环境科学学报  2021, Vol. 41 Issue (1): 293-300
基于MIKE21模型的沙河水库水量水质响应模拟研究    [PDF全文]
李添雨1,2, 李振华3, 黄炳彬2, 赵洪桥3, 徐长贵3, 刘晓英1    
1. 中国农业科学院环境与可持续发展研究所, 北京 100081;
2. 北京市水科学技术研究院, 北京 100048;
3. 北京市昌平区水务局, 北京 102200
摘要:沙河水库是北运河上游水系重要的汇,同时也是多源污染的重要聚集处,呈现非常规水源补给的缓滞水体特征,作为城市景观水体,对水环境和水生态要求较高,因此,沙河水库的治理对下游的水质改善至关重要.为进一步全面提升沙河水库水环境质量,以昌平区沙河水库为研究区域,采用MIKE21构建库区二维水动力水质模型,对沙河水库水量水质变化情况进行了模拟,并验证了模型参数.在验证模型参数的基础上,分别模拟了水位调控方案与水质改善方案.水位调控方案模拟结果显示,沙河水库管理调控水位在34.0~35.2 m之间时,0~1.5 m水深区间占面积最大,物种最丰富,是最合适的水位调控区间.水质改善方案模拟结果显示,当对溢流污染进行全部截流时,2018年6月1日—10月1日沙河闸考核断面CODCr平均减少28.44 mg·L-1,NH3-N平均减少0.83 mg·L-1,TP平均减少0.25 mg·L-1,相比于现状模拟数据,降幅分别达到72.2%、59.3%、67.7%,CODCr已全部达到Ⅳ类考核标准,NH3-N仅有1 d超标,TP超标天数降低至7 d.在全部截流的基础上,配合湿地净化措施,2018年6月1日—10月1日沙河闸考核断面CODCr、NH3-N已全部达到Ⅳ类考核标准,仅TP有1 d超标,超标日期为8月12日.
关键词MIKE21模型    水环境质量改善    水动力-水量-水质响应模拟    沙河水库    
Simulation on water quantity and quality of Shahe Reservoir by MIKE21 model
LI Tianyu1,2, LI Zhenhua3, HUANG Bingbin2, ZHAO Hongqiao3, XU Changgui3, LIU Xiaoying1    
1. Institute of Environment and Sustainable Development in Agriculture, Chinese Academy of Agricultural Sciences, Beijing 100081;
2. Beijing Water Science and Technology Institute, Beijing 100048;
3. Water Affairs Bureau of Changping District, Beijing 102200
Received 17 October 2020; received in revised from 17 November 2020; accepted 17 November 2020
Abstract: Shahe Reservoir is an important sink of the upper canal system of the North Canal, and it is also an important gathering place for multi-source pollution. It presents the characteristics of slow water supply from unconventional water sources. As a city landscape water body, it has high requirements on the water environment and water ecology. Reservoir management is critical to the improvement of downstream water quality. In order to further improve the water environment quality of Shahe Reservoir, taking Shahe Reservoir in Changping District as the research area, MIKE 21 FM was used to construct a two-dimensional hydrodynamic water quality model of the reservoir area. The changes of water quality and water quality in Shahe Reservoir were simulated and the model parameters were verified. Based on the model verification parameters, the water level regulation scheme and water quality improvement scheme were simulated separately. The simulation results of the water level control plan show that: when the management and control water level of the Shahe Reservoir is 34.0~35.2 m, the 0~1.5 m water depth interval takes up the largest area, and the species is the most abundant, which is the most suitable water level adjustment interval. The simulation results of the water quality improvement plan show that when all the overflow pollution was intercepted, the average concentration of CODCr in the assessment section of Shahe Gate decreased by 28.44 mg·L-1, NH3-N decreased by 0.83 mg·L-1, and TP decreased by 0.25 mg·L-1 from June 1, 2018 to October 1, 2018, compared with the current simulation data, the reductions have reached 72.2%, 59.3%, 67.7%. CODCr has all reached the category Ⅳ assessment standard while NH3-N has exceeded the standard for only 1 day, and the number of days for TP has exceeded 7 Days. On the basis of all river closures, in conjunction with wetland purification measures, from June 1, 2018 to October 1, 2018, the assessment section of the Shahe Gate CODCr and NH3-N have all reached the Ⅳ assessment standard. Only TP has exceeded the standard for one day. The date is August 12.
Keywords: MIKE21 model    improved water environment quality    hydrodynamic-water quantity-water quality response simulation    Shahe Reservoir    
1 引言(Introduction)

北运河沙河水库位于昌平区, 城乡结合部的大量点、面源污染物排入致使河流自净能力差(白露等, 2017), 河流水质达标率低, 流域下游河流的环境容量已基本丧失.根据2015年监测结果, 东沙河、北沙河、南沙河、沙河水库和温榆河水质状况差, 水体均不满足Ⅳ类水体功能要求.

沙河水库是城市再生水补水的河道型水库(陆晓晗等, 2020), 周欣妍(2019)对沙河水库周边两种类型沟渠径流开展了水质监测与分析, 孙文等(2019)通过采集沙河水库表层(0~20 cm)沉积物样品, 分析了沉积物中氮、磷、有机质的分布特征, 并结合排污口附近和水库典型区域沉积物中有机质(Organic Matter, OM)和溶解性有机物(Dissolved Organic Matter, DOM)的荧光光谱特征、分子量分布特征(Molecular Weight Distribution, MWD), 研究了点源污染对沙河水库沉积物营养盐分布的潜在影响.但目前为止, 针对北运河沙河水库水质数值模拟方面的研究相对较少.基于此, 本研究应用DHI MIKE21软件, 建立沙河水库库区水动力-水质模型, 对沙河水库的水动力条件和水质变化过程进行模拟, 以期为城市再生水补水河道型水库水环境质量提升提供依据.

2 模型构建(Model building) 2.1 研究区概况

沙河水库是北运河源头区主要调蓄水库, 是由建于1960年的沙河闸坝控制的河道式水库, 地理位置见图 1.其汇水主要来源于沙河水库上游地区等河流流域, 该流域主要包括北京市昌平区、海淀区, 主要河流有东沙河、北沙河和南沙河.流域面积为1125 km2, 山区面积约占75%, 其中, 东沙河流域面积为265 km2, 南沙河流域面积为263 km2, 北沙河流域面积为597 km2.流域内有规模以上再生水处理厂13座, 设计处理能力35万m3·d-1, 2018年再生水厂实际年处理水量为9074万m3, 日均处理水量为24.86万m3·d-1, 其中6518万m3补给入沙河水库, 日均补水量17.9万m3·d-1, 占再生水处理水量的71.83%, 从而使非常规水源成为沙河水库主要补给水来源.当库区水位为37.1 m时, 库容量可达1588万m3, 2018年日均出库流量为12.5万m3·d-1, 流动性差.流域下垫面复杂, 库区污染物来源主要包括沙河水库上游流域非点源污染、合流制管网溢流污染、零星点源污染及库区内源污染(海永龙等, 2020).

图 1 沙河水库地理位置 Fig. 1 Location of Shahe Reservoir
2.2 模型模块选取

本研究地点位于北京市昌平区沙河水库, 为更好地模拟污染物在湖库中的迁移、降解情况, 采用丹麦水资源及水环境研究所开发的MIKE软件中MIKE 21的HD及ECOLAB模块对沙河水库的水动力-水量-水质情况进行模拟.其中, HD模块用于建立水动力-水量模型, ECOLAB模块用于建立水质模型.

2.2.1 MIKE 21 HD模块

HD是MIKE 21软件的最基本模块, 它为其他所有功能模块的运行提供了基础水力要素信息.模型可实现模拟湖泊、河道的水流运动规律, 影响水流流动的外力作用包括:河床底剪切力、风应力、大气压力、分子扩散、弥散作用、源汇项作用、降雨与蒸发、干湿变化、波浪作用等, 其具体计算原理包括连续方程(1)和动量方程(2)~(3).

(1)
(2)
(3)

式中, h(x, y, t)为水深(m);ζ(x, y, t)为水位(m);p(x, y, t)、q(x, y, t)分别为xy方向上的流通通量(m3·s-1·m-1);C(x, y)为谢才系数(m1/2·s-1);g为重力通量加速度(m·s-2);f(V)为风阻力项;V(x, y, t)、Vx(x, y, t)、Vy(x, y, t)分别为风速、x向风速分量及y向风速分量(m·s-1);Ω(x, y)为地球自转柯氏力系数, 与纬度有关(s-1).

2.2.2 MIKE 21 ECOLAB模块

ECOLAB模块是由DHI开发的生态数值模拟软件, 该软件具有开放性和通用性的特点, 用户可以根据自己的需要定制一个水生生态系统模型, 如水质、富营养化、重金属和生态模型等.生态系统中的状态变量值随着不同的转化过程和相互作用而发生变化.ECOLAB用一系列相互关联的常微分方程组来描述这些状态变量的变化率, 所有有关状态变量、过程及相互间作用等的信息都存储在ECOLAB通用模板中.

2.3 模拟时段与模拟范围

本模型模拟时段设定为2018年6月1日上午8:00—2018年10月1日上午8:00, 在充分平衡模型计算稳定性和效率的基础上, 经过多次调试与试算, 确定模型计算时间步长为300 s.

选取沙河水库库区作为二维模型模拟范围, 面积为371 hm2, 高出库区的湖心岛部分, 不参与模拟, 模拟区域采用三角形网格, 最大网格面积为2300 m2, 模型模拟区域总共划分3234个三角网格(图 2).库区地形采用1:500实测地形, 配合模型差值生成Mesh文件.

图 2 库区Mesh网格图 Fig. 2 Mesh grid diagram of reservoir area
2.4 模型边界条件

沙河水库是河道型水库, 上游边界非汛期主要为南沙河、北沙河来水及沙河水库北岸沙河再生水厂退水, 汛期除南沙河、北沙河来水及再生水厂退水外, 还包括周边管网降雨溢流, 下游边界为沙河闸.

① 水动力模块(HD)边界:模型水动力数据基于沙河水库水量平衡月报表统计数据获得, 每1 h记一个流量, 沙河再生水厂退水口日退水量约为9万m3·d-1.

② ECOLAB水质边界:南沙河、北沙河上游来水水质数据依据实测数据(表 1)按月取平均值赋值;溢流水质没有降雨后同期实测数据, 依据经验计算后赋值;下游边界水质数据由模型自动计算生成.

表 1 北沙河、南沙河上游来水水质实测值 Table 1 Measured water quality from the upper reaches of Beishahe River and Nanshahe River

③ 干湿边界:模型计算启用干湿边界, 在进行计算的过程中, 每一时间步长计算网格的平均水深, 经过实际调研及多次试算, 确定干点水深hdry=0.001 m, 半干湿点水深hflood=0.005 m, 湿水深hwet=0.01 m.

2.5 模型初始数据与计算数据处理

模型初始数据与计算数据包括处理后的库区地形、初始水位、库区风场、降水及蒸发量.其中, 沙河水库库区地形数据依据实测1:500地形数据进行赋值, 模型坐标系采用北京市地方坐标系, 利用实测数据差值生成模拟区域MESH网格.风向风速数据采用昌平区日气象统计数据, 按日输入.沙河水库水面蒸发数据采用2018年实测数据, 详见表 2.

表 2 沙河水库实测月水面蒸发量统计 Table 2 Actual monthly water surface evaporation statistics of Shahe Reservoir

模型模拟时段为2018年6月1日上午8:00—2018年10月1日上午8:00的初始水位水质采用实测数据, 初始水位监测点位于沙河闸前水位, 实测水位为35.7 m, 初始水质为闸前、库区、北沙河入库口、南沙河入库口4处取样点实测值平均值, 检测结果为:CODCr为37.2 mg·L-1, TP为0.4 mg·L-1, NH3-N为0.86 mg·L-1.

2.6 模型关键参数

模型模拟主要包括水动力与水质模拟, 其中, 水动力部分涉及到的主要参数为下垫面曼宁系数M(Engman, 1986), ECOLAB水质模拟涉及到的主要参数为库区水平扩散系数及污染负荷降解系数, 通过对以上参数进行率定, 确定模型参数取值.

沙河水库库区下垫面主要分为3类:水草、土砂质、硬质, 其中, 泥质和水草占绝大部分, 硬质下垫面主要在沙河闸前部.经现场调查、资料查询及分析后, 最终确定水草、土砂质、硬质3类下垫面的糙率M(李炜, 2006)分别为10、32、90.

污染负荷降解采用阿伦纽斯公式赋值, 具体计算原理如下:

(4)

式中, Xdecay为污染负荷降解速率(mg·L-1·d-1);X为污染负荷(mg·L-1);K为污染负荷降解速率常数(d-1);θ为阿伦纽斯温度系数;T为水温(℃);DO为溶解氧浓度(mg·L-1);HS为污染负荷半饱和氧浓度(mg·L-1).

查阅相关资料并结合近年来再生水补水型湖库水质变化相关研究, 确定各参数取值如下(T、DO采用实测值):θ =1.07, K(CODCr)=0.07d-1, HS(CODCr)=2 mg·L-1, K(TP)=0.05 d-1, HS(TP)=3 mg·L-1, K(NH3-N)=0.1 d-1、HS(NH3-N)=5 mg·L-1.

3 模型验证(Model validation) 3.1 水动力模型验证

选取2018年实测数据进行水动力验证, 模型按给定的边界条件和参数进行计算:南沙河、北沙河作为入库河流, 沙河闸作为模型下游边界调控水库下泄, 选取闸前水位、水位-水域面积关系、水位-库容关系作为3项验证指标, 3项指标均为实测值, 由沙河水库管理处提供的《沙河水库水量平衡月报表》获得, 验证结果如图 3所示.由图可知, 模拟与实测水位最大绝对误差为0.53 m, 相对误差为14%, 出现时间为7月23日;选取34.13、34.74、34.93、35.37、35.52、35.90、36.00 m 7个水位点, 与实测值进行对比, 验证水域面积与库容, 水域面积与库容最大相对误差分别为1.27%、1.31%.模拟结果表明, 该模型水动力精度较高, 能够较好地模拟沙河水库库区水动力情况, 可以用于各类水量水动力方案模拟分析.

图 3 模型水动力验证 Fig. 3 Model hydrodynamic verification
3.2 ECOLAB水质模型验证

水质模型验证是在水动力基础上进行验证分析, 选取沙河闸前水质作为验证点, 验证指标包括CODCr、TP、NH3-N浓度, 模拟结果见图 4.水质模拟率定结果采用百分比偏差系数(PBIAS)进行评价, 该系数表示模拟值相对于实际观测值整体被低估或高估的平均趋势(Moriasi et al., 2007Gu et al., 2016).本研究中PBIAS模拟精度详见表 3, 由模拟结果可知, CODCr、NH3-N污染物模拟误差PBIAS均小于40%, 模拟效果良好, TP模拟误差PBIAS小于50%.总体来说, 模拟值与实测值拟合趋势良好, 能够较好地反映沙河水库库区水质变化情况, 可用于各类水质工况方案模拟分析.

图 4 模型水质验证 Fig. 4 Validation of model water quality

表 3 水质模拟精度评定结果 Table 3 Evaluation results of water quality simulation accuracy
4 基于验证参数的水质水量响应模拟(Simulation of water quality and water quantity response based on verification parameters) 4.1 水位调控方案响应模拟

本方案只考虑水动力条件库区水体的影响, 根据相关研究及现场调查显示, 北京地区常见水生植物主要生长水深区间为0~1.5 m, 鱼类主要活动区间为0.3~2.0 m, 沙河水库共发现32种水鸟, 活动区间主要集中在入库口、浅滩或沙洲上, 水深区间为0.5~1.0 m.综上所述, 当水深在0~1.5 m时, 生物多样性程度最高(昝欣等, 2020).按照验证过的参数设置模型, 通过模型分别模拟沙河水库在33.0、33.8、34.1、35.0、35.6、36.2 m 6种水位条件下, 水深为h≤0 m、0 m < h≤0.5 m、0.5 m < h≤1.5 m、h>1.5 m 4种不同水深区间所占面积, 结果见图 5.由图可知, 管理调控水位在34.0~35.2 m时, 0~1.5 m水深区间面积占比最大, 物种最丰富.

图 5 调控水位-水深区间面积关系图 Fig. 5 Control water level-water depth interval area diagram
4.2 水质改善方案响应预测分析 4.2.1 水质改善响应方案

在南沙河、北沙河的水质达到Ⅳ类的条件下, 未来水库水环境质量改善的思路主要集中在溢流污染的治理及库区内源水体的改善.水质改善响应方案在基于2018年6月1日—10月1日的水动力及入库污染荷条件下, 通过对溢流口的截流及建设湿地, 实现沙河水库水环境质量提升, 水质改善响应方案详见表 5.

表 5 水质改善响应方案 Table 5 Water quality Improvement Response plan
4.2.2 响应方案水质改善效果

在南沙河、北沙河来水水质不变的情况下, 对溢流污染的截流治理对于削减入库污染负荷效果十分明显, 模拟结果见图 6.从图 6可以看出, 当TBD建成时, 即在方案A改善下, 2018年6月1日—10月1日沙河闸考核断面CODCr平均减少11.82 mg·L-1, NH3-N平均减少0.43 mg·L-1, TP平均减少0.13 mg·L-1, 相比于现状模拟数据, 降幅分别达到30.0%、30.9%、35.8%;在A方案下, CODCr有32 d超过考核标准, 主要集中在7月, NH3-N超标天数为25 d, TP超标天数为43 d, 较现状减少23 d.在方案B下, 2018年6月1日—10月1日沙河闸考核断面CODCr平均减少23.29 mg·L-1, NH3-N平均减少0.66 mg·L-1, TP平均减少0.19 mg·L-1, 相比于现状模拟数据, 降幅分别达到40.9%、47.1%、51.8%, 在B方案下, CODCr仅有9 d超过考核标准, NH3-N超标天数大幅下降, 仅有7 d, TP超标天数下降为33 d.

图 6 溢流污染治理模拟结果 Fig. 6 Simulation results of overflow pollution treatment
5 结论(Conlusions)

1) 本文建立了沙河水库库区水文-水动力-ECOLAB水质耦合模型, 并用2018年沙河水库实测水文水质数据进行了耦合模型的验证, 确定了水动力及水质模型的各项参数.水动力模拟结果显示, 模拟与实测水位最大绝对误差为0.53 m, 相对误差为14%, 出现时间为7月23日;水域面积与库容最大相对误差分别为1.27%、1.31%.模拟结果表明, 该模型水动力精度较高, 能够较好地模拟沙河水库库区水动力情况, 可以用于各类水量水动力方案模拟分析.水质模拟结果显示, CODCr、NH3-N污染物模拟误差PBIAS均小于40%, 模拟效果良好, TP模拟误差PBIAS小于50%, 总体来说模拟值与实测值拟合趋势良好, 能够较好地反映沙河水库库区水质变化情况, 可用于各类水质工况方案的模拟分析.

2) 当沙河水库管理调控水位在34.0~35.2 m时, 0~1.5 m水深区间占面积最大, 物种最丰富, 有助于构建沙河水库水生态系统.

3) 汛期的溢流污染是导致沙河闸考核断面水质不达标的主要因素, 水质改善方案模拟结果显示, 当TBD建成后, 即截流水量为6.87万m3·d-1时, 2018年6月1日—10月1日沙河闸考核断面CODCr平均减少11.82 mg·L-1, NH3-N平均减少0.43 mg·L-1, TP平均减少0.13 mg·L-1, 相比于现状模拟数据, 降幅分别达到30.0%、30.9%、35.8%, 在A方案下, CODCr有32 d超过考核标准, 主要集中在7月, NH3-N超标天数为25 d, TP超标天数为43 d, 较现状减少23 d.在方案B改善下, 2018年6月1日—10月1日沙河闸考核断面CODCr平均减少23.29 mg·L-1, NH3-N平均减少0.66 mg·L-1, TP平均减少0.19 mg·L-1, 相比于现状模拟数据, 降幅分别达到40.9%、47.1%、51.8%, 在B方案下, CODCr仅有9 d超过考核标准, NH3-N超标天数大幅下降, 仅有7 d, TP超标天数下降为33 d.因此, 在沙河水库未来的治理中, 应重点考虑对溢流污染的截流治理, 并配合湿地净化改善库区内源水体, 本文的模拟结果可为沙河水库综合治理工程提供借鉴和依据.

4) 本文对水质的研究是基于上游来水水质不变的情况, 随着上游面源污染治理、排口截污、规模化养殖厂实现资源化利用等措施的实施, 来水水质将逐渐变好, 在对沙河水库库区进行治理时, 应综合考虑沙河水库流域综合治理情况, 合理构建库区溢流污染截流量、水库净化量等措施.

参考文献
白露, 肖娟, 范肖予, 等. 2017. 基于河道断面自净需水要求的自净补水研究[J]. 水电能源科学, 35(7): 62-64+108.
Engman E T. 1986. Roughness coefficients for routing surface runoff[J]. Journal of Irrigation & Drainage Engineering, 112(1): 39-53.
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 theBohai Sea, China[J]. Journal of Hydrodynamics, 28(5): 905-913. DOI:10.1016/S1001-6058(16)60691-1
海永龙, 佃柳, 郁达伟, 等. 2020. 降雨特征对合流制管网溢流污染的影响[J]. 环境工程学报, 14(11): 3082-3091. DOI:10.12030/j.cjee.201912031
李炜. 2006. 水利计算手册[M]. 第二版. 北京: 中国水利水电出版社, 44-46.
陆晓晗, 曹宸, 李叙勇, 等. 2020. 基于浮游植物的北方景观河流水生态系统评价[J]. 环境保护科学, 46(3): 104-113.
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
孙文, 王理明, 刘吉宝, 等. 2019. 北运河沙河水库沉积物营养盐分布特征及其溯源分析[J]. 环境科学学报, 39(5): 1581-1589.
昝欣, 张玉玲, 贾晓宇, 等. 2020. 永定河上游流域水生态系统服务价值评估[J]. 自然资源学报, (6): 1326-1337.
周欣妍.2019.净水生态沟渠的构建及对径流污染的控制研究[D].北京: 北京林业大学.1-65