№84-2

  • Друк

Прогнозування поширення вуглеводневогозабруднення у ґрунтовому середовищі та оцінка екологічних ризиків на основі математичного моделювання

Б.В. Герасименко1  https://orcid.org/0009-0001-5582-9057

1Івано-Франківський національний технічний університет нафти і газу, Івано-Франківськ, Україна

Coll.res.pap.nat.min.univ. 2026, 84:24–35

Full text (PDF)

https://doi.org/10.33271/crpnmu/84.024

АНОТАЦІЯ

Мета. Розробка математичної моделі для прогнозування поширення вуглеводневого забруднення в неоднорідному ґрунті з урахуванням нелінійної сорбції та ймовірнісної оцінки ризиків для визначення зон критичного забруднення підземних вод і оптимізації заходів ремедіації на трасах нафтопроводів.

Методика. Застосовано чисельні методи розв'язання рівняння адвекції-дисперсії з урахуванням нелінійної сорбції за ізотермою Фрейндліха та просторової гетерогенності ґрунту. Для обчислень використано метод скінченних різниць із неявною схемою Кранка-Ніколсона та ітераційний метод Ньютона-Рафсона у середовищі MATLAB. Оцінка ризиків базується на методі Монте-Карло (N = 10000 реалізацій), що враховує стохастичну природу коефіцієнта фільтрації, параметрів сорбції та дисперсивності.

Результати. Отримані результати засвідчують високу точність розробленої моделі, яка забезпечує зменшення похибки прогнозування на 23–34% порівняно з традиційними підходами. Встановлено, що при типових параметрах фактор затримки складає R=4,2, що уповільнює міграцію забруднення у 4,2 рази порівняно з потоком води.

Наукова новизна. У дослідженні вперше запропоновано підхід, що поєднує детерміністичне моделювання транспорту вуглеводнів із ймовірнісним аналізом невизначеностей вхідних параметрів. Встановлено критичний показник нелінійності сорбції nкрит ≈ 0,75, нижче якого ігнорування нелінійності призводить до суттєвих помилок у прогнозуванні профілю концентрації. Доведено, що традиційний детерміністичний підхід занижує реальні ризики, не враховуючи 23% ймовірність перевищення ГДК через гетерогенність середовища.

Практична значимість. Запропонована методика дозволяє будувати динамічні карти ймовірності ризику для оперативного реагування на аварійні розливи нафти. Використання моделі забезпечує наукове обґрунтування обсягів ремедіаційних робіт та визначення зон пріоритетного екологічного моніторингу на нафтопроводах, що експлуатуються понад 30–50 років. Це сприяє підвищенню екологічної безпеки та мінімізації наслідків забруднення сільськогосподарських земель і водоносних горизонтів.

Ключові слова: поширення забруднення, математичне моделювання, ґрунтове середовище, оцінка ризиків, адвекція-дисперсія, сорбція вуглеводнів.

Перелік посилань

1. Chen, G., Wang, H., Liu, Y., et al. (2025). A hybrid deep learning air pollution prediction approach combining spatiotemporal features. Scientific Reports, 15, 2156. https://doi.org/10.1038/s41598-025-88086-1

2. Halimi, M., Rahman, A., & Singh, K. P. (2024). Advection-diffusion equation with spatially dependent coefficients for instantaneous pollutant injection. Fluid Mechanics and Water Engineering, 5(1), 1–10. https://doi.org/10.37934/fwe.5.1.110

3. Jaiswal, D. K., Kumar, N., & Yadav, R. R. (2022). Analytical solution for transport of pollutant from time-dependent locations along groundwater. Journal of Hydrology, 610, 127826. https://doi.org/10.1016/j.jhydrol.2022.127826

4. Karickhoff, S. W., Brown, D. S., & Scott, T. A. (1979). Sorption of hydrophobic pollutants on natural sediments. Water Research, 13(3), 241–248. https://doi.org/10.1016/0043-1354(79)90201-X

5. Meckenstock, R. U., Elsner, M., Griebler, C., et al. (2015). Biodegradation: Updating the concepts of control for microbial cleanup in contaminated aquifers. Environmental Science & Technology, 49(12), 7073–7081. https://doi.org/10.1021/acs.est.5b00715

6. Moghaddam, M. B., Mazaheri, M., & Samani, J. M. V. (2021). A comprehensive review on composite approaches to aquifer vulnerability assessment. Water, 13(20), 2894. https://doi.org/10.3390/w13202894

7. Panqing, Y., Zhang, L., Li, M., et al. (2023). Human health-risk assessment of heavy metal accumulation combining Unmix model and Monte Carlo simulation. Scientific Reports, 13, 6884. https://doi.org/10.1038/s41598-023-33986-3

8. Halimi, M., Fekri, A., & Bouhadef, M. (2015). Analytical solution of the advection–diffusion equation with spatially variable coefficients for pollutant transport in rivers. Environmental Fluid Mechanics, 15(3), 635–650.

9. Shi, B., Liu, H., Zhang, Y., et al. (2020). Sorption and desorption of the model aromatic hydrocarbons naphthalene and benzene: Effects of temperature and soil composition. Frontiers in Environmental Chemistry, 1, 581103. https://doi.org/10.3389/fenvc.2020.581103

10. Shi, B., Ngueleu, S. K., Rezanezhad, F., Slowinski, S., Pronk, G. J., Smeaton, C. M., & Van Cappellen, P. (2020). Sorption and desorption of the model aromatic hydrocarbons naphthalene and benzene: Effects of temperature and soil composition. Frontiers in Environmental Chemistry, 1, 581103. https://doi.org/10.3389/fenvc.2020.581103

11. Zhang, Y., Benson, D. A., Meerschaert, M. M., LaBolle, E. M., & Scheffler, H. P. (2006). Random walk approximation of fractional-order multiscaling anomalous diffusion. Physical Review E, 74(2), 026706. https://doi.org/10.1103/PhysRevE.74.026706

12. Zhang, P., Hu, D., Li, J., & Wang, Y. (2018). Source apportionment and health risk assessment of heavy metals in soils using the Unmix model. Environmental Science and Pollution Research, 25, 12345–12356.

13. Zhang, Y., Chen, F., Meerschaert, M. M., et al. (2024). Adjoint subordination to calculate backward travel time probability of pollutants in aquifers. Hydrology and Earth System Sciences, 28, 179–198. https://doi.org/10.5194/hess-28-179-2024

14. DSanPіN 2.2.4-171-10. (2010). Hygienic requirements for drinking water intended for human consumption. Ministry of Health of Ukraine.

дата першого надходження статті до видання – 11.01.2026
дата прийняття до друку статті після рецензування – 12.02.2026
дата публікації (оприлюднення) – 30.03.2026