基于EFDC模型五大連池水質(zhì)模擬和富營養(yǎng)化評價研究

邢貞相，張麗慧，紀 毅，李 衡

（1.東北農(nóng)業(yè)大學水利與土木工程學院，哈爾濱 150030；2.農(nóng)業(yè)部農(nóng)業(yè)水資源高效利用重點實驗室，哈爾濱 150030）

湖泊富營養(yǎng)化和水華發(fā)生是重大環(huán)境問題，尤其是湖泊水華嚴重影響城鎮(zhèn)飲用水水質(zhì)和城市生態(tài)。水華發(fā)生機制、藍藻生長與環(huán)境因子關(guān)系和抑制藻類方法及環(huán)境效應(yīng)等引起學界關(guān)注[1-3]。

作為相對獨立研究方法[4-5]湖泊水環(huán)境數(shù)學模型是研究水動力水質(zhì)動態(tài)變化有效工具。其中，代 表 性 數(shù) 學 模 型 有 Dalft3D[6]、 WASP[7]、 MIKE[8]和EFDC[9]，均可在已有水質(zhì)實測資料基礎(chǔ)上，針對具體研究水體，考慮氣象和水文等影響因素，構(gòu)建合理有效水環(huán)境數(shù)學模型，作為控制目標水體富營養(yǎng)化重要決策工具[10-12]。其中，EFDC模型可應(yīng)用于場景模擬研究，如水動力和水質(zhì)模擬、沉積物模擬、電廠冷卻水排放模擬、水庫及其流域營養(yǎng)物模擬。Wang等在密云水庫研究中，揭示溫度，硝酸鹽，氨，磷，溶解氧和葉綠素a等主要水質(zhì)變量變化相關(guān)性[13]。Wu等在大祥湖研究中，分析葉綠素和藻類爆發(fā)之間關(guān)系[14]。李一平等在廣東長潭水庫研究河道型水庫藻類生長和污染負荷削減響應(yīng)[15]。國外學者應(yīng)用EFDC模型研究建立湖泊水質(zhì)模型，Lathrop等通過模擬結(jié)果提出威斯康星州湖泊應(yīng)減少磷負荷控制藍綠藻爆發(fā)[16]。研究表明湖泊水質(zhì)變化受水體內(nèi)源因素變化及土地覆蓋、地形影響[17]。綜上，利用EFDC模型可模擬流域邊界復(fù)雜流域流場特征，全面模擬和還原湖泊水動力和水質(zhì)動態(tài)變化。

以上研究多針對于單一水體展開，連通性多個水體水動力和水質(zhì)變化更為復(fù)雜，對其富營養(yǎng)化開展研究可豐富湖泊水質(zhì)變化研究。因此，本文以黑龍江省五大連池為研究對象，利用EFDC建立水動力水質(zhì)模型，分析五大連池水質(zhì)變化時空特征，揭示其相互聯(lián)通多水體藻類爆發(fā)對營養(yǎng)物質(zhì)變化響應(yīng)機制。

1 方法

EFDC是在美國國家環(huán)保署資助下由維吉尼亞海洋研究所（VIMS，Virginia Institute of Marine Science at the College of William and Mary）根據(jù)多個數(shù)學模型集成開發(fā)研制的綜合模型，用于模擬水系統(tǒng)一維、二維和三維流場，物質(zhì)輸運（包括溫度、鹽度和泥沙輸運），生態(tài)過程及淡水入流等。

EFDC模型垂向上采用σ坐標變換，動量方程、連續(xù)方程為[18]:

動量方程:

連續(xù)方程：

式中，z=（z*+h）/（ζ+h），z*為垂向物理坐標，h和ζ分別為底面和自由水面高程，H=h+ζ為總水深，u和v分別為曲線正交坐標系中x和y方向速度分量，w為垂向速度分量，mx、my分別為度量、張量對角元素平方根，m=mxmy為雅克比行列式，p為大氣壓，ρ為水密度，T和S分別為溫度和鹽度。動量方程中f為柯氏力參數(shù)，Av為垂向紊動或渦旋黏度，Qu和Qv分別為動量源、匯項。

2 案例研究

本文以EFDC為工具，通過模型設(shè)置、模型配置、模型率定和驗證、模型仿真建立水動力-水質(zhì)模型。通過模型模擬水動力和水質(zhì)特性描述五大連池水質(zhì)變化情況。設(shè)定不同情景，利用EFDC后處理功能分析水質(zhì)不同情況下響應(yīng)機制，為五大連池湖泊規(guī)劃和治理提供科學依據(jù)。

2.1 研究區(qū)域

五大連池位于中國黑龍江省五大連池市內(nèi)，全湖由五個相互聯(lián)通、面積不等“池子”組成，是中國第二大火山堰塞湖，池岸線變化復(fù)雜。五大連池北部地區(qū)主要是尾山農(nóng)場，中部地區(qū)主要是五大連池農(nóng)場，南部地區(qū)為湖泊出口——五大連池鎮(zhèn)[19]。五大連池是國家級自然保護區(qū)，也是五大連池鎮(zhèn)重要水源。由于五大連池周邊農(nóng)場較多，農(nóng)業(yè)發(fā)達，農(nóng)業(yè)生產(chǎn)產(chǎn)生面源污染改變湖泊水生態(tài)天然平衡狀態(tài)，五大連池湖泊水生態(tài)遭到破壞，環(huán)境承載力下降。

五大連池入流為張通世溝河，出流為石龍河和訥謨爾河。五大連池自北向南分別稱為五池、四池、三池、二池和頭池。池中最高水位一般為8月份，總水面面積40.2 km2。其中頭池0.19 km2；二池7.50 km2；三池21.5 km2；四池0.53 km2；五池10.5 km2。年平均水位水面面積為18.5 km2。池水容積1.47億m3，最大水深32 m。研究地區(qū)屬于中溫帶季風性氣候，全年結(jié)冰期為11月到次年3月。最近水分平衡赤字和擴散營養(yǎng)攝入量已使五大連池湖泊出現(xiàn)不同程度富營養(yǎng)化[20]。

2.2 模型設(shè)置

2.2.1 網(wǎng)格生成

用EFDC將全湖劃分為996個正交網(wǎng)格，I方向最大網(wǎng)格數(shù)為89，J方向最大網(wǎng)格數(shù)為59。分辨率為200 m×200 m。各網(wǎng)格水深通過GIS測定湖底地形數(shù)據(jù)插值。五大連池池底相對平坦、起伏規(guī)律。為較好模擬湖底地形，垂直方向采用σ坐標，垂向平均分為五層，各層所占水深比例均為0.2。

2.2.2 初始條件

模型模擬時間從2015年3月到2016年11月，入口處設(shè)置月觀測流量序列，出口設(shè)置初始水位為2015年3月15日觀測值，分別是張通世溝河274.8 m、訥謨爾河277.4 m，三個方向初始速度分量均設(shè)為0 m·s-1。時間步長為5 s。

2.2.3 邊界條件

模型以靜態(tài)狀態(tài)開始，模型預(yù)熱期為一個月，最小化初始條件誤差。模型邊界條件包括水動力邊界和氣象邊界。動力邊界條件主要包括五大連池大氣、表面風力、和出入湖流量。由張通世溝河水文站監(jiān)測提供。流量檢測數(shù)據(jù)為五大連池湖泊每月出流和入流水位與流量檢測數(shù)據(jù)，大氣邊界條件和氣象參數(shù)與熱平衡在模型初始化中設(shè)定?？諝鉁囟?、相對濕度、降水率、風速、太陽輻射等數(shù)據(jù)來自五大連池所在黑河市氣象站。

3 模型率定和驗證

模型率定和驗證是建立水動力和水質(zhì)模型重要過程。本研究選擇2015年3月到11月作為率定期，2016年3月到11月作為驗證期。模擬時間步長為10 s。監(jiān)測湖泊中四個檢測點1#～4#（見圖3）水質(zhì)指標，監(jiān)測頻率是每年9次，從3月到11月每月觀察一次每個采樣站點。用于率定和驗證變量包括水位、溶解氧、總氮、氨氮、硝態(tài)氮、總磷和葉綠素a。

圖1 五大連池區(qū)域位置圖Fig.1 Location of Wudalianchi

圖2 模型部分邊界條件Fig.2 Main boundary conditions for EFDC

3.1 模型率定

模型率定包括水動力模塊和水質(zhì)模塊參數(shù)率定，通過調(diào)整關(guān)鍵參數(shù)，上述變量模擬值與觀測值之間差距最小。水動力模塊率定包括水位和溫度。五大連池分為五個相連通湖泊，每個湖泊出入流量不大，風和大氣降雨影響模型動力場，風速影響流速和河床剪應(yīng)力。在EFDC水動力模塊部分，選擇風拖曳系數(shù)和床面粗糙高度為重要參數(shù)。通過重點率定分析參數(shù)不確定性，風拖曳系數(shù)為3×10-3，床面粗糙高度為0.02。

五大連池率定期水位、溫度、總氮、總磷、葉綠素a和溶解氧模擬值與觀測值一致，模擬序列確定性系數(shù)均在0.7以上，相對誤差均在30%以內(nèi)（見表1、圖4），說明該模型可準確反映五大連池出入流量、降雨、蒸發(fā)等水文過程。均方根誤差（RMSE）和納什系數(shù)可評估水質(zhì)模型性能[21]。據(jù)表1可知，大部分水質(zhì)變量模擬誤差低于30%，平均為23.3%，表明模型和觀測值之間有較好擬合程度。出流水位最大絕對誤差為0.3 m，確定性系數(shù)（R2）為0.86；溫度模擬符合變化規(guī)律，夏季在150～210 d之間溫度達最高點。水質(zhì)模塊率定，率定點為圖中2#和3#，監(jiān)測點表層各項水質(zhì)指標模擬值可再現(xiàn)觀測值趨勢。3#總氮最大值出現(xiàn)在6月，2#總氮最大值出現(xiàn)在6月前，從模型模擬和現(xiàn)場觀測結(jié)果得到水體流速緩慢，各池水體營養(yǎng)物質(zhì)濃度峰值在時間上依水流運動方向相繼出現(xiàn)，峰值時差較大（15～30 d），說明各池水體雖然聯(lián)通但水質(zhì)運移時間存在差異性。3#總磷確定性系數(shù)為0.78。2#總磷確定性系數(shù)為0.79。2#溶解氧確定性系數(shù)為0.76。3#葉綠素a整體模擬值比實測值高，總體變化規(guī)律符合實測值，確定性系數(shù)為0.82。率定后模型主要參數(shù)定義及取值見表2。

圖3 五大連池水質(zhì)監(jiān)測點Fig.3 Water quality monitoring site in Wudalianchi

表1 2015年部分變量模擬值與觀測值數(shù)值統(tǒng)計Table 1 Statistics of observation and simulationin for some variables in 2015

3.2 模型驗證

為進一步確定水動力和水質(zhì)模型可靠性，在不改動已率定模型參數(shù)情況下，采用2016年水文水質(zhì)觀測數(shù)據(jù)驗證模型。對所有站點表層和底層6項指標對比分析，所有指標符合觀測值變化趨勢，湖泊中檢測點1#和4#表層各項指標模擬值和觀測值對比表明，水溫、溶解氧確定性系數(shù)較高。4#總磷確定性系數(shù)為0.68，硝酸氮確定性系數(shù)為0.80。葉綠素a在五池和三池差異性不大，峰值均出現(xiàn)在8月，達到26.6 μg·L-1。在水深最淺五池中葉綠素a變化過程線出現(xiàn)陡峰，說明淺水池水質(zhì)承載力較深水區(qū)弱，易受溫度，突發(fā)污染因素影響而加重富營養(yǎng)化程度。氨氮變化趨勢較為平緩，春季開始耕作期上升最明顯且每個池子差異性不顯著。2016年6月氨氮實測值與觀測值出現(xiàn)偏差，系此間耕作產(chǎn)生農(nóng)業(yè)污染激增所致。總體來說，經(jīng)過率定和驗證模型可準確反映五大連池水動力和水質(zhì)變化過程。

圖4 2015年率定期各檢測點表層各項水質(zhì)指標模擬值和觀測值對比Fig.4 Model calibration:simulated water quality indicators versus observed value in 2015

表2 模型參數(shù)設(shè)置Table 2 Parameters of EFDC model in Wudalianchi

圖5 2016驗證期各檢測點表層各項水質(zhì)指標模擬值和觀測值對比Fig.5 Model validation:simulated water quality indicators versus observed value in 2016

表3 2016年模擬值和觀測值水質(zhì)變量數(shù)據(jù)統(tǒng)計Table 3 Summary statistics on water quality variables:observation against simulationin in 2016

4 情景模擬與討論

4.1 情景因素選取

氮磷流失是引起水體富營養(yǎng)化主要因素。長期大量氮和磷在土壤中積累增加水體富營養(yǎng)化風險。在湖泊富營養(yǎng)化過程中，肥料（包括有機肥）通過地表徑流進入湖中，占入湖總氮量10%；肥料流失磷占入湖總磷量5%～10%，降雨時期，土壤中氮和磷隨表面徑流流入河道內(nèi)，導(dǎo)致河湖水體富營養(yǎng)化。周邊農(nóng)村生活污水隨機排放是導(dǎo)致氮磷上升主要因素。夏季雨水豐沛期，施肥后1～5 d內(nèi)降雨進入湖泊氮營養(yǎng)鹽增加20%，磷營養(yǎng)鹽增加15%。

4.2 情景設(shè)置

模型通過率定和驗證后，定量分析控制措施對水庫富營養(yǎng)化影響，可為水環(huán)境管理提供依據(jù)。本研究設(shè)置3個情景，時間設(shè)定為350 d，主要變化因素為氮、磷營養(yǎng)鹽輸入。情景一：極端暴雨情況下，長期入流量增加50%和營養(yǎng)鹽隨之增加50%；情景二：對五大連池入湖支流水量完全截排；情景三：通過控制主要農(nóng)業(yè)面源污染改善入流水質(zhì)，將氮、磷營養(yǎng)鹽濃度削減20%，入湖水量不變。

圖6和表4定量說明不同情景下五大連池三池表層總氮、總磷、葉綠素a濃度與現(xiàn)狀模擬值對比。情景一中總氮和總磷模擬濃度均高于實際濃度，總氮、總磷在長時間入湖營養(yǎng)鹽積累下濃度表現(xiàn)持續(xù)偏高。情景二中總氮、總磷濃度與實際情況相差小，總氮平均濃度下降13.2%；總磷濃度下降21.8%，減少入流可控制湖水營養(yǎng)物質(zhì)積累。情景三中總氮、總磷濃度值下降40.4%和32.5%，控制污染源濃度發(fā)揮明顯作用。情景一模擬葉綠素a濃度與現(xiàn)狀模擬值相比，平均濃度增加89.8%，僅部分時段峰值濃度下降，說明暴雨多發(fā)期容易沖刷營養(yǎng)物質(zhì)入湖，長期影響五大連池水質(zhì)而致富營養(yǎng)化嚴重。其中情景二模擬葉綠素a平均濃度、峰值均與現(xiàn)狀模擬值接近，說明在目前（入流）張通世溝河口旱季污水截排基礎(chǔ)上，即使采用極端措施，將五大連池其他支流完全截排，也難以改善目前營養(yǎng)化狀況。情景三模擬葉綠素a濃度整體下降，平均濃度下降33%，且對于峰值改善效果顯著，峰值濃度下降37.6%?？刂迫肓魈幹饕赊r(nóng)業(yè)生產(chǎn)引起的面源污染可更有效改善五大連池富營養(yǎng)化狀況，是防止藻類暴發(fā)和水華發(fā)生最有效手段。

圖6 不同情景下三池富營養(yǎng)化指標模擬結(jié)果對比Fig.6 Comparison of simulation results of eutrophication in different scenarios

4.3 水華風險評估

以上情景模擬中可見氮磷營養(yǎng)鹽攝入量對湖泊水質(zhì)影響較大。影響五大連池湖泊水華發(fā)生因素很多，本文選取2015～2016年6項具有代表性、典型性和全面性評價指標，水環(huán)境指數(shù)中選取水溫、溶解氧和pH，富營養(yǎng)化指數(shù)根據(jù)模擬結(jié)果選擇總氮、總磷和葉綠素a。利用層次分析法計算評價指標權(quán)重。得到五個連通池子水華風險指標結(jié)果（見表5）。

將以上數(shù)據(jù)采用極差標準化方法標準化處理。

yij越大表征風險值越小指標：yij=（Xjmax-Xij）/（Xjmax-Xjmin） （6）

yij越大表征風險值越大指標：yij=（Xij-Xjmax）/（Xjmax-Xjmin） （7）

式中，Xij和yij分別為第i（i=1，2，3，…，n）個評價對象第j（j=1，2，3，…，m）項指標原始值和標準值，Xjmin表示第j項指標最小值和Xjmax表示第j項指標最大值。

通過五大連池水溫、溶解氧、pH、總磷、總氮、葉綠素a等6個指標水華風險指數(shù)計算，得到以上指標相對水華風險指數(shù)權(quán)重分別為0.0965、0.1453、0.1034、0.2161、0.2414、0.1973。風險級別劃分[22]為：[0，0.25）四級，[0.25，0.5）三級，[0.5，0.75）二級，[0.75，1]一級。經(jīng)水華綜合指數(shù)公式計算后，得到五大連池三個檢測點水華風險指數(shù)評價（見表6）。

表4 總氮、總磷、葉綠素a在不同場景下統(tǒng)計情況Table 4 Statistics for TN,TP,chlorophyll-a under different scenarios

表5 五大連池水華風險指標結(jié)果Table 5 Wudalianchi bloom risk index results (mg·L-1)

表6 五大連池水華風險指數(shù)評價Table 6 Wudalianchi bloom risk index

由風險指數(shù)可知，三池水華風險指數(shù)最高，已達中度風險，二池和五池呈輕度風險。因五池的連接河道狹長，水質(zhì)交換速度慢，污染物長期堆積，水華風險指數(shù)略高。應(yīng)減少河道上游農(nóng)業(yè)灌區(qū)排水和排污口排水，采取相應(yīng)措施，降低水華產(chǎn)生風險。

5 討 論

利用EFDC通過劃分網(wǎng)格和輸入數(shù)據(jù)構(gòu)建模型，使用均方根誤差和相對均方根誤差評估各項指標，經(jīng)過率定和驗證誤差均在允許范圍內(nèi)，由此建立五大連池水動力水質(zhì)模型，EFDC模擬結(jié)果可揭示五大連池水質(zhì)年內(nèi)變化趨勢。在春夏季節(jié)，隨氣候變化溫度升高，降雨沖刷和地表徑流造成氮磷營養(yǎng)物質(zhì)增加，湖泊內(nèi)浮游生物生長繁殖，通過光合作用對營養(yǎng)物質(zhì)吸收轉(zhuǎn)化，水體中溶解氧下降，藻類增加使葉綠素含量增加，夏季呈爆發(fā)趨勢，秋季減緩。

總磷和總氮積累是引起五大連池湖泊水華風險主要因素。頭池和二池，水華發(fā)生風險較低，因其流動性較好且水較深。三池水華發(fā)生風險偏高，面積較大湖岸線較長，營養(yǎng)物質(zhì)易堆積，易受人為因素影響發(fā)生水華事件。五池水華發(fā)生風險較低，水流速度緩慢，河道狹長，水體聯(lián)通性最差，湖內(nèi)營養(yǎng)物質(zhì)不易擴散。此外，五池上游農(nóng)場較多，因雨水沖刷農(nóng)業(yè)面源污染流入五池，夏季湖泊水溫上升，形成藻類適宜繁殖條件，故發(fā)生水華風險增加。

本文在模型邊界設(shè)置中忽略季節(jié)性小溪入流，將其納入主要河道輸入。此外，EFDC模擬未考慮冰凍時期影響，當冰凍期溫度低于0℃時，池中浮游生物及藻類狀態(tài)有待進一步研究。

6 結(jié) 論

本文利用EFDC模型，通過率定和驗證建立五大連池水質(zhì)水動力模型，較好模擬湖體水質(zhì)營養(yǎng)物和污染物擴散規(guī)律，揭示水質(zhì)時空變化特征，設(shè)置三種不同情景，分析水質(zhì)變化與地形、水文特征和營養(yǎng)鹽輸入相互影響關(guān)系。

①五大連池五個湖泊互相聯(lián)通但水流速度較慢，水體物質(zhì)交換程度較低，各湖泊水體具有相對獨立特性，藻類爆發(fā)程度不同。

②在分層處理上顯示五大連池表層溫度波動最大，淺水區(qū)水溫起伏差異最大，深水區(qū)起伏較小。但水溫總體差異不大。水質(zhì)模擬擬合結(jié)果表現(xiàn)良好，說明EFDC模型適于五大連池水質(zhì)模擬。

③情景模擬發(fā)現(xiàn)，控制大規(guī)模農(nóng)業(yè)生產(chǎn)面源污染，將污染負荷削減20%，可有效抑制藻類爆發(fā)，使峰值降低37.6%，出現(xiàn)時間不明顯。潛在水華風險評價結(jié)果表明，五大連池水華風險整體上為輕度風險級別，但三池風險級別偏高，為中度風險級別。因此，管控農(nóng)業(yè)生產(chǎn)施肥量是保障五大連池水質(zhì)安全最重要措施。

[1] Paerl H W,Xu H,Mccarthy M J,et al.Controlling harmful cyanobacterial blooms in a hyper-eutrophic lake(Lake Taihu,China):The need for a dual nutrient(N&P)management strategy[J].Water Research,2011,45(5):1973-1983.

[2] 馬健榮,鄧建明,秦伯強,等.湖泊藍藻水華發(fā)生機理研究進展[J].生態(tài)學報,2013,33(10):3020-3030.

[3] 劉春穎,翟平陽,孔德勇,等.磨盤山水庫總氮、總磷變化傾向的灰預(yù)測[J].東北農(nóng)業(yè)大學學報,2008,39(11):44-50.

[4] 吳挺峰,高光,晁建穎,等.基于流域富營養(yǎng)化模型的水庫水華主要誘發(fā)因素及防治對策[J].水利學報,2009,40(4):391-397.

[5] 金相燦.湖泊富營養(yǎng)化控制和管理技術(shù)[M].北京:化學工業(yè)出版社,2001.

[6] Mooij W M,Trolle D,Jeppesen E,et al.Challenges and opportunities for integrating lake ecosystem modelling approaches[J].Aquatic Ecology,2010,44(3):633-667.

[7] Ambrose R B,Wool T A,Martin J L.The water quality analysis simulation program WASP5 model documentation and user manuals[M].Environment Research Lab.U.S.EPA,Athens,Geogia.1993.

[8] 郭鳳清,屈寒飛,曾輝,等．基于MIKE21的潖江蓄滯洪區(qū)洪水危險性快速預(yù)測[J].自然災(zāi)害學報,2013,22(3):144-152.

[9] Hamrick J M.Application EFDC hydrodynamic model to lake Okeeehobee,Florida[R].Contract No.C-7689-0188,Rep.to the South Florida Water Management District,West Palm Beach,Fla,1996.

[10] Li Y P,Acharya K,Yu Z B.Modeling impacts of Yangtze River water transfer on water ages in Lake Taihu,China[J].Ecological Engineering,2011,37(2):325-334．

[11] Luo F,L R J.3D water environment simulation for North Jiangsu Offshore Sea based on EFDC[J].Journal of Water Resource&Protection,2009,1(1):41-47.

[12] George Yuzhu Fu.Integration of environmental fluid dynamics code(EFDC)model with geographical information system(GIS)platform and its applications[J].Journal of Environmental Infor-matics,2011,17(2):75-82.

[13] Wang Y,Jiang Y,Liao W,et al.3-D hydro-environmental simulation of Miyun reservoir,Beijing[J].Journal of Hydro-environment Research,2014,8(4):383-395.

[14] 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.

[15] 李一平,王靜雨,滑磊.基于EFDC模型的河道型水庫藻類生長對流域污染負荷削減的響應(yīng)——以廣東長潭水庫為例[J].湖泊科學,2015,27(5):811-818.

[16] Lathrop R C,Carpenter S R,Stow C A,et al.Phosphorus loading reductions needed to control blue-green algal blooms in Lake Mendota[J].Canadian Journal of Fisheries&Aquatic Sciences,1998,55(5):1169-1178.

[17] Lindim C,Pinho J L,Vieira J M P.Analysis of spatial and temporal patterns in a large reservoir using water quality and hydrodynamic modeling[J].Ecological Modelling,2011,222(14):2485-2494.

[18] Hayter E J,Gailani J Z.Fundamentals of sediment transport[M].New York:Assessment and Remediation of Contaminated Sediments,2014.

[19] 滕剛.五大連池火山區(qū)區(qū)域水環(huán)境特征研究[D].北京:首都師范大學,2008.

[20] 王念民,湯施展,李喆,等.五大連池水質(zhì)現(xiàn)狀及近30年前后變化[J].湖泊科學,2016,28(5):1004-1009.

[21] Gong R,Xu L,Wang D,et al.Water quality modeling for a typical urban lake based on the EFDC model[J].Environmental Modeling&Assessment,2016,21(5):643-655.

[22] 王丹宇,楊利民,韓梅.尼爾基水庫水質(zhì)及水體富營養(yǎng)化評價研究[J].東北師大學報:自然科學版,2016,48(3):162-166.