长江流域洞庭湖区出入湖磷通量模拟及水质预测：机器学习与传统水文模型耦合方法

摘要

磷通量的波动对出入湖河流生态系统的稳定有直接影响.在水质波动显著的洞庭湖区，使用SWAT模型模拟该区域的出入湖磷通量，并分析各水系区间的磷滞留情况.基于水文物理过程搭建耦合模型，再利用SWAT模型的模拟结果进行训练，并利用该模型对湖区近期水质进行情景预测.结果表明：洞庭湖区出入湖磷通量均呈明显的季节变化，其中无机磷是主要的磷形态.2012—2021年洞庭湖区平均TP入湖通量为2.94×10～4 t/a，平均出湖TP通量为3.34×10～4 t/a，平均出湖TP浓度为0.13 mg/L.其中，三口区间作为入湖磷通量贡献最大的区间，其TP输出浓度也最高，是污染治理的关键区域.洞庭湖区TP滞留率较低，使其成为长江下游重要的TP来源.耦合模型对于洞庭湖区的出入磷通量的输出过程模拟效果良好，NSE值均>0.8，在RPE值处于10%水平下的RMSE值均较低，实现了LSTM网络替代大型分布式物理模型的仿真建模.基于上述模型根据《洞庭湖水环境综合治理规划》对洞庭湖近期TP输出浓度进行了预测，在各区间入湖TP浓度控制在0.1 mg/L的情景下，能够实现湖区水环境规划目标.

关键词

出入湖磷通量 / 耦合模型 / 机器学习 / 磷滞留 / 水质预测 / 洞庭湖区 / 水文地质 / 环境地质

基金资助

国家重点研发计划项目（No.2023YFC3205600）; 国家自然科学基金资助项目（No.52270202）