[发明专利]大型浅水湖泊水华集聚水域的补水控藻方法

摘要

本发明公开一种大型浅水湖泊水华集聚水域补水控藻方法。该方法的技术体系包括水环境模拟技术、软性围隔技术以及动态监测调度技术，具体实施方法包括建立湖泊水环境模拟模型、建设柔性围隔工程形成目标水域、目标水域实施在线监测、建立目标水域的时空高精度水环境模拟模型、构建水质神经网络模型、建立补水河流的流量调度系统。该方法提出在大型浅水湖泊的水华集聚水域利用入湖河流进行补水以控制其藻类密度的系统性、定量化的技术体系，在补水水量水质与目标水域的水质响应之间建立起确定性的定量化联系，从而实现流域水资源调度系统的定量化补水配置，克服了现有引水控藻工程措施未形成定量化技术方案，致使控藻效果不确定或不显著的缺陷。

主权项

1.大型浅水湖泊水华集聚水域的补水控藻方法，其特征在于包括以下步骤：(1)、收集基础资料A.湖泊及藻华堆积湖湾区的水陆边界及水下地形图；B.藻华堆积湖湾区的沉积物组成及其空间分布；C.湖泊常规观测点位的水位、水质及浮游植物的历史数据；D.湖泊气象历史数据：大气压力、空气温度、相对湿度、降水、蒸发、太阳辐射、云量、风速和风向，数据为小时数据；E.入湖河流的水文、水质历史系列数据；(2)、建立湖泊水环境模拟模型A.以环境流体动力学模型EFDC为基础，根据模拟的湖泊水文水质变量或指标，采用EFDC的水动力模块以及模拟水温、溶解氧、氮、磷及蓝绿藻的富营养化模块；B.湖泊水环境模拟模型计算网格的构建采用GEFDC软件，以曲线网格法，依步骤(1)A的数据划分湖泊水域的计算网格；网格的生成首先是产生水平断面曲线以离散水体，接下来采用步骤(1)C收集的湖泊水位数据来指定每个网格的深度；C.建立湖泊水环境模拟模型的边界条件以步骤(1)E收集的入湖河流的流量日数据，以及入湖河流的氮浓度日数据和磷浓度日数据作为湖泊水环境模拟模型的水陆边界条件；驱动湖泊水环境模拟模型水动力模块的大气边界条件为步骤(1)D收集的大气压力、空气温度、相对湿度、降水、蒸发、太阳辐射、云量、风速和风向数据；D.参数率定基于EFDC建立的湖泊水环境模拟模型的参数包括各类形态的氮、磷、碳的转化系数以及藻类的最大生长速率、基础代谢率、牧食率、藻类营养物质的半饱和系数、藻类最适生长温度、藻类沉降率；用于率定以上模型参数的校准变量为水位、水温、叶绿素a、总氮和总磷浓度；用于校准的实测数据为校准变量在湖泊常规监测站点的步骤(1)C水位、水质及浮游植物的历史数据；参数率定过程是个迭代过程：对一组参数赋值并运行湖泊模型后，将各观测站点的校准变量模拟值与实际观测值进行比较，然后调整参数的赋值再运行湖泊模型，如此重复多次直到模拟值与实测值接近，两者的相关系数应达到0.85以上；(3)目标水域空间范围的确定①目标水域的控藻目标及水质目标控藻目标即藻类密度的上限数值，藻类密度用叶绿素a浓度表示；通过分析步骤(1)C收集的湖泊浮游植物历史数据中的藻类资料，结合野外实地调查和走访，取水面不出现蓝绿色浮沫水华的叶绿素a浓度的上限数值作为目标水域控藻目标；同时根据步骤(1)C收集的水质数据确定与目标水域控藻目标相应的氮、磷浓度值作为目标水域水质目标；所述目标水域指拟开展补水控藻的水华集聚湖湾的局部水域；②目标水域空间位置的确定A.初步划出目标水域的空间区位，目标水域由岸线及假设的湖面上的围隔所围成，包含入湖河流入湖口；B.假设目标水域已用围隔与开敞湖面相对隔离，即在步骤(2)建立的湖泊水环境模拟模型中设定围隔两侧步骤(2)B的计算网格之间没有水量交换；C.采用历史数据运行步骤(2)湖泊水环境模拟模型，得到目标水域的氮磷浓度及叶绿素a浓度的模拟结果；D.与步骤(3)①的控藻目标相比较，如果叶绿素a浓度值大于控藻目标，则缩小目标水域的范围，重复此过程，反之，则扩大目标水域的范围，直至计算结果与控藻目标的相对偏差小于5％；(4)在湖面建设柔性围隔形成目标水域根据步骤(3)确定的围隔在湖面上的空间位置，在湖面建设柔性围隔，形成由围隔与陆地岸线合围而成的目标水域；目标水域设立一处出流口，目标水域承接的河道入流，流经目标水域后，经出流口进入开敞湖面；柔性围隔在结构上包括三部分：上部为浮体、中部为墙体，底部是石笼；柔性围隔上部的浮体浮于水中，部分露出水面；柔性围隔中部的墙体竖立于水中，柔性围隔底部的石笼沉于淤泥中；(5)对目标水域实施在线监测在线监测系统包括数据采集系统、数据传输系统、安全系统以及监控中心；监控中心包含数据库及管理软件SQL Server，数据库中存贮有入湖河流及目标水域的水文、气象、水质数据；在线监测系统在ti时刻观测目标水域气象、水质，以及入湖河流的水文、水质常规监测指标，t表示观测日期，i为时间序列，i＝0，1，…；ti＝ti‑1+T；T定义为流域水利系统进行水量联合调度所需的时间；(6)建立针对目标水域的时空高精度水环境模拟模型A.目标水域的计算网格在步骤(2)湖泊水环境模拟模型的计算网格的基础上，对目标水域计算网格进行细化；当目标水域的网格的面积缩小到能够表征目标水域的水下地形及水陆边界的细节时即完成目标水域计算网格的细化；B.目标水域的水陆边界条件目标水域的水陆边界条件为流入目标水域的入湖河流及围隔所划定的目标水域边界，在出流口与开敞湖面汇流；C.参数率定利用步骤(5)在线监测系统的数据库中存贮的入湖河流及目标水域的水文气象水质数据，按步骤(2)D的方法率定目标水域的时空高精度水环境模拟模型；(7)建立神经网络模型A.初步建立由入湖河流ti－1时刻水文、水质数据推求入湖河流ti时刻总氮、总磷浓度的神经网络模型Ⅰ；B.初步建立由ti－1时刻目标水域水质数据，ti时刻目标水域总磷、总氮、叶绿素a浓度，ti时刻入湖河流总氮和总磷浓度推求ti时刻入湖河流流量的神经网络模型Ⅱ；C.利用步骤(5)中的数据库数据，训练上述两个神经网络模型，完成神经网络模型的构建；如果步骤(5)在线监测系统运行时间在1年以下，则由步骤(6)目标水域的时空高精度水环境模拟模型按假设河流补水情景提供入湖河流的补水水量、水质与目标水域水质响应之间的对应数据，作为神经网络模型Ⅱ的初期训练数据的补充；如果步骤(5)在线监测系统运行时间在5年以上，则完全依靠步骤(5)所述数据库累积的数据，进行神经网络模型Ⅱ及神经网络模型Ⅰ的训练；(8)建立入湖河流的流量调度系统利用步骤(5)在线监测系统、步骤(6)目标水域的时空高精度水环境模拟模型及步骤(7)中神经网络模型Ⅰ和神经网络模型Ⅱ，提出入湖河流在调度时间T内的入湖流量值，由流域水资源联合调度，实现入湖河流对目标水域的定量化补水；具体步骤如下：A.利用步骤(5)建立的在线监测系统获得当前ti时刻补水河流的水质数据，再利用步骤(7)建立的神经网络模型Ⅰ推求未来ti+1时刻的河流总氮和总磷浓度；B.假设目标水域在未来ti+1时刻的总氮、总磷及叶绿素a浓度为步骤(3)①中目标水域的控藻目标和水质目标；C.基于在线监测系统在ti时刻的目标水域水质监测数据，步骤(8)B设定的目标水域ti+1时刻的总氮、总磷和叶绿素a浓度，以及(8)A获得的补水河流的ti+1时刻总氮和总磷浓度值，利用步骤(7)建立的神经网络模型Ⅱ，推求补水河流ti+1时刻流量值，得到补水河流在ti时刻后T时间段内的调度流量的初步值；D.利用步骤(6)建立的目标水域的时空高精度水环境模拟模型校核步骤(8)C所得的初步调度流量值；以步骤(8)D中的初步调度流量、步骤(8)A所得的ti+1时刻的补水河流的总氮和总磷浓度作为边界条件运行步骤(6)建立的目标水域的时空高精度水环境模拟模型，计算ti+1时刻及其后续调度时间T目标水域的氮、磷浓度和叶绿素a浓度；如果计算结果与步骤(3)①中所述的目标水域控藻目标有偏差，则小幅度调整初步调度流量重新模拟计算，当模拟结果达到步骤(3)①中所述的目标水域控藻目标时，则计算中采用的ti+1时刻的入湖流量值，即作为ti+1时刻及其后续调度时间T内的补水河流的调度流量值；E.将ti+1时刻的调度流量传递给流域水资源联合调度平台，实现ti+1时刻及其后续调度时间T的入湖流量。