生态水力学耦合模型及其应用_陈求稳

2005年11月水 利 学 报SHUILI XUEBAO 第36卷 第11期收稿日期:2004-12-27基金项目:中国科学院/百人计划0资助项目作者简介:陈求稳(1974-),男,湖北人,博士,研究员,主要从事流域及河口水资源与生态环境研究以及模型系统开发应用。

E_mail:qi uwen.chen@wldelf t.nl文章编号:0559-9350(2005)11-1273-07生态水力学耦合模型及其应用陈求稳,欧阳志云(中国科学院生态环境研究中心,北京 100085)摘要:生态水力学是研究水动力学和水生态系统动力学之间相互作用的一门新兴的交叉学科。

它一方面研究水力条件的改变对水生态系统平衡以及生物多样性的影响,另一方面研究水生态系统的演变对水力情势的反作用。

生态水力学模型是探讨这些复杂过程的有力工具,甚至可以用来评价生态恢复方案的效率。

本文论述了生态水力学的研究目的和范围,并从三个方面阐述了建立耦合生态水力学模型的思路和方法,包括模型模式融合、模型方法集成和时空尺度耦合。

模型在莱茵河下游生态栖息地评价和荷兰Velu we 湖沉水植物竞争性生长模拟等实例中的应用表明耦合生态水力学模型有很好的应用前景。

关键词:耦合;模型模式;模型方法;时空尺度中图分类号:X17114文献标识码:A生态水力学是一门新兴的交叉学科,研究水动力学和水生态系统动力学之间的相互动态关系。

生态水力学的前身一般认为是环境水力学,主要研究物质在水体的迁移和转化以及其浓度对生物生命的影响,但对生物及生态动力学过程较少涉及。

而以前存在的一些水生态模型基本上都局限在水生生物的生理特征研究和生境评价上,很少涉及动力学部分,属于静态模型。

近年的研究发现如果不结合水文和水力学过程,很多生态问题很难解释,例如水华。

水华是一个典型的生态恶化和生物多样性降低的例子。

当水体的污染超过一定的临界或者水体遭到较大的水力扰动如飓风时,为浮游植物的生长创造了有利条件,使某一种(或几种)藻类在竞争性生长中取得绝对优势。

单一藻类的恶性生长既抑制了其他生物的生长,又可能打破了系统的食物链,从而使生态系统进入一个不健康的循环和平衡[1]。

此时系统几乎是不可能依靠自身的回复力得到恢复的,人工修复成为必要手段。

水华的产生既有生物生理的因素,更有水动力学的因素,因此生态水力学是研究水华现象和进行水华预报的重要方法。

生态水力学的研究范围包括生态流量、鱼道、水质、富营养化与水华、洪泛区、湿地[2],水生态栖息地和水域生态修复等[3]。

对于河流,流态的改变影响河床地貌的变迁和沉积物的分布,从而影响河床岸坡植被的生长和生物多样性;与此同时河床植被的变化改变了河流糙率和河床稳定性,从而影响流态。

这是一个双向的动态过程,其研究对湿地的利用和保护、洪泛区修复和流域系统管理有重要指导意义。

同样的对于湖泊,湖流和波浪影响营养物的输送和底质的沉积与再悬浮,水力调节湖水位影响水体稳定性和光照条件,这些对湖泊中藻类和沉水植物之间的竞争性生长有重要影响;而沉水植物的生长对稳定底质、净化水体和湖泊修复有重要功能。

因此研究湖泊水力条件、水生植物、藻类以及鱼类之间的动力关系是湖泊生态工程恢复首先需要解决的问题。

与生态水工学[4,5]不同的是生态水工学主要从宏观上研究水资源工程对生态的影响,而生态水力学则是研究水与生态系统之间的基础动力学过程[6]。

生态水工学提出了生态水力学研究的必要性和内容[4],而生态水力学研究成果为生态水工学提供支持。

)1273)本文旨在介绍生态水力学的研究目的和范围之后着重论述生态水力学模型研究的难点,以及耦合生态水力学模型开发的必要性、思路和相关应用。

1生态水力学模型111模型的必要性虽然污染控制和工程治理是生态修复的根本办法,但生态修复是一个十分复杂的系统工程,结果常常难以把握,如滇池人工引入的水葫芦问题。

因此在修复工程实施之前,必须有一套科学实用的方法和工具对工程的方案和成效进行评估,同时对工程的环境影响进行定量而非仅仅是定性评价。

此外,生态修复往往耗时长达十几甚至几十年,这期间需要一套工具对水体的变化和可能发生的事件如水华进行预测预报,以减少经济损失,如香港在Miss海湾为减少渔业损失而开发建立的赤潮预警系统。

生态水力学模型正是为了满足这些需求而开发的,它是在充分理解水动力学、水质、生物和生态相互之间动力学机理的基础上,尽可能地接近生物过程和生态系统的实际特征,采用数字计算和经验规律相结合的方法建立的计算机模型,为生态修复工程的效益分析、方案优化、生态减灾和环境影响评价提供支持。

生态水力学模型目前的发展重点和趋势是模型集成,包括模型模式融合、模型方法集成和时空尺度耦合。

112模型模式的融合由于各物理过程的特征和动态行为的不同,采取的模型模式也存在很大差别。

通常的模型是在对物理机制的理解上,根据质量、动量和能量守恒定律,采用连续性的数学物理方程加以描述,如水动力学上的纳维-斯托克方程(1)和水质模型常用的随流-扩散方程(2):9V9t+(V#$)V=F-1Q$P+M$2V$#V=0(1)式中:V为流速(m P s);F为力(N);P为压强(N P m2);Q为密度(kg P m3);M为运动黏滞系数(m2P s)。

9C 9t=99x D x9C9x-u x C+99y D y9C9y-u y C+99z D z9C9z-u z C+f R(C,t)(2)式中:C为物质浓度(mg P l);D i为扩散系数(m2P s);f R(C,t)为非持久性物质的反应项,该项通常用一阶动力学方程加以描述,其中k为降解系数(1P d),d C P d t=-kC。

由于这些偏微分方程高度非线性和非闭合性,一般很难直接求得解析解,因此在工程实际应用中通常采用数学方法如有限差分、有限元或者有限单元求得数字解。

这种空间均质的连续性方法同样地也广泛应用在生态模型之中,如建立在一阶动力学方程上的植物生长模型[7]d Xd t=r X(1-X P K)(3)式中:X为植物生物量,r为内在的生长速度(1/d);K为生态容量。

但是在很多情况下尤其是在研究生态系统动态过程时,这种空间均质模型往往很难反映客观的自然现象,特别是当空间异质性和局部相互作用对系统有明显影响时。

空间异质性和局部相互作用是生态系统斑块现象形成的主要原因,其研究对模拟生态动力学过程和解释生态现象有重要意义。

除此之外,有很多的生物过程是非连续的,如繁殖、捕食等。

因此在生态水力学的生态模块中引入了细胞自动化机器模式、基于个体模式和盒式模型等[6]。

空间盒式模型根据空间物理性质的相异性把研究区域划分成各个区块,每个区块的内部是均一的,用相同的方程加以描述;各区块间是相异的,描述的方程不同;空间上物质和能量的流动通过区块而不是物种个体间进行。

基于个体模式以每一个物种个体为研究对象,用数学物理方程定量描述他们的特征如年龄、尺寸和性别等以及其行为。

基于个体模式类似于流体力学中的拉格朗日方法,在模拟具备自发性移动能力的生物的行为时有很好的应用[8]。

细胞自动化机器模式根据研究对象的特征空间尺度将研究区域划分成大小完全一致的单元,每个)1274)单元有其特征和取值。

单元的取值每过一个特征时间步长就进行更新,新的取值决定于该单元和其周围邻居当前的取值情况以及他们之间的变化规律,这种动态过程不断演进。

细胞自动化机器模式类似于流体力学中的欧拉方法,在模拟植物间竞争性生长有重要应用[9]。

图1模型方法和数据掌握情况及物理机制间的关系113 模型方法的集成 在模型方法上,根据模型的目的、对研究对象物理机制的理解程度以及所掌握的数据情况,通常有3种选择:概念模型、数据驱动和半经验方法,如图1所示。

当对研究对象的物理机制比较了解时,通常采用概念模型加以描述,如著名的Lotka -Volterra 种群动态模型[10]:d P P d t =aP -bP 2-A pQ ; d Q P d t -cQ +B PQ (4)式中:P 为被猎物种生物量;Q 为猎食物种生物量;a 为被猎物种生长率(1P d);b 为生态容量;c 为猎食物种死亡率(1P d);A 、B 为两物种间的响应系数。

概念模型一般只需要少量的数据对模型的参数进行率定。

其实很多的概念模型并非是真正地建立在根本的物理机制之上的,而是对物理现象的演绎,如水质模型中广泛应用的扩散方程,它是建立在费克定律之上,而费克定律其实是对微观上大量分子无规律运动的一个宏观统计特征,类似的还有河流动力学上应用广泛的谢才公式。

当对研究对象的物理机制不很了解,但却获得大量监测数据时,往往可以采取数据驱动模型,如统计回归、曲线拟和和人工神经网络等。

由于生态系统的高度复杂性和非线性,对其演变机制的理解往往是半经验的;同时由于生态系统较大的时空尺度,生态监测数据一般是大型而稀疏的,因此生态水力学模型中生态模块的建立是研究的重点和难点,一般采用半经验半数据的混合模型,如模糊数学[6,11]。

图2是应用模糊数学建立的太湖蓝藻水华预报模型的一部分,以及模型预测的叶绿素浓度和后来实际观测值的对比[11]。

图2 太湖蓝藻水华模型叶绿素隶属函数及模型结果和监测数据对比常用的其他的半经验方法还有决策树和局部分支模型[12]:决策树将研究的区域分割成若干个次级区域,每个次级区域对应一个独立的离散型的输出结果,通常是定性的结果。

次级区域还可以继续划分下去,直到不能明确区分为止。

可见决策树的建立主要在于选定合适的划分变量以及该变量的优化划分点。

通常的划分判断标准是熵值获取最大化Gain(S ,A )=E (S )-E v |S v ||v |E (S v )(5)式中:Gain(S ,A )为对于样本S 依据变量A 划分取得的熵值;E (S )为样本S 的熵值;S v 为属于次级区域v 的样本;E (S v )为样本S v 的熵值,熵值的计算方法为E (S )=E N i =1-P i log 2P i ,其中p i 为总样本中属于类i 的比例。

如果将末端的每一个次级区域的离散型输出用一个线性回归方程取代,就可以建立一个局部分支模型。

局部分支模型的建立步骤和决策树相似,通常划分的标准是方差减小最大化。

)1275)2集成模型图3 集成生态水力学模型的基本框架生态水力学当前的研究重点是集成模型的开发和应用,包括不同物理过程、不同模型模式、不同模型方法和不同知识来源的集成,如图3所示。

其中外部动力因子指系统的基本物理特征以及对整个系统产生作用的因子,如局部气候变化、社会经济政策等,其对系统的影响和推动往往可以通过宏观的空间均质性数学物理模型进行描述。

系统的局部相互作用及其相应的演变行为可以通过细胞自动化机器实现,其中的演变规律根据对系统动态机制的了解程度可以是确定性的,也可以是随机的或者半经验的[6]。