关键词:
出入湖磷通量
耦合模型
机器学习
磷滞留
水质预测
洞庭湖区
水文地质
环境地质.
摘要:
磷通量的波动对出入湖河流生态系统的稳定有直接影响.在水质波动显著的洞庭湖区,使用SWAT模型模拟该区域的出入湖磷通量,并分析各水系区间的磷滞留情况.基于水文物理过程搭建耦合模型,再利用SWAT模型的模拟结果进行训练,并利用该模型对湖区近期水质进行情景预测.结果表明:洞庭湖区出入湖磷通量均呈明显的季节变化,其中无机磷是主要的磷形态.2012—2021年洞庭湖区平均TP入湖通量为2.94×10^(4)t/a,平均出湖TP通量为3.34×10^(4)t/a,平均出湖TP浓度为0.13 mg/L.其中,三口区间作为入湖磷通量贡献最大的区间,其TP输出浓度也最高,是污染治理的关键区域.洞庭湖区TP滞留率较低,使其成为长江下游重要的TP来源.耦合模型对于洞庭湖区的出入磷通量的输出过程模拟效果良好,NSE值均>0.8,在RPE值处于10%水平下的RMSE值均较低,实现了LSTM网络替代大型分布式物理模型的仿真建模.基于上述模型根据《洞庭湖水环境综合治理规划》对洞庭湖近期TP输出浓度进行了预测,在各区间入湖TP浓度控制在0.1 mg/L的情景下,能够实现湖区水环境规划目标.