许 栋， 王 迪， 及春宁， 聂红涛， 符传君， 李龙兵

1.天津大学， 水利工程仿真与安全国家重点实验室， 天津 300072 2.天津大学海洋学院， 天津 300072 3.海南省水文水资源勘测局， 海南 海口 570203

海南南渡江下游二维水动力及水生态数值模拟

许 栋1， 王 迪1， 及春宁1， 聂红涛2*， 符传君3， 李龙兵3

1.天津大学， 水利工程仿真与安全国家重点实验室， 天津 300072 2.天津大学海洋学院， 天津 300072 3.海南省水文水资源勘测局， 海南 海口 570203

为了模拟河流水生态系统演变，探讨热带河流浮游植物和浮游动物生物量在流量影响下的沿程变化规律，在求解河流二维浅水方程的基础上，考虑浮游动物、浮游植物、悬浮碎屑、无机氮、无机磷等输运和演变子模型以及各子模型间的耦合作用机制，构建水生态动力数学模型，并将该模型应用于我国热带河流——海南南渡江下游龙塘坝至入海口段(长约28 km).数学模型采用ADI-QUICK格式差分方法对水动力学方程和对流扩散方程进行离散求解，进而驱动各类生物变量输运和演化.通过对河流水面线高程、营养盐含量、浮游生物生物量模拟值与实测值加以对比进行验证.实证结果表明，在生态参数合理率定前提下，忽略河流流量的时间变化，采用丰水期、平水期和枯水期工况下的代表流量加以概化，数值模拟仍能获得局部河段浮游生物生物量模拟值与实测值整体相符合的结果.浮游植物和浮游动物生物量均沿水流方向逐渐降低，但随流量的增大整体上呈降低趋势，丰水期上游浮游生物生物量为下游的1.6倍，枯水期达到9.3倍.受海水入侵、沿程污染排放等因素的影响，枯水期浮游生物生物量模拟值与实测值的偏差远大于丰水期.枯水期河道浮游植物和浮游动物生物量模拟值的最大值分别为77.71和38.56 mmolm3(均以C计)，约为丰水期的3.8倍，说明枯水期水质富营养化风险远高于丰水期.

水动力; 水生态模拟; 浮游植物; 浮游动物; 南渡江下游

河流湖泊水生态系统是一个开放的复杂系统，既包括浮游植物、浮游动物、底栖动物等生物群落系统，也包括水流流量、污染物、营养物质、光照等物质和能量的输入与输出.健康的水生态系统是河流健康的重要内涵，过量的污染物排放和弱化的水体交换可能导致水体富营养化[1- 2].鉴于这些问题的复杂性，目前对河流湖泊水生态系统状况的研究仍然以野外观测为主要手段[3];然而，在预测环境变化条件(如气候变化、污染排放增加等)下水生态系统的演变趋势时，则往往需要借助水生态动力数学模型.目前，针对河流湖泊水生态系统的研究报道多集中在水质演变[4]、浮游植物群落[5- 6]或水质富营养化[7- 8]等方面，而针对实际河流开展的较为完整的水生态模拟的研究报道系统涉及较少.另一方面，考虑到季节性河流流量变化周期一般较长(长达数月)，而水生态系统尤其是局部河道浮游生物群落的响应周期较短(数周以内)[9]，能否利用恒定流量模拟水生态系统的准平衡状态，目前仍然缺少相关论证.

水生态系统演化的定量模拟发展至今，已有大量成功应用.从应用环境来看，存在针对河流[6，10]、湖泊[7- 8]、河口海岸[11]等不同区域的应用.我国学者针对生态问题突出的湖泊水域(如太湖)开展了大量数值模拟研究[12- 16]，为太湖水域藻华预测、生态修复提供了重要科学依据.河流生态系统得益于较强的水动力条件，发生富营养化的机率相对较低，但沿程水质变化会带来入库营养盐的变化[17]，其生态系统同样广受关注.从模拟方法来看，目前应用较广的为基于生态系统动力学的数学模型，如CE-QUAL-ICM、WASP、AQUATOX、PAMOLARE、CAEDYM等[18]，此外，还有生态通道模型(如Ecopath)[19]、Monte Carlo模拟模型[20]等.水生态数学模型往往包括水动力、水质、水生物等多个子模型，各子模型间相互作用形成复杂系统[21]，并且对外部环境输入和多种内部生物变量的随机扰动较为敏感，造成模型的普适性存在较大挑战，不同地区、不同河流甚至不同河段，模型的主导因素、率定参数等差异很大[22- 23].HUANG等[24]利用Markov过程从随机过程理论对生态系统演变进行预测，避开了复杂的动力方程，但随机过程的应用需要依赖较多的历史数据支持.一些学者[25- 26]不断开展相关实际应用研究，并丰富模型模拟结果与实际监测数据的对比分析，有力地推动了水生态数学模型的发展.值得注意的是，河流水生态系统特性与当地气候条件(如光照、流量过程、气温等)密切相关，我国目前已开展的水生态数学模型研究工作多针对温带和亚热带河流，但鲜见针对大型热带河流的水生态研究工作.

海南省南渡江是我国唯一一条大型热带河流，其光照、水文等自然条件与我国其他大型河流存在较大差异.该研究对南渡江下游龙塘坝以下河段进行水动力和水生态数值模拟，考虑到该河段长度较短，并且受上、下游边界控制，其生态系统相对独立，故根据不同流量级别下的恒定流工况进行模拟，并与代表采样点的实际监测结果进行比较，探讨浮游植物、浮游动物等生物量信息随空间和流量的变化趋势，以期为我国热带河流的水环境演变分析和水体水质管理提供参考.

1 研究方法

通过构建水生态数学模型，模拟分析河流水文、水质变化对生态系统的影响是河流生态分析的重要方法之一.该研究中，由浅水方程计算流速、水位等环境动力场，在该动力环境下，由对流扩散方程来描述营养盐和浮游动植物的对流扩散输运过程；而将生态动力学方程用于描述输运过程中营养盐和浮游动植物之间的生物化学作用，主要包括浮游植物的生长受到氮磷营养盐、光和温度的限制，浮游动物通过摄食浮游植物来限制浮游植物的增长；死亡的浮游植物、浮游动物以及在摄食过程中没有被有效利用的部分浮游植物转化为碎屑，沉降、悬浮或再生为营养盐等过程.

1.1 河道水流运动的二维浅水方程

采用二维浅水方程求解河流水流流场，其中，连续性方程为

(1)

动量方程为

(2)

(3)

式中：x、y为空间坐标，m；t为时间，s；Z为水位，m；U、V为流速在x、y方向上的分量，ms；h为水深，m；f为柯氏力，s-1；g为重力加速度，取9.81ms2；CS为谢才系数，取CS=hn-1，其中n为糙率系数.

1.2 生物变量输运的对流扩散方程

生态模型是由一系列微分方程组成，这些方程的表达形式基本相同.状态变量的变化是状态变量之间相互作用、对流扩散、颗粒沉降及源输入共同作用的结果.该研究引入二维生态变量的积分方程：

(4)

式中：Cn为水深积分的生物量，mmolm3；Qx和Qy分别为x、y方向上的单宽流量，m2s；Dx、Dy分别为x、y方向上的扩散系数，m2s；Qc为状态变量之间的生物地球化学作用项，mmol·sm3；Sc为源项，包括降雨量、河流输入量等，mmol·sm3；sc为悬浮碎屑、浮游植物等的沉降速度，ms.式(4)左侧为对流扩散项，右侧代表生态系统中生态变量的生物地球化学作用以及外源输入和输出.

1.3 南渡江生态动力学控制方程

根据南渡江所在热带地区的水文、光照及生态系统实际情况，选择对水生态演变动力过程具有较直接和间接影响的重要要素，构建生态动力学控制方程，其中主要状态变量包括浮游动物(ZPT)生物量、浮游植物(PPT)生物量、悬浮碎屑(D)含量、DIN(无机氮，包括NO3--N、NH4+-N)含量和DIP(无机磷)含量等.各变量之间的相互作用关系如图1所示.

图1 南渡江水生态动力学模型Fig.1 Schematic of aquatic ecology dynamics model for Nandujiang River

浮游植物的生物相互作用项包括浮游植物的增长、自然死亡和被摄食.其中，浮游植物的增长速率受到温度、营养盐、可利用光强等多因素作用的共同影响，浮游植物的损失主要包括自然死亡、胞外分泌和浮游动物摄食.根据Fransz等[27]构建的模型，浮游植物的生物相互作用项可表示为

(5)

式中，IZ为透光层的平均光强，P为浮游植物密度.

生态系统中摄食速率一般随被摄食者密度的增加而增加，达到一定水平后，摄食者停止摄食.该研究引入浮游植物被摄食项(Gp，mmold)：

(6)

式中，D为悬浮碎屑密度.其他各参数取值参照文献[26- 28]，并根据实测数据进行率定(见表1).

表1 南渡江水生态动力学模型参数取值

在浮游生态系统中，浮游动物存在同化和损失两方面作用.其中，同化作用指在河流生态系统中，微型、微微型浮游动物通过摄食浮游植物、颗粒有机物、悬浮碎屑而增加自身的生物量，随后被食物网的上一层浮游动物所摄食利用；浮游动物的损失项主要包括被其他动物摄食、摄食损失、死亡和排泄.采用Fasham等[28]构建的模型，浮游动物的生物相互作用项最终表示为

(7)

式中各参数取值参照文献[26- 28]，并根据实测数据进行率定(见表1).

2 模型求解与验证

2.1 数学模型离散与求解

利用ADI-QUICK格式差分方法对水动力学方程和对流扩散方程进行离散求解，该方法将ADI法与一维非定常QUICK法相结合了起来，是在ADI法的每半个时间步长的差分方程中引进一维QUICK格式加以修正.在前半个时间步长中，沿x方向取隐式、沿y方向取显式；在后半个时间步长，沿x方向取显式、沿y方向取隐式.该格式兼备ADI法和QUICK法的优点，具有空间和时间二阶精度，不呈现短波振荡和明显的人工数值耗散，而且运算过程稳定简便，比传统ADI法具有明显的优越性[29- 30].以对流扩散方程为例，在nΔt→nΔt+1/2步长进行差分：

(8)

式中：Δx、Δy分别为沿x、y方向网格长度；Δt为时间步长.

2.2 模型数值模拟结果验证

为验证水动力计算结果，根据海南省水文水资源勘测局编制的海南省重要河流2010年10月发生洪水的水位调查数据，进行南渡江出海口段河道水流数值计算.计算过程中对糙率系数进行分段控制和率定[31]，取值范围为0.023～0.047.河道中心线水位模拟值和实测值验证情况如图2所示.由图2可见，洪水水位计算值与实测值符合较好，偏离误差均在7%以内，满足计算要求.

注： 起点距为距上游边界龙塘坝的距离.下同.图2 河道中心线水位高程模拟值与实测值对比Fig.2 Verification of water surface elevation along the mid-line of the river

该研究所用生态模块是在近海生态模型[32]基础上发展而来，并已应用于多个河口海湾区域，得到了充分验证[33- 34].该研究区域针对南渡江下游入海口附近河段，水环境特征与河口类似.在研究过程中，基于已有的经过多次检验的近海生态模型框架，考虑到南渡江河流动力以单向流为主，与近海动力特征不同，故在边界条件设置等方面也与以往应用不同.

为验证该模型在南渡江下游的适用性，笔者采用2015年1月枯水期(控制水文断面——龙塘坝的流量约为110m3s)海南省水文水资源勘测局对南渡江海口段实施水环境监测的相应实测数据，对以DIN和DIP为代表的营养盐含量进行验证，结果(见图3)显示，模拟值与实测值基本符合，c(DIN)为1.5～4.2 mmolm3，c(DIP)为0.18～2.3 mmolm3，模拟值与实测值基本符合.值得注意的是，实测值变化范围及不均匀性均大于模拟值，尤其是c(DIN)峰值偏差较大，这可能与采样点位置选取、测量误差及沿程不规则分布的小型排污口有关.另外，在模型参数选取方面，由于实测资料有限，未能针对各参数取值的适用性逐一展开论证.该验证结果仅说明所选用参数组合能够使营养盐含量的模拟结果在数值范围和数量级上与实际相符，并为进一步开展流量变化研究提供依据.

图3 河道中心线营养盐含量模拟值与实测值对比Fig.3 Verification of distribution nutrient concentration along the mid-line of the river

该研究的重点是分析不同水文工况下南渡江下游的生态环境变化，因而为分析不同生态过程对所模拟生态系统的重要性和检验模型性能，对生态模块参数进行敏感性分析.分别考虑主要参数取值增大和减小10%情况下结果变化情况，其中浮游植物变化情况如图4所示.由图4可见，浮游植物生物量变化与损失过程相关性最强，最敏感变量为浮游动物消化吸收效率(β)、浮游动物最大摄食率(ζ)、浮游动物最大损失率(mZ)等，而这些过程主要控制了浮游植物

生物量在较长时间尺度上的振幅和相位，表明生态模块较好地体现了下行效应的控制作用.同时，敏感性分析显示，浮游植物生物量对于生长过程相关参数，如浮游植物在0 ℃的最大生长速率〔μp max(0)〕、浮游植物比增长速率的温度影响系数(a1)见表1、光合作用最佳光强(Isat)等的变化也较敏感，这表明在尽量控制下行效应过程不变的情况下，利用该模型进行不同水文工况下营养盐限制的研究是可行的.

图4 生态模块参数敏感性分析结果Fig.4 Results of sensitivity test of parameters of ecologic module

3 应用实例

3.1 模型范围及设置

将所构建的水生态数学模型应用于南渡江下游河段自龙塘坝向下游至入海口，全长约28km(见图5).南渡江河口主要分两汊入海，即北干流、横沟河，其中主干为北干流和次干横沟河，流量比约为1∶9.采用平面二维模拟，计算区域利用结构化四边形网格剖分，横纵向网格长度参照文献[35]均取为10m，共划分计算网格218 524个.河岸边界采用阶梯(Staircase)近似处理，计算时间步长取10s.

图5 海南省南渡江下游水生态数学模型模拟范围Fig.5 Scope of simulation for aquatic ecology of the Lower Reach of Nandujiang River in Hainan Island

设龙塘坝处为入流边界，根据龙塘站水文资料统计，实测最大年均流量296m3s，径流量93.3×108m3(1973年)；实测最小年均流量78.6m3s，径流量24.8×108m3(1977年)；实测多年平均流量181m3s，

径流量57.2×108m3(1959—1997年)；入流物质浓度取龙塘站位监测值，出流物质浓度设为流水坡站位监测值.出流边界设为自由出流，忽略河口处潮位变化引起的海水入侵现象.该研究只考虑入流营养盐输入的情况，忽略沿江非点源输入和其他排放源影响.

采用冷启动，初值均设为0；模型运行3个月达到稳定，取第3个月末结果进行分析.由于缺乏营养物质输入通量和沿江流入通量季节变化数据，故而模拟方案设定条件为准稳态状况，用于分析特定条件下南渡江下游河道生态环境变化规律.为反映径流流量的影响，共划分为3个模拟工况：丰水期，流量为296m3s；平水期，流量为181m3s；枯水期，流量为78.6m3s.

3.2 数值模拟结果及分析

通过所构建的南渡江下游水生态数学模型进行数值模拟，获得了大量生态系统特征变量的空间分布信息，包括c(DIN)、c(DIP)、浮游植物生物量和浮游动物生物量以及有机碳含量等.以平水期为例，南渡江下游河道中代表性生态变量的空间分布结果(见图6)显示，在给定工况模拟条件下，从龙塘站到入海口处营养盐含量呈逐渐降低趋势，表明营养盐主要受上游来流输入的影响；而受此影响，在营养盐丰富的地方，浮游植物繁殖较快，生物量较多，并为浮游动物的生长提供了必要的食物来源.从营养盐的沿程分布来看，南渡江大桥以上河段出现一定程度富营养化趋势，而南渡江大桥以下河段到入海口处由于河道展宽，在光照等外因影响下，营养盐稀释扩散和生化降解，含量逐渐降低，浮游植物和浮游动物生物量下降，富营养化趋势得到缓解.

注： 数据为平水期的模拟结果.图6 南渡江下游河道中生态系统特征变量的数值模拟结果Fig.6 Simulation results of characteristic values of ecology system along the Lower Reach of Nandujiang River

为进一步比较各工况下南渡江下游沿河道水流方向浮游植物和浮游动物生物量的沿程分布，并与实测值进行比较，沿程在河道中线处设置10个采样点〔见图6(c)(d)〕，提取各工况下各采样点处的生物量数据.结果(见图7)显示，浮游植物和浮游动物生物量均表现出沿水流方向下降的趋势，表明浮游生物的生长和繁殖主要受来流方向营养盐输入的影响，丰水期上游浮游生物的生物量为下游的1.6倍，枯水期时达到9.3倍.在同样营养盐通量输入条件下，南渡江流量的大小将改变营养盐浓度的分布，从而导致不同生物量浮游生物的生长.丰水期由于水量相对比较充沛，对营养盐输送和稀释较快，这与聂红涛等[36]的理论研究结论相一致，而与此相应的浮游植物生物量相对较低，依赖浮游植物生存的浮游动物生物量也较低；而枯水期由于水量相对缺乏，水流迟缓会导致营养盐不断蓄积，从而引起浮游植物大量繁殖，容易导致藻华发生[37- 40].因而在南渡江下游龙塘坝水利调度时，需要注意沿河的基本生态需水量需求[41- 42]，同时要考虑水质调控要求，尽量减少因小水量导致的营养盐大量蓄积.

图7 南渡江下游河道各模拟工况下浮游生物生物量的沿程变化Fig.7 Biomass along the Lower Reach of Nandujiang River under various conditions

为了对数值模拟结果进行验证，分别于2015年枯水期和丰水期于南渡江下游海口市所在河段进行典型断面浮游生物采集(龙塘坝相应流量约为110和860 m3s)，验证结果如图7所示.由图7可见，在丰水期，尽管数值模拟采用流量与实际流量偏差较大，从而造成相应浮游生物生物量数值存在较大偏差，然而浮游生物生物量沿程逐渐降低的趋势基本吻合，表明该研究按照给定恒定流量获得的局部河段生物量分布基本合理.尽管有研究者认为，水生态系统与河流流量之间存在一定的时间迟滞现象[43]，但与径流的季节性变化相比，这种迟滞时间相对较短，因此，从长期来看，很多大型河流或水库仍表现出流量-水生态系统之间非常高的相关性[44- 47].在这种情况下，利用恒定流量计算水生态系统的准平衡状态能够获得较为可靠的结果.而在枯水期，浮游生物生物量的数值模拟结果与实测值之间不仅数值差别较大，二者整体变化趋势也存在很大差异.究其原因：①可能与水生态数学模型的边界条件设置有关，在模拟时下游出流边界采用连续出流，而实际上由于南渡江下游为河口段，受潮位变化的影响，由此造成海水的周期性入侵.在丰水期，径流作用较强导致海水入侵距离一般较小；而在枯水期，海水入侵距离长达数公里，并与径流淡水共同显著影响河道内的水质、营养盐和生物生长[45，48]，故忽略此影响可能给数值模拟结果带来较大偏差.②枯水期浮游植物和浮游动物生物量实测值的最大值均出现在起点距12.5 km处，但在数值模拟结果中未能体现这一特征.造成该差异的原因主要是，枯水期径流量较小，物质输运相对迟缓易聚集.河流水环境的变化不仅受上游来流的影响，同时还受到沿岸输入的影响，由于缺乏沿岸输入数据，此次模拟忽略了海口市区向河道内的污染物排放，造成模拟结果沿程呈单调变化趋势.在枯水期，该排放量所占水体比例较丰水期为大，因此也会带来较大的模拟误差，需要在进一步研究中加以考虑.此外，枯水期水质随时间的变化不规则，单次采样本身存在的误差也可能较大.在丰水期，尽管实测流量与模拟流量相差近3倍，但浮游动物和浮游植物生物量模拟值和实测值均呈沿程逐渐降低趋势，并且数量级均较符合，说明丰水期浮游生物的分布较为规则，该特征在所构建模型模拟结果中得到了进一步体现.

验证结果表明，基于恒定流假定的水生态数学模型对我国热带河流——南渡江下游河道的模拟结果基本合理，但枯水期需要考虑入海口的潮水作用才能获得更准确的结果.将各工况下南渡江下游河段浮游生物生物量最大值、最小值和平均值进行统计，结果如表2所示.由表2可见，枯水期浮游植物和浮游动物生物量平均值分别为31.15和15.37 mmolm3，约为丰水期的2倍；而浮游植物和浮游动物生物量最大值分别为77.71和38.56 mmolm3，约为丰水期的3.8倍.由此可见，南渡江下游河段枯水期的水质富营养化程度远高于丰水期，这一点需要在水利调度和水资源保护方面加以考虑.此外，该研究只考虑了南渡江下游河段不同水文工况下的富营养情况变化，在全球气候变化的大背景下，南渡江生态系统会否和其他河流生态系统一样受到某种程度的影响[49]，需要利用大尺度模型进一步分析.

表2 南渡江下游河段浮游生物量模拟结果统计

Table 2 Statistics of simulated biomass of the Lower Reach of Nandujiang Riverm mmolm3

表2 南渡江下游河段浮游生物量模拟结果统计

模拟工况径流流量∕(m3∕s)浮游植物生物量浮游动物生物量最大值最小值平均值最大值最小值平均值丰水期296．020．6710．0115．5110．255．947．68平水期181．033．7410．0520．7616．746．7410．25枯水期78．677．7110．0131．1538．566．6515．37

该研究所建立的水生态数学模型经野外监测数据验证，证实适用于热带河流的水生态系统演变的模拟，能够较好地预测特定流量条件下河流水体营养盐输运、浮游植物和浮游动物等生物量信息变化趋势.这类机理性数学模型对于研究水生态和水环境问题具有重要意义，同时为热带地区河流水利工程调度和水质管理提供科学依据.鉴于水生态系统的复杂性，针对热带河流的水生态数学模型的理论模式优化和推广应用仍需进一步深入研究.

4 结论

a) 水生态数学模型在南渡江下游河段的应用结果表明，在生态参数合理率定的前提下，忽略流量和水质随时间的变化，采用理想化恒定边界的数值模拟仍能够获得局部河段生物量分布与实测数据整体较为符合的结果；浮游植物和浮游动物生物量均沿水流方向逐渐降低，而随流量的增加整体上均呈降低趋势，丰水期上游浮游生物生物量为下游的1.6倍，枯水期时达到9.3倍.

b) 枯水期浮游生物生物量模拟结果与实测值的偏差远大于丰水期，主要是因为水生态数学模型忽略了海水入侵、沿程污染排放等的影响，而该影响在枯水期对水生态系统的作用较丰水期时更为显著.

c) 枯水期南渡江下游河道浮游植物和浮游动物生物量平均值分别为31.15和15.37 mmolm3，约为丰水期的2倍；最大值分别为77.71和38.56 mmolm3，约为丰水期的3.8倍.枯水期水质的富营养化风险远高于丰水期.

[1] LAPOINTE B E，HERREN L W，DEBORTOLI D D，etal.Evidence of sewage-driven eutrophication and harmful algal blooms in Florida′s Indian River Lagoon[J].Harmful Algae，2015，43(3)：82- 102.

[2] 王岩，姜霞，李永峰，等.洞庭湖氮磷时空分布与水体营养状态特征[J].环境科学研究，2014，27(5)：484- 491. WANG Yan，JIANG Xia，LI Yongfeng，etal.Spatial and temporal distribution of nitrogen and phosphorus and nutritional characteristics of water of Dongting Lake[J].Research of Environmental Sciences，2014，27(5)：484- 491.

[3] 张伟，孙健，聂红涛，等.珠江口及毗邻海域营养盐对浮游植物生长的影响[J].生态学报，2015，35(12)：4034- 4044. ZHANG Wei，SUN Jian，NIE Hongtao，etal.Seasonal and spatial variations of nutrient and the response of phytoplankton in PRE and adjacent sea areas[J].ActaEcologica Sinica，2015，35(12)：4034- 4044.

[4] LIU Wencheng，CHAN Wenting.Assessing the influence of nutrient reduction on water quality using a three-dimensional model：case study in a tidal estuarine system[J].Environmental Monitoring and Assessment，2014，186(12)：8807- 8825.

[5] QIAO Xudong，WANG Baodong，SUN Xia，etal.Numerical simulation of nutrient and phytoplankton dynamics in Guangxi coastal bays，China[J].Journal of Ocean University of China，2014，13(2)：338- 346.

[6] WHITEHEAD P G，BUSSI G，BOWES M J，etal.Dynamic modelling of multiple phytoplankton groups in rivers with an application to the Thames River system in the UK[J].Environmental Modelling & Software，2015，74(S1)：75- 91.

[7] ARHONDITSIS G B，BRETT M T.Eutrophication model for Lake Washington (USA)：PartⅠ.model description and sensitivity analysis[J].Ecological Modelling，2005，187(2)：140- 178.

[8] DOAN P T K，NÉMERY J，SCHMID M，etal.Eutrophication of turbid tropical reservoirs：Scenarios of evolution of the reservoir of Cointzio，Mexico[J].Ecological Informatics，2015，29(2)：192- 205.

[9] SAECKE A，HADWENW L，RISSIK D，etal.Flow events drive patterns of phytoplankton distribution along a river-estuary-bay continuum[J].Marine & Freshwater Research，2013，64(7)：655- 670.

[10] 李如忠，杨源，丁贵珍，等.基于OTIS模型的巢湖十五里河源头段参数灵敏性分析[J].环境科学研究，2014，27(11)：1265- 1271. LI Ruzhong，YANG Yuan，DING Guizhen，etal.OTIS model-based parameter sensitivity analysis for headwater stream in the Shiwulihe River，Chaohu Lake Basin[J].Research of Environmental Sciences，2014，27(11)：1265- 1271.

[11] 郭洲华，王金坑，王翠，等.河口与近海营养状况评价方法及其应用验证[J].环境科学研究，2015，28(1)：23- 30. GUO Zhouhua，WANG Jinkeng，WANG Cui，etal.Application and validation of an integrated methodology for the assessment of estuarine and coastal trophic status in China[J].Research of Environmental Sciences，2015，28(1)：23- 30.

[12] 谢兴勇，祖维，钱新.太湖磷循环的生态动力学模拟研究[J].中国环境科学，2011，31(5)：858- 862. XIE Xingyong，ZU Wei，QIAN Xin.Numerical study on the ecological dynamics of phosphorus circle in Taihu Lake[J].China Environmental Science，2011，31(5)：858- 862.

[13] 李大勇，王济干，董增川.基于生态系统动力学模型的太湖藻类动态模拟[J].水力发电学报，2011，30(3)：124- 131. LI Dayong，WANG Jigan，DONG Zengchuan.Dynamic simulation study of algal growth in Taihu Lake based on an ecosystem dynamics model[J].Journal of Hydroelectric Engineering，2011，30(3)：124- 131.

[14] 陈彧，钱新，张玉超.生态动力学模型在太湖水质模拟中的应用[J].环境保护科学，2010，36(4)：6- 9. CHEN Yu，QIAN Xin，ZHANG Yuchao.Applicationof ecosystem dynamics model in Taihu Lake[J].Environmental Protection Science，2010，36(4)：6- 9.

[15] 王长友，于洋，孙运坤，等.基于ELCOM-CAEDYM模型的太湖蓝藻水华早期预测探讨[J].中国环境科学，2013，33(3)：491- 502. WANG Changyou，YU Yang，SUN Yunkun，etal.The discussion of the early forecasting of cyanobacteria bloom in the Lake Taihu based on ELCOM-CAEDYM model[J].China Environmental Science，2013，33(3)：491- 502.

[16] 毛劲乔，陈永灿，刘昭伟，等.太湖五里湖湾富营养化进程的模型研究[J].中国环境科学，2006，26(6)：672- 676. MAO Jinqiao，CHEN Yongcan，LIU Zhaowei，etal.Modelling studies on eutrophication process in Wulihu Bay of Taihu Lake[J].China Environmental Science，2006，26(6)：672- 676.

[17] 魏星瑶，王超，王沛芳.基于AQUATOX模型的入湖河道富营养化模拟研究[J].水电能源科学，2016，34(3)：44- 48. WEI Xingyao，WANG Chao，WANG Peifang.AQUATOX mode for study of eutrophication of tributaries[J].Water Resource and Power，2016，34(3)：44- 48.

[18] 刘永，郭怀成，范英英，等.湖泊生态系统动力学模型研究进展[J].应用生态学报，2005，16(6)：1169- 1175. LIU Yong，GUO Huaicheng，FAN Yingying，etal.Research advance on lake ecosystem dynamic models[J].Chinese Journal of Applied Ecology，2005，16(6)：1169- 1175.

[19] 李云凯，刘恩生，王辉，等.基于Ecopath模型的太湖生态系统结构与功能分析[J].应用生态学报，2014，25(7)：2033- 2040. LI Yunkai，LIU Ensheng，WANG Hui，etal.Analysis on the ecosystem structure and function of Lake Taihu based on Ecopath model[J].Chinese Journal of Applied Ecology，2014，25(7)：2033- 2040.

[20] 李如忠，潘成荣，徐晶晶，等.基于Monte Carlo模拟的潜在生态危害指数模型及其应用[J].环境科学研究，2012，25(12)：1336- 1343. LI Ruzhong，PAN Chengrong，XU Jingjing，etal.Application of potential ecological risk assessment model based on Monte Carlo simulation[J].Research of Environmental Sciences，2012，25(12)：1336- 1343.

[21] 彭虹，王永桂，张万顺，等.太湖流域典型区域水生态环境系统模拟平台研究[J].中国水利水电科学研究院学报，2011，9(1)：47- 52. PENG Hong，WANG Yonggui，ZHANG Wanshun，etal.Research on simulation platform for water ecological environment system in the typical area of Taihu Lake Basin[J].Journal of China Institute of Water Resources and Hydropower Research，2011，9(1)：47- 52.

[22] CRESSIE N，CALDER C A，CLARK J S，etal.Accounting for uncertainty in ecological analysis：the strengths and limitations of hierarchical statistical modeling[J].Ecological Applications，2009，19(3)：553- 570.

[23] MISRAA A K，CHANDRAB P，RAGHAVENDRAB V.Modeling the depletion of dissolved oxygen in a lake due to algal bloom：effect of time delay[J].Advances in Water Resources，2011，34(10)：1232- 1238.

[24] HUANG Lei，FANG Hongwei，REIBL E D.Mathematical model for interactions and transport of phosphorus and sediment in the Three Gorges Reservoir[J].Water Research，2015，85(15)：393- 403.

[25] 陈凯麒，李平衡，密小斌.温排水对湖泊、水库富营养化影响的数值模拟[J].水利学报，1999(1)：23- 27. CHEN Kaiqi，LI Pingheng，MI Xiaobin.The numerical simulation on impact of thermal discharge oneutrophication in lakes and reservoirs[J].Chinese Journal of Hydraulic Engineering，1999(1)：23- 27.

[26] 徐晓甫，聂红涛，袁德奎，等.天津近海富营养化及环境因子的时空变化特征[J].环境科学研究，2013，26(4)：396- 402. XU Xiaofu，NIE Hongtao，YUAN Dekui，etal.Temporal-spatial changes analysis of eutrophication and environmental factors in Tianjin coastal waters[J].Research of Environmental Sciences，2013，26(4)：396- 402.

[27] FRANSZ H G，VERHAGEN J H G.Modelling research on the production cycle of phytoplankton in the Southern Bight of the North Sea in relation to riverborne nutrient loads[J].Netherlands Journal of Sea Research，1985，19(34)：241- 250.

[28] FASHAM M J R，DUCKLOW H W，MCKELVIE S M.A nitrogen-based model of plankton dynamics in the oceanic mixed layer[J].Journal of Marine Research，1990，48(3)：591- 639.

[29] ANDERSON T R，WILLIAMS P J.Modelling the seasonal cycle of dissolved organic carbon at Station E1 in the English Channel[J].Estuarine Coastal & Shelf Science，1998，46(1)：93- 109.

[30] 白玉川，顾元棪，邢焕政.水流泥沙水质数学模型理论及应用[M].天津：天津大学出版社，2005.

[31] 许栋，徐彬，白玉川，等.基于二维浅水模拟的河道滩地洪水淹没研究[J].水文，2015，35(6)：1- 5. XU Dong，XU Bin，BAI Yuchuan，etal.Study on the flood submergence of river beaches based on two-dimensional numerical simulations of shallow water flows[J].Journal of China Hydrology，2015，35(6)：1- 5.

[32] TAO Jianhua.Numerical simulation of aquatic eco-environment of BohaiBay[J].Journal of Hydrodynamics，Series B，2006，18(3)：34- 42.

[33] SUN Jian，LIN Binliang，LI Kaiming，etal.A modelling study of residence time and exposure time in the Pearl River Estuary，China[J].Journal of Hydro-Environment Research，2014，8(3)：281- 291.

[34] 穆迪，陶建华，张秋丰.渤海湾近岸海域氮磷营养盐和浮游生物的数值模拟[J].水动力学研究与进展：A辑，2013，28(2)：135- 143. MU Di，TAO Jianhua，ZHANG Qiufeng.Numerical simulation of nitrogen-phosphorus nutrients and plankton ecosystem in the coastal waters of Bohai Bay[J].Chinese Journal of Hydrodynamics，2013，28(2)：135- 143.

[35] 陈军，陆凯.格网分辨率对太湖生态动力学模型模拟结果的影响[J].水生态学杂志，2011，32(6)：8- 13. CHEN Jun，LU Kai.Influences of grid resolution on simulation results of ecological dynamics model in the Taihu Lake[J].Journal of Hydroecology，2011，32(6)：8- 13.

[36] 聂红涛，陶建华.基于最佳摄动量法反演浅水海湾水质模型的综合扩散系数[J].应用数学和力学，2009，30(6)：655- 662. NIE Hongtao，TAO Jianhua.Inversion of dispersion coefficient in water quality model using optimal perturbation algorithm[J].Applied Mathematics and Mechanics，2009，30(6)：655- 662.

[37] 刘娅琴，邹国燕，宋祥甫，等.富营养水体浮游植物群落对新型生态浮床的响应[J].环境科学研究，2011，24(11)：1233- 1241. LIU Yaqin，ZOU Guoyan，SONG Xiangfu，etal.Responseof phytoplankton community to a new ecological floating bed system(EFBS)in enclosures with eutrophicated water[J].Research of Environmental Sciences，2011，24(11)：1233- 1241.

[38] 储昭升，金相灿，庞燕.铜绿微囊藻和孟氏颤藻在富营养化湖泊中生长特征的模拟研究[J].环境科学学报，2006，26(11)：1815- 1820. CHU Zhaosheng，JIN Xiangcan，PANG Yan.Growth characteristics ofMicrocystisaeruginosaandOscillatoriamougeotiiin eutrophic lakes：simulation experiments[J].Acta Scientiae Circumstantiae，

2006，26(11)：1815- 1820.

[39] 杨龙，王晓燕，王子健，等.富营养化水体磷阈值的动态AGP模拟研究[J].生态环境学报，2009，18(5)：1625- 1630. YANG Long，WANG Xiaoyan，WANG Zijian，etal.Simulation on phosphorus threshod for lake eutrophication by a dynamic algae growth potential (AGP) experimentation[J].Ecology & Environmental Sciences，2009，18(5)：1625- 1630.

[40] 窦艳艳，陈垚，李春龙.不同水生植物组合对富营养化水体净化的模拟研究[J].环境科学与技术，2015，38(8)：223- 227. DOU Yanyan，CHEN Yao，LI Chunlong.Purification efficiency of different aquatic plants in eutrophic water[J].Environmental Science & Technology(China)，2015，38(8)：223- 227.

[41] 孙涛，杨志峰.基于生态目标的河道生态环境需水量计算[J].环境科学，2005，26(5)：43- 48. SUN Tao，YANG Zhifeng.Calculation of environmental flows in river reaches based on ecological objectives[J].Environmental Science，2005，26(5)：43- 48.

[42] 潘鸿，杨扬，陶然，等.水质改善的浮游植物群落演替机制模拟研究[J].环境科学学报，2013，33(12)：3309- 3316. PAN Hong，YANG Yang，TAO Ran，etal.Simulation of phytoplankton community succession mechanism of water improvement[J].Acta Scientiae Circumstantiae，2013，33(12)：3309- 3316.

[43] TSIARAS K P，PETIHAKIS G，KOURAFALOU V H，etal.Impact of the river nutrient load variability on the North Aegean ecosystem functioning over the last decades[J].Journal of Sea Research，2014，86(1)：97- 109.

[44] ROSSEL V，FUENTE A D L.Assessing the link between environmental flow，hydropeaking operation and water quality of reservoirs[J].Ecological Engineering，2015，85(12)：26- 38.

[45] QIN Haiming，SHENG Qiang，CHU Tianjiang，etal.Import and export fluxes of macrozooplankton are taxa-and season-dependent at JiuduanshaMarsh，Yangtze River Estuary[J].Estuarine Coastal and Shelf Science，2015，163(b)：254- 264.

[46] XIAO Yan，LI Zhe，GUO Jinsong，etal.Successionof phytoplankton assemblages in response to large-scale reservoir operation：a case study in a tributary of the Three Gorges Reservoir，China[J].Environmental Monitoring & Assessment，2016，188(3)：1- 20.

[47] 熊文，钱新，叶瑞，等.基于生态模型的太湖蓝藻生长因子解析[J].湖泊科学，2012，24(5)：698- 704. XONG Wen，QIAN Xin，YE Rui，etal.Eco-model based analysis of Lake Taihu cyanobacteria growth factors[J].Journal of Lake Sciences，2012，24(5)：698- 704.

[48] MOFFETTK B，GORELICK S M.Relating salt marsh pore water geochemistry patterns to vegetation zones and hydrologic influences[J].Water Resources Research，2016，52(3)：1729- 1745.

[49] QUIEL K，BECKER A，KIRCHESCH V，etal.Influence of global change on phytoplankton and nutrient cycling in the Elbe River[J].Regional Environmental Change，2011，11(2)：405- 421.

Numerical Simulation of Two-Dimensional Hydrodynamics and Aquatic Ecology of the Lower Reach of Nandujiang River in Hainan Island，China

XU Dong1，WANG Di1， JI Chunning1， NIE Hongtao2*， FU Chuanjun3， LI Longbing3

1.State Key Laboratory of Hydraulic Engineering Simulation and Safety， Tianjin University， Tianjin 300072， China 2.School of Marine Science and Technology， Tianjin University， Tianjin 300072， China 3.Bureau for Hydrology and Water Resource Survey of Hainan Province， Haikou 570203， China

In order to simulate the evolution of the aquatic ecology system and study the streamwise variation regulations of biomass of phytoplankton and zooplankton in a tropic river， a mathematical model for simulating aquatic ecology dynamics was established. The model solved the two-dimensional shallow water equations (SWEs)and incorporated sub-models for transport and evolution of phytoplankton， zooplankton， suspended clastic， inorganic nitrogen and inorganic phosphorus. Coupling mechanisms among sub-models were also studied. The model was applied to the Lower Reach of Nandujiang River， China， which is 28 km long from Longtang Dam to estuary. ADI-QUICK Finite Difference Scheme was adopted to discretize the hydrodynamic equations and advection-diffusion equations. The resultant flows were then used to drive the transport and evolution of ecology variables of different categories. The mathematical model was verified from water level， nutrient concentration and biomass against field survey data. Verifications showed that， provided with properly calibrated ecology parameters， the biomass distribution in a local reach predicted by the model agreed well with the survey data in general， even with idealized constant boundary conditions. Simulation results showed that the biomass of phytoplankton and zooplankton decreased downstream in the river and decreased with the lowering of discharge. The upstream biomass was 1.6 times that of downstream during flood discharge and 9.3 times that during drought discharge. Due to the neglected influence of seawater intrusion and pollutant discharges along the river， the simulations showed deviations from site measurement during drought period much larger than flood period. The maximum biomass of phytoplankton and zooplankton in drought period were 77.71 and 38.56 mmolm3respectively, which were around 3.8 times that of flood period, implying much higher risks of water eutrophication in drought seasons.

hydrodynamics; aquatic ecology simulation; phytoplankton; zooplankton; lower reach of Nandujiang River

2016- 05- 14

2016- 10- 07

国家自然科学基金创新研究群体项目(51621092)；国家自然科学基金项目(51579175)；NSFC-广东联合基金(第二期)超级计算科学应用研究专项资助(2015295)

许栋(1980-)，男，山东单县人，副教授，博士，主要从事水动力学研究，xudong@tju.edu.cn.

*责任作者，聂红涛(1979-)，男，湖北随州人，讲师，博士，主要从事水环境科学研究，htnie@tju.edu.cn

X826

1001- 6929(2017)02- 0214- 10

A

10.13198j.issn.1001- 6929.2017.01.31

许栋，王迪，及春宁，等.海南南渡江下游二维水动力及水生态数值模拟[J].环境科学研究，2017，30(2)：214- 223.

XU Dong，WANG Di，JI Chunning，etal.Numerical simulation of two-dimensional hydrodynamics and aquatic ecology of the lower reach of Nandujiang River in Hainan Island，China[J].Research of Environmental Sciences，2017，30(2)：214- 223.