立河流-地下水系统中有机污染物 的对流、弥散及吸附作用的数学模型。写出python代码的实现过程和建模思路并且给书代码解释

建模思路：

在立河流-地下水系统中，有机污染物的运移过程可以用以下三个方面的作用来描述：

1. 对流：有机污染物随着水流的运动一起移动；
2. 弥散：有机污染物在水流中的扩散过程；
3. 吸附：有机污染物在固体颗粒表面的吸附过程。

因此，我们可以使用一维的对流-弥散-吸附模型来描述此过程。其中，对流和弥散作用可以使用传统的扩散方程来描述，而吸附作用则可以使用线性吸附等效参数来描述。

数学模型：

我们可以用以下方程来描述污染物的运移过程：

$$\frac{\partial C}{\partial t} = - u \frac{\partial C}{\partial x} + D \frac{\partial^2 C}{\partial x^2} + k C$$

其中，$C$ 是污染物的浓度，$t$ 是时间，$x$ 是沿着水流方向的距离，$u$ 是水流速度，$D$ 是弥散系数，$k$ 是线性吸附等效参数。这是一个常微分方程，可以使用数值方法求解。

Python代码实现：

import numpy as np
import matplotlib.pyplot as plt

# 设置模型参数
L = 1000 # 河流长度（m）
dx = 10 # 空间步长（m）
dt = 1 # 时间步长（d）
u = 0.1 # 水流速度（m/d）
D = 0.05 # 弥散系数（m^2/d）
k = 0.001 # 线性吸附等效参数（1/m）

# 初始化浓度场，初始浓度为1
Nx = int(L/dx)
Nt = 100
C = np.ones((Nt, Nx))
C[0, :] = 0

# 按照模型方程数值求解
for i in range(1, Nt):
    for j in range(1, Nx-1):
        C[i, j] = C[i-1, j] - u*dt/dx*(C[i-1, j] - C[i-1, j-1]) \
                  + D*dt/dx**2*(C[i-1, j+1] - 2*C[i-1, j] + C[i-1, j-1]) \
                  + k*dt*C[i-1, j]

# 绘制浓度随时间变化的图像
x = np.linspace(0, L, Nx)
t = np.linspace(0, Nt*dt, Nt)
X, T = np.meshgrid(x, t)
fig = plt.figure()
ax = fig.add_subplot(projection='3d')
ax.plot_surface(X, T, C, cmap='coolwarm')
ax.set_xlabel('Distance (m)')
ax.set_ylabel('Time (d)')
ax.set_zlabel('Concentration (-)')
plt.show()

代码解释：

1. 设置模型参数，包括河流长度、空间步长、时间步长、水流速度、弥散系数和线性吸附等效参数；
2. 初始化浓度场，初始浓度为1；
3. 按照模型方程数值求解，使用显式差分法对模型方程进行离散化，得到时间 $t_i$ 和位置 $x_j$ 处的浓度 $C_{i,j}$；
4. 绘制浓度随时间变化的图像，使用 matplotlib 库的 3D 绘图功能绘制浓度随时间和位置的变化情况。

需要注意的是，这只是一个简单的一维模型，实际情况下需要考虑更多的复杂因素，如二维或三维空间、非线性吸附等效参数等。