论文部分内容阅读
湖泊水质模型利用数学公式来描述湖泊生态系统的生态变量(生物量、水质参数)与外部变量(水量、营养盐、能量输入)之间的响应关系,它将机理分析和实验研究的成果有机结合起来,是研究水质动态变化的有力工具。
由澳大利亚阿德莱德大学开发的湖泊水质模型SALMO(Simulation bymeans of an Analytical Lake Model)能定量描述三种藻类(蓝藻、绿藻和硅藻)之间的生长关系,以及营养盐、水温、光照、浮游动物等环境因子对藻类生长的影响。该模型利用常微分方程描述整个湖泊生态系统的营养盐循环和食物链动态,能很好地模拟藻类的季节演替和年变化格局。但SALMO主要是针对水深大于5 m的水库或湖泊而开发的,基本没有应用于浅水湖泊,并且SALMO未考虑大气复氧及死亡浮游生物对碎屑的转换项,因此,本研究对SALMO做出了相应的改进。
水质模型应用的关键问题在于模型参数率定。参数的合理取值决定着模型的模拟效果,因此确定研究区域的模型结构后,需要对模型的参数进行优化。SALMO考虑了多个生态过程,包含104个参数,由于参数较多,不适宜采用传统参数优化方法进行优化。利用太湖梅梁湾2005年数据,首先对SALMO进行了参数灵敏度分析,确定了比较敏感的30个参数。采用实码遗传算法优化了这30个参数,运用优化后的模型,模拟了梅梁湾2006年的水质。对比分析参数优化前后模型的效果表明遗传算法能高效地对SALMO进行参数优化,优化后的模拟精度得到了显著提高,能更好地模拟梅梁湾的水质变化,但是蓝藻生物量的最大模拟值远低于实测蓝藻峰值。这可能与SALMO未考虑蓝藻底泥复苏的贡献和蓝藻在风力水动力作用下的迁移有关。
利用优化后的SALMO对梅梁湾进行了情景分析,结果表明底泥释放是梅梁湾PO4-P的主要来源,硝氮对梅梁湾藻类生长影响不大,梅梁湾藻类生长主要受磷酸盐限制。