全 文 ：考虑气候因子变化的湖泊富营养化模型研究进展*
苏洁琼1,2 摇 王摇 烜1,2**摇 杨志峰1,2
( 1北京师范大学环境学院水沙科学教育部重点实验室, 北京 100875; 2水环境模拟国家重点实验室, 北京 100875)
摘摇 要摇 气候因子是影响湖泊营养状态和进程的主要自然因素.在全球气候变化的趋势下,
将气候因子的变化纳入湖泊富营养化模型中,可以为湖泊演化趋势分析和环境管理决策提供
技术支持.本文首先分析了气温、降水、光照和大气等气候因子对湖泊富营养化的影响,进而
对考虑气候因子变化的数理统计与分析模型、生态动力学模型、系统生态学模型及智能算法
等的研究进行了综述.在此基础上,对完善气候因子变化下湖泊营养状态变化的模型研究进
行了展望:1)加强气候因子作用于湖泊营养状态的机理研究;2)选择合适的气候模拟模型,合
理设置气候变化情景,在不同模型嵌套时保证时空尺度的匹配;3)以水动力学模型为基础,耦
合生态模型及智能算法等,并结合良好的气候模拟模型,以精确模拟预测气候变化下湖泊富
营养化的演化过程和趋势.
关键词摇 气候因子变化摇 湖泊富营养化摇 模型
文章编号摇 1001-9332(2012)11-3197-10摇 中图分类号摇 X824摇 文献标识码摇 A
Lake eutrophication modeling in considering climatic factors change: A review. SU Jie鄄
qiong1,2, WANG Xuan1,2, YANG Zhi鄄feng1,2 ( 1Ministry of Education Key Laboratory for Water and
Sediment Sciences, Beijing Normal University, Beijing 100875, China; 2State Key Laboratory of Wa鄄
ter Environment Simulation, Beijing 100875, China) . 鄄Chin. J. Appl. Ecol. ,2012,23(11): 3197-
3206.
Abstract: Climatic factors are considered as the key factors affecting the trophic status and its
process in most lakes. Under the background of global climate change, to incorporate the variations
of climatic factors into lake eutrophication models could provide solid technical support for the anal鄄
ysis of the trophic evolution trend of lake and the decision鄄making of lake environment management.
This paper analyzed the effects of climatic factors such as air temperature, precipitation, sunlight,
and atmosphere on lake eutrophication, and summarized the research results about the lake eutroph鄄
ication modeling in considering climatic factors change, including the modeling based on statistical
analysis, ecological dynamic analysis, system analysis, and intelligent algorithm. The prospective
approaches to improve the accuracy of lake eutrophication modeling with the consideration of climat鄄
ic factors change were put forward, including 1) to strengthen the analysis of the mechanisms relat鄄
ed to the effects of climatic factors change on lake trophic status, 2) to identify the appropriate sim鄄
ulation models to generate several scenarios under proper temporal and spatial scales and resolu鄄
tions, and 3) to integrate the climatic factors change simulation, hydrodynamic model, ecological
simulation, and intelligent algorithm into a general modeling system to achieve an accurate predic鄄
tion of lake eutrophication under climatic change.
Key words: climatic factors change; lake eutrophication; modeling.
*国家水体污染控制与治理科技重大专项(2008ZX07209鄄009)、国
家创 新 群 体 项 目 ( 51121003 ) 和 国 家 科 技 支 撑 计 划 项 目
(2011BAC12B02)资助.
**通讯作者. E鄄mail: wangx@ bnu. edu. cn
2012鄄02鄄29 收稿,2012鄄09鄄10 接受.
摇 摇 湖泊富营养化是指生物所需的氮、磷等营养物
质大量进入湖泊,引起藻类与其他浮游生物迅速繁
殖,水体溶氧量下降,鱼类及其他生物大量死亡的现
象.在合适的环境条件下(高温、强光和缓流等),湖
泊水体里的藻类会急剧生长,形成水华,给生态环境
与社会造成极大的负面影响. 目前湖泊富营养化已
成为全球性的环境问题. 联合国环境规划署(UN鄄
EP)发布的《全球环境展望》2004 年年度报告[1]表
应 用 生 态 学 报摇 2012 年 11 月摇 第 23 卷摇 第 11 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology, Nov. 2012,23(11): 3197-3206
明,全球范围内调查的 66 个水域中,有 40%正在遭
受中度与重度的富营养化影响,湖泊尤甚.
自然条件下,湖泊总是从贫营养湖向着陆地演
变,其中历经富营养湖与沼泽,但整个过程极为缓
慢. 全球性的气候变化已经成为不争的事实,气温、
降水、光照和大气等气候因子的改变,将不可避免地
影响湖泊水温、水文循环及水动力条件[2] . 气温与
降水的变化又能够导致农业土地利用与管理方式的
改变,直接或间接地影响磷循环,进而使湖泊水生态
系统受到影响[3] . 此外,气候因子变化会对水资源
开发强度造成影响,例如当降水和天然径流量减少
时,为了满足社会经济发展的用水需求,大量截取入
湖径流量及兴建水利工程等,这些人类活动将在较
短时期内使湖泊水量水质发生变化,湖泊水体中的
营养盐负荷与水生生物系统也将随之受到影响[4],
从而改变湖泊的富营养化进程.
模型是湖泊富营养化定量评价和管理的重要手
段.目前湖泊富营养化模型主要关注水温、水位、水
量与透明度等水文因子,流速等水动力因子以及藻
类因子对富营养化的作用[5] . 随着气候变化研究的
深入,各种气候因子对湖泊富营养化影响的研究也
日益受到关注. 在全球气候变化的趋势下,将气候
因子的变化纳入湖泊富营养化模型,可以为分析湖
泊演化趋势、趋利避害地制定合理可行的环境管理
决策提供技术支持. 本文在分析气候因子对湖泊富
营养化影响的基础上,对考虑气候因子变化的湖泊
富营养化模型研究进行综述,并对其未来的研究方
向进行展望.
1摇 气候因子变化对湖泊富营养化的影响
气候因子主要包括气温、降水、光照和大气等.
由于湖泊生态系统是一个十分复杂的非线性系统,
各组分之间具有高度的关联性和互馈性,因此气候
因子对湖泊富营养化产生影响的机理也较为复杂
(图 1).
1郾 1摇 气温因子
气温因子的变化包括气温的绝对值、幅度和类
型变化.气候变化下,受到气温改变的影响,湖泊水
体的物理化学性质,包括水温、pH 值、盐度、各种物
质的溶解度与扩散速度、化学反应的速度及生物体
的生物活性也将随之改变[6] .
气温直接影响水体温度,温度通过在水体垂直
结构上的变化影响水体的稳定性及营养盐的垂直运
输.水体稳定性能够影响浮游植物在上层水体的累
积量,营养盐因子则直接控制浮游植物的生长与繁
殖. 水温参与湖泊中初级生产的生物体酶活性的
图 1摇 气候因子变化对湖泊富营养化的影响
Fig. 1摇 Effects of climate change on lake eutrophication.
8913 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 23 卷
变化,通过对浮游植物光合作用与呼吸代谢速率的
控制而影响湖泊叶绿素 a 含量,改变湖泊营养状
态[7] .不同的浮游植物其最适温度各不相同,大多
数浮游植物最适生长温度在 18 ~ 25 益之间,藻类的
优势种群随着温度的变化而改变. 而蓝藻适应温度
的能力则相对硅藻与绿藻强,多数蓝藻在 25 益以上
仍生长良好,因此气温上升使得蓝藻的竞争优势增
加.此外,温度升高导致水体形成分层的状态维持更
久,由于多数蓝藻具有特殊的伪空胞,可以自主上浮
至水温较高的水表层进行光合作用,进一步增加了
竞争优势[8] . Paerl 等[9]指出,全球气候变化是蓝藻
暴发的诱因,不断上升的温度通过多种方式来促进
蓝藻生长,一些蓝藻已经扩大了它们的地理分布范
围.
温度的改变从很大程度上影响有机物的生产与
积累、氧动态及营养盐循环的物理鄄化学鄄生物过程,
水体温差的改变也会导致水体对流进而带来物质迁
移,同时对硝化作用的影响也较为显著.硝化细菌的
最适生长温度一般在 25 ~ 30 益之间,温度升高能够
导致底泥的磷释放量增加;同时水温升高的条件下
水生生物的生命活动变得更加活跃,因此底泥中有
机态磷向无机态磷酸盐转化的进程将进一步加
快[9] .李楠等[10]通过实验室模拟,采用有机磷分级
修正体系研究了 pH和温度对沉积物中有机磷矿化
的影响机制,结果表明在偏酸性和高温条件下,稳性
有机磷(NOP)向中活性有机磷(MLOP)的转化,中
活性有机磷(MLOP)向活性有机磷(LOP)的转化呈
现同步性,矿化分解很快,使其可能成为上覆水中藻
类生长的磷源,潜在影响了水体的富营养化进程.水
体中营养盐的升高又能显著提高某些植物的生物
量,导致植物种类减少,促使种群向单一化方向发
展,一些研究发现,富营养化水体中大量繁生的附着
藻类会引起沉水植物的衰退[11],湖泊的生物多样性
降低.
因此,受全球气候变暖影响,气温的升高将加速
湖泊富营养化的进程,水华爆发的可能性与发生季
节的不确定性也会增加.
1郾 2摇 降水因子
降水因子的变化包括降雨型、降水量和湿度变
化.降水模式的改变是气候变化的一个重要因素,主
要体现在两方面,即降水量改变与降水分布不
均[12] . 气候变化下的强降雨一方面能够直接导致
大量营养物质的供给,而湖泊水体中叶绿素 a 含量
的大小与降雨带入湖区的营养物质数量显著相
关[13];另一方面会造成生态环境恶化影响流域植被
生长,从而加重水土流失,影响湖泊水质. Schin鄄
dler[14]研究认为,气候变化会加剧湖泊接受更多的
营养,从而促进富营养化的发生,进而增加湖泊水的
停留时间,最终反过来又使得湖泊水质恶化.王小治
等[15]对太湖地区氮磷湿沉降动态进行了研究,结果
显示,太湖地区每年湿沉降输入全氮( TN)、全磷
(TP)分别为 30. 2 kg·hm-2和 1. 1 kg·hm-2,且所
有降雨中溶解氮浓度均大于水体富营养化阈值,
92郾 5%的降雨中溶解磷大于水体富营养化阈值. 气
候变化造成的降水分布不均与干旱则将大大减少径
流量,从而减少湖泊蓄水量,湖泊水位与水质随之下
降,营养盐浓度升高,水体富营养化可能性增大.
降水的变化会引起湖泊水文和水动力条件的变
化. 1)水文方面的变化. 湖泊水文因子对降水模式
的响应是最直接的,包括水位、水量与透明度等. 水
位高低及其变动范围、频率、发生时间、持续时长和
规律性等是影响湖泊水生植被的核心因子. 理论上
看,湖泊水位越低,流量就越小,水深和流速也就越
小,光照充分的条件下,藻类繁殖就越快,发生水华
的几率也就越大.降水变化可能对湖泊水量动态平
衡的长期变化、季节循环和极端条件等发生作用,从
而影响湖泊的水质. 湖泊的水文过程对湖泊生态系
统的结构和功能具有决定性作用,是生态管理和恢
复研究关注的重要问题之一.因此,研究降水变化导
致的湖泊水位与水量的变异,能够分析其对水生态
系统格局和多样性的影响,预测湖泊营养状态的变
化及水华爆发的可能性. 2)水动力方面的变化. 降
水的变化会促使人类改变水资源开发强度,例如大
量截取入湖径流量或者修建水利工程,通过水利工
程进行水资源调配会对湖泊的水动力条件造成不同
程度的改变,因而直接影响到水中各物质的对流扩
散、营养物质的输移、沉淀与释放过程,湖泊的营养
状态自然随之改变.
1郾 3摇 光照因子
光照因子的变化包括日照时间和照度的变化.
光是浮游植物光合作用的能源,而光又有着明显的
时空变化,因此光照条件是浮游植物生长的限制因
子[16] .光合作用是活体藻类的基本生命活动,水体
的透明度对藻类的生长繁殖有直接的影响,透明度
高的水体有利于藻类的生长. 浮游植物对光线的适
应主要表现在增加藻体中的叶绿素含量、提高酶的
活性等,因此辐照度沿物理深度的衰减对各水层的
浮游植物光合作用影响较大[17] .日照时数增加的情
991311 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 苏洁琼等: 考虑气候因子变化的湖泊富营养化模型研究进展摇 摇 摇 摇 摇
况下,充足的光照为蓝藻的生长发育提供了优良的
光合条件.同时太阳辐射强度的改变也会导致湖泊
水体温度的变化,进而控制水中浮游植物的生长与
繁殖,最终影响湖泊的营养情况.
此外,蓝藻能够利用其他藻类不能利用的绿、黄
和橙色部分的光,从而更为有效地利用水下光的有
效光辐射;而不同藻类对光照的忍受程度亦不
同[18],这使得在不同光照条件下生长的藻类也将发
生分异,由此改变湖泊营养状态.
同时,臭氧层破坏使得紫外(UV)辐射增强,而
蓝藻通常具备对 UV 辐射较强的耐受性,它能产生
一些屏蔽 UV辐射物质如三苯甲咪唑类氨基酸和伪
枝藻素等;这些物质吸收 UV,使藻类细胞免受 UV
辐射的损伤[19] . 因此相比其他藻类,蓝藻的适应性
增强,不利于湖泊的水质改善.
1郾 4摇 大气因子
气候条件变化下,大气因子对湖泊富营养化的
影响主要体现在 CO2及风两方面.
藻类属于光能自养型微生物,其生长繁殖离不
开自身的光合作用,CO2作为光合作用主要的无机
碳源,对藻类生长有着举足轻重的作用[20] . 大气中
CO2浓度增加,藻类光合作用可利用的无机碳源增
加,光合作用则增强,有利于植物和藻类的生长[21] .
同时,许多藻类尤其是蓝藻可以通过 CO2浓缩机制
(CCM)提高胞内 CO2浓度,提高对 CO2的利用率,从
而获得较大的生长潜力[22],因此 CO2浓度的升高进
一步使蓝藻的生长速率得到提高,危害湖泊水体
水质.
摇 摇 风对湖泊富营养化的影响主要包括两方面. 首
先是直接作用,风浪和湖流的运动可以将湖区内的
藻类吹向湖岸,形成水华;其次是间接作用,风浪的
扰动能够导致大量的营养盐从湖底沉积物种释放出
来,增加水体中藻类可利用的营养盐含量,因此即使
没有足够的外部营养盐输入,水华仍然有可能爆发.
但是强度过大的风浪搅动会冲散藻类的聚集作用,
削弱水华的形成,因此较小风力有利于水华的形成,
较大风力则抑制水华形成[23] .藻类生长繁殖除了与
气候条件、水体中的营养盐浓度有关外,水动力条件
也是一个主要因素[24] .风会对湖泊水动力条件发生
作用,由于水动力对藻类的生长具有很大影响,进而
改变湖泊营养状态,主要体现在流速的影响上[25] .
合适的水体流速有助于湖泊底层释放营养盐,这些
营养盐被蓝藻所吸收从而加快生长,湖泊因此维持
其较高的生物量.但是静止状态的水与高强度的水
体流动则都会对蓝藻生长与聚集产生明显的抑制作
用.此类研究多集中在浅水湖,关注重点也侧重于研
究水体流速对湖泊底泥扰动诱导营养盐的释放. 尽
管风对湖泊富营养化的产生存在一定影响,但目前
关于气候变化下风力强度的影响研究并不很多.
综上所述,大气因子能直接或间接对湖泊富营
养化造成影响,但相比气温、降水、光照等气候因子,
CO2含量与风力强度在湖泊富营养化进程中并不是
决定性因子,因此其影响相对较小.
2摇 考虑气候因子变化的湖泊富营养化模型
2郾 1摇 数理统计与分析模型
数理统计与分析模型中,回归统计模型与对比
分析模型应用居多.回归统计模型属于结构分析法,
指着眼于事物发展变化的因果和影响关系,根据可
获取的数据资料,找出与预测对象密切相关的影响
因素,应用统计相关分析理论和方法建立预测模型
的一种预测方法[26] . 目前在水体富营养化研究中,
多元线性回归模型应用较多. 叶绿素 a 含量是浮游
植物现存量的一个重要指标,能够反映出湖泊水体
的营养状况.因此湖泊富营养化的评价模型中,一般
以叶绿素 a 作为占主导地位的评价指标. 叶绿素 a
含量的高低受到多种理化及环境因子的影响,包括
营养盐、水动力条件、温度、光照辐射、透明度等.在
回归统计模型中,考虑气候变化的研究主要是通过
对气候因子与湖泊水文及水质因子进行相关分析,
来定性描述或定量化气候变化对湖泊营养状态的
影响.
目前国内外学者应用回归统计方法进行了较多
的研究. Tibby 和 Tiller[27]应用皮尔森相关矩阵研究
了气候变化对澳大利亚西部 3 个平原湖造成的影
响,结果显示水质方面氮和磷这两种营养因子对气
候变化十分敏感. 对于风的影响,张毅敏等[28]经太
湖湖泊水动力过程的野外实地观测得出,风速在
2郾 0 ~ 4郾 0 m·s-1时,与水中叶绿素 a 浓度呈负相
关;当风速逸5. 0 m·s-1时,叶绿素 a 浓度降幅最
大,并一直维持在该水平. 对于气温的影响,朱根海
等[29]于 1982—2008 年对中国南极长城站和中山站
地区主要湖泊、溪流、雪地等淡水藻类进行了调查研
究,回归分析显示微、小型藻类细胞丰度与水温呈显
著的正相关,而南极气候尤其是水温的变化,引起了
湖泊藻类丰度与种群结构发生改变. 降水及光因子
对湖泊营养状态的影响方面,左胜鹏等[30]应用典范
对应分析(canonical correspondence analysis,CCA)得
0023 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 23 卷
出巢湖区域的年降雨量、年均温度、年高温天数
(>35 益)、年日照时数与湖水中 TN、TP、CODMn和叶
绿素 a呈显著相关性.
对比分析模型主要是对长时间序列的气象因子
与湖泊理化因子进行数据统计,通过对比各个因子
间的走向与极值点的特征分析得到内在的响应关
系[31] . Arfi[32]应用对比分析方法研究了气象水文因
子变化与西非 S佴lingu佴 水库生态系统变化的关系,
得出在气候变化的影响下,水文因子的改变对水库
中藻类的生物量与富营养化状况产生了重要的影
响.商兆堂等[33]对太湖区域 40 多年来气温、降水
量、日照时数随时间变化的特征进行了分析,并对太
湖蓝藻的爆发时间、次数、等级进行了统计,采用对
比分析法对气候变化与太湖蓝藻暴发的关系进行了
分析.结果显示:气候变暖速度加快为太湖蓝藻的生
长发育提供了热量条件;降水量减少则加速了太湖
水质恶化,为蓝藻暴发提供了有利的水质环境条件;
日照时数增多,充足的光照为蓝藻生长发育提供了
优良的光合条件,这些均造成了太湖蓝藻暴发现象
日益严重.
综上所述,以回归统计模型与对比分析模型为
代表的数理统计与分析模型应用简便,结果直观明
了. 但由于多项式回归是以传统渐进统计学为理论
基础的[34],其经验风险最小化原则是基于样本无限
大的假设,因此并不能很好地实现由贝叶斯决策理
论导出的期望风险最小化原则.此外,湖泊富营养化
形成原因非常复杂,是一个多变量、高度非线性过
程,而各类气候因子复杂多变、随机性强,因此选择
统计回归模型形式时,一般采用线性关系对湖泊富
营养化的各影响因子之间的相互关系进行简化,这
样在处理富营养化的限制因素发生变化时的预测效
果不佳[35] .总之,数理统计与分析模型从本质上说
属于非机理模型,主要通过数据总结湖泊富营养化
的发展变化规律,并没有以气候因子如何作用于湖
泊富营养化的机理研究为基础,限制了模型模拟的
精度,以及对于其他研究区域的推广适用性. 同时,
这类模型对数据量要求较高,在数据有限的情况下,
模拟结果精度会受到影响.
2郾 2摇 生态动力学模型
湖泊生态动力学模型一般基于模型机理法构
建,以模型中水动力学公式为理论依据,建立对流扩
散方程来描述空间的变化.在生态系统水平上,对生
态系统进行结构分析,研究生态系统内子系统间相
互作用过程,综合考虑系统外部环境驱动变量,建立
微分方程组,运用数值求解方法,来研究生态系统状
态变量变化[36] .模拟预测湖泊富营养化的生态动力
学模型详细地考虑了叶绿素 a、氮、磷、碳、硅、硫、氧
以及水生动植物、水温、光照等的相互作用关系. 在
建模方法上,一般以质量平衡方程为基础,主要考虑
物理扩散迁移、生化反应及源汇等因素;模拟对象则
包括细菌、浮游动植物和底栖生物及鱼类等的生长
与死亡,生源要素(氮、磷等的循环)以及生化需氧
量(BOD)、溶解氧(DO)的动力过程等[37] .
随着全球气候变化研究的深入,越来越多的研
究湖泊富营养化的生态动力学模型也将气候变化这
一影响因素考虑在内. 气候变化的引入主要分为以
下两种方式.
一种是将气候因子作为变量加入已有的模型
中. Hassan等[38]综合考虑了气候与水文对水质和热
量交换的影响,在湖泊富营养化模型中加入气象因
子,构建了气候变化下湖泊浮游植物生物量、溶解氧
浓度的预测模型. Robson 等[39]应用三维水动力鄄水
质模型 ELCOM鄄CAEDYM在澳大利亚天鹅河口进行
了研究,模型能够用于模拟水体在风、热力、太阳辐
射、降水等条件下水动力的变化状态,该研究模拟了
强降雨条件下蓝藻暴发的情况. 这种方式中气候变
化的情景设置较为简单,因此模拟结果准确性较差.
另一种方式是对气候模型与富营养化生态动力
学模型进行耦合,在不同的气候情景下,预测未来气
候变化对湖泊富营养化的影响. J觟born等[40]研究了
气候变化对已富营养化的灵湖的生物学反应,应用
VASTRA中的 BIOLA 模型模拟了对灵湖中的藻类
和其他物质的影响. 研究者对一些气候变化情景进
行了模拟,结果表明气候变化下蓝藻细菌爆发的可
能性增加. Fragoso等[41]应用集成水动力、水质和湖
泊水生态的 IPH鄄TRIM3D鄄PCLake 模型,预测了不同
气候变化模式下湖泊的营养负荷情况,结果表明,该
模型可以用于定性条件下的湖泊富营养化预测,为
制定管理方案提供依据. Jeppesen 等[42]应用 3 种不
同复杂程度的模型(统计氮模型、MIKE11 模型和
INCA鄄N模型)分析气候变化对地表水的氮负荷和
氮浓度的影响,然而模型中降水量变化的预测是不
确定的.而对于气候模式的嵌套选取也各不相同.例
如王文兰等[43]选择气象 WRFV2 模式,针对 2007 年
太湖发生的两次蓝藻暴发的个例进行了较高分辨率
数值模拟,着重研究了太湖地区的风向风速对蓝藻
暴发时水华面积变化和活动范围的影响. Malmaeus
等[44]耦合了区域气候模型(RCM)与湖泊物理模型
102311 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 苏洁琼等: 考虑气候因子变化的湖泊富营养化模型研究进展摇 摇 摇 摇 摇
和磷模型,应用后得出在全球气候变暖的趋势影响
下,相比其他湖泊,换水周期长的湖泊富营养化问题
更加严重.
可见,耦合气候模型与确定性的生态动力学模
型考虑的因素十分全面,对湖泊生态过程的机理研
究也较为深入,因此研究相对较多,且模拟结果能够
得到较合理的解释.然而,生态动力学模型中大量参
数的率定较为困难,且对生态系统和气候因子变化
数据量的要求也给模型的校正、验证造成不便. 此
外,磷输入浓度、光照等众多因素的变化实际上都具
有随机性,气候变化情景、气候变化的物理过程参数
化及对湖泊生物化学过程等反馈机制认识等均具有
不确定性,因此模型中使用确定性的微分方程来模
拟气候因子变化下的水体富营养化过程在理论上有
其不合理的一面,并将直接影响模拟结果的精度.近
年来,一些成熟的生态动力学模型(如 WASP 模型)
已经考虑了不确定性的影响,例如使用蒙特卡罗等
算法对不确定性的影响进行预测. 随着人类对气候
复杂特征的认识和气候模式预测手段的不断深化,
气候鄄生态动力学耦合模型必将得到进一步改进和
完善.
2郾 3摇 系统生态学模型
系统生态学模型是把种群、群落、生态系统等概
念中的生物看成是完整的统一体,并对其动态系统
进行系统分析.其研究内容包括湖泊的生态结构、功
能、时空演变规律及其物理、化学、生物过程对水生
生态系统的影响及其反馈机制等. 模型能够模拟湖
泊流域自身的因素整体性和相互关联性,能从宏观
和微观的角度描述湖泊营养物与流域生态环境、资
源经济和社会之间的高阶非线性复杂关系[45] .该模
型实用且直观灵活,便于和其他数学模型耦合. Af鄄
shar等[46]构建了一个 SD(system dynamic)富营养化
模型,在不同的社会经济与气候情景下评估了伊朗
湖库的营养状况,并制定了管理目标. 张礼兵等[45]
建立了巢湖流域的模拟富营养化的系统生态学模
型,模型中选择了 25 个气象观测台站的 1950—
2006 年日降雨数据,以分析降雨量的变化对湖泊富
营养化的影响.张龙江等[47]基于系统生态学构建了
太湖流域的富营养化预测模型,考虑了降雨、蒸腾、
温度、光辐射、风等气候因子的影响.
值得一提的是,近年来热力学指标能质( exer鄄
gy)也逐渐被引入到湖泊富营养化的研究中.能质能
够度量生态系统内生物化学组分与生态结构,它往
往作为目标函数用于系统生态学模型中,以解释系
统结构的变化,描述系统的发展方向,表述扰动后系
统的自组织能力[48] . 从富营养化的直接后果来看,
富营养化过程实质是自养型生物在水体中建立优势
的过程,所以可视湖泊为一个物质和能量与环境交
换的开放系统,能流通过湖体系统使得物质在这一
系统中循环[49],因此能质被用以表征湖泊生态系统
的稳定能力. 目前能质作为生态系统健康的指标,
已被广泛地应用于中国太湖和滇池等水生态系统的
富营养化状态进程评估、生态系统的健康评价、参数
估计、校准、验证和预后的评估[50] . Zhang 等[51]应用
能质作为生态健康评价指标,研究了太湖在调水工
程前后及不同季节的生态健康的状态变化情况. 以
能质指标作为目标函数的湖泊系统生态学模型里,
可以模拟出外界干扰对湖泊营养状态的影响,因而
能够有效地模拟气候变化下湖泊水体富营养化对气
候因子变化的响应关系.
总体来说,由于水体的水动力学、温度和光照等
物理特性较为复杂,大多数模型在这些方面处理很
简略,水体中物理、化学、生物三者的相互影响并没
有得到很好的体现[52] .目前在系统生态学模型中专
门研究气候变化对湖泊富营养化的影响相对较少,
往往是将气候因子包含到模型中来模拟不同气候情
景下湖泊生态系统的响应,气候因子对湖泊水生态
系统的影响机理并未充分体现,因此对于湖泊生态
系统与气候系统的结构还需要进一步完善.同时,由
于湖泊的生态动力学模型需要包括物理、化学和生
物过程,而各过程的时空尺度及与气候因子的时空
尺度各不相同,因此在建模时需要结合模拟的目的
对时空尺度进行权衡选择[53],以确保模拟结果的准
确性.
2郾 4摇 其他模型
除上述 3 类模型外,常见的考虑气候变化的湖
泊富营养化模型还包括浮游植物生态模型、智能算
法模型等.
浮游植物生态模型属于机理性模型.浮游植物
初级生产力可以反映湖泊的营养状态,浮游植物的
光合作用强度又与温度、光、CO2等气候因子有关.
例如 Chen等[54]考虑了营养盐因子氮、磷与气候因
子太阳辐射和温度,利用 M鄄M方程建立了浮游植物
生长与环境因子的模型,利用模型中的气候因子来
模拟不同气候情景下的湖泊营养状态. 然而浮游植
物生态模型仅包含了浮游植物的养分负荷,湖泊的
水动力并未考虑在内,因此随着生态动力学模型发
展逐步完善,此类模型的应用已经不多.
2023 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 23 卷
由于湖泊生态系统模拟对富营养化过程不确定
性和非线性的研究存在难点,智能算法具有学习与
模拟预测非线性问题的优势,因此它对湖泊富营养
化的模拟预测日益受到重视,包括人工神经网络、遗
传算法、粒子群算法、支持向量机、模拟退火算法、投
影寻踪算法、小波理论等.应用智能算法建立湖泊富
营养化模拟模型,首先学习待预测指标及其影响因
子的历史数据间的非线性因果映射关系,接着应用
未来影响因子值来定量预测富营养化指标的变
化[55] .吴巧媚等[56]运用小波分析对表征水华的叶
绿素信号进行降噪处理,建立了一种结合小波变换
与神经网络相结合的水华预测模型.模型选择温度、
总氮、总磷、光照、溶解氧和经小波分析后的叶绿素
为输入参数,预测了北京北海湖体中的叶绿素.由于
应用智能算法的湖泊富营养化模型会涉及到气候因
子,因此通过对这些气候因子进行合理科学的设置,
或者与气候模型进行耦合,也可以对气候变化下的
湖泊营养状态改变进行研究. 与其他非机理模型相
似,在智能算法模拟过程中,气候因子对湖泊生态系
统的影响机理与湖泊的反应机制并不能表示出来,
因而针对模拟结果并不能给出合理的解释.
上述几种考虑气候因子变化的湖泊富营养化模
型的应用方法、优势和不足的比较见表 1.
3摇 结语和展望
气候因子变化是影响湖泊生态系统的重要自然
因素,温度、降水、光、大气等气候因子的变化都会对
湖泊水文、水质及水生态造成不同程度的影响.将气
候变化因素纳入湖泊富营养化模型中,有助于发现
变化环境下湖泊潜在的演化规律,对湖泊营养状态
变化的方向、过程和影响进行模拟、预测和调控,为
资源和环境的合理利用提供重要的参考.
考虑气候因子变化对湖泊富营养化模型的研究
已取得了一定成果,但是在研究方法和技术手段等
方面仍有待完善.为了进一步提高研究结果的精确
性和合理性,提出以下几点展望:
1)研究气候因子变化对湖泊富营养状态的影
响中,为了提高模拟模型的结果精度与普适性,需要
加强气候因子作用于湖泊营养状态的机理研究. 在
建模时应考虑气候因子对湖泊水文、水质及水动力
的影响机制,以及湖泊营养状态对这些条件变化的
响应机理.
2)气候变化的分析预测研究中,往往通过耦合
气候模型,将气候模型预测结果作为其他湖泊富营
养化预测模型的输入,以定量分析未来气候变化对
湖泊富营养化的影响.然而气候变化具有不确定性,
气候变化驱动力也存在多样性,同时气候模拟模型
还具有时空分辨率低、不能在小时空尺度上给出可
靠的模拟结果的局限等.因此,在进行气候变化对湖
泊富营养化影响研究前,应合理设置气候变化情景,
在不同模型嵌套时保证时空尺度的匹配,以确保研
究结果的精度.
3)富营养化的形成机理十分复杂,具有高度的
非线性映射关系,而水体中物理环境、化学组分、水
生生物三者的相互影响在当前的富营养化预测模型
中未能很好体现,模型中大量待定参数也限制了模
表 1摇 考虑气候因子变化的湖泊富营养化模型
Table 1摇 Lake eutrophication models under climate change
模型类型
Model type
应用方法
Application method
优势
Advantage
不足
Shortcoming
数理统计与分析模型
Statistics analysis model
对气候因子与湖泊水文、水质及水生
态因子进行数据统计分析
分析简单,结果直观明了 不能很好地实现期望风险最小化原
则;不能反映气候因子对湖泊的作用
机理,缺乏普适性;对数据量要求高
生态动力学模型
Ecological dynamics
model
将气候因子作为变量加入生态动力
学模型中,或对气候模型与富营养化
生态动力学模型进行耦合
考虑的因素十分全面,对湖泊生态过
程的机理研究较为深入
生态动力学模型中大量参数的率定
较为困难;气候模型存在一系列的不
确定性
系统生态学模型
Ecosystems analysis
model
将气候因子纳入模型中进行不同气
候情景下的模拟
模拟湖泊自身的因素整体性和相互
关联性,描述湖泊营养物与流域生态
环境、资源经济和社会之间高阶非线
性复杂关系
气候因子对湖泊水生态系统的影响
机理并未很好体现;存在湖泊水体物
理、化学和生物过程与气候因子的尺
度转化问题
浮游植物生态模型
Ecological model
of phytoplankton
建立包含浮游植物生长与环境因子
的模型
属于机理性模型,应用较为简单 湖泊的水动力并未考虑在内
智能算法模型
Intelligent algorithm
based model
将气候因子纳入智能算法模型 具有学习与模拟预测非线性问题的
能力
气候因子对湖泊生态系统的影响机
理与湖泊的反应机制不能表示出来,
因而针对模拟结果并不能给出合理
的解释
302311 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 苏洁琼等: 考虑气候因子变化的湖泊富营养化模型研究进展摇 摇 摇 摇 摇
型的运用范围.为了解决上述问题,以水动力学模型
为基础,耦合生态模型及智能算法等,并结合良好的
气候模拟模型,来精确模拟预测气候变化下湖泊富
营养化将成为今后发展的一个主要方向.
参考文献
[1]摇 United Nations Environment Programme. Global Envi鄄
ronment Outlook Year Book: An Overview of Our Chan鄄
ging Environment, 2004 / 5 [ EB / OL]. ( 2005鄄02鄄25 )
[2011鄄10鄄12]. http: / / www. unep. org / yearbook / 2004 /
061. htm
[2]摇 Liu Y (刘摇 永), Guo H鄄C (郭怀成), Zhou F (周摇
丰), et al. Role of water level fluctuation on aquatic
vegetation in lakes. Acta Ecologica Sinica (生态学报),
2006, 26(9): 3117-3126 (in Chinese)
[3]摇 Jeppesen E, Kronvang B, Meerhoff M, et al. Climate
change effects on runoff, catchment phosphorus loading
and lake ecological state, and potential adaptations.
Journal of Environmental Quality, 2009, 38: 1930 -
1941
[4]摇 Mooij WM, De Senerpont Domisa LN, Janse JH. Link鄄
ing species鄄 and ecosystem鄄level impacts of climate
change in lakes with a complex and a minimal model.
Ecological Modelling, 2009, 220: 3011-3020
[5]摇 Recknagel F, Cao H, Kim B, et al. Unravelling and
forecasting algal population dynamics in two lakes differ鄄
ent in morphometry and eutrophication by neural and ev鄄
olutionary computation. Ecological Informatics, 2006,
1: 133-151
[6]摇 Tello鄄Irelanda C, Lemus鄄Mondacaa R, L佼peza J, et al.
Influence of hot鄄air temperature on drying kinetics,
functional properties, colour, phycobiliproteins, antioxi鄄
dant capacity, texture and agar yield of alga Gracilaria
chilensis. Food Science and Technology, 2011, 44:
2112-2118
[7]摇 Kong Y (孔摇 赟), Xu X鄄Y (徐向阳), Zhu L (朱摇
亮), et al. Microbial degradation of microcystins in wa鄄
ter environment: A review. Chinese Journal of Applied
Ecology (应用生态学报), 2011, 22(6): 1646-1652
(in Chinese)
[8]摇 Shen Q (沈 摇 强), Hu J鄄X (胡菊香). Algal blooms
outbreak trends under climate change in Yangtze River
basin. Journal of Hohai University (Natural Sciences)
(河海大学学报·自然科学版), 2010, 38 ( suppl.
2): 350-351 (in Chinese)
[9]摇 Paerl HW, Huisman J. Blooms like it hot. Science,
2008, 320: 57-58
[10]摇 Li N (李摇 楠), Shan B鄄Q (单保庆), Zhang H (张摇
洪). Organic phosphorus mineralization in the sedi鄄
ments under the impact of pH and temperature. Environ鄄
mental Science (环境科学), 2011, 32 (4): 1008 -
1014 (in Chinese)
[11]摇 Sun L鄄F (孙利芳), Sun Y鄄X (孙一香), Zhou C鄄F
(周长芳), et al. Effects of plant species combination
and water body nutrient level on the biomass accumula鄄
tion and allocation of three kinds functional plants. Chi鄄
nese Journal of Applied Ecology (应用生态学报),
2009, 20(10): 2370-2376 (in Chinese)
[12]摇 Groppelli B, Bocchiola D, Rosso R. Spatial downscal鄄
ing of precipitation from GCMs for climate change pro鄄
jections using random cascades: A case study in Italy.
Water Resources Research, 2011, 47: W03519, doi:
10. 1029 / 2010WR009437
[13]摇 Jeong KS, Kim DK, Shin HS, et al. Impact of summer
rainfall on the seasonal water quality variation ( chloro鄄
phyll a) in the regulated Nakdong River. KSCE Journal
of Civil Engineering, 2011, 15: 983-994
[14]摇 Schindler DW. Recent advances in the understanding
and management of eutrophication. Limnology and Ocea鄄
nography, 2006, 51: 356-363
[15]摇 Wang X鄄Z (王小治), Yin W鄄Q (尹微琴), Shan Y鄄H
(单玉华), et al. Nitrogen and phosphorus input from
wet deposition in Taihu Lake region: A case study in
Changshu Agro鄄ecological Experimental Station. Chinese
Journal of Applied Ecology (应用生态学报), 2009, 20
(10): 2487-2492 (in Chinese)
[16]摇 Ihnkena S, Eggertb A, Beardalla J. Exposure times in
rapid light curves affect photosynthetic parameters in al鄄
gae. Aquatic Botany, 2010, 93: 185-194
[17]摇 Shao X鄄Y (邵晓阳), Xu Y鄄Y (徐耀阳), Han X鄄Q
(韩新芹), et al. The distribution of chlorophyll a con鄄
tent and primary productivity in Guanzhuangping Bay of
Xiangxi River. Acta Hydrobiologica Sinica (水生生物
学报), 2006, 30(1): 95-100 (in Chinese)
[18]摇 Nesa B, Baird AH, Harii S, et al. Algal symbionts in鄄
crease DNA damage in coral planulae exposed to sun鄄
light. Zoological Studies, 2012, 51: 12-17
[19]摇 Ruan X鄄H (阮晓红), Shi X鄄D (石晓丹), Zhao Z鄄H
(赵振华), et al. Correlation between chlorophyll鄄a
concentration and environmental factors in shallow lakes
in plain river network areas of Suzhou. Journal of Lake
Sciences (湖泊科学), 2008, 20 (5): 556 - 562 ( in
Chinese)
[20]摇 Ghirardi ML, Murthy N, Posewitz M, et al. Regulation
of H2 and CO2 metabolism: Factors involved in partitio鄄
ning of photosynthetic reductant in green algae. DOE
Hydrogen and Fuel Program Annual Progress Report,
Golden CO, 2010: 31-32
[21]摇 Kuzyakov Y, Gavrichkova O. Time lag between photo鄄
synthesis and carbon dioxide efflux from soil: A review
of mechanisms and controls. Global Change Biology,
4023 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 23 卷
2010, 16: 3386-3406
[22]摇 Li N (李摇 娜), Bi Y鄄H (毕永红), Gao D鄄W (高大
文), et al. Effects of elevated CO2 concentration on
growth of Microcystis aerugnosa. Acta Hydrobiologica
Sinica (水生生物学报), 2011, 35(4): 698-702 ( in
Chinese)
[23]摇 Stanichny S, Ratner Y, Shokurov M, et al. Wind im鄄
pact on the black sea ecosystem. EGU General Assem鄄
bly, 2010, 12: 2168
[24] 摇 Long T鄄Y (龙天渝), Meng G鄄H (蒙国湖), Wu L
(吴 摇 磊), et al. Numerical simulation for effects of
hydrodynamic condition on algae growth in Chongqing
reaches of Jialing River. Environmental Science (环境
科学), 2010, 31(7): 1498-1503 (in Chinese)
[25]摇 Wicaksana F, Fane AG, Pongpairoj P, et al. Microfil鄄
tration of algae (Chlorella sorokiniana): Critical flux,
fouling and transmission. Journal of Membrane Science,
2012, 387 / 388: 83-92
[26]摇 Liu T (刘摇 涛). Predictions on Water Quality Parame鄄
ters and Advance Warning on Eutrophication in Reser鄄
voirs. Master Thesis. Tianjin: Tianjin University, 2005
(in Chinese)
[27]摇 Tibby J, Tiller D. Climate鄄water quality relationships in
three Western Victorian (Australia) lakes 1984-2000.
Hydrobiologia, 2007, 591: 219-234
[28]摇 Zhang Y鄄M (张毅敏), Zhang Y鄄C (张永春), Zhang
L鄄J (张龙江), et al. The influence of lake hydrody鄄
namics on blue algal growth. China Environmental Sci鄄
ence (中国环境科学), 2007, 27(5): 707 -711 ( in
Chinese)
[29]摇 Zhu G鄄H (朱根海), Ohtani SJ, Hu C鄄Y (扈传昱), et
al. Impact of global climate change on Antarctic fresh鄄
water algae. China Environmental Science (中国环境科
学), 2010, 30(3): 400-404 (in Chinese)
[30]摇 Zuo S鄄P (左胜鹏), Ye L鄄T (叶良涛), Mei H (梅摇
慧). Driving effects of regional climate on dynamics of
water environment in eastern half of Chaohu Lake. Bul鄄
letin of Soil and Water Conservation (水土保持通报),
2011, 31(4): 28-31 (in Chinese)
[31]摇 Lu G鄄H (陆桂华), Ma Q (马摇 倩). Analysis on the
causes of forming black water cluster in Taihu Lake. Ad鄄
vances in Water Science (水科学进展), 2009, 20(3):
438-442 (in Chinese)
[32]摇 Arfi R. The effects of climate and hydrology on the
trophic status of S佴lingu佴 Reservoir, Mali, West Africa.
Lakes and Reservoirs: Research and Management, 2003,
8: 247-257
[33]摇 Shang Z鄄T (商兆堂), Ren J (任摇 健), Qin M鄄R (秦
铭荣), et al. Relationships between climatic change
and cyanobacterial bloom in Taihu Lake. Chinese Jour鄄
nal of Ecology (生态学杂志), 2010, 29(1): 55-61
(in Chinese)
[34]摇 Kisi O, Cimen M. A wavelet鄄support vector machine
conjunction model for monthly streamflow forecasting.
Journal of Hydrology, 2011, 399: 132-140
[35]摇 Mountrakis G, Im J, Ogole C. Support vector machines
in remote sensing: A review. ISPRS Journal of Photo鄄
grammetry and Remote Sensing, 2011, 66: 247-259
[36]摇 Liu C鄄W (刘臣炜). Study on Numerical Simulation of
Eutrophication of Shallow Lake in the City. Master The鄄
sis. Nanjing: Hohai University, 2007 (in Chinese)
[37] 摇 Zhou J (周摇 婕), Zeng C (曾摇 诚). Research pro鄄
gress of mathematical models for lake eutrophication.
Yangtze River (人民长江), 2007, 38(11): 115-118
(in Chinese)
[38]摇 Hassan H, Hanaki K, Matsuo T. A modeling approach
to simulate impact of climate change in lake water quali鄄
ty: Phytoplankton growth rate assessment. Water Science
and Technology, 1998, 37: 177-185
[39]摇 Robson BJ, Hamilton DP. Three鄄dimensional modelling
of a Microcystis bloom event in the Swan River estuary,
Western Australia. Ecological Modelling, 2004, 174:
203-222
[40]摇 J觟born A, Danielsson I, Arheimer B, et al. Integrated
water management for eutrophication control: Public par鄄
ticipation, pricing policy, and catchment modeling.
Ambio, 2005, 34: 482-488
[41]摇 Fragoso Jr CR, Motta Marques DML, Ferreira TF, et
al. Potential effects of climate change and eutrophication
on a large subtropical shallow lake. Environmental Mod鄄
elling & Software, 2011, 26: 1337-1348
[42]摇 Jeppesen E, Kronvang B, Olesen JE, et al. Climate
change effects on nitrogen loading from cultivated catch鄄
ments in Europe: Implications for nitrogen retention, ec鄄
ological state of lakes and adaptation. Hydrobiologia,
2011, 663: 1-21
[43]摇 Wang W鄄L (王文兰), Zhou J鄄L (周嘉陵), Zhang B
(张摇 冰), et al. Numerical study of the impact of sur鄄
face wind changes on the cyanobacteria bloom in Lake
Taihu. Journal of the Meteorological Sciences (气象科
学), 2011(6): 718-725 (in Chinese)
[44]摇 Malmaeus JM, Blenckner T, Markensten H, et al. Lake
phosphorus dynamics and climate warming: A mechanis鄄
tic model approach. Ecological Modelling, 2006, 190:
1-14
[45]摇 Zhang L鄄B (张礼兵), Huo S鄄L (霍守亮), Zhou Y鄄L
(周玉良), et al. Establishing lake reference conditions
for nutrient criteria based on system dynamics. Acta Sci鄄
entiae Circumstantiae (环境科学学报), 2011, 31(6):
1254-1262 (in Chinese)
[46]摇 Afshar A, Saadatpour M, Marino MA. Development of a
complex system dynamic eutrophication model: Applica鄄
502311 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 苏洁琼等: 考虑气候因子变化的湖泊富营养化模型研究进展摇 摇 摇 摇 摇
tion to Karkheh Reservoir. Environmental Engineering
Science, 2012, 29: 373-385
[47]摇 Zhang L鄄J (张龙江), Zhang Y鄄C (张永春), Wu Y鄄H
(吴英海), et al. Construction of ecosystem model in
Lake Taihu and its application. Sichuan Environment
(四川环境), 2007, 26(2): 30-53 (in Chinese)
[48]摇 Li Q鄄X (李晴新), Feng J鄄F (冯剑丰), Zhu L (朱摇
琳). Applications of eco鄄exergy in ecological modeling
and assessment of aquatic ecosystems. Chinese Journal
of Ecology (生态学杂志), 2011, 30 (2): 376 -383
(in Chinese)
[49]摇 Zhang Y鄄Z (张永泽), Huang C鄄Y (黄川友). Appli鄄
cations of thermo dynamical theories in eutrophication
research of lakes. Advances in Environmental Science
(环境科学进展), 1995, 3(6): 53-56 (in Chinese)
[50]摇 Silow EA, Mokry AV. Exergy as a tool for ecosystem
health assessment. Entropy, 2010, 12: 902-925
[51]摇 Zhang JJ, Gurkan Z, J覬rgensen SE. Application of eco鄄
exergy for assessment of ecosystem health and develop鄄
ment of structurally dynamic models. Ecological Model鄄
ling, 2010, 221: 693-702
[52]摇 Han F (韩摇 菲), Chen Y鄄C (陈永灿), Liu Z鄄W (刘
昭伟). Advance in the eutrophication models for lakes
and reservoirs. Advances in Water Science (水科学进
展), 2003, 14(6): 785-791 (in Chinese)
[53]摇 Liu Y (刘摇 永), Guo H鄄C (郭怀成), Fan Y鄄Y (范
英英), et al. Research advance on lake ecosystem dy鄄
namic models. Chinese Journal of Applied Ecology (应
用生态学报), 2005, 16 (6): 1169 - 1175 ( in Chi鄄
nese)
[54]摇 Chen CW, Orlob GT. Ecological Simulation for Aquatic
Environments. New York: Academic Press, 1975
[55]摇 Yi Z鄄Q (易仲强). Review of research on eutrophication
prediction in lakes and reservoirs with intelligent algo鄄
rithm. Water Resources and Power (水电能源科学),
2010, 28(8): 33-36 (in Chinese)
[56]摇 Wu Q鄄M (吴巧媚), Liu Z鄄W (刘载文), Wang X鄄Y
(王小艺), et al. Water鄄bloom forecasting in lakes of
Beijing based on wavelet artificial neural network. Com鄄
puter Engineering and Applications (计算机工程与应
用), 2010, 46(12): 233-235 (in Chinese)
作者简介摇 苏洁琼,女,1987 年生,硕士.主要从事流域水生
态安全评价与管理研究. E鄄mail: suapril_409@ sina. com. cn
责任编辑摇 肖摇 红
6023 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 23 卷