环境科学  2015, Vol. 36 Issue (6): 2054-2060   PDF    
调水型水库藻类对调水氮、磷浓度与水量的响应
万由鹏, 尹魁浩, 彭盛华     
深圳市环境科学研究院, 国家环境保护饮用水水源地管理技术重点实验室, 深圳市饮用水水源地安全保障重点实验室, 深圳 518001
摘要:以南方某典型的调水型水库为研究对象,采用EFDC模型建立了水库的三维水动力和富营养化模型,并根据长历时的水文和水质数据对模型进行了率定和验证. 基于模型计算结果,分析了水库氮、磷浓度对藻类生长的影响,计算了藻类对调水氮、磷浓度及调水量的响应关系. 结果表明,水库氮、磷浓度对藻类生长的限制作用很小. 在降幅相同的情况下,降低磷浓度比降低氮浓度的藻类浓度降幅更大,削减60%的氮,叶绿素a无明显下降,削减60%的磷,叶绿素a平均下降12.4%,分别削减90%的氮和磷,叶绿素a分别平均下降17.9%和35.1%. 当调水量高于现状的20%,藻类浓度随调水量增大而降低,当调水量低于20%,藻类浓度随调水量增大而升高,调水量比现状增大1倍,叶绿素a平均降低25.7%,调水量降至20%,叶绿素a平均升高38.8%. 本研究对于支撑水源地的富营养化控制工作具有重要意义.
关键词调水型水库     藻类浓度     氮、磷浓度     水量     响应     数值模拟    
Response of Algae to Nitrogen and Phosphorus Concentration and Quantity of Pumping Water in Pumped Storage Reservoir
WAN You-peng, YIN Kui-hao, PENG Sheng-hua    
State Environmental Protection Key Laboratory of Drinking Water Source Management and Technology, Shenzhen Key Laboratory of Drinking Water Source Safety Control, Shenzhen Academy of Environmental Science, Shenzhen 518001, China
Abstract: Taking a pumped storage reservoir located in southern China as the research object, the paper established a three-dimensional hydrodynamic and eutrophication model of the reservoir employing EFDC (environmental fluid dynamics code) model, calibrated and verified the model using long-term hydraulic and water quality data. Based on the model results, the effects of nitrogen and phosphorus concentrations on the algae growth were analyzed, and the response of algae to nitrogen and phosphorus concentration and quantity of pumping water was also calculated. The results showed that the nitrogen and phosphorus concentrations had little limit on algae growth rate in the reservoir. In the nutrients reduction scenarios, reducing phosphorus would gain greater algae biomass reduction than reducing nitrogen. When reducing 60 percent of nitrogen, the algae biomass did not decrease, while 12.4 percent of algae biomass reduction could be gained with the same reduction ratio of phosphorus. When the reduction ratio went to 90 percent, the algae biomass decreased by 17.9 percent and 35.1 percent for nitrogen and phosphorus reduction, respectively. In the pumping water quantity regulation scenarios, the algae biomass decreased with the increasing pumping water quantity when the pumping water quantity was greater than 20 percent of the current value; when it was less than 20 percent, the algae biomass increased with the increasing pumping water quantity. The algae biomass decreased by 25.7 percent when the pumping water quantity was doubled, and increased by 38.8 percent when it decreased to 20 percent. The study could play an important role in supporting eutrophication controlling in water source area.
Key words: pumped storage reservoir     algae biomass     nitrogen and phosphorus concentration     water quantity     response     numerical simulation    

根据水利部发布的《2012年中国水资源公报》,全国轻度及中度富营养的湖泊和水库分别占65%和31%,还有少数水库为重度富营养,由此可见,我国湖泊、 水库的富营养化形势已十分严峻. 富营养水体中氮、 磷等营养盐含量偏高,藻类等浮游生物在适宜的环境条件下可能过度生长繁殖而破坏水生态系统,国内外已经开展了大量关于水体富营养化的研究[1, 2, 3, 4, 5, 6, 7, 8, 9]. 为解决局部地区缺水问题,城市湖泊、 水库等饮用水源普遍存在相互引调水的情况,由此也引发了氮、 磷等污染物质跨流域转移而使富营养化水体扩散的问题,这进一步加剧了城市湖泊、 水库富营养化严峻的形势,但是目前关于调水对湖泊、 水库藻类生长的研究还比较少见. 湖泊、 水库的水生态系统十分复杂,影响藻类生长的因素很多,常见的有水温、 光照以及营养盐浓度等,有许多文献研究了藻类生长与营养盐浓度等因子的关系[10, 11, 12, 13, 14, 15]. 近年来,随着计算机和数值计算技术的发展,国内外有许多关于藻类生长及富营养化模型研究的报道[16, 17, 18, 19, 20, 21]. 为研究调水对湖泊、 水库藻类生长的影响,本文采用建立水动力和富营养化数值模型的方法,选取南方某典型的调水型水库(“S水库”)作为研究对象,分析S水库的藻类对调水氮、 磷浓度与水量的响应关系.

S水库的集雨面积60.5 km2,正常库容3350万m3,水域面积3.1 km2,每年调水量约13.5亿m3,除每年12月工程检修期间不调水(持续时间5~7 d),其余时间每天都调水,平均调水量为370万m3 ·d-1,原水经引水隧洞自然流入S水库. 调水是S水库的主要水源,调水量占总来水量的97%,其余3%的水量主要来自入库支流. 由调水引入S水库的氮、 磷负荷分别占总负荷的97%和95%,其中氮主要以硝氮形式存在,水库中的取水口取水是氮损耗的主要途径,磷除了通过取水口取水损耗,还有约40%通过颗粒物沉降到库底. 库区总氮浓度约2.2 mg ·L-1,总磷浓度约0.044 mg ·L-1,叶绿素a浓度约12μg ·L-1,S水库存在暴发藻华的风险. 本研究成果可以量化调水氮、 磷浓度削减之后,水库藻类浓度的预期降幅,以及调节调水量之后藻类浓度的响应,这对于支撑水源地富营养化控制的工作具有重要意义.

1 水动力和富营养化模型构建 1.1 EFDC模型简介

EFDC模型是一个开源的水动力-水质模型,可用于模拟湖泊、 水库、 河流、 海湾等地表水体的三维水动力、 水质状况. 该模型最早由美国弗吉尼亚海洋研究所开发[22],现在由美国环保署(US EPA)提供支持,目前被许多研究机构、 大学广泛使用,有十分丰富的应用研究案例[23, 24, 25, 26]. EFDC模型水动力模块的基本控制方程参见文献[27],水质因子输运及藻类生长的控制方程如下[28]

式(1)是水质因子输运方程,式(2)是藻类生长动力学方程,式(3)~(8)是藻类生长速率计算公式. 公式中,H是水深,u、 v、 w分别是x、 y、 z方向的速度分量,mx和my是度量张量的对角元素的平方根,m=mx my是雅克比行列式; c是水质因子的浓度,Sc是源汇项,Ax、 Ay、 Az分别是x、 y、 z方向的紊动扩散系数; cA是藻类质量浓度,PA是藻类生长速率,WBA是藻类的外源负荷,V是体积,f1(N)、 f2(I)、 f3(T)分别是营养盐浓度、 光照强度、 水温对藻类生长速率的影响系数. NH4+-N是氨氮浓度,NO3--N是硝氮浓度,PO43--P是磷酸盐浓度,I是光照强度,Isx是藻类生长的最优光照强度,T是水温,更多参数的物理含义参见表 1. EFDC模型采用藻类的质量浓度代表藻类的数量,藻类质量浓度与叶绿素a(Chla)通过公式cA=CChlA ·Chla进行转换,系数CChlA取值见表 1.
表 1 经率定后主要模型参数的取值 Table 1 Values of the key model parameters after calibration

1.2 区域概化及边界条件

模型在水平方向有184个计算网格,见图 1(a),网格尺寸约140 m,垂直方向采用σ坐标系,均分为8层. S水库的调水和入库支流作为模型的源项,采用日均流量作为边界条件; 水库内有位于2号点与3号点等位置的7个取水口,均作为模型的汇项,采用日取水量作为边界条件. 藻类生长受光照等气象因子影响大,因此,采用实测的逐时太阳辐射、 气温、 降雨量、 风速等气象数据作为模型的气象输入条件.

图 1 模型计算网格及计算流场 Fig. 1 Model cells and simulated vector field

1.3 模型率定与验证

采用2009~2010年1号点(表层)实测的逐日水位数据和逐月水质数据,对模型参数进行率定,率定后的主要参数取值见表 1. 采用2011~2012年的实测数据对率定后的模型进行验证. 计算的流场图见图 1(b),流态与实际情况相符. 2009~2012年,模型计算值与实测值对比见图 2图 3,水位、 水温、 溶解氧(DO)、 叶绿素a(Chla)、 硝氮(NO3--N)、 氨氮(NH4+-N)、 总磷(TP)的计算均值分别为26.637 m、 23.9℃、 8.70mg ·L-1、 20.53μg ·L-1、 1.51mg ·L-1、 0.076mg ·L-1和0.048mg ·L-1,与实测值的偏差分别为-0.003 m、 -0.7℃、 0.31mg ·L-1、 7.75μg ·L-1、 -0.27mg ·L-1、 0.014mg ·L-1和0.004mg ·L-1. 总体上,模型的计算值与实测值吻合较好,能够反映出S水库实际的水力及水质状况.

图 2 2009~2012年水位计算值与实测值对比 Fig. 2 Calculated and measured water elevation values in year 2009 to 2012


图 3 2009~2012年主要水质指标计算值与实测值对比 Fig. 3 Calculated and measured values of key water quality variables in year 2009 to 2012

2 结果与讨论 2.1 营养盐、 光照、 水温对藻类生长的影响

采用式(5)和(6)分别计算氮、 磷浓度对藻类生长速率的影响系数,结果见图 4. 其中显示,氮的影响系数在0.973~0.995之间,均值为0.992,磷的影响系数在0.759~0.992之间,均值为0.965,磷的影响系数小于氮. 根据式(7)计算光照强度对藻类生长速率的影响系数,结果表明,由于光照强度随水深增加而衰减,因此光照强度对藻类生长的影响系数在垂直方向分层十分明显,以1号点(见图 1)为例,该点平均水深为13 m,在白天有光照的情况下,表层水体光照强度对藻类生长的影响系数平均为0.520,中层水体为0.022,底层水体为0.002. 根据式(8)计算水温对藻类生长的影响系数,结果表明,水温较低的1月、 2月和12月,影响系数平均为0.740,其余月份均高于0.9,全年均值为0.917.

图 4 氮、 磷营养盐浓度对藻类生长速率的影响系数 Fig. 4 Affecting factors of nitrogen and phosphorus concentrations on algae growth rate

与南方地区的很多水库不同,S水库属于典型调水型水库,水质主要受调水水源的影响,而该调水水源为河流型饮用水源地,水体中的氮、 磷营养盐浓度偏高,原水进入S水库,使水库中的营养盐浓度升高,在这种情况下,氮、 磷对藻类生长速率的影响系数都接近于1,这说明营养盐对藻类生长的限制作用很小,在光照、 水温等环境条件适宜的情况下,藻类将可能大量繁殖,水库存在暴发藻华的风险. 通常,光照和水温等环境条件均难以控制,实施流域污染治理,降低调水水源地的营养盐浓度,是控制S水库藻华暴发的根本途径. 2.2 藻类对调水氮、 磷浓度的响应

近年来,S水库的调水水源地在逐步推进流域污染综合整治,制定了近期、 中期和远期的水环境提升计划,在不同阶段,水源地氮、 磷浓度将有不同程度削减. 以2012年为例,设计3组降低氮、 磷浓度的方案(调水量不变),第1组方案只降低氮浓度,降幅分别为0%、 10%、 20%、 40%、 60%、 80%、 90%和95%,降幅为0%表示不降低,为基准值; 第2组方案只降低磷浓度,降幅同上; 第3组方案同时降低氮和磷浓度,降幅均同上. 计算各时刻水库中所有网格的叶绿素a平均值及最大值,分别称为均值和峰值,再计算均值和峰值的全年平均值,结果如图 5所示(由于第2、 3组方案的结果相同,因此图中仅列出第1、 2组方案的结果),以第2组方案为例,叶绿素a全年变化见图 6.

图 5 不同氮、 磷浓度降幅下水库叶绿素a均值和峰值的年均值 Fig. 5 Average chlorophyll a and annual average of peak chlorophyll a under different nitrogen and phosphorus concentration reduction


图 6 不同的磷浓度降幅下水库叶绿素a均值和峰值随时间变化曲线 Fig. 6 Temporal trends of average and peak chlorophyll a concentrations under different phosphorus concentration reduction

氮浓度降低60%时,叶绿素a无明显下降,降幅继续增大,叶绿素a则呈直线下降,降幅分别为80%、 90%和95%时,叶绿素a均值的年均值分别下降5.9%、 17.9%和31.7%,峰值的年均值分别下降15.9%、 36.6%和50.1%; 与氮不同,磷浓度降低60%时,叶绿素a有较大降幅,均值和峰值的年均值分别下降12.4%和24.5%,磷浓度降幅分别为80%、 90%和95%时,叶绿素a均值的年均值分别下降24.3%、 35.1%和42.8%,峰值的年均值分别下降40.1%、 49.6%和54.0%. 短时期内可优先削减调水水源的磷负荷,即可有效控制S水库的藻类生长,等未来流域污染控制工作陆续完成,氮、 磷污染负荷大幅削减之后,S水库的藻类浓度将显著降低. 2.3 藻类对调水量的响应

将水库的正常库容与入库流量(调水量与库区径流之和)的比值定义为水体置换时间,置换时间越短,说明水体置换速度越快. 以2012年为例,设计1组调节调水量的方案(调水的氮、 磷浓度不变),调水量分别为2%、 5%、 10%、 20%、 40%、 60%、 80%、 100%、 120%、 150%和200%,其中100%表示现状调水量,200%表示现状调水量的2倍,余者类推. 计算结果见图 7~9. 增大调水量,水体置换时间缩短,水体置换加快,藻类所受物理冲刷作用增强,同时水库中的营养盐浓度升高. 冲刷作用增强使藻类浓度下降,营养盐浓度升高使藻类生长速率增大,在两者的双重作用下,当调水量高于20%,藻类浓度随调水量增大而降低,表明此时物理冲刷作用对藻类浓度的影响占主导地位; 当调水量低于20%,藻类浓度随调水量增大而升高,表明此时营养盐对藻类生长的影响占主导地位.

图 7 调节调水量时水库叶绿素a与营养盐浓度变化 Fig. 7 Variation in concentrations of chlorophyll a and nutrients at different inflow water mass


图 8 调节调水量时营养盐对藻类生长速率影响系数及水体置换时间变化 Fig. 8 Nutrients affecting factors on algae growth rate and water replacement time at different inflow water mass


图 9 调节调水量时水库叶绿素a均值和峰值随时间变化曲线 Fig. 9 Temporal trends of average and peak chlorophyll a concentrations at different inflow water mass

与现状(100%流量)相比,调水量增大1倍,总氮升高7.7%,总磷升高12.5%,水体置换时间缩短49%,叶绿素a的均值和峰值均降低25.7%; 调水量调节为20%,总氮降低42.1%,总磷降低31.6%,水体置换时间增大3.4倍,叶绿素a均值升高38.8%,峰值升高13.3%; 调水量降至2%,总氮降低76.4%,总磷降低73.1%,水体置换时间增大17.3倍,叶绿素a均值降低15.3%,峰值降低25.7%. 在短期内可通过加大调水量来控制S水库的藻类浓度过快增长.

3 结论

(1)磷对藻类生长速率的影响系数小于氮,并且两者均接近于1,表明氮、 磷营养盐对藻类生长的限制作用很小.

(2)在降幅相同的情况下,降低磷浓度比降低氮浓度的藻类浓度降幅更大. 削减60%的氮,叶绿素a无明显下降,削减60%的磷,叶绿素a平均下降12.4%; 削减90%的氮,叶绿素a平均下降17.9%,削减90%的磷,叶绿素a平均下降35.1%.

(3) 当调水量高于现状的20%,藻类浓度随调水量增大而降低,当调水量低于20%,藻类浓度随调水量增大而升高. 调水量比现状增大1倍,叶绿素a平均降低25.7%; 调水量降至20%,叶绿素a平均升高38.8%; 调水量降至2%,叶绿素a平均降低15.3%.

参考文献
[1] 曹金玲, 许其功, 席北斗, 等. 我国湖泊富营养化效应区域差异性分析[J]. 环境科学, 2012, 33 (6): 1777-1783.
[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.
[3] Smith V H, Joye S B, Howarth R W. Eutrophication of freshwater and marine ecosystems[J]. Limnology and Oceanography, 2006, 51 (1, part 2): 351-355.
[4] Schindler D W. Recent advances in the understanding and management of eutrophication [J]. Limnology and Oceanography, 2006, 51 (1, part 2): 356-363.
[5] Smith V H, Schindler D W. Eutrophication science: where do we go from here ? [J]. Trends in Ecology and Evolution, 2009, 24 (4): 201-207.
[6] Robson B J. State of the art in modelling of phosphorus in aquatic systems: Review, criticisms and commentary [J]. Environmental Modelling & Software, 2014, 61 : 339-359.
[7] Huang C C, Wang X L, Yang H, et al. Satellite data regarding the eutrophication response to human activities in the plateau lake Dianchi in China from 1974 to 2009 [J]. Science of the Total Environment, 2014, 485-486 (3): 1-11.
[8] Lürling M, van Oosterhout F. Controlling eutrophication by combined bloom precipitation and sediment phosphorus inactivation [J]. Water Research, 2013, 47 (17): 6527-6537.
[9] Pinto U, Maheshwari B, Shrestha S, et al. Modelling eutrophication and microbial risks in peri-urban river systems using discriminant function analysis [J]. Water Research, 2012, 46 (19): 6476-6488.
[10] 汪明, 武晓飞, 李大鹏, 等. 太湖梅梁湾不同形态磷周年变化规律及藻类响应研究 [J]. 环境科学, 2015, 36 (1): 80-86.
[11] 许慧萍, 杨桂军, 周健, 等. 氮、磷浓度对太湖水华微囊藻(Microcystis flos-aquae)群体生长的影响 [J]. 湖泊科学, 2014, 26 (2): 213-220.
[12] 于婷, 戴景峻, 雷腊梅, 等. 温度、光照强度及硝酸盐对拟柱孢藻(Cylindrospermopsis raciborskii N8)生长的影响 [J]. 湖泊科学, 2014, 26 (3): 441-446.
[13] 邱小琮, 赵红雪, 孙晓雪. 宁夏沙湖浮游植物与水环境因子关系的研究 [J]. 环境科学, 2012, 33 (7): 2265-2271.
[14] Correll D L. The role of phosphorus in the eutrophication of receiving waters: a review [J]. Journal of Environmental Quality, 1998, 27 (2): 261-266.
[15] Brown C D, Hoyer M V, Bachmann R W, et al. Nutrient-chlorophyll relationships: an evaluation of empirical nutrient-chlorophyll models using Florida and north-temperate lake data [J]. Canadian Journal of Fisheries and Aquatic Sciences, 2000, 57 (8): 1574-1583.
[16] 韩菲, 陈永灿, 刘昭伟. 湖泊及水库富营养化模型研究综述[J]. 水科学进展, 2003, 14 (6): 785-791.
[17] 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.
[18] 刘浩, 潘伟然. 营养盐负荷对浮游植物水华影响的模型研究[J]. 水科学进展, 2008, 19 (3): 345-351.
[19] 武春芳, 徐明德, 李璐, 等. 太原市迎泽湖富营养化控制的模型研究 [J]. 中国环境科学, 2014, 34 (2): 485-491.
[20] Liu Y, Wang Y L, Sheng H, et al. Quantitative evaluation of lake eutrophication responses under alternative water diversion scenarios: A water quality modeling based statistical analysis approach [J]. Science of the Total Environment, 2014, 468-469 : 219-227.
[21] Wool T A, Davie S R, Rodriguez H N. Development of three-dimensional hydrodynamic and water quality models to support total maximum daily load decision process for the Neuse river estuary, North Carolina [J]. Journal of Water Resources Planning and Management, 2003, 129 (4): 295-306.
[22] Hamrick J M. A Three-dimensional environmental fluid dynamics computer code: theoretical and computational aspects [Special Report 317]R]. Williamsburg: College of William and Mary, Virginia Institute of Marine Science, 1992. 1-22.
[23] 万由鹏, 毛献忠. 深圳湾TIN和PO3-4 -P数值模拟及减排效果分析 [J]. 环境科学, 2011, 32 (2): 384-391.
[24] Ji Z G, Morton M R, Hamrick J M. Wetting and drying simulation of estuarine processes [J]. Estuarine, Coastal and Shelf Science, 2001, 53 (5): 683-700.
[25] Yang Z Q, Hamrick J M. Optimal control of salinity boundary condition in a tidal model using a variational inverse method [J]. Estuarine, Coastal and Shelf Science, 2005, 62 (1-2): 13-24.
[26] 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.
[27] Tetra Tech, Inc. The environmental fluid dynamics code, theory and computation, volume 1: Hydrodynamics and mass transport[R]. California: Tetra Tech, Inc, 2007. 1-12.
[28] Tetra Tech, Inc. The environmental fluid dynamics code, theory and computation, volume 3: Water quality module[R]. California: Tetra Tech, Inc, 2007. 13-21.