, 李添雨2, 时宇2, 张耀方2, 黄炳彬2
, 叶芝菡2, 常国梁21. 河海大学水文水资源学院, 南京 210098;
2. 北京市水科学技术研究院, 北京 100048
收稿日期: 2020-06-19; 修回日期: 2020-08-26; 录用日期: 2020-08-26
基金项目: 国家水体污染控制与治理科技重大专项（No.2017ZX07102-002）
作者简介: 李明(1996-), 男, E-mail:13914820309@163.com
通讯作者（责任作者）: 黄炳彬(1971—), 男, 教授级高级工程师, 主要从事水环境治理与水生态修复研究, E-mail：hbb@bwsti.com
摘要：为解决沙河水库流域河道水质差、水环境退化等问题，以主要超标污染物CODCr、NH3-N和TP为指标，应用MIKE11、MIKE SHE及ECO Lab构建流域水文水动力及水质耦合模型，探究污染物的迁移转化规律，并进一步评估不同控制措施下的河道水质改善效能.研究表明：耦合模型在研究区具有良好的适应性，水动力模拟精度良好，水质模拟PBIAS均小于40%；通过提高居民生活污水处理率、排口截污等措施削减点源污染入河是提升考核断面水质的关键，总量控制措施下，3条考核断面CODCr、NH3-N和TP年平均浓度分别减少6.91~22.82、0.66~2.70、0.09~0.30 mg·L-1，降幅明显，逐渐满足Ⅴ类水质考核标准，并最终达到Ⅲ~Ⅳ类水平；同时，针对北沙河朝宗桥断面1—6月NH3-N和TP超标的状况，可在总量控制方案不足的基础上，采用组合引水方案.
关键词：沙河水库流域MIKE耦合模型数值模拟水质改善
Simulation of pollutant loads to rivers and control efficiency using a coupled MIKE SHE/MIKE 11 with ECO Lab system
LI Ming1,2
, LI Tianyu2, SHI Yu2, ZHANG Yaofang2, HUANG Bingbin2, YE Zhihan2, CHANG Guoliang21. College of Hydrology and Water Resources, Hohai University, Nanjing 210098;
2. Beijing Water Science and Technology Institute, Beijing 100048
Received 19 June 2020; received in revised from 26 August 2020; accepted 26 August 2020
Abstract: In order to address the water quality problems such as poor river water quality and degradation of water environment in the Shahe Reservoir watershed, a modelling system which couples the MIKE SHE, MIKE 11 with ECO Lab was constructed and applied to explore the transportation and transformation of the main excessive pollutants (i.e., CODCr, NH3-N and TP) of the watershed, and to further investigate the pollution control efficiency of water quality improvement measures. The results show that the modelling system works well in the watershed as the PBIAS of water quality are less than 40% and the system also provides satisfied hydrodynamics simulations. Point-source pollution control measures including sewage interception and domestic sewage treatment enhancement are recommended as the most effective methods to improve water quality at the inspection cross sections of the rivers in the watershed. With the total pollution load control measures, the annual average concentrations of CODCr, NH3-N and TP at the three inspection cross sections decreased 6.91~22.82, 0.66~2.70 and 0.09~0.30 mg·L-1, respectively. The concentrations of those pollutants dropped significantly, gradually meet the Class Ⅴ water quality requirements, and finally reached Class Ⅲ~Ⅳ. In addition to the total pollution load control measures, a combined water diversion scheme can be adopted to resolve the exceeding permitted concentrations of NH3-N and TP from January to June at the Chaozongqiao section of the Beisha River.
Keywords: Shahe Reservoir watershedMIKE SHE/MIKE 11 with ECO Labnumerical simulationwater quality improvement
1 引言(Introduction)沙河水库流域作为北运河上游集水区的关键节点, 起到对上游污染物纳污消减, 对下游清洁补水的重要作用.但当前流域污染治理不足, 主要河道依靠再生水补给, 河水流动性差, 水质长期处于劣Ⅴ类, 河道生态功能普遍退化.为了因地制宜地促进流域河道水质改善和水生态系统的恢复工作, 迫切地需要对流域的污染负荷状况及其迁移转化规律进行量化评估, 而数值模拟则是解决这一问题的有效手段.
当前对于沙河水库流域水环境数值模拟的研究较少, 刘博等(2011)和金贵琴等(2012)利用SWAT模型开展沙河水库流域非点源污染物数值模拟, 定量分析了流域氮磷等污染物的时空分布特征和入河入库负荷量, 但二者对于水体中污染物浓度的实际变化过程描述不足, 为了更加直观的反映流域污染物排放对于河道水质变化的影响以及对预期方案下的水质改善效果进行评估, 急需建立针对流域及河道水体过程描述的水质模型.常用水质模型体系主要有Streeter-Phelps、QUAL、WASP、MIKE以及EFDC等(金光球等, 2019), 其中MIKE系列模型因其计算精度高、适应性广等优点成为国内外水动力水质模拟的标杆.对于MIKE系列模型在水环境模拟及改善中的应用, ****们做了大量的研究, 也取得了很多优秀的成果.如张斯思(2017)耦合MIKE 11与NAM模型建立涡河河段水动力模型, 应用对流扩散模块计算并分析了涡河沿线各行政区的水环境容量.顾珏蓉(2002)应用MIKE11建立上海市平原河网数值模型, 用于水系水量调度及非点源污染分析.马强等(2011)应用ECO Lab模块对梁滩河流域河道进行了水质模拟, 分析了河道水质时空过程, 并模拟了不同工况下的水体改善效果.Zheng等(2014)将地表水和地下水耦合, 探讨流域水文响应, 并提出应用MIKE SHE与MIKE11耦合模拟流域水质变化过程的可行性.另有国外****利用MIKE SHE模拟农业监测区硝酸盐氮淋溶流失过程, 以达到减少农业地区硝酸盐负荷的目的(Refsgaard et al., 2014).
本研究以CODCr、NH3-N和TP为目标污染物, 应用MIKE11、MIKE SHE模型及ECO Lab水质模块构建流域水文水动力和水质耦合模型, 分析多元污染物迁移转化规律, 并进一步评估不同控制措施与河道水质改善的关联性, 为系统推进流域水体生态修复和水质改善提供支持.
2 流域概况(Situation of the watershed)2.1 研究区范围沙河水库流域位于北运河上游, 地处北纬40°00′~40°26′、东经115°53′~116°20′之间, 海拔高程为30~1300 m, 面积为1136 km2, 主要涉及海淀北部四镇、昌平中西部及延庆、门头沟小部分区域.3条主要支流北沙河、东沙河、南沙河于沙河闸处汇入温榆河, 后经北关拦河闸入北运河, 其中北沙河子流域面积为606 km2, 东沙河子流域面积为283 km2, 南沙河子流域面积为247 km2.流域水资源短缺严重, 多年平均径流总量仅为1.8亿m3, 平均地下水埋深达30 m.研究区概况如图 1所示.
图 1(Fig. 1)
 |
| 图 1 研究区域示意图 Fig. 1Overview of the study area |
2.2 沙河水库流域现状水质根据2018年流域3条主要支流的11个断面水质监测数据：南沙河、北沙河和东沙河干流水质总体上处于Ⅲ~劣Ⅴ类之间, 主要污染物超标因子为CODCr、NH3-N和TP.其中东沙河水闸、北沙河朝宗桥及南沙河玉河橡胶坝3条考核断面(考核标准为Ⅴ类)非汛期水质达标率仅有4%, 汛期水质达标率为26%, 远不能满足考核要求.流域污染来源主要有非常规水源补水、直排及溢流排口、城镇及农村居民生活污染和农业面源等.其中, 沿干支流直排及溢流排口排污和居民生活排放等点源污染相对较为突出.
3 数值耦合模型(Numerical coupling model)MIKE11模型主要包括水动力(HD)、对流扩散(AD)、生态水质(ECO Lab)、和降雨径流(RR)等模块.MIKE SHE综合水文模型包括水流运动(WM)和水质模拟(WQ)两部分, 水流运动主要包括：蒸发(ET)、地表径流(OL)、河道流(OC)、非饱和带(UZ)和饱和带(SZ)等及各部分之间的相互过程；水质模拟可以模拟污染物在地表地下水中的运移传输、线性或非线性吸附(解吸附)和一级降解过程.计算方法上, MIKE SHE将水平方向上输入的地形等数据离散为多个矩形网格, 垂直方向根据土壤和地质进行分层, 采用有限差分法进行解算.本研究应用MIKE11的HD、AD及ECO Lab模块, 并耦合MIKE SHE建立整个流域层面的数值模拟系统.
3.1 数学模型原理3.1.1 水动力模块(HD)HD模块假定水流为不可压缩的一维均质流体, 采用六点Abbott-Ionescu隐式差分格式, 通过追赶法交替求解一维非恒定圣维南(Saint-Venant)方程组, 计算得到河道的水位、流量、流速等水力学数据, 为污染物的扩散传输模拟提供计算基础.其包括连续性方程(式(1))和动量方程(式(2)).
 | (1) |
 | (2) |
3.1.2 对流扩散(AD)及ECO Lab模块MIKE11使用ECO Lab模块进行水质模拟时, 污染物的衰减、相互转化过程通常由ECO Lab进行描述, AD模块仅提供河道扩散参数.ECO Lab通过一系列数学公式或微分方程对水环境生态中各组分进行描述, 用户可以根据目标污染物的不同对预定义的水质模板进行修改或编写新的反应方程.ECO Lab与AD模块耦合进行水质模拟计算的通用微分方程如下：
 | (3) |
 | (4) |
参考相关文献(马强等, 2014；蔡金傍等, 2017；刘江等, 2018；龚依琳, 2019)和手册(DHI, 2012)确定污染物CODCr、NH3-N和TP的反应方程式.其中CODCr参考BOD反应方程式, TP仅考虑一阶线性衰减过程.
3.2 耦合模型建立3.2.1 基础数据准备本研究建模数据包括流域DEM、降雨蒸发、河网断面、水工建筑物、点面源污染及断面实测水量水质数据.其中水文等基础数据来源于北京市水务局及其下属水文站点, 水质及污染数据来自2018年实测和北京市及海淀、昌平各区水务统计年鉴.
3.2.2 MIKE11模型建立通过DEM提取出水系矢量文件进行河网概化, 共生成河网17条, 如图 1所示.已有实测断面的河道上采用实测资料, 无实测资料的河道采用基于地形的沟道断面提取法(贺巧宁, 2008；俞茜等, 2014；苏程佳等, 2019), 共设置断面205条.设置沙河闸、玉河橡胶坝、水库及蓄滞洪区等各种水工建筑物7个.模型上游采用零流量边界, 下游为消除闸门壅水影响, 延长河段出口至土沟桥断面, 采用土沟桥恒定水位及水质边界, 各点源污染模型输入位置如图 2所示.设置模型初始水深为0.5 m, 初始流量为0.设置河道扩散系数和ECO Lab中污染物降解及其他反应参数.
图 2(Fig. 2)
 |
| 图 2 沙河水库流域各点源污染物入河位置分布 Fig. 2Distribution of point source in Shahe Reservoir watershed |
3.2.3 MIKE SHE分布式水文模型建立本研究MIKE SHE网格划分为30 m×30 m.降雨量采用9个雨量站2018年时段降雨数据, 采用泰森多边形进行控制面积划分.蒸散发参考段永红等(2004)基于Penman-Monteith公式计算的北京地区月平均作物参考蒸散发分布图, 通过ArcGIS矢量化插值得到流域年参考蒸散发1184.50 mm.叶面积指数参考北京植被LAI的月际变化与空间分布特征研究成果(谢军飞等, 2014).坡面曼宁系数参考Engman(1986)不同土地利用的推荐值和赵家台小流域水土保持措施防洪效果评价研究成果(吴敬东等, 2014).土壤饱和导水率和饱和含水量数据取自世界土壤数据库(HWSD).设置流域平均地下水埋深为30 m.模型中坡面流及饱和带采用有限差分法求解, 不饱和带采用简化重力流计算方式.
基于土地利用设置面源污染分布, 根据累积冲刷原理将面源污染负荷产生总量平均分布到汛期各日, 坡面污染物运移降解采用二维对流扩散模块进行描述, 坡面污染物横、纵向弥散系数默认一致, 设置各污染物的降解系数.
耦合MIKE SHE与MIKE11模型, 模拟时段为2018年全年, 设置MIKE11时间步长为20 s, MIKE SHE为6 h, 并取模型运行时段的前15 d作为预热期.
3.3 模型的参数及率定3.3.1 水文水动力模型率定根据2018年沙河闸实测入库日流量过程对水文水动力模型进行率定.各模块参数率定结果见表 1.以Nash-Sutcliffe效率系数Ens、确定性系数R2和相对误差RE对模拟精度进行评价, 一般而言, Ens≥0.5且R2≥0.6表示径流模拟结果达到良好水平(熊鸿斌等, 2017), 模型可较真实地反映流域水文水动力状况.沙河水库流域入库流量模拟过程见图 3, 由图可以看出基于MIKE11和MIKE SHE建立的水文水动力模型精度较高, 年径流过程Ens达到0.75, R2为0.77, 径流总量RE为1.3%；其中汛期(6—9月)径流过程Ens为0.71, R2为0.73, 径流总量RE为7.5%, 模拟效果良好.
表 1(Table 1)
| 表 1 MIKE11及MIKE SHE模型参数率定结果 Table 1 Parameter calibration results of MIKE11 and MIKE SHE | ||||||||||||||||||||||||||||||||||||||||
表 1 MIKE11及MIKE SHE模型参数率定结果 Table 1 Parameter calibration results of MIKE11 and MIKE SHE
| ||||||||||||||||||||||||||||||||||||||||
 |
图 3(Fig. 3)
 |
| 图 3 流量过程模拟值与实测值对比 Fig. 3Comparison of simulated and observed water flow |
3.3.2 水质模型率定研究选择东沙河水闸、北沙河朝宗桥及南沙河玉河橡胶坝断面2018年实测水质过程进行水质模型的参数率定.率定得到流域河道扩散系数为1 m2·s-1, MIKE SHE面源污染物横、纵向弥散系数为0.01 m2·s-1, 3条支流所在子流域河道及坡面污染物降解系数如表 2所示.对比国内相关文献研究资料, 流域河道CODCr降解系数与张培培等(2019)对北运河测算成果中其处于0.0184~0.0883 d-1的结论相符, 但相比国内其他河流偏小(郭儒等, 2008)；NH3-N降解系数与单铎(2013)对北运河氨氮降解系数测算实验得到的范围0.025~0.521 d-1相符, 表明本研究率定得到的污染物综合降解系数具有一定的合理性, 能够为后续不同污染控制措施效能分析提供支持.
表 2(Table 2)
| 表 2 流域污染物综合衰减系数 Table 2 Degradation coefficient of pollutant in Shahe Reservoir watershed | |||||||||||||||||||||||
表 2 流域污染物综合衰减系数 Table 2 Degradation coefficient of pollutant in Shahe Reservoir watershed
| |||||||||||||||||||||||
| |||||||||||||||||||||||
水质模拟结果采用百分比偏差系数PBIAS进行评价.一般而言, 对于水质污染物模拟, PBIAS≤25%表示结果优秀, 25% < PBIAS≤40%表示结果良好, 40% < PBIAS≤70%表示结果一般, 大于70%则与实际不符(Moriasi et al., 2007；Gu et al., 2016).水质模拟误差评价见表 3, 由表可知, 3条主要考核断面CODCr、NH3-N、TP模拟误差PBIAS均小于40%, 达到良好水平, 模拟值与实测值拟合趋势良好(图 4).
表 3(Table 3)
| 表 3 水质模拟精度评定结果 Table 3 Evaluation of water quality simulation | |||||||||||||||||||
表 3 水质模拟精度评定结果 Table 3 Evaluation of water quality simulation
| |||||||||||||||||||
| |||||||||||||||||||
图 4(Fig. 4)
 |
| 图 4 3条考核断面水质过程模拟值与实测值对比 Fig. 4Comparison of simulated and observed water quality process at three inspection sections |
4 河道水质改善情景预测(Water quality improvement)4.1 水质预案设置通过耦合模型计算得到流域各类污染物入河贡献量见表 4, 由表可知, 点源污染中CODCr、NH3-N和TP的入河贡献量占比高达95.86%, 96.02%和91.48%, 贡献率远大于农业种植等非点源污染.这一结果与金贵琴等(2012)研究成果中沙河水库流域污染负荷以点源为主结论相符；相较刘博等(2011)研究中流域点源污染占比约50%~70%, 本研究占比更高, 主要是由于城市发展, 流域农业种植面积占比已由2005年的34.20%降低至9.47%.考虑面源污染全面控制难度较大, 所需时效久, 因此控制点源污染应为当前流域水环境治理和修复的首要工作.
表 4(Table 4)
| 表 4 沙河水库流域不同类型污染物入河贡献量 Table 4 Quantity of pollutant load to rivers | |||||||||||||||||||||||||||||||
表 4 沙河水库流域不同类型污染物入河贡献量 Table 4 Quantity of pollutant load to rivers
| |||||||||||||||||||||||||||||||
|
当前, 沙河水库流域污水收集管道建设较为滞后, 多个再生水厂达不到满负荷运行, 尚存较大的剩余处理能力, 同时考虑各行政区的经济发展水平和治污推进程度不同, 对两区域的总量削减目标分别设置, 并阶段性提高, 以实现河道水质的阶段性改善.以考核断面达到Ⅴ类作为水质改善方案的预期目标, 以2018年水文水量及污染条件拟定控制方案见表 5.
表 5(Table 5)
| 表 5 水质改善预案 Table 5 Water quality improvement plans | |||||||||||||||
表 5 水质改善预案 Table 5 Water quality improvement plans
| |||||||||||||||
|
4.2 方案效果预测分析4.2.1 总量控制方案效果在农业施肥量维持现状下, 控制点源排放对于削减沙河水库流域氮磷负荷效果非常明显(金贵琴等, 2012).卿晓霞等(2015)也认为对河道沿程点源全部截污应作为河道整治的首要措施, 若在截污的同时补充清洁尾水既能弥补单一截污措施的不足, 又能增加水体动力.本研究总量控制方案下3条考核断面水质浓度变化如图 5所示.如图可知：方案A通过提高城镇居民生活污水处理率共削减CODCr入河量1272.83 t·a-1、NH3-N入河量147.44 t·a-1、TP入河量15.50 t·a-1.在方案A改善下, 南沙河玉河橡胶坝断面CODCr年平均浓度减少6.91 mg·L-1, NH3-N平均浓度减少0.95 mg·L-1, TP平均浓度减少0.09 mg·L-1, 相比现状年, 降幅分别为21.18%、29.50%、16.07%, 其中CODCr虽然已达到Ⅴ类考核标准, 但断面1—6月的NH3-N和TP超标仍为严重；北沙河朝宗桥断面CODCr、NH3-N、TP年平均浓度分别减少了8.28、0.86、0.10 mg·L-1, 降幅分别为22.85%、35.98%、23.26%, 与南沙河玉河橡胶坝断面一样, 1—6月断面NH3-N和TP超标天数仍然较多；东沙河水闸断面CODCr、NH3-N、TP年平均浓度分别下降了11.9、0.66、0.10 mg·L-1, 降幅分别为29.53%、36.67%、23.81%, CODCr已达到Ⅴ类考核标准, 但NH3-N和TP部分时段仍存在超标情况, 超标时间主要集中在5月, 受模拟年的极值影响较大.
图 5(Fig. 5)
 |
| 图 5 总量控制方案对3条考核断面水质影响 Fig. 5Impact of total pollution control measures on water quality of three inspection sections |
方案B在提高城镇居民生活污水处理率的同时对主要排口进行纳污处理, 共削减CODCr入河量1932.02 t·a-1、NH3-N入河量213.82 t·a-1、TP入河量29.05 t·a-1.在方案B下, 玉河橡胶坝断面CODCr年平均浓度减少11.25 mg·L-1, NH3-N平均浓度减少1.77 mg·L-1, TP平均浓度减少0.21 mg·L-1, 降幅分别为34.48%、54.97%、37.50%, 看出相较于A方案, B方案对断面NH3-N和TP的改善极为明显, 断面水质基本满足Ⅴ类考核标准, 主要由于当前流域排口多集中于南沙河子流域, 此项措施效果显著；朝宗桥和东沙河水闸断面污染物浓度相较于A方案降幅变化并不大, 这也与上述排口的分布位置有关.
方案C情况下, 流域主要点源污染全部截污处理, 共削减CODCr入河量3508.13 t·a-1、NH3-N入河量400.41 t·a-1、TP入河量48.62 t·a-1, 水质改善效果尤为明显, 3条考核断面均已达到地表水Ⅲ~Ⅳ类水平.玉河橡胶坝断断面CODCr、NH3-N、TP年平均浓度下降18.14、2.70、0.30 mg·L-1, 降幅分别为55.59%、83.85%、53.57%, CODCr、NH3-N已达到Ⅲ类, TP达到Ⅳ类.朝宗桥断面CODCr、NH3-N、TP年平均浓度分别下降22.82、2.06、0.25 mg·L-1, 降幅达62.97%、86.19%、58.14%；东沙河水闸断面CODCr、NH3-N、TP年平均浓度减少21.78、1.23、0.19 mg·L-1, 降幅达53.95%、68.33%、45.24%, 均已达到Ⅲ类标准.
4.2.2 组合引水方案效果引水方案主要在A和B方案尚存不足的前提下, 根据流域可用清洁水源状况, 向北沙河上游水库适度引水, 以缓解北沙河1—6月水体污染物超标的状况.两种组合引水方案(D、E)下朝宗桥断面改善效果如图 6所示.由图可知, 方案E相较于D方案对NH3-N和TP的改善效果更为明显, 1—6月断面CODCr、NH3-N、TP平均浓度分别降至29.23、1.80、0.38 mg·L-1, 降幅分别为42.35%、49.44%和39.68%.与单一的B方案相比, 1—6月的水质改善效果分别提升约7.87%、11.52%和11.11%, 除部分时段TP超标外, 已基本满足Ⅴ类水考核要求.
图 6(Fig. 6)
 |
| 图 6 组合引水方案对北沙河朝宗桥断面水质影响 Fig. 6Impact of water diversion scheme on water quality of Chaozong Bridge section |
综合上述5种方案情景可以看出, 在总量控制方案下, 随着点源削减量的逐步提升, 3条考核断面水质逐步改善.在B方案下, 除朝宗桥断面部分时段污染物超标外, 3条断面已基本满足Ⅴ类标准；C方案下, 整体将提高到Ⅲ~Ⅳ类水平.组合引水方案E在B方案基础上向北沙河上游水库引水0.5 m3·s-1, 可有效降低朝宗桥断面1—6月的NH3-N、TP浓度.
5 结论(Conclusions)1) 本文建立了沙河水库流域水文水动力和水质耦合模型, 分析点面源污染物CODCr、NH3-N、TP的迁移转化规律, 用2018年实测水文水质数据进行了耦合模型的率定验证, 确定了模型的各项参数.水动力及水质模拟结果均达到良好水平, 表明耦合模型精度较高, 适应性好, 能够合理描述不同控制措施下的入河污染源控制效能.
2) 控制点源污染物入河是提升流域河道考核断面水质的关键.通过提高居民生活污水处理率、排口截污、规模化养殖厂资源化利用等总量控制措施共削减CODCr入河量1272.83~3508.13 t·a-1、NH3-N入河量147.44~400.41 t·a-1, TP入河量15.50~48.62 t·a-1.3条考核断面CODCr、NH3-N、TP平均浓度减少6.91~22.82、0.66~2.70、0.09~0.30 mg·L-1, 降幅明显, 各考核断面逐渐满足Ⅴ类水质考核标准, 并最终达到Ⅲ~Ⅳ类水平.针对朝宗桥断面1—6月NH3-N和TP超标的状况, 向北沙河上游水库引水0.5 m3·s-1可进一步改善断面水质, 使之满足Ⅴ类考核要求.
3) 基于MIKE11、MIKE SHE及ECO Lab建立的多模型耦合系统可实现对沙河水库流域多种敏感污染物的模拟和河道水质改善效果预测, 研究成果可为流域水环境综合修复及改善工程的决策提供技术支持, 同时也可为其他相似地区提供参考.
参考文献
| 蔡金傍, 苏良湖, 孙旭, 等.2017.基于MIKE11 ECO Lab的常州平原河网水质模型构建研究[C].2017中国环境科学学会科学与技术年会, 厦门: 700-705 |
| Danish Hydraulic Institute (DHI).2012.WQ TEMPLATES Scientific Description[R].Denmark: DHI |
| 段永红, 陶澍, 李本纲. 2004. 北京市参考作物蒸散量的时空分布特征[J]. 中国农业气象, (2): 23-26. |
| Engman E T. 1986. Roughness coefficients for routing surface runoff[J]. Journal of Irrigation & Drainage Engineering, 112(1): 39-53. |
| 龚依琳.2019.基于ECO Lab的澜沧江小湾水库水质模拟研究[D].西安: 西安理工大学 |
| 顾珏蓉, 徐祖信, 林卫青. 2002. 苏州河水系水动力模型建立及应用[J]. 上海环境科学: 606-609+644. |
| 贺巧宁. 2008. 基于ArcGIS Engine的河道断面生成与数据获取[J]. 安徽农业科学, 36(36): 16229-16231. DOI:10.3969/j.issn.0517-6611.2008.36.174 |
| Gu J, Hu C F, Kuang C P, et al. 2016. A water quality model applied for the rivers into the Qinhuangdao coastal water in the Bohai Sea, China[J]. Journal of Hydrodynamics, 28(5): 905-913. DOI:10.1016/S1001-6058(16)60691-1 |
| 金光球, 魏杰, 张向洋, 等. 2019. 平原河流水沙界面生源物质迁移转化过程及水环境调控的研究进展[J]. 水科学进展, 30(3): 434-444. |
| 金桂琴, 黄俊雄, 贺晓庆, 等.2012.基于GIS的沙河水库流域非点源污染模拟研究[C].北京水问题研究与实践(2011年), 北京.18-24 |
| 刘博, 徐宗学. 2011. 基于SWAT模型的北京沙河水库流域非点源污染模拟[J]. 农业工程学报, 27(5): 52-61+401. DOI:10.3969/j.issn.1002-6819.2011.05.009 |
| 刘江, 陈国鼎, 曾继军, 等. 2018. 基于MIKE对流扩散和生态耦合模型的鸭子荡水库水质模拟研究[J]. 水利与建筑工程学报, 16(1): 118-122. DOI:10.3969/j.issn.1672-1144.2018.01.021 |
| 马强, 陈福容, 王颖. 2011. 基于MIKE 11 ECO Lab模型的梁滩河流域水污染问题探讨[J]. 水电能源科学, 29(11): 33-36+72. DOI:10.3969/j.issn.1000-7709.2011.11.009 |
| Moriasi D N, Arnold J G, Van L M W, et al. 2007. Model evaluation guidelines for systematic quantification of accuracy in watershed simulations[J]. Transactions of the ASABE, 50(3): 885-900. DOI:10.13031/2013.23153 |
| 卿晓霞, 张会波, 周健, 等. 2015. 伏牛溪水污染治理效果的数值模拟研究[J]. 环境工程学报, 9(1): 65-72. |
| Refsgaard J C, Auken E, Bamberg C A, et al. 2014. Nitrate reduction in geologically heterogeneous catchments:a framework for assessing the scale of predictive capability of hydrological models[J]. Science of the Total Environment, 468-469: 1278-1288. DOI:10.1016/j.scitotenv.2013.07.042 |
| 苏程佳, 陈晓宏. 2019. 一种基于Google Earth影像的河道地形数据提取方法[J]. 水资源保护, 35(2): 80-84. |
| 吴敬东, 李京辉, 胡晓静. 2014. 山区水土保持措施防洪效果评价[J]. 中国水利, (20): 29-32+36. DOI:10.3969/j.issn.1000-1123.2014.20.011 |
| 谢军飞, 许蕊. 2014. 基于MODIS数据的北京植被叶面积指数的时空变化[J]. 生态学杂志, 33(5): 1374-1380. |
| 熊鸿斌, 张斯思, 匡武, 等. 2017. 基于MIKE11模型入河水污染源处理措施的控制效能分析[J]. 环境科学学报, 37(4): 1573-1581. |
| 俞茜, 陈永灿, 朱德军, 等. 2014. 基于DEM数据的河道水动力过程数值模拟[J]. 水力发电学报, 33(3): 133-137+157. |
| 张斯思.2017.基于MIKE11水质模型的水环境容量计算研究[D].合肥: 合肥工业大学 |
| 张培培, 吴艺帆, 庞树江, 等. 2019. 再生水补给河流北运河CODCr降解系数变化及影响因素[J]. 湖泊科学, 31(1): 99-112. |
| 郭儒, 李宇斌, 富国. 2008. 河流中污染物衰减系数影响因素分析[J]. 气象与环境学报, (1): 56-59. DOI:10.3969/j.issn.1673-503X.2008.01.014 |
| 单铎.2013.北运河氨氮降解系数测算研究[D].北京: 首都师范大学 |
| Zheng Z, Zhang J, Gong H L, et al. 2014. Application of MIKE SHE Model in water environmental management for Guishui River Basin[J]. Applied Mechanics and Materials, 580-583: 1823-1827. DOI:10.4028/www.scientific.net/AMM.580-583.1823 |
