环境科学  2020, Vol. 41 Issue (9): 4095-4104   PDF    
引用本文
李亚娟, 杜彦良, 毕二平, 王亮, 陈翠柏. 妫水河湿地植物作用及调水水质响应模拟[J]. 环境科学, 2020, 41(9): 4095-4104.
LI Ya-juan, DU Yan-liang, BI Er-ping, WANG Liang, CHEN Cui-bai. Simulation of Water Quality Response of Guishui River Wetland Plants and Water Diversion[J]. Environmental Science, 2020, 41(9): 4095-4104.
妫水河湿地植物作用及调水水质响应模拟
李亚娟1,2, 杜彦良1, 毕二平2, 王亮1, 陈翠柏2     
1. 中国水利水电科学研究院, 北京 100038;
2. 中国地质大学(北京)水资源与环境学院, 北京 100083
收稿日期: 2020-02-10; 修订日期: 2020-03-27
基金项目: 国家水体污染控制与治理科技重大专项（2017ZX07101004）；国家重点研发计划项目（2017YFC0405804）；中国水利水电科学研究院重大水利工程水生态安全保障及调控技术研究创新团队项目（WE0145B592017）
作者简介: 李亚娟(1994~), 女, 硕士研究生, 主要研究方向为水处理技术, E-mail:1790073434@qq.com
通信作者: 杜彦良, E-mail:duyl@iwhr.com
摘要: 本文基于湿地植物在河流湖泊中的物理、生化反应机制，应用MIKE21中EcoLab的编辑功能，建立湿地植物的水质模块，将植物的阻流、产氧、耗氧及微生物和植物吸收营养盐过程参与计算中，耦合湿地水动力实现水质模拟.在对妫水河表流湿地调研及监测基础上，建立妫水河下游与三里河的模型，考虑湿地植物类型、分布及水量变化下的植物有效面积等作用，定量研究工程尺度上河流湿地水动力及水质净化效果.计算中采用实测数据率定湿地植物对水质作用的关键参数，并对模拟结果进行验证.通过模拟，无循环系统对支流三里河及上游调水时，岸带湿地建设后相比建设前，下游出口处氨氮、磷酸盐和总氮的浓度下降了14.29%、33.33%和20.00%；循环系统运行后，三里河和妫水河上游流量分别增加0.4 m3 ·s-1，使得部分河段水位抬升，断面平均流速略有增加，三里河和妫水河的有效湿地覆盖率分别增加了144.44%和13.16%，出水口处水质与工程前相比，氨氮、磷酸盐和总氮分别下降了35.71%、50.00%和46.67%，循环体系的建设加强了湿地净化功能.模型有机地将湿地植物分布融合进模型水质计算中，为河湖湿地生态修复、方案设计和水利调控等综合措施下的水质响应研究提供了模型方法和技术支撑.
关键词: 表流湿地      MIKE 21-EcoLab      水质模拟      植物净化作用      妫水河     
Simulation of Water Quality Response of Guishui River Wetland Plants and Water Diversion
LI Ya-juan1,2 , DU Yan-liang1 , BI Er-ping2 , WANG Liang1 , CHEN Cui-bai2     
1. China Institute of Water Resources and Hydropower Research, Beijing 100038, China;
2. School of Water Resources & Environment, China University of Geosciences, Beijing 100083, China
Abstract: A two-dimensional model MIKE21 coupled with a modified EcoLab module was applied to model the water quality of surface flow wetlands. In the model, vegetation effects, oxygen production, nutrient consumption by microorganisms and vegetation were set in the solutions of hydrodynamic, chemical, and biological processes. Based on the field investigation and measurements in the Guishui River wetland, the model was established for the downstream reaches of the Guishui River and the Sanli River. The model calculated the hydrodynamics and water quality changes by vegetation type and distribution. The model parameters were calibrated and results were validated using the measurements. The concentrations of ammonia nitrogen, phosphate, and total nitrogen at outflow decreased by 14.29%, 33.33%, and 20.00% in the presence of wetland vegetation compared to no wetland vegetation. During water circulation, the flow rate increased by 0.4 m3 ·s-1 at the inlet of Guishui and Sanli rivers, increasing the water level and velocity in some parts of the rivers. The water areas with vegetation in Sanli and Guishui rivers increased by 144.44% and 13.16%, respectively. The concentrations of ammonia nitrogen, phosphate, and total nitrogen at outflow decreased by 35.71%, 50.00%, and 46.67% compared to no wetlands and no circulation. The circulation strengthened the wetland purification function. The wetland vegetation distribution was organically integrated into the model for water quality calculation, which provides the technical support for the water quality response research under comprehensive measures such as river and lake wetland ecological restoration and water conservancy regulation.
Key words: surface wetland      MIKE 21-EcoLab      water quality simulation      purification function of vegetation      Guishui River     

表流人工湿地被广泛运用于河湖生态修复和水质改善中, 湿地基质、植物及微生物协同转化可有效去除污染物.有研究表明, 湿地植物的类型、密度及分布均能影响水质净化效果[1, 2].湿地植物的种植, 局部区域流速降低, 颗粒态物质发生沉降, 可达到部分水质净化的作用.同时, 湿地植物种植还可通过以下途径参与水体物质的生化反应, 影响水质净化.首先是植物的光合作用, 沉水植物产生的氧气直接进入水体, 挺水植物产生的氧气通过通气组织输送至根区, 在植物根系上层形成有氧区域, 增加了水体中溶解氧含量[3].湿地植物光合作用和呼吸作用交替进行, 系统内部形成氧化还原条件, 促进硝化和反硝化反应的完成, 提高了污染物的降解[4].其次, 植物发达的根系为微生物生存提供局部小环境, 植物根系分泌有机碳源为基质微生物的生长提供适宜的碳源[5, 6], 同时好氧环境增加好氧微生物数量及活性, 加强了污染物的生物降解[7, 8].最后, 植物生长吸收各种营养盐, 秋冬季对植物的收割可从湿地系统中移除部分氮磷量[9, 10].

湿地的水质净化功能一直是研究的热点, 通过小尺度湿地模型研究污染物的去除效率[11~15]及湿地水质净化机制[16~18], 但是实验室表流湿地模型研究具有一定的局限性, 如研究区域有限, 植被均匀分布, 水动力条件单一, 模型设计过于理想化[9, 18].为量化湿地在大范围上对水质的净化效果、优化湿地设计、合理配置水量等, 数值模型是个重要的工具之一. Ji等[17]利用EFDC模型模拟湿地水深变化的影响.李红艳等[19]运用WASP水质模型模拟了扎龙湿地氮磷的变化.一维WASP模型局限于通过直接调整水质参数方式来考虑植物作用[20], 当水量变化及湿地植物种植面积变化时, 需要人为调整参数; 三维EFDC模型适用于水深变化较大的湖泊[21, 22].

本文基于MIKE21-EcoLab中的“WQ with nutrients and chlorophyll-a”模块, 考虑植物的移动性不强, 建立水质+植物(WQ with nutrients and vegetation)模块, 体现植物对水体的作用:①湿地植物阻碍水体流动的物理过程; ②湿地植物分泌氧气进入溶解氧反应过程; ③湿地植物种植后微生物对氮磷的摄取; ④植物吸附或吸收氮磷.研究区域为北京市妫水河中下游, 出口断面为官厅水库主要入流断面.利用MIKE21水动力耦合上述水质模块, 构建妫水河下游及三里河的二维模型.模型中根据实际情况设定湿地植物空间分布, 模拟其在水中参与生化反应, 同时可体现水量变化下的湿地植物面积的变化, 综合计算出水质净化效率.本文基于实测数据, 对模型进行率定验证, 研究了生态修复方案中湿地植物种植及调水对水质改善的效果, 以期为研究区后期制定行之有效的妫水河补水和水循环方案提供了参考.

1 材料与方法 1.1 研究区域概况

研究区域为妫水河下游段, 上游边界为东大桥水文站, 下游为官厅水库库尾, 中间有支流三里河汇入, 河流沿途经过北京市延庆区城市段.受上游水库及用水的影响导致河道水量远小于天然条件水量且河道全年水量基本稳定, 局部区域水体流动性差, 氮、磷浓度较高, 影响官厅水库入流水质.为改善妫水河下游水环境状况, 保障官厅水库水质, 在妫水河及三里河浅水区构建挺水与沉水植物组合的人工湿地; 其次依托延庆城北循环管线, 将下游的水通过循环管线调至上游, 增加上游水体的入流流量, 将三里河及妫水河串联为“内、外”两个循环, 形成“引水活源, 改善水质”的湿地型河流.本文利用模型手段对上述的环境改善方案进行评估.

1.2 水动力模块

河流水动力数值模拟应用MIKE21模型, 模型计算基于二维水深平均的浅水方程:

(1)
(2)
(3)

式中, t为时间(d); x和y为横轴和纵轴坐标(m); η为水位(m); h为总水深(m); u、v为沿水深的平均流速(m·s-1); g为重力加速度(m·s-2); ρ为水体的密度(g·mL-1); τsx、τsy、τbx和τby为x和y方向的表面风应力和底部切应力(N·m-2); Sf为源项[kg·(m3·s)-1]; us和vs为源项水流流速(m·s-1); Tij为侧向应力(m2·s-2).

1.3 湿地作用的水质模块

河道各水质变量计算中通用的二维物质输移方程为:

(4)

式中, c表示EcoLab中状态变量的浓度(mg·L-1), 模拟计算水质变量为BOD、溶解氧(DO)、氨氮(NH4+-N)、亚硝酸盐(NO2--N)、硝酸盐(NO3--N)和磷酸盐(PO43--P)等, 二级变量有总氮(TN=NH4+-N+NO2--N+NO3--N); u和v表示组分流速(m·s-1); Dx和Dy表示各组分在x和y方向上的扩散系数; Sc为源汇项; Pc为EcoLab生化反应, Pc可由以下公式表示:

(5)

式中, Pc为特定状态变量涉及的进程数, Processi为影响水体中物质浓度变化的各种生化反应过程.为了使模型能恰当地反映表流人工湿地的作用, 模型在水质模拟时依据湿地净化机制进行设置.

模型中, 湿地植物对水体中DO产生作用, 湿地植物改变水动力学, 对水体DO的复氧水平产生影响, 计算采用公式(6):

(6)

式中, SOD为底泥耗氧量[mg·(m2·d)-1]; P和R分别为植物产氧量和耗氧量[mg·(m2·d)-1].

大气复氧由公式(7)计算:

(7)

式中, K1为大气复氧常数(d-1), 为流速和水深的函数; u为流速(m·s-1); I为河流坡降(m·m-1); cs为DO的饱和浓度(mg·L-1).植物分布改变了流速和水深等变量, 影响区域大气复氧和水体的区域复氧量.

湿地植物产氧量P随昼夜光照强度波动, 计算采用公式(8):

(8)

式中, Pmax为午时最大产氧量[mg·(m2·d)-1], 计算区域中午时最大产氧量, 根据植物分布、密度及类型等, 作为计算的条件分区设定; 同样R也分区设定; τ为光合作用最大产氧时刻与正午(12:00)的偏差小时数; θ1为影响植物产氧量和呼吸速率的阿伦尼斯温度系数; α为相对昼长; T为水温.

湿地植物根系泌氧为好氧细菌的生长提供环境, 细菌数量及活性增加, 促进了水体中氮磷吸收量[23], 主要为NH4+-N和PO43--P, 计算采用公式(9)和公式(10):

(9)
(10)

式中, UNb为细菌摄取氨氮的系数, UPb为细菌摄取磷的系数; K3为摄取速率(d-1); BOD为水体中有机物的含量(mg·L-1); θ3为影响细菌活性的阿伦尼斯温度系数; HS_NH4+为细菌摄取氨氮的半饱和浓度(mg·L-1, 以N计), HS_PO43-为细菌摄取磷的半饱和浓度(mg·L-1, 以P计), HS_Pmax为细菌对应植物的午时最大产氧量的半饱和浓度(mg·L-1, 以O计).

水体温度、植被光合速率及呼吸速率影响植物对氮磷的摄取量, 计算采用公式(11)和公式(12):

(11)
(12)

式中, UNp为植物摄取氨氮的系数, UPp植物摄取磷的系数.

1.4 模型构建 1.4.1 模型设置

模型采用三角形非结构网格, 根据人工湿地布局、河道深泓及漫滩的形态, 对妫水河主河道和三里河进行了局部加密.进水断面有2个, 分别位于妫水河上游和三里河上游, 下游出流边界为官厅水库库尾, 有橡胶坝控制的水位边界, 见图 1.妫水河上游由于水库的建设和用水, 入流水量小, 根据资料和湿地调研, 流量(Q)在年内变化不大, 计算区域的流量边界按现状流量给入; 水质计算边界采用监测得到的入流水质数据, 通过现场踏勘及资料收集, 区间污染源主要分布在三里河沿岸, 沿途点源及面源排污口概化为3个主要污染源见图 1和表 1.

图 1 计算区域及断面、点位信息 Fig. 1 Computed domain, sections, and points

表 1 污染源排污强度及水质指标 Table 1 Discharge intensity of pollution sources and water quality indicators

1.4.2 模型情景及参数设置

妫水河表流湿地模拟计算的情景有3个, 情景1:不考虑湿地植物生长的无植物情景, 研究区各参数空间均匀; 情景2:考虑河岸带种植植物的种类和密度的有植物情景, 分区域设定植物影响下的曼宁系数、午时最大氧气生成量、呼吸速率和底泥需氧量; 情景3:考虑植物和妫水河下游水体提送至三里河支流及妫水河上游构成的水循环系统, 流量及湿地面积变化的情景.

植物种植后妫水河表流湿地糙率值设定时依据妫水河CAD平面设计图中植物布局及相关内容, 一共分12个区域, 每个区的植物及面积根据设计图纸勾出, 详见图 2.依据参考文献[24, 25]得出研究区河道糙率取值范围为0.03~0.05, 不同区域曼宁系数值见表 2.

图 2 研究区植物分区情况 Fig. 2 Vegetation division in the study area

表 2 研究区植物分布水质参数 Table 2 Water quality parameters of vegetation distribution in the study area

研究区挺水植物芦苇、千屈菜、菖蒲、香蒲、水葱、鸢尾和红蓼均为8株·m-2, 荷花为2株·m-2; 沉水植物微齿眼子菜、金鱼藻、狐尾藻、轮叶黑藻和菹草均为20~30丛·m-2, 每丛2株, 苦草为40~60丛·m-2, 每丛2株.植物的Pmax和R同样可类似图 2中分区给出, 不同植物所在区域的SOD、R和Pmax见表 2.

参考MIKE模型的文档资料, UNb取值范围为0~1.000, UPb取值范围为0~0.100, HS_NH4+取值范围为0~5.0 mg·L-1(以N计), HS_PO43-取值范围为0~2.0 mg·L-1(以P计), UNp取值范围为0~0.200, UPp取值范围为0~0.100, 并结合参考文献[26], 模型计算中各参数取值分别为: UNb为0.013, UPb为0.009, HS_NH4+为0.8 mg·L-1(以N计), HS_PO43-为0.6 mg·L-1(以P计), 湿地植物种植前UNp为0.011, UPp为0.008, 植物种植后UNp为0.013, UPp为0.009.

1.5 模型率定验证

2003年妫水河上游修建水库以来, 下游河道流量急剧减小且平坦化, 研究区上边界东大桥水文站平水期及丰水期月均流量变幅区间为1.2~2.1 m3·s-1, 平均流量为1.7 m3·s-1.研究区域枯水期湿地植物凋零, 受冰冻影响, 调水系统停止运行, 因此可认为枯水期湿地植物及调水系统对水体的净化作用不大.本文着重讨论湿地植物及调水的作用, 考虑植物在春夏季为主要生长周期, 计算时间段为5月1日至8月1日.妫水河流域的实测水质数据分别为2018年5、7、10月和2019年3月, 但由于采样点位和区域不同, 单一年份不能反映整体水域的水质变化, 综合考虑2018~2019年实测水质数据对模型进行率定验证.计算输入多年平均水温过程作为胁迫的变量.计算区域水域面积较大, 换水周期较长, 计算结果中前30天为消除水质的初始值.计算结果稳定的8月1日的DO、NH4+-N、PO43--P和TN浓度从上边界东大桥水文站至下边界橡胶坝, 沿妫水河中泓线(见图 1)的变化与实测值的对比见图 3, 图中实线为计算值, 点为实测值, 河道长度为11.23 km, 实测点位从右至左分别为东大桥水文站、夏都大桥、三里河汇主干、雅荷园和橡胶坝.

图 3 各水质指标实测与计算比较 Fig. 3 Comparison of measured and calculated water quality indexes

计算结果与实测数据比较用于率定验证, 污染物从东大桥水文站向橡胶坝迁移一段距离后, 浓度增加, 反映了三里河支流水体的汇入.在模拟计算时情景1各个断面水质指标(DO、NH4+-N、PO43--P和TN)的计算值与实测值相对误差(ε)计算公式如下:

式中, Xm为各水质指标计算值, X0为各水质指标实测值.模拟计算90 d的表流湿地水体中各断面DO、NH4+-N、PO43--P和TN的计算值与实测值的相对误差见表 3.

表 3 妫水河表流湿地建设前水质指标计算值与实测值比较 Table 3 Comparison of calculated and measured water quality indexes of Guishui River surface flow wetland before construction

分析表 3, DO、NH4+-N、PO43--P和TN在5个监测点位的计算值与实测值的平均相对误差分别是9.77%、10.47%、16.52%和18.01%, 数值模拟中计算值与实测值的变化趋势基本一致, 因此模型率定的参数符合模拟要求, 妫水河表流湿地的水质模拟结果可信.

2 结果与分析 2.1 水动力分析

对3个不同情景妫水河表流湿地水动力结果进行分析, 选择妫水河上GSH-1和GSH-2断面(见图 1)的流速分布作比较, 见图 4.

沿河流方向, 左边为左岸, 右边为右岸，下同 图 4 妫水河不同情景横断面流速分布 Fig. 4 Cross-sectional velocity distribution of Guishui River in different scenarios

有植物与无植物相比, 河岸带种植植物后阻碍水体流动, 使河道断面流速分布发生变化, 沿岸湿地流速降低, 河道中游的流速略微升高.当水循环系统运行后, 妫水河上游流量增加, 断面流速整体变大.妫水河下游受橡胶坝控制水位的影响, 水位对于流量变化不明显, 但三里河为山区性溪流, 流量的增加对水位产生较大影响, 见图 5.

图 5 SLH-1及SLH-2断面不同情景水位变化 Fig. 5 Water level changes in different scenarios of SLH-1 and SLH-2 sections

湿地植物通常在水陆交错带的一定区域内生长, 有植物与无植物相比, 三里河SLH-1和SLH-2断面水位略抬升0.05 m和0.09 m.统计不同情景下湿地面积的变化, 见表 4.

表 4 不同情景水面和湿地面积变化 Table 4 Changes in water surface and wetland area in different scenarios

水循环系统的运行导致水面及有效湿地面积的增加, 三里河水面面积增加了0.34 km2, 变化率为87.18%, 其有效湿地面积增加了0.26 km2, 湿地覆盖率增加了144.44%.妫水河水面面积增加了0.15 km2, 变化率为4.59%, 其有效湿地面积增加了0.05 km2, 湿地覆盖率增加了13.16%.水循环系统运行后, 不论是湿地面积还是湿地覆盖率均有提高, 有利于湿地水质净化.

2.2 水质浓度分析

选取4个计算水质变量DO、NH4+-N、PO43--P和TN进行结果展示, 各变量的分布见图 6~9.

图 6 妫水河不同情景溶解氧分布 Fig. 6 Distribution of dissolved oxygen in different scenarios in Guishui River

图 7 妫水河不同情景氨氮分布 Fig. 7 Distribution of ammonia nitrogen in different scenarios in Guishui River

图 8 妫水河不同情景磷酸盐分布 Fig. 8 Distribution of phosphate in different scenarios in Guishui River

图 9 妫水河不同情景总氮分布 Fig. 9 Total nitrogen distribution in different scenarios in Guishui River

由图 6~9可见, 受三里河污染源入流的影响, 在距离橡胶坝8.67 km处, 较高浓度的污染源消耗水体中较多DO, 使DO浓度出现最小值, NH4+-N和PO43--P浓度出现最大值, 同时在该点TN去除率趋于0.妫水河整体呈现上游和下游DO较高, 中段DO降低; 妫水河NH4+-N和PO43--P在中段均有不同程度的升高, 上下游较低; TN在上游较高, 沿程下降, 表明湿地植物产氧增加有利于硝化反硝化细菌的生存, 较多的NH4+-N经硝化菌吸收转化成氮气, 水体中TN含量减少.对河道中泓线上的水质指标进行比较, 见图 10.

图 10 妫水河不同情景水质状况对比 Fig. 10 Comparison of water quality in different scenarios in Guishui River

情景2、3的出口处除DO浓度增加外其他各水质指标浓度均比入口处小, 3个情景DO排序为DO情景3>DO情景2>DO情景1, 通过植物提高了DO含量可加快污染物的去除, 整体上NH4+-N和PO43--P去除效果明显.NH4+-N去除效率明显高于TN, 与其他存在形式的氮素相比, 植物及微生物更偏好利用NH4+-N[27, 28].

2.3 水质净化效果

为了定量分析妫水河表流湿地水质净化效果, 将3个情景模拟计算的DO、NH4+-N、PO43--P和TN的模拟结果进行比较, 见表 5和表 6.

表 5 妫水河监测断面DO浓度变化1) Table 5 Change in dissolved oxygen concentrations in Guishui River monitoring section

表 6 妫水河监测断面各水质指标浓度变化 Table 6 Changes in the concentrations of water quality indicators in Guishui River monitoring section

从表 5和表 6中可以看出, 情景1是对实测数据的率定验证.三里河是山区型溪流, 沿途有较多污染源汇入, 当三里河河水汇入妫水河, 将其携带的污染物也一同带入主河道, 导致点位三里河汇主干处DO出现最小值, 氮磷浓度增大.表 5中, 在增大入流流量时, 位于妫水河下游的橡胶坝和雅荷园的复氧率分别为9.52%和5.61%, 而且在仅有植物时, 橡胶坝和雅荷园的复氧率分别为6.11%和4.94%, 这表明增大流量, 流速增大, 有利于水体复氧, 与此同时水位抬升, 有效湿地面积增多, 植物根区供氧增大, 水体中DO增加.

表 5的湿地植物种植及调水方案(情景3)中河流水质的净化率基本均大于单一植物种植方案(情景2)对水质的净化率, 这也在一定程度上说明了增大入流流量使有效湿地面积增加, 植物产氧与大气复氧增大水体DO含量, 同时植物生长产生光反应暗反应交替出现, 在水体中形成氧化还原微环境, 有利于硝化反硝化细菌进行脱氮反应, 提高水体中氮的去除, 有利于水质净化; 位于上游的东大桥水文站计算值与实测值相近, 该点距离妫水河入流口仅有50 m, 因此对水质净化较少, 可以忽略不计.位于下游的橡胶坝水质净化率较高, 湿地植物与调水方案中橡胶坝处NH4+-N、PO43--P和TN的净化率分别为35.71%、50.00%和46.67%;雅荷园处NH4+-N、PO43--P和TN的净化率分别为31.58%、30.00%和23.53%, 说明污染物在妫水河沿程不断被降解, 越靠近下游水质净化率越高, 这也反映了妫水河沿程水流复氧且河岸带分布的植物产氧均有助于水质净化, 模拟结果能较好地反映实际情况.模拟结果和实测值存在差异主要是因为实际妫水河中表流湿地水体中的反应机制更复杂[29].北方缺水河流流量的增加有利于维持湿地功能的提升.

3 讨论

本文采用MIKE21和EcoLab模型构建一套湿地水质模型, 模型基于湿地对水质的作用机制, 考虑植物对水动力、及DO、NH4+-N和PO43--P的作用, 根据实际湿地植物种植及空间分布状况, 设定水中植物带, 模拟植物在水中参与生化反应, 计算河道水质的变化.在大量的湿地生态保护实践中, 湿地水量是湿地健康的核心因子之一, 该模型耦合水动力变化, 可体现河流或湖泊流量变化下的湿地面积的动态变化, 模型结果可对叠加调水等方案的湿地生态修复方案的水质净化作用进行综合评估.模型方法在妫水河湿地模型构建及模拟中得到应用, 模型模拟湿地植物种植前后水质变化, 以及为改善河道缺水的调水工程运行后的湿地水质净化效果.

模型结果显示, 湿地植物种植后与种植前相比, 妫水河出流处NH4+-N、PO43--P和TN分别下降了14.29%、33.33%和20.00%, DO水平提高了6.11%.为改善河道缺水, 当增加运行循环调水工程, 三里河和妫水河上游流量分别增加0.4 m3·s-1, 使得部分河段水位抬升, 流速略有增加, 三里河和妫水河的有效湿地覆盖率分别增加了144.44%和13.16%, 出水口处水质与工程前相比, NH4+-N、PO43--P和TN分别下降了35.71%、50.00%和46.67%, DO提高了9.52%.模型结果表明, 缓解北方河流的缺水问题, 调水能有效改善湿地运行效果.通过妫水河湿地水质模拟计算实例, 本文的模型方法设计合理, 计算结果可信, 可以是研究湿地对水质的净化功能的工具, 同时为复杂湿地生态恢复方案的优化设计提供科学支撑.

4 结论

(1) 基于植物对水流及水质的作用, 构建的湿地生态水质的EcoLab模块中考虑了植物的阻流、产氧、微生物及植物生长的吸收作用, 模拟了妫水河下游段的河流湿地及调水调控作用下的水质演变.湿地种植植物后, 模型计算妫水河出流处DO浓度与无植物相比提高了6.11%.湿地植物生长提高了细菌的活性及吸收水体的氮磷量, 综合植物作用, 妫水河出流处NH4+-N、PO43--P和TN分别下降了14.29%、33.33%和20.00%.

(2) 叠加调水的湿地生态修复方案可以改善河道缺水的湿地水质净化效果.三里河和妫水河的有效湿地覆盖率分别增加了144.44%和13.16%, 出水口处水质与工程前相比, DO提高了9.52%, NH4+-N、PO43--P和TN分别下降了35.71%、50.00%和46.67%.叠加调水的湿地生态修复方案可以改善河道缺水的湿地水质净化效果.

参考文献
[1] Sabokrouhiyeh N, Bottacin-Busolin A, Tregnaghi M, et al. Variation in contaminant removal efficiency in free-water surface wetlands with heterogeneous vegetation density[J]. Ecological Engineering, 2020, 143: 105662.
[2] 何露露, 杨平, 谭立山, 等. 福州地区海湾和河口潮汐沼泽湿地秋季上覆水营养盐分布特征[J]. 环境科学, 2019, 40(4): 1788-1796.
He L L, Yang P, Tan L S, et al. Nutrient distribution of overlying water in tidal marshes in five estuaries and bays of the Fuzhou region in autumn[J]. Environmental Science, 2019, 40(4): 1788-1796.
[3] Wang W L, Han R M, Wan Y J, et al. Spatio-temporal patterns in rhizosphere oxygen profiles in the emergent plant species acorus calamus[J]. PLoS One, 2014, 9(5): e98457.
[4] Sudarsan J S, Annadurai R, Mukhopadhyay M, et al. Domestic wastewater treatment using constructed wetland:an efficient and alternative way[J]. Sustainable Water Resources Management, 2018, 4(4): 781-787.
[5] 黄磊, 梁银坤, 梁岩, 等. 生物炭添加对湿地植物菖蒲根系通气组织和根系泌氧的影响[J]. 环境科学, 2019, 40(3): 1280-1286.
Huang L, Liang Y K, Liang Y, et al. Influences of biochar application on root aerenchyma and radial oxygen loss of acorus calamus in relation to subsurface flow in a constructed wetland[J]. Environmental Science, 2019, 40(3): 1280-1286.
[6] Saeed T, Sun G Z. A review on nitrogen and organics removal mechanisms in subsurface flow constructed wetlands:dependency on environmental parameters, operating conditions and supporting media[J]. Journal of Environmental Management, 2012, 112: 429-448.
[7] García J, Rousseau D P L, Morató J, et al. Contaminant removal processes in subsurface-flow constructed wetlands:a review[J]. Critical Reviews in Environmental Science and Technology, 2010, 40(7): 561-661.
[8] Huett D O, Morris S G, Smith G., et al. Nitrogen and phosphorus removal from plant nursery runoff in vegetated and unvegetated subsurface flow wetlands[J]. Water Research, 2005, 39(14): 3259-3270.
[9] 赵梦云, 熊家晴, 郑于聪, 等. 植物收割对人工湿地中污染物去除的长期影响[J]. 水处理技术, 2019, 45(11): 112-116.
Zhao M Y, Xiong J Q, Zheng Y C, et al. Long-term effect of plant harvesting on pollutants removal in constructed wetlands[J]. Technology of Water Treatment, 2019, 45(11): 112-116.
[10] 李莎莎, 田昆, 刘云跟, 等. 不同空间配置的湿地植物群落对生活污水的净化作用研究[J]. 生态环境学报, 2010, 19(8): 1951-1955.
Li S S, Tian K, Liu Y G, et al. Compare the purification effects of sewage by the wetland plant community composition and spatial patterns[J]. Ecology and Environment, 2010, 19(8): 1951-1955.
[11] 蒋倩文, 刘锋, 彭英湘, 等. 生态工程综合治理系统对农业小流域氮磷污染的治理效应[J]. 环境科学, 2019, 40(5): 2194-2201.
Jiang Q W, Liu F, Peng Y X, et al. Nitrogen and phosphorus removal by integrated ecological engineering treatment system in a small agricultural watershed[J]. Environmental Science, 2019, 40(5): 2194-2201.
[12] Xing W M, Han Y G, Guo Z F, et al. Quantitative study on redistribution of nitrogen and phosphorus by wetland plants under different water quality conditions[J]. Environmental Pollution, 2020, 261: 114086.
[13] Li J H, Yang X Y, Wang Z F, et al. Comparison of four aquatic plant treatment systems for nutrient removal from eutrophied water[J]. Bioresource Technology, 2015, 179: 1-7.
[14] Martín M, Oliver N, Hernández-Crespo C, et al. The use of free water surface constructed wetland to treat the eutrophicated waters of lake L'Albufera de Valencia (Spain)[J]. Ecological Engineering, 2013, 50: 52-61.
[15] Di Luca G A, Mufarrege M M, Hadad H R, et al. Nitrogen and phosphorus removal and Typha domingensis tolerance in a floating treatment wetland[J]. Science of the Total Environment, 2019, 650: 233-240.
[16] 孙瑞莲, 刘健. 3种挺水植物对污水的净化效果及生理响应[J]. 生态环境学报, 2018, 27(5): 926-932.
Sun R L, Liu J. Physiological response of emergent hydrophytes to wastewater stress and their potential for reducing COD and nutrients[J]. Ecology and Environmental Sciences, 2018, 27(5): 926-932.
[17] Ji Z G, Jin K R. An integrated environmental model for a surface flow constructed wetland:water quality processes[J]. Ecological Engineering, 2016, 86: 247-261.
[18] Qin Z R, Zhao Z H, Xia L L, et al. The dissipation and risk alleviation mechanism of PAHs and nitrogen in constructed wetlands:the role of submerged macrophytes and their biofilms-leaves[J]. Environment International, 2019, 131: 104940.
[19] 李红艳, 章光新, 孙广志. 基于水量-水质耦合模型的扎龙湿地水质净化功能模拟与评估[J]. 中国科学:技术科学, 2012, 55(10): 1163-1171.
Li H Y, Zhang G X, Sun G Z. Simulation and evaluation of the water purification function of Zhalong Wetland based on a combined water quantity-quality model[J]. Science China Technological Sciences, 2012, 55(7): 1973-1981.
[20] 冯媛.表面流人工湿地水动力-水质模拟与分析[D].济南: 山东大学, 2016.
Feng Y. Simulation and analysis of hydrodynamics-water quality for surface flow constructed wetland[D]. Ji'nan: Shandong University, 2016.
[21] Qi L Y, Huang J C, Gao J F, et al. Modelling the impacts of bathymetric changes on water level in China's largest freshwater lake[J]. Water, 2019, 11(7): 1469.
[22] Wang J J, Zhao Q H, Pang Y, et al. Dynamic simulation of sediment resuspension and its effect on water quality in Lake Taihu, China[J]. Water Supply, 2017, 17(5): 1335-1346.
[23] 张惠.冷、暖季型水生植物配置提高人工湿地脱氮效果[D].南京: 南京大学, 2017.
Zhang H. Improving nitrogen removal efficiency of constructed wetland by the configuration of warm and cool season plants[D]. Nanjing: Nanjing University, 2017.
[24] 冯诗韵, 王飞儿, 俞洁. 基于Matlab软件自动化求取参数的HEC-RAS模型构建[J]. 环境科学学报, 2020, 40(2): 623-630.
Feng S Y, Wang F E, Yu J. A HEC-RAS model building with parameters automatically calibrated in Matlab[J]. Acta Scientiae Circumstantiae, 2020, 40(2): 623-630.
[25] 宫雪亮, 孙蓉, 芦昌兴, 等. 基于MIKE21的南四湖上级湖水量水质响应模拟研究[J]. 中国农村水利水电, 2019(1): 70-76, 82.
Gong X L, Sun R, Lu C X, et al. Research on the water quality and quantity response based on MIKE 21 in the upper-reach lakes of Nansi Lake[J]. China Rural Water and Hydropower, 2019(1): 70-76, 82.
[26] Galanopoulos C, Sazakli E, Leotsinidis M, et al. A pilot-scale study for modeling a free water surface constructed wetlands wastewater treatment system[J]. Journal of Environmental Chemical Engineering, 2013, 1(4): 642-651.
[27] Nayar S, Collings G J, Miller D J, et al. Uptake and resource allocation of ammonium and nitrate in temperate seagrasses Posidonia and Amphibolis[J]. Marine Pollution Bulletin, 2010, 60(9): 1502-1511. DOI:10.1016/j.marpolbul.2010.04.018
[28] Saha P, Shinde O, Sarkar S. Phytoremediation of industrial mines wastewater using water hyacinth[J]. International Journal of Phytoremediation, 2017, 19(1): 87-96.
[29] 陈德坤, 朱文博, 王洪秀, 等. WASP水质模型在表流人工湿地中的优化与应用[J]. 工业水处理, 2018, 38(2): 70-74.
Chen D K, Zhu W B, Wang H X, et al. Optimization of WASP water quality model and its application to free water surface constructed wetland systems[J]. Industrial Water Treatment, 2018, 38(2): 70-74.