtien!) ominaisuudet (poikkileikkaus yms.) oletetaan vakioiksi

23 Virtaama vs. veden nopeus 1.
Kaavat aina empiirisiä Chezy: u = veden nopeus C = uoman karkeuskerroin (korkea sileille, matala karkeille) R = hydraulinen säde (poikkileikkauksen suhde märkäpiiriin)

24 Virtaama vs. veden nopeus 2.
Manning: n = Manningin kerroin oli miten oli, kaava voidaan kirjoittaa a ja b parametreja

25 Massatasapaino näillä olettamuksilla
advektio reaktio dispersio c = konsentraatio [mg/l] Ex = dispersiokerroin (empiirinen) [m2/s] k(c) = funktio, joka esittää aineen poistumista/tuloa uomaelementtiin reaktioiden seurauksena

26 Dispersio & u vs. t Oletetaan että dispersio on merkityksetöntä
Todetaan, että vakionopeudella matkasta saadaan aika kertomalla se jollain vakiolla

27 Streeter-Phelps Ilma Lika-aine Vesi
Streeter, H.W. and Phelps, E.B, Study of the pollution and natural purification of the Ohio river, U.S. Public Health Service, Washington D.C., Bulletin N0. 146, 1925 Ilma O2 Vesi Lika-aine lika-aine = happea kuluttava aine -> happivajaus

28 Lika-aineen vaikutus happipitoisuuteen
hapen siirtyminen ilmasta veteen = luontainen puhdistuminen c x = t

29 Matemaattisesti lika-aineen hajoaminen c1 = BOD k1 = hajoamisnopeus
happitasapaino c2 = happivaje k2 = hapen siirtymis-nopeus ilmasta veteen Huom: k1 ja k2 voidaan asettaa elementtikohtaisesti

30 Huomautuksia Sedimentin vaikutus
Parametrien arvot riippuvat esim. lämpötilasta Vain happi! Toimii yleensä Yhtälön ratkaisu esim. Mathematicalla

31 Laajennus dL(t) / dt = - k1L(t) dCNH4(t) / dt = - k3CNH4(t)
dCNO3(t) / dt = k3CNH4(t) - k4CNO3(t) dD(t) / dt = k1L(t)+ k5k3CNH4(t)- H-1k2D(t)+H-1k6 dCTP(t) / dt = - H-1k7CTP(t) k3 ammoniumin hajoamisnopeus [1/vrk] k4 nitraatin häviönopeus [1/vrk] k5 happimäärä, joka tarvitaan hapettamaan 1 g ammonium-typpeä [~4,57 g] k6 sedimentin hapentarve [m*mg/vrk] k7 kokonaisfosforin sedimentoitumisnopeus [m/vrk] H on uoman syvyys [m]

32 Yhtälö veden laadun muutokselle uomaelementissä
c1 = T c0 + b c0 on vedenlaatuvektori uoman alussa c1 on vedenlaatuvektori uoman lopussa T on siirtokerroinmatriisi b on vektori (tarvitaan jos käytetään happipitoisuutta happivajeen sijasta) Huom: lineaarinen yhtälöryhmä

33 Lineaarinen ohjelmointi (LP)
On maksimoitava tai minimoitava päätösmuuttujien polynomisummaa: max (tai min) y = cTx Siten että: Ax  b xi > 0 A, b ja c ovat parametrimatriisi ja vektorit x on päätösmuuttujavektori y on kohdefunktion arvo

34 Malli Päätösmuuttujat?
Pistekuormitus (käytännössä suunnitteluvaihtoehto eli diskreetti -kokonaisluku- arvo) Kohdefunktio? Kustannus Vedenlaatuindeksi Rajoitukset? Vedenlaatumalli Vesitase

35 Sekalukuoptimointi - mixed integer linear programming: MILP
(Jokin tai jotkin) päätösmuuttuja voidaan pakottaa kokonaisluvuksi Binäärinen päätösmuuttuja saa joko arvon 0 tai 1 = kokonaislukupäätösmuuttuja, joka lisäksi on pakotettu pienemmäksi tai yhtäsuureksi kuin yksi

36 LP käytännössä MILP Mallinnuskieli (kääntäjä) matriisimuoto (tms.) (ratkaisija) ratkaisu Mallinnuskieli: 1. määrittelyt 2. kohdefunktio 3. rajoitukset ajatuksena on, että kohdefunktio ja rajoitukset voidaan kirjoittaa mahdollisimman ongelmaläheisellä tavalla ja että mallin käyttö (ja uudelleenkäyttö) on mahdollisimman helppoa

37 Linearisointi Konveksin kohdefunktion linearisointi Hyöty b x1 x2 x3
Päätösmuuttuja x

38 (jatkoa...) Linearisointi
funktion linearisointi y x1 x2 x3 x4 x