基于环境自净能力的龙凤湿地水质改善优化调控模型
  环境科学学报  2018, Vol. 38 Issue (6): 2418-2426
基于环境自净能力的龙凤湿地水质改善优化调控模型    [PDF全文]
窦明 , 贾瑞鹏     
郑州大学水利与环境学院, 郑州 450001
摘要: 为解决城市湿地生态系统存在的严重污染问题,找到合理的排污削减方案,选择大庆市龙凤湿地作为研究对象,以主要的污染物NH3-N、TP、CODCr和石油类污染物为指标,应用MIKE21建立试验湿地二维水动力和水质耦合模型,采用数值模拟的方法,研究提出湿地水质改善的优化调控模型.进而,采用模拟试验研究了清淤、曝气、补水及上述措施两两组合下的调控方案对改善龙凤湿地水质效果的影响.结果表明:单一工程措施下无法使染物削减到控制目标浓度,各类措施的削减效果为补水>清淤>曝气;在各组合情况下,补水+清淤方案的削减作用更佳;在工程措施相同情况下,提高排污标准也能起到削减作用.最后,在考虑不同排污方式下既能使污染物排放达标、又能充分利用湿地纳污能力的前提下,优选出了最佳方案.
关键词: 排污优化     二维水质模拟     MIKE21     龙凤湿地    
Optimization of water quality improvement program for Longfeng wetland considering the purification of aquatic plants
DOU Ming , JIA Ruipeng    
College of Water Conservancy and Environment, Zhengzhou University, Zhengzhou 450001
Received 1 October 2017; received in revised from 15 November 2017; accepted 15 November 2017
Supported by the National Natural Science Foundation of China(No.51679218), the Program for Science & Technology Innovation Talents in Universities of Henan Province(No.17HASTIT031) and the Outstanding Young Talent Research Fund of Zhengzhou University(No.1521323001)
Biography: DOU Ming(1975—), male, Ph.D., E-mail:dou_ming@163.com
*Corresponding author: DOU Ming
Abstract: In order to solve the serious pollution of urban wetland ecosystem, Longfeng wetland in Daqing City was taken as the research object to find a reasonable sewage reduction scheme. First of all, main pollutants including NH3-N, TP, CODCr and petroleum pollutants were selected as indicators. And the two-dimensional hydrodynamic and water quality coupling model was established by application of MIKE 21. Then the optimal regulation method aiming at improving water quality of wetland was proposed by the method of numerical simulation method. In addition, the dredging, aeration, water replenishment were researched by simulation experiment and the effects on the water quality improvement of Longfeng wetland under different combination of the measures mentioned above were analyzed. The simulation results show that the pollutants could not be reduced to the target concentration under single engineering measure, and the reduction effect of water replenishment is the best, dredging the second best, aeration the last. In the case of different engineering measures, the reducing effect of the replenishment and dredging combination is better. Improving the sewage standards can also play a role in reducing pollutants. Finally, the best solution which can not only guarantee the discharge of pollutants reaching the standard, but also make full use of wetland pollutant carrying capacity was selected.
Key words: emission optimization     two-dimensional water quality simulation     MIKE21     Longfeng wetland    
1 引言(Introduction)

城市湿地生态系统具有多样化的植物群落和种类繁多的动物资源, 并可调节地区水资源和水热平衡, 对城市生态影响较大.由于中国的污水管道建设相对落后, 污水管道的溢流湖泊周围可能会造成污染物污染, 并导致水质量退化(Chen et al., 2009).随着经济的深入发展, 这种污染的后果越来越严重.外部污染源、内部来源(营养物质释放来自沉积物)和水动力条件(局部循环)都是导致水质恶化的关键因素(Wang, 2014).城市湿地生态系统处理污水技术对污水处理效果明显、绿色经济、便于维护, 目前已被广泛采用(武春芳等, 2014Stottmeister et al., 2003Filip, 2002).但由于城市发展过程中污废水大量排放, 严重超过了湿地对污水的净化能力范围, 造成湿地生态系统恶化, 成为城市的“顽疾”.这些问题在许多城市都曾出现, 国内外学者对湿地生态净化及治理做了大量高水平的研究工作, 并取得了一定的效果.谢宇(2012)研究了水生植物对水体的净化作用, 提出水生植物对水质的影响机制.张嫣然(2012)对不同情境下湿地生态用水的水质和水量的时空分布进行了模拟, 并提出生态用水调控方案.焦璀玲等(2008)采用MIKE21水动力模型对湿地现状水质进行模拟.林国庆等对河口湿地的水动力和水质条件进行了研究, 提出了生态用水的灌溉调水方案(Lin et al., 2011).杨永森等(2015)建立了湿地水域的二维水动力模型, 提出了湿地生态补水方案.以上研究主要是利用模型通过设置适当的参数对水域的水动力或水质状况做出模拟, 即现状模拟, 未深入探讨水生生物对水域水动力条件和水质的影响.本文以大庆市龙凤湿地为研究对象, 主要针对湿地中水草丰茂的特点, 考虑水草对糙率及污染物转化的影响, 建立二维水动力水质耦合模型, 针对湿地水域水环境建立多目标优化函数, 采用狼群搜索算法对设置的不同的水质改善方案寻优求解, 得到最优方案.

2 研究方法(Methods) 2.1 总体思路

本文的研究思路为:首先, 根据研究水域的进水、出水条件, 并考虑风场、水生植物等对水流的影响, 建立二维湖泊水动力学模型, 模拟流速、水位、流量等水动力指标的时空变化过程;其次, 基于污染物在水体中发生的稀释、迁移、降解等作用机制, 并考虑研究水域内排污口排放、底泥内源释放及周边面源和暗排口的汇入, 建立描述污染物浓度时空变化过程的二维水质迁移转化数学模型;最后, 在研究水域内选取相应的控制点, 以控制点的水质浓度达到目标浓度作为控制条件, 通过设置不同的水质改善方案, 输入到已建立的水动力-水质模型, 推求得到确保所有控制点都能满足水质目标要求的允许排污负荷总量, 进而优选出最优方案.

2.2 基于MIKE21的湖泊二维水动力模型

MIKE 21模型是丹麦水力研究所(DHI)开发的系列水力学软件之一, MIKE 21水动力模块是建立在二维数值求解方法的浅水方程基础上, 深度上集成三维不可压缩Reynolds值均布的纳维-斯托克斯方程, 并服从于Boussinesq假定和静水压力的假定.该模型采用有限体积算法, 计算网格采用非结构网格, 因此, 能够灵活处理复杂地形和动态变化的水陆边界.水动力模型控制方程包括水流连续方程(1)、X方向动量方程(2)和Y方向动量方程(3).

(1)
(2)
(3)

式中, h为水深(m);d为时间变化水深(m);ξ为自由水面水位(m);pq分别为xy方向的流量密度(m3·s-1·m-1);g为重力加速度(m2·s-1);C为谢才阻力系数(m1/2·s-1);f为风摩擦系数, 无量纲;VVxVy分别为风速及xy方向的风速分量(m·s-1);Ωq为Coriol系数, Ωq=2ωsinθ;其中, ω为地球自转角速度(rad·s-1);θ为计算点所处的纬度(°);ρw为水的密度(kg·m-3);Pa为大气压强(kg·m-1·s-2);xy为空间坐标(m);t为时间(s);τxxτxyτyy为切应力(谢锐等, 2010窦明等, 2016, 冯媛, 2016).

水生植物可以通过自己的枝干根系和植株密度对水流产生影响, 从而影响水流阻力(房春艳, 2010).对于湿地水域, 水生植物较多, 影响水流阻力的因素不仅有糙率还应包含植物所引起的附加阻力, 因此, 传统的糙率计算公式不适应此种水域.为此, 有学者提出了水生植物大量生长环境下的曼宁修正公式(4)(闫静等, 2014), 该公式综合考虑了水生植物对水流阻力的影响, 比较切合湿地等水草丰茂的水域.

(4)

式中, n表示糙率系数, 无量纲;R表示水力半径(m);ψ表示大型水生植物密度(株·m-2);Yd表示植物拖拽系数, 无量纲(其值与雷诺数大小有关).本文在确定糙率系数时结合湿地实际资料, 利用式(4)计算糙率, 对不同水域的设置不同的糙率系数.

2.3 基于水生生物自净作用的二维水质模型

水生植物是湿地的重要组成部分, 在湿地的污水控制和净化处理方面有以下4项作用(肖洋等, 2014李龙山等, 2013):①通过光合作用生成氧气和有机物, 提高水体溶解氧含量和生化反应能量;②对水中的氮、磷等营养元素有较强的吸收作用, 有些植物如芦苇(Phragmites communis)和大米草(Spartinaanglica)对水中悬浮物、氯化物、有机氮、硫酸盐均有一定的净化能力;③增加阻力降低污染物扩散速率, 防止污染源进一步扩散;④增加或稳定土壤的透水性, 提供良好的过滤条件以防止湿地被淤泥淤塞.但真正来自大型水生植物的营养盐吸收利用量是有限的, 这是由水生植物生长特性所决定.

湿地水生态系统的富营养化状态不仅取决于营养物质的负荷, 水温、光照、盐度、水动力条件也相当重要.基于水动力模块, 采用DHI ECO Lab模块对湿地水质进行模拟, 该模块是定制水生生态系统模型的开放型工具, 可描述与环境、水污染问题相关的物理、化学和生物过程, 包括大气富氧作用、光合作用、硝化作用、异养生物(细菌)呼吸作用等过程(窦明等, 2015余晓等, 2011).在此将水域内各种物质之间的转化关系进行概化, 具体如图 1所示.各种物质的转化过程如式(5)~ (9)所示.

图 1 水质指标之间的相互作用关系示意图 Fig. 1 Schematic diagram of the interaction between water quality indicators

在湿地环境下, 水生植物的生长动力学过程对水质影响至关重要, 呼吸作用和光合作用是绿色植物的两大生理学过程, 在这些过程中包含了水生植物对水中营养物质的吸收及各种物质之间的相互转化过程(张晓玲等, 2016种云霄等, 2003).基于水生植物的生长动力学过程建立如下所示:

(5)

式中, j=f、e、s, 分别表示浮游植物、挺水植物和沉水植物;Mj为单位面积水生植物的生物量(g·m-2, 以C计);t为时间(d);PMj为水生植物生长速率(d-1);RMj为水生植物新陈代谢速率(d-1);LMj为水生植物被捕食速率(d-1).

水生植物的生长率PMj是一个复杂的非线性函数, 主要受水温、光照强度和营养盐浓度及植物自遮蔽作用等外部环境条件的制约.水生植物的生长率PMj可表示为上述因素的乘积, 即:

(6)

式中, Gmax为植物的最大生长率(d-1);G(T)为温度调节因子, , TTopi分别为实际水温和植物生长最佳水温(℃);G(I)为光照衰减因子, , 无量纲, IIopi分别为水下实际光照强度和植物生长最佳光照强度(lx);G(N)为营养限制因子, 根据Liebig′s最小元素限制定律, 植物生长情况取决于环境所能提供的最少的营养元素, 则, 无量纲, KmnKmp分别为植物生长摄入氮和磷的半速常数(mg·L-1), [TN]、[TP]分别为水体中总磷和总氮浓度(mg·L-1);G(C)为植物自遮蔽作用, , KBPj为不同种类水生植物自遮蔽作用的生物密度限制因子半饱和常数(g·m-2, 以C计).其中:

(7)

式中, AN表示植物摄取氨氮的量(g);UPN表示植物摄取氨氮的系数;P表示光合作用产氧量(g·m-2·d-2, 以O2计);R1表示20 ℃下光合作用(自养型)的呼吸速率(mg·dm-2·h-1, 以CO2计);θ1表示光合呼吸/产出的温度系数, 无量纲;T表示温度(℃);G(N)表示营养盐限制因子, 无量纲.

(8)

式中, AP表示植物摄取磷的量(g);UPP表示植物摄取磷的系数;其他符号意义同上.

石油类污染物在自然状态下降解转化过程缓慢复杂, 在处理石油类污染物时将其简化为难降解有机物, 其降解规律(华祖林等, 2013)符合式(9).

(9)

式中, c为石油污染物总浓度(mg·L-1);c0为不可降解有机物浓度(mg·L-1);k为降解系数(d-1), 与温度、光照强度和氧含量有关;Φ为反应级数;t为反应时间(d).

2.4 基于环境自净能力充分利用的水质改善优化调控方案求解

龙凤湿地水域受多个排污口的排污综合影响, 污染物在水域内呈现带状分布, 不同监测点的水质浓度差别很大.因此, 本文提出选取主要控制点、并以控制点水质状况为防控目标的基于水质目标的污染物控制方法.控制点的选取可参照以下原则:①位于湖泊中央的监测点;②位于湖泊出流断面;③排污口排放污染物能影响到的范围;④有重要保护意义或使用功能的水域.

鉴于龙凤湿地的实际情况, 对龙凤湿地污染物排放实施总量控制和排污最大化控制, 即在污染物总的容纳量最大的情况下, 使每个排污口可以尽可能多的排放污染物, 并使主要控制点的监测水质浓度达到相应的水环境质量标准.这样既可以有效地利用湿地对污染物的削减作用, 减轻城市的污水处理压力, 又够保证湿地水环境的良性状态.该模型的目标函数及其约束条件如公式(10)~(14)所示.

2.4.1 目标函数

采用区域的污染物排放总量最大作为目标函数, 即:

(10)

式中, Wi是第i个排污口的污染物排放量(kg);Ci是第i个排污口的污染物浓度(mg·L-1);Qi是第i个排污口的流量(m3·s-1);n为排污口数量;t是排污时间(d).

2.4.2 约束条件

控制点排污浓度约束(式(11))、生态流量约束(式(12))、排污口排污量约束(式(13))、污染团滞留时间约束或换水周期约束(式(14))分别如下:

(11)
(12)
(13)
(14)

式中, Cs是水质保护目标浓度(mg·L-1);m为控制点个数;Ck是第k个控制点的污染物浓度(mg·L-1);Qi, t为第i个排污口的补水流量(m3·s-1);Si, t为河道实际流量(m3·s-1);Qet为河道最小生态基流(m3·s-1);WiminWimax分别是第i个排污口的排污量下限和上限;T为换水周期(d);ti为第i种情景下的换水周期(d).

通过设置不同的污染治理方案, 以研究水域所有排污口的污废水排放流量和水质浓度作为输入条件, 当同时满足约束条件, 且达到目标函数所设置的目标时, 对各个方案进行逐一筛选, 即可得到最优的排污方案, 且在该模型中污染物的总排放量应不超过研究水域的纳污能力.

3 应用研究(Application and analysis) 3.1 研究区概述 3.1.1 基本情况介绍

位于黑龙江省大庆市的龙凤湿地总面积为5050 hm2, 其中, 核心管护区面积2979 hm2.龙凤湿地是我国最大的城中湿地, 主要接纳安肇新河王花泡—北二十里泡段的来水和大庆市东城区和安达市的混合排水.龙凤湿地最大蓄水量9240万m3, 正常蓄水量800万m3, 最大水面面积77.0 km2, 平均水面面积48.5 km2, 平均水深1.0 m.对研究区域水质进行监测, 共设置34个监测点, 包括4个控制点.龙凤湿地收纳来自城区居民生活用水、雨水及污水处理厂排水, 污染物来源复杂, 主要监测指标包括氮、磷、COD等常见污染物, 另外, 由于该水域处于石油产区大庆市, 因此, 将石油类污染物也作为一项监测指标, 经过现场取样检测, 总体水质类别为劣Ⅴ类.

3.1.2 研究区概化

根据现场勘察及监测情况, 安肇新河穿龙凤湿地而过, 黎明河最终也汇入到龙凤湿地, 此外, 还有7个排水口排入到龙凤湿地.在监测期间, 项目组同时在污水处理厂入口对流量、流速进行了监测, 并取水样进行水质化验.此外, 还在安肇新河入河口附近(观测安达排污口的影响)、大湖区中央(观测污水处理厂和北部排污口群)、小湖区中央(观测西北两个排污口)和湖泊出流断面(考察各排口的综合影响)设置了4个控制点, 作为判断水质是否超标的依据.龙凤湿地水域示意如图 2所示.

图 2 研究区域示意图 Fig. 2 Schematic of the study area
3.2 模型验证及参数率定 3.2.1 水动力学模型验证

根据水动力学模型, 对模拟结果影响较大的参数主要有糙率、干湿水深和风阻系数(冯媛, 2016).在参数取值调整过程中, 以湖泊中各点监测数据为依据, 选取不同的糙率、干湿水深和风阻系数来模拟率定, 使湿地水动力条件达到较好的模拟效果, 其中针对龙凤湿地水、草相间的分布情况对糙率进行分区设置, 率定结果见表 1.

表 1 水动力参数率定结果 Table 1 Calibration results of hydrodynamic parameters
3.2.2 水环境数学模型验证

由于水质迁移转化模型中参数较多, 单一率定起来比较繁琐, 在参数率定时, 通过查阅文献(武春芳等, 2014窦明等, 2015)确定参数的初始值, 然后根据文献和模型, 找出对各物理、化学、生物反应过程较敏感的参数, 不断调整每一个参数值, 分析NH3-N、COD、TP和石油类污染物模拟值与实测值检验误差情况, 得到龙凤湿地主要污染物NH3-N模拟值与实测值最大相对误差为19.32%, 平均相对误差为15.39%;TP模拟值与实测值最大相对误差为17.02%, 平均相对误差为14.28%;石油类模拟值与实测值最大相对误差为16.16%, 平均相对误差为15.01%;COD模拟值与实测值最大相对误差为18.81%, 平均相对误差为16.03%.整体来看, 各水质指标的模拟结果与实际监测值拟合较好(图 3), 根据率定结果最终确定参数值(表 2).

图 3 各水质指标的模拟值和实测值的对比结果 Fig. 3 Comparison results of simulated and measured values of water quality indexes

表 2 主要敏感参数率定结果 Table 2 Calibration results of main sensitive parameters
3.3 水质改善方案模拟及分析 3.3.1 水环境治理方案设计

根据流域生态保护方案, 对龙凤湿地分别设置不同治理方案, 针对各排污口的实际情况, 将9个主要排污口分为5组, 对其实施不同的排污控制措施.其中, A组方案和B组方案互为对照方案, B组方案与A组方案相比, 提高了污染物排放标准.采用构建的二维水动力学模型和水质迁移转化模型, 对不同排放水质标准要求的工程方案进行模拟, 分析不同工程方案实施后, 湿地水质的变化情况, 从而优选出较为合理的治理方案, 为受污染水体治理提供依据, 龙凤湿地治污实施方案如表 3所示.

表 3 龙凤湿地治理情景方案 Table 3 Scenarios for Longfeng wetland management
3.3.2 不同方案下的水质改善效果分析

根据以上方案得出不同排污条件下的水质模拟结果, 得到按设定工况进行污染物排放30、60、90、120、150、180 d的4类主要污染物浓度, 对其结果进行分析, 筛选原则依据式(9)~(13), 符合约束并能达到最大排污目标的排污方案即为最优方案.选取控制点1做重点分析, 各情景方案下控制点1主要污染物的变化趋势如图 4所示.

图 4 不同削减方案下COD、TP、NH3-N、石油类污染物变化趋势 Fig. 4 Variation trend of COD, TP, NH3-N and petroleum pollutant concentration under different cutting schemes

图 4可以看出, 各种方案实施后对湿地中污染物浓度的影响各有差异.整体来看方案集B比方案集A的削减作用更显著.对于COD, 设计方案开始实施60 d后其值开始出现明显下降, 并根据方案的不同呈不同的下降趋势.其中, 在A5、A6情景下COD在120 d左右达到目标值, 方案B的COD下降趋势更明显, 可以看到, 当提高污染物的排放标准之后, 其COD下降趋明显变快, 且开始出现下降趋势的时间也有提前.方案集B有B4、B5、B6 3种方案COD最终达到了Ⅳ类水标准.对于污染物TP, 在方案集中A4、A5、A6情景下TP浓度在120 d左右达到目标浓度, 方案B的污染物浓度下降趋势更明显, 所有6种方案污染物浓度最终都达到了Ⅳ类水标准.对于TP污染物的削减, 曝气、清淤、补水及提高污染物排放标准几种措施之间, 清淤和补水的效果更佳明显, 其原因是湿地底泥中有大量的TP类污染物, 在治理TP类污染物时, 应加强对底泥的处理工程.对于NH3-N其变化趋势与COD类似, 但削减速度较COD快.NH3-N的主要污染来源是输入较多, 在治理NH3-N污染物时应加强对龙凤湿地来水水质的控制;对于石油类污染物, 在方案集中A3、A4、A5、A6情景下石油类污染物浓度在120 d左右达到目标浓度, 从下降趋势和削减结果看, 提高排放标准对污染物的削减效果并不明显更, A、B两组对照实验的结果相差不大.综合上述分析, 对于4类主要污染物的削减, 从采用的工程措施来看, 补水+清淤的方案更优.根据控制目标和约束条件, 对12种方案进行优选, 得出方案A6为最优方案.

不同的排污削减方案对污染物质的削减作用各有差异, 综合4个控制点的4类主要污染物模拟结果分析, 能够使污染物削减至目标浓度Ⅳ类水水质要求, 由以上分析得出, 方案为A6最优方案.在方案A6下龙凤湿地内COD明显下降, 整体在15.4~20.8 mg·L-1之间, TP浓度明显下降, 整体在0.03~0.08 mg·L-1之间, NH3-N浓度明显下降, 整体在0.82~1.37 mg·L-1之间, 石油类污染物浓度明显下降, 整体在0.28~0.45 mg·L-1之间, 主要污染物浓度都满足控制目标为Ⅳ类水水质的要求.

通过以上分析, 对于龙凤湿地的污染物治理, 不仅要提高各排污口的排污标准, 同时要配合清淤、补水和水系连通工程.对主要排污口要进行重点控制, 对水草区域增加一定的水系连通工程, 增加湿地内水的流动性, 最大限度地对污染物进行削减.从对污染物的削减作用和控制目标来看, 各种方案下污染物的削减作用不同, 经过方案优选, 拟推荐方案A6作为对龙凤湿地污染物的治理方案.

4 结论(Conclusions)

1) 本文建立了水动力和水质二维耦合模型, 分析了NH3-N、COD、TP和石油类污染物模拟值与实测值检验误差情况, 结果发现, 龙凤湿地4类主要污染物的实测值与模拟值误差在20%以内, 确定了龙凤湿地水域水质迁移转化模型的各项参数.

2) 建立的基于环境自净能力的水质改善优化调控模型, 综合考虑了湿地水生植物丰茂的特点, 并将水生植物对水体污染物的削减作用过程添加到水质模型中.利用该模型对龙凤湿地4类主要污染物在指定方案下的削减趋势进行分析, 发现该模型可以根据不同的趋势及削减结果, 给出每种污染物的污染原因和治理方向, 并由优选模型给出最优的排污削减方案.

3) 单一工程措施下无法使染物削减到控制目标浓度, 各类措施的削减效果为补水>清淤>曝气;在各组合情况下, 补水+清淤方案的削减作用更佳;在工程措施相同情况下, 提高排污标准也能起到削减作用.

致谢: 本文获得了中国环境科学研究院张远研究员团队和北京大学张晓玲博士的技术指导, 研究中的数据均来自《龙凤湿地流域水环境综合整治规划》成果报告, 在此向报告编制团队在本文撰写过程中提供的帮助表示衷心感谢!
参考文献
Chen Q, Wei-Ping H U, Zhang J N. 2009. Advances in research on the build-up and rainfall runoff wash-off of urban surface pollutants[J]. Resources & Environment in the Yangtze Basin, 18(10): 992–996.
种云霄, 胡洪营, 钱易. 2003. 大型水生植物在水污染治理中的应用研究进展[J]. 环境污染治理技术与设备, 2003(2): 36–40.
窦明, 米庆彬, 李桂秋, 等. 2016. 闸控河段水质转化机制研究:模型研制[J]. 水利学报, 2016, 47(4): 527–536.
窦明, 米庆彬, 左其亭. 2015. 闸控河段水质多相转化模型[J]. 中国环境科学, 2015, 35(7): 2041–2051.
房春艳. 2010. 植被作用下复式河槽水流阻力实验研究[D]. 重庆: 重庆交通大学
冯媛. 2016. 表面流人工湿地水动力—水质模拟与分析[D]. 济南: 山东大学
Filip Z. 2002. International approach toassessing soil quality by ecologicallyrelated biological parameters[J]. Agriculture, Ecosystems & Environment, 88(2): 169–174.
华祖林, 李亚伟, 顾莉. 2013. 湖泊不同湖区CODMn降解的混合级数模型[J]. 水利学报, 2013, 44(5): 521–526.
焦璀玲, 王昊, 李永顺, 等. 2008. 人工湿地数值模拟研究—以山东平阴湿地示范区为例[J]. 南水北调与水利科技, 2008(6): 87–89;108.
李龙山, 倪细炉, 李志刚, 等. 2013. 5种湿地植物生理生长特性变化及其对污水净化效果的研究[J]. 农业环境科学学报, 2013(8): 1625–1632. DOI:10.11654/jaes.2013.08.020
Lin G Q, Zhang Y R, Wu Cheng C, et al. 2011. Optimal design of wetland ecological water in the Shuangtaizi Estuary, Panjin[J]. Procedia Environmental Sciences, 12: 1404–1410.
Stottmeister U, WieBner A, Kuschk P, et al. 2003. Effects of plants and microorganisms in constructed wetlands for wastewatertreatment[J]. Biotechnology Advances, 22(1): 93–117.
Wang T. 2014. Numerical simulation research of water diversion to improve urban lake water quality[J]. Pioneering with Science & Technology Monthly, 1: 195–196.
武春芳, 徐明德, 李璐, 等. 2014. 太原市迎泽湖富营养化控制的模型研究[J]. 中国环境科学, 2014, 34(2): 485–491.
肖洋, 范晶. 2014. 哈尔滨市典型湿地植物净污能力研究[J]. 水土保持学报, 2014, 28(3): 295–299.
谢锐, 吴德安, 严以新, 等. 2010. EFDC模型在长江口及相邻海域三维水流模拟中的开发应用[J]. 水动力学研究与进展A辑, 2010, 25(2): 165–174.
谢宇. 2012. 不同水动力下太湖水生植物群落对水体净化能力研究[D]. 南京: 南京林业大学
闫静, 戴坤, 唐洪武, 等. 2014. 含植物河道紊流结构研究进展[J]. 水科学进展, 2014, 25(6): 915–922.
杨永森, 杜倩, 刘旭, 等. 2015. 基于二维水动力模型的湿地补水研究与应用[A]. 2015第七届全国河湖治理与水生态文明发展论坛论文集[C]. 北京: 中国水利技术信息中心
余晓, 李翀, 王昊, 等. 2011. 额尔古纳河洪水淹没模拟及湿地植被变化分析[J]. 水利学报, 2011, 42(11): 1308–1315.
张晓玲, 刘永, 郭怀成. 2016. 湖滨河口湿地中磷的输移转化机制及截留效应研究进展[J]. 环境科学学报, 2016, 36(2): 373–386.
张嫣然. 2012. 双台子河口芦苇湿地生态用水调度优化设计[D]. 青岛: 中国海洋大学