基于EFDC模型五大连池水质模拟和富营养化评价研究

邢贞相，张丽慧，纪 毅，李 衡

（1.东北农业大学水利与土木工程学院，哈尔滨 150030；2.农业部农业水资源高效利用重点实验室，哈尔滨 150030）

湖泊富营养化和水华发生是重大环境问题，尤其是湖泊水华严重影响城镇饮用水水质和城市生态。水华发生机制、蓝藻生长与环境因子关系和抑制藻类方法及环境效应等引起学界关注[1-3]。

作为相对独立研究方法[4-5]湖泊水环境数学模型是研究水动力水质动态变化有效工具。其中，代 表 性 数 学 模 型 有 Dalft3D[6]、 WASP[7]、 MIKE[8]和EFDC[9]，均可在已有水质实测资料基础上，针对具体研究水体，考虑气象和水文等影响因素，构建合理有效水环境数学模型，作为控制目标水体富营养化重要决策工具[10-12]。其中，EFDC模型可应用于场景模拟研究，如水动力和水质模拟、沉积物模拟、电厂冷却水排放模拟、水库及其流域营养物模拟。Wang等在密云水库研究中，揭示温度，硝酸盐，氨，磷，溶解氧和叶绿素a等主要水质变量变化相关性[13]。Wu等在大祥湖研究中，分析叶绿素和藻类爆发之间关系[14]。李一平等在广东长潭水库研究河道型水库藻类生长和污染负荷削减响应[15]。国外学者应用EFDC模型研究建立湖泊水质模型，Lathrop等通过模拟结果提出威斯康星州湖泊应减少磷负荷控制蓝绿藻爆发[16]。研究表明湖泊水质变化受水体内源因素变化及土地覆盖、地形影响[17]。综上，利用EFDC模型可模拟流域边界复杂流域流场特征，全面模拟和还原湖泊水动力和水质动态变化。

以上研究多针对于单一水体展开，连通性多个水体水动力和水质变化更为复杂，对其富营养化开展研究可丰富湖泊水质变化研究。因此，本文以黑龙江省五大连池为研究对象，利用EFDC建立水动力水质模型，分析五大连池水质变化时空特征，揭示其相互联通多水体藻类爆发对营养物质变化响应机制。

1 方法

EFDC是在美国国家环保署资助下由维吉尼亚海洋研究所（VIMS，Virginia Institute of Marine Science at the College of William and Mary）根据多个数学模型集成开发研制的综合模型，用于模拟水系统一维、二维和三维流场，物质输运（包括温度、盐度和泥沙输运），生态过程及淡水入流等。

EFDC模型垂向上采用σ坐标变换，动量方程、连续方程为[18]:

动量方程:

连续方程：

式中，z=（z*+h）/（ζ+h），z*为垂向物理坐标，h和ζ分别为底面和自由水面高程，H=h+ζ为总水深，u和v分别为曲线正交坐标系中x和y方向速度分量，w为垂向速度分量，mx、my分别为度量、张量对角元素平方根，m=mxmy为雅克比行列式，p为大气压，ρ为水密度，T和S分别为温度和盐度。动量方程中f为柯氏力参数，Av为垂向紊动或涡旋黏度，Qu和Qv分别为动量源、汇项。

2 案例研究

本文以EFDC为工具，通过模型设置、模型配置、模型率定和验证、模型仿真建立水动力-水质模型。通过模型模拟水动力和水质特性描述五大连池水质变化情况。设定不同情景，利用EFDC后处理功能分析水质不同情况下响应机制，为五大连池湖泊规划和治理提供科学依据。

2.1 研究区域

五大连池位于中国黑龙江省五大连池市内，全湖由五个相互联通、面积不等“池子”组成，是中国第二大火山堰塞湖，池岸线变化复杂。五大连池北部地区主要是尾山农场，中部地区主要是五大连池农场，南部地区为湖泊出口——五大连池镇[19]。五大连池是国家级自然保护区，也是五大连池镇重要水源。由于五大连池周边农场较多，农业发达，农业生产产生面源污染改变湖泊水生态天然平衡状态，五大连池湖泊水生态遭到破坏，环境承载力下降。

五大连池入流为张通世沟河，出流为石龙河和讷谟尔河。五大连池自北向南分别称为五池、四池、三池、二池和头池。池中最高水位一般为8月份，总水面面积40.2 km2。其中头池0.19 km2；二池7.50 km2；三池21.5 km2；四池0.53 km2；五池10.5 km2。年平均水位水面面积为18.5 km2。池水容积1.47亿m3，最大水深32 m。研究地区属于中温带季风性气候，全年结冰期为11月到次年3月。最近水分平衡赤字和扩散营养摄入量已使五大连池湖泊出现不同程度富营养化[20]。

2.2 模型设置

2.2.1 网格生成

用EFDC将全湖划分为996个正交网格，I方向最大网格数为89，J方向最大网格数为59。分辨率为200 m×200 m。各网格水深通过GIS测定湖底地形数据插值。五大连池池底相对平坦、起伏规律。为较好模拟湖底地形，垂直方向采用σ坐标，垂向平均分为五层，各层所占水深比例均为0.2。

2.2.2 初始条件

模型模拟时间从2015年3月到2016年11月，入口处设置月观测流量序列，出口设置初始水位为2015年3月15日观测值，分别是张通世沟河274.8 m、讷谟尔河277.4 m，三个方向初始速度分量均设为0 m·s-1。时间步长为5 s。

2.2.3 边界条件

模型以静态状态开始，模型预热期为一个月，最小化初始条件误差。模型边界条件包括水动力边界和气象边界。动力边界条件主要包括五大连池大气、表面风力、和出入湖流量。由张通世沟河水文站监测提供。流量检测数据为五大连池湖泊每月出流和入流水位与流量检测数据，大气边界条件和气象参数与热平衡在模型初始化中设定。空气温度、相对湿度、降水率、风速、太阳辐射等数据来自五大连池所在黑河市气象站。

3 模型率定和验证

模型率定和验证是建立水动力和水质模型重要过程。本研究选择2015年3月到11月作为率定期，2016年3月到11月作为验证期。模拟时间步长为10 s。监测湖泊中四个检测点1#～4#（见图3）水质指标，监测频率是每年9次，从3月到11月每月观察一次每个采样站点。用于率定和验证变量包括水位、溶解氧、总氮、氨氮、硝态氮、总磷和叶绿素a。

图1 五大连池区域位置图Fig.1 Location of Wudalianchi

图2 模型部分边界条件Fig.2 Main boundary conditions for EFDC

3.1 模型率定

模型率定包括水动力模块和水质模块参数率定，通过调整关键参数，上述变量模拟值与观测值之间差距最小。水动力模块率定包括水位和温度。五大连池分为五个相连通湖泊，每个湖泊出入流量不大，风和大气降雨影响模型动力场，风速影响流速和河床剪应力。在EFDC水动力模块部分，选择风拖曳系数和床面粗糙高度为重要参数。通过重点率定分析参数不确定性，风拖曳系数为3×10-3，床面粗糙高度为0.02。

五大连池率定期水位、温度、总氮、总磷、叶绿素a和溶解氧模拟值与观测值一致，模拟序列确定性系数均在0.7以上，相对误差均在30%以内（见表1、图4），说明该模型可准确反映五大连池出入流量、降雨、蒸发等水文过程。均方根误差（RMSE）和纳什系数可评估水质模型性能[21]。据表1可知，大部分水质变量模拟误差低于30%，平均为23.3%，表明模型和观测值之间有较好拟合程度。出流水位最大绝对误差为0.3 m，确定性系数（R2）为0.86；温度模拟符合变化规律，夏季在150～210 d之间温度达最高点。水质模块率定，率定点为图中2#和3#，监测点表层各项水质指标模拟值可再现观测值趋势。3#总氮最大值出现在6月，2#总氮最大值出现在6月前，从模型模拟和现场观测结果得到水体流速缓慢，各池水体营养物质浓度峰值在时间上依水流运动方向相继出现，峰值时差较大（15～30 d），说明各池水体虽然联通但水质运移时间存在差异性。3#总磷确定性系数为0.78。2#总磷确定性系数为0.79。2#溶解氧确定性系数为0.76。3#叶绿素a整体模拟值比实测值高，总体变化规律符合实测值，确定性系数为0.82。率定后模型主要参数定义及取值见表2。

图3 五大连池水质监测点Fig.3 Water quality monitoring site in Wudalianchi

表1 2015年部分变量模拟值与观测值数值统计Table 1 Statistics of observation and simulationin for some variables in 2015

3.2 模型验证

为进一步确定水动力和水质模型可靠性，在不改动已率定模型参数情况下，采用2016年水文水质观测数据验证模型。对所有站点表层和底层6项指标对比分析，所有指标符合观测值变化趋势，湖泊中检测点1#和4#表层各项指标模拟值和观测值对比表明，水温、溶解氧确定性系数较高。4#总磷确定性系数为0.68，硝酸氮确定性系数为0.80。叶绿素a在五池和三池差异性不大，峰值均出现在8月，达到26.6 μg·L-1。在水深最浅五池中叶绿素a变化过程线出现陡峰，说明浅水池水质承载力较深水区弱，易受温度，突发污染因素影响而加重富营养化程度。氨氮变化趋势较为平缓，春季开始耕作期上升最明显且每个池子差异性不显著。2016年6月氨氮实测值与观测值出现偏差，系此间耕作产生农业污染激增所致。总体来说，经过率定和验证模型可准确反映五大连池水动力和水质变化过程。

图4 2015年率定期各检测点表层各项水质指标模拟值和观测值对比Fig.4 Model calibration:simulated water quality indicators versus observed value in 2015

表2 模型参数设置Table 2 Parameters of EFDC model in Wudalianchi

图5 2016验证期各检测点表层各项水质指标模拟值和观测值对比Fig.5 Model validation:simulated water quality indicators versus observed value in 2016

表3 2016年模拟值和观测值水质变量数据统计Table 3 Summary statistics on water quality variables:observation against simulationin in 2016

4 情景模拟与讨论

4.1 情景因素选取

氮磷流失是引起水体富营养化主要因素。长期大量氮和磷在土壤中积累增加水体富营养化风险。在湖泊富营养化过程中，肥料（包括有机肥）通过地表径流进入湖中，占入湖总氮量10%；肥料流失磷占入湖总磷量5%～10%，降雨时期，土壤中氮和磷随表面径流流入河道内，导致河湖水体富营养化。周边农村生活污水随机排放是导致氮磷上升主要因素。夏季雨水丰沛期，施肥后1～5 d内降雨进入湖泊氮营养盐增加20%，磷营养盐增加15%。

4.2 情景设置

模型通过率定和验证后，定量分析控制措施对水库富营养化影响，可为水环境管理提供依据。本研究设置3个情景，时间设定为350 d，主要变化因素为氮、磷营养盐输入。情景一：极端暴雨情况下，长期入流量增加50%和营养盐随之增加50%；情景二：对五大连池入湖支流水量完全截排；情景三：通过控制主要农业面源污染改善入流水质，将氮、磷营养盐浓度削减20%，入湖水量不变。

图6和表4定量说明不同情景下五大连池三池表层总氮、总磷、叶绿素a浓度与现状模拟值对比。情景一中总氮和总磷模拟浓度均高于实际浓度，总氮、总磷在长时间入湖营养盐积累下浓度表现持续偏高。情景二中总氮、总磷浓度与实际情况相差小，总氮平均浓度下降13.2%；总磷浓度下降21.8%，减少入流可控制湖水营养物质积累。情景三中总氮、总磷浓度值下降40.4%和32.5%，控制污染源浓度发挥明显作用。情景一模拟叶绿素a浓度与现状模拟值相比，平均浓度增加89.8%，仅部分时段峰值浓度下降，说明暴雨多发期容易冲刷营养物质入湖，长期影响五大连池水质而致富营养化严重。其中情景二模拟叶绿素a平均浓度、峰值均与现状模拟值接近，说明在目前（入流）张通世沟河口旱季污水截排基础上，即使采用极端措施，将五大连池其他支流完全截排，也难以改善目前营养化状况。情景三模拟叶绿素a浓度整体下降，平均浓度下降33%，且对于峰值改善效果显著，峰值浓度下降37.6%。控制入流处主要由农业生产引起的面源污染可更有效改善五大连池富营养化状况，是防止藻类暴发和水华发生最有效手段。

图6 不同情景下三池富营养化指标模拟结果对比Fig.6 Comparison of simulation results of eutrophication in different scenarios

4.3 水华风险评估

以上情景模拟中可见氮磷营养盐摄入量对湖泊水质影响较大。影响五大连池湖泊水华发生因素很多，本文选取2015～2016年6项具有代表性、典型性和全面性评价指标，水环境指数中选取水温、溶解氧和pH，富营养化指数根据模拟结果选择总氮、总磷和叶绿素a。利用层次分析法计算评价指标权重。得到五个连通池子水华风险指标结果（见表5）。

将以上数据采用极差标准化方法标准化处理。

yij越大表征风险值越小指标：yij=（Xjmax-Xij）/（Xjmax-Xjmin） （6）

yij越大表征风险值越大指标：yij=（Xij-Xjmax）/（Xjmax-Xjmin） （7）

式中，Xij和yij分别为第i（i=1，2，3，…，n）个评价对象第j（j=1，2，3，…，m）项指标原始值和标准值，Xjmin表示第j项指标最小值和Xjmax表示第j项指标最大值。

通过五大连池水温、溶解氧、pH、总磷、总氮、叶绿素a等6个指标水华风险指数计算，得到以上指标相对水华风险指数权重分别为0.0965、0.1453、0.1034、0.2161、0.2414、0.1973。风险级别划分[22]为：[0，0.25）四级，[0.25，0.5）三级，[0.5，0.75）二级，[0.75，1]一级。经水华综合指数公式计算后，得到五大连池三个检测点水华风险指数评价（见表6）。

表4 总氮、总磷、叶绿素a在不同场景下统计情况Table 4 Statistics for TN,TP,chlorophyll-a under different scenarios

表5 五大连池水华风险指标结果Table 5 Wudalianchi bloom risk index results (mg·L-1)

表6 五大连池水华风险指数评价Table 6 Wudalianchi bloom risk index

由风险指数可知，三池水华风险指数最高，已达中度风险，二池和五池呈轻度风险。因五池的连接河道狭长，水质交换速度慢，污染物长期堆积，水华风险指数略高。应减少河道上游农业灌区排水和排污口排水，采取相应措施，降低水华产生风险。

5 讨 论

利用EFDC通过划分网格和输入数据构建模型，使用均方根误差和相对均方根误差评估各项指标，经过率定和验证误差均在允许范围内，由此建立五大连池水动力水质模型，EFDC模拟结果可揭示五大连池水质年内变化趋势。在春夏季节，随气候变化温度升高，降雨冲刷和地表径流造成氮磷营养物质增加，湖泊内浮游生物生长繁殖，通过光合作用对营养物质吸收转化，水体中溶解氧下降，藻类增加使叶绿素含量增加，夏季呈爆发趋势，秋季减缓。

总磷和总氮积累是引起五大连池湖泊水华风险主要因素。头池和二池，水华发生风险较低，因其流动性较好且水较深。三池水华发生风险偏高，面积较大湖岸线较长，营养物质易堆积，易受人为因素影响发生水华事件。五池水华发生风险较低，水流速度缓慢，河道狭长，水体联通性最差，湖内营养物质不易扩散。此外，五池上游农场较多，因雨水冲刷农业面源污染流入五池，夏季湖泊水温上升，形成藻类适宜繁殖条件，故发生水华风险增加。

本文在模型边界设置中忽略季节性小溪入流，将其纳入主要河道输入。此外，EFDC模拟未考虑冰冻时期影响，当冰冻期温度低于0℃时，池中浮游生物及藻类状态有待进一步研究。

6 结 论

本文利用EFDC模型，通过率定和验证建立五大连池水质水动力模型，较好模拟湖体水质营养物和污染物扩散规律，揭示水质时空变化特征，设置三种不同情景，分析水质变化与地形、水文特征和营养盐输入相互影响关系。

①五大连池五个湖泊互相联通但水流速度较慢，水体物质交换程度较低，各湖泊水体具有相对独立特性，藻类爆发程度不同。

②在分层处理上显示五大连池表层温度波动最大，浅水区水温起伏差异最大，深水区起伏较小。但水温总体差异不大。水质模拟拟合结果表现良好，说明EFDC模型适于五大连池水质模拟。

③情景模拟发现，控制大规模农业生产面源污染，将污染负荷削减20%，可有效抑制藻类爆发，使峰值降低37.6%，出现时间不明显。潜在水华风险评价结果表明，五大连池水华风险整体上为轻度风险级别，但三池风险级别偏高，为中度风险级别。因此，管控农业生产施肥量是保障五大连池水质安全最重要措施。

[1] Paerl H W,Xu H,Mccarthy M J,et al.Controlling harmful cyanobacterial blooms in a hyper-eutrophic lake(Lake Taihu,China):The need for a dual nutrient(N&P)management strategy[J].Water Research,2011,45(5):1973-1983.

[2] 马健荣,邓建明,秦伯强,等.湖泊蓝藻水华发生机理研究进展[J].生态学报,2013,33(10):3020-3030.

[3] 刘春颖,翟平阳,孔德勇,等.磨盘山水库总氮、总磷变化倾向的灰预测[J].东北农业大学学报,2008,39(11):44-50.

[4] 吴挺峰,高光,晁建颖,等.基于流域富营养化模型的水库水华主要诱发因素及防治对策[J].水利学报,2009,40(4):391-397.

[5] 金相灿.湖泊富营养化控制和管理技术[M].北京:化学工业出版社,2001.

[6] Mooij W M,Trolle D,Jeppesen E,et al.Challenges and opportunities for integrating lake ecosystem modelling approaches[J].Aquatic Ecology,2010,44(3):633-667.

[7] Ambrose R B,Wool T A,Martin J L.The water quality analysis simulation program WASP5 model documentation and user manuals[M].Environment Research Lab.U.S.EPA,Athens,Geogia.1993.

[8] 郭凤清,屈寒飞,曾辉,等．基于MIKE21的潖江蓄滞洪区洪水危险性快速预测[J].自然灾害学报,2013,22(3):144-152.

[9] Hamrick J M.Application EFDC hydrodynamic model to lake Okeeehobee,Florida[R].Contract No.C-7689-0188,Rep.to the South Florida Water Management District,West Palm Beach,Fla,1996.

[10] Li Y P,Acharya K,Yu Z B.Modeling impacts of Yangtze River water transfer on water ages in Lake Taihu,China[J].Ecological Engineering,2011,37(2):325-334．

[11] Luo F,L R J.3D water environment simulation for North Jiangsu Offshore Sea based on EFDC[J].Journal of Water Resource&Protection,2009,1(1):41-47.

[12] George Yuzhu Fu.Integration of environmental fluid dynamics code(EFDC)model with geographical information system(GIS)platform and its applications[J].Journal of Environmental Infor-matics,2011,17(2):75-82.

[13] Wang Y,Jiang Y,Liao W,et al.3-D hydro-environmental simulation of Miyun reservoir,Beijing[J].Journal of Hydro-environment Research,2014,8(4):383-395.

[14] Wu G Z,Xu Z X.Prediction of algal blooming using EFDC model:Case study in the Daoxiang Lake[J].Ecological Modelling,2011,222(6):1245-1252.

[15] 李一平,王静雨,滑磊.基于EFDC模型的河道型水库藻类生长对流域污染负荷削减的响应——以广东长潭水库为例[J].湖泊科学,2015,27(5):811-818.

[16] Lathrop R C,Carpenter S R,Stow C A,et al.Phosphorus loading reductions needed to control blue-green algal blooms in Lake Mendota[J].Canadian Journal of Fisheries&Aquatic Sciences,1998,55(5):1169-1178.

[17] Lindim C,Pinho J L,Vieira J M P.Analysis of spatial and temporal patterns in a large reservoir using water quality and hydrodynamic modeling[J].Ecological Modelling,2011,222(14):2485-2494.

[18] Hayter E J,Gailani J Z.Fundamentals of sediment transport[M].New York:Assessment and Remediation of Contaminated Sediments,2014.

[19] 滕刚.五大连池火山区区域水环境特征研究[D].北京:首都师范大学,2008.

[20] 王念民,汤施展,李喆,等.五大连池水质现状及近30年前后变化[J].湖泊科学,2016,28(5):1004-1009.

[21] Gong R,Xu L,Wang D,et al.Water quality modeling for a typical urban lake based on the EFDC model[J].Environmental Modeling&Assessment,2016,21(5):643-655.

[22] 王丹宇,杨利民,韩梅.尼尔基水库水质及水体富营养化评价研究[J].东北师大学报:自然科学版,2016,48(3):162-166.