暴雨洪水对浅水湖泊水质及藻类时空演化的影响研究-以巢湖为例

Most of the shallow lakes in China are suffering from long period of pollutant input and the ecosystem degradation , water quality and algal blooms in these lakes are very sensitive to the varies of quantity and quality of inflow, and experience fluctuation during the water pollution control process. Study on the impact of storm flood on the spatial-temporal evolution of water quality and algal of shallow lakes can help understanding the effect of lake pollution control, and of great importance for the control of abrupt deterioration of water quality and algal bloom. In this study, a three-dimensional ecological model is transplanted and modified for lake Chaohu. Model parameters are calibrated and validated. The rhythm of water quantity and quality of the storm flood is analyzed meanwhile, and a Bayesian uncertainty model is set up to generate the water quantity and quality time series under the given storm events of different frequencies, then they are feed into the EcoLake model to simulate the evolution of nutrient, pollutant and ecosystem of lake Chaohu. The aim of this study is to explore the influence mechanism of storm flood on the spatial-temporal evolution of water quality and algal bloom of shallow lakes. This study is of great importance in understanding the fluctuation of lake water environment and alleviating the impact of climate change and extreme weather on the lake environment.

我国多数浅水湖泊受长期外源污染输入累积和生态系统结构退化影响，其水质和藻类水华对入湖河流水量和水质变化响应敏感，在水污染治理进程中存在反复和波动的现象。因此，研究暴雨洪水对浅水湖泊水质及水华时空演化的影响可正确认识湖泊治理成效，对突发性水质恶化和水华防控具有重要意义。本项目拟在历史资料搜集及水文气象、水质与生物群落现场调查的基础上，开展三维水动力富营养化EcoLake生态模型在巢湖的移植完善与参数率定及验证，同时分析巢湖河道暴雨洪水入湖水量水质变化规律及影响因素，建立洪水水质指标与洪水发生时机及流量过程的贝叶斯不确定性模型，将模型输出的不同时机和频率的暴雨洪水水量水质序列输入EcoLake模型，开展巢湖营养盐和污染物迁移转化及生态系统演化数值试验，揭示暴雨洪水对浅水湖泊水质及水华时空演化的影响机制，为正确认识湖泊水环境质量波动，科学应对气候变化和极端天气对湖泊生态环境影响提供科学参考。

在全球气候大背景下，明确极端降水对于大型浅水湖泊水质与水动力要素时空影响特征对于湖泊污染防控与生态系统恢复具有重要意义。本课题升级完善了具有自主知识产权的拉格朗日法水质点追踪仪，实现了依托北斗和GPS双卫星定位系统的河道入湖水体流速、流向和运移轨迹追踪。依托该设备，开展了18次巢湖主要河道入湖水体追踪计算，明确了水体入湖后的运移轨迹、影响范围和污染物降解特征，为巢湖水动力富营养化生态系统动力学模型构建提供了关键参数。提出了基于一种水量平衡原理的两阶段径流系数估算与缩放方法，重构了2014~2020年巢湖14条主要河道逐日出入湖流量，为巢湖模型提供了重要的外部函数，并在巢湖污染物核算，来源解析以及下一步的水环境治理提供了重要依据。基于巢湖长系列水文气象和水质水生态数据，根据巢湖自然地理和生态系统结构特征，构建了适用于巢湖的三维水动力富营养化生态系统动力学模型。利用实测数据率定了模型参数并验证了模型对于巢湖流场、水质和生态系统要素的模拟精度。通过模型代码改造与优化，形成基于OpenMP并行计算架构高精度、高效率数值计算模型。通过耦合贝叶斯联合概率统计学模型，提出了水质与蓝藻水华模拟系统偏差订正与全局不确定性同步量化方法，提高了模型的模拟精度与可靠性。基于2016年巢湖流域极端降水、径流条件与湖体超历史记录高水位期间实测水文气象数据，量化了极端降水和水位条件下，巢湖闸等大型水利工程调控对于巢湖流场、水质和蓝藻水华的影响特征以及后续效应。本课题的研究成果可为正确认识湖泊水环境质量波动的成因，科学应对气候变化和极端天气对湖泊生态环境影响提供科学参考。通过课题研究，发表国内外高水平期刊论文7篇，授权发明专利2项，登记软件著作权5项，培养研究生3名。不确定性模型成果受到了研究所网站上研究热点栏目的宣传报道，提高了成果的影响力。综上，课题全面达到了既定研究目标。

内容获取失败，请点击重试