摘要
严重的富营养化以及频繁的藻类"水华"事件是当前中国河流污染的主要特征之一,而已有研究表明,气象条件尤其是温度在其中扮演重要角色。目前国内外学者多数是通过统计分析和实验室试验等方式研究河口海岸以及湖泊等的富营养化问题,而内河尤其河叉口的富营养化问题涉及不多,对在水体温度变化的条件下河叉口的藻类生长状况的研究更为少见。为了解释并预测水体富营养化的状况,研究人员通常选择数学推理或统计模型等方法,采用数学模型方法既包涵丰富的数据参数而且还可以就局部的特征进行分析,因而不失为一种优选的方法。目前,随着状态参数的增加以及各参数的相互影响,复杂的数学模型机理研究正广泛应用于富营养化数学模型中。根据对水体温度条件的反应状况,藻类可分为狭温和广温两种,主要取决于藻类内部特性的不同。研究水体温度变化情况下河流藻类的生长状况,指出影响的主导因子,分析河叉口随季节变化的富营养化特征对防范河流"水华"事件的发生具有重要指导意义。本文在前人的研究基础上,结合国家水利部现代水利科技创新基金资助项目(XDS2006-01)《桂林市水生态系统保护与修复规划》及其相关监测资料,应用并改进拉氏富营养模型对澄江河下游河叉口处进行模拟分析。得出以下几点结论: (1) 模型与监测数据能较好的吻合。 (2) 当水体温度在10℃、15℃、20℃、25℃、30℃和35℃变化时(其他环境参数不变),藻类叶绿素a含量呈单峰值分布;水体温度为25℃条件下,叶绿素含量达到最大值。 (3) 藻类的生长一定程度中受到周边水体温度(热量)的影响。
The water pollution of rivers in China are characterized by the severity of eutrophication and high frequency of algae bloom. Many studies show that meteorologic fators especially temperature exert profound influence on the river eutrophication and algae bloom, but more researches emphasize on static experiments in laboratory, or on coast and lake eustrophication, inland river especially cross reach rarely involved. Eutrophication modelling is a good solution for the purpose when it contains adequate data and expressions for the system of interest. To interpret data or forecast eutrophication conditions, researchers traditionally select deductive mathematical or statistical models. Due to the difficulties involved in solving complex interactions among diverse variables and parameters, sophisticated machine learning techniques recently have been applied in eutrophication modeling.
出处
《生态科学》
CSCD
2008年第5期406-409,共4页
Ecological Science
基金
国家水利部现代水利科技创新基金资助项目(XDS2006-01)
关键词
水温
河叉口
富营养
water temperature
cross river
eutrophication
