畢瀟偉，徐 聰，何義亮

（上海交通大學環(huán)境科學與工程學院，上海 200240）

青草沙水庫是上海市四大水源地之一，自2011年全面投入使用后日益突出的水質(zhì)問題成為水庫生態(tài)環(huán)境的重點。根據(jù)近年上海水務(wù)部門監(jiān)測，庫內(nèi)水質(zhì)已呈現(xiàn)營養(yǎng)化的趨勢，張琴娟［1］對水庫的水質(zhì)監(jiān)測發(fā)現(xiàn)藻類屬于影響水庫的重要污染物之一。所以對青草沙水庫水質(zhì)的研究顯得尤為重要。

水庫的蓄水調(diào)節(jié)過程使得庫區(qū)呈現(xiàn)水位偏高、水流流速降低等現(xiàn)象，對水體的自凈能力有相當大的影響［2］。水庫的水動力特征，包含水位、流速等，對水庫的水環(huán)境有著重要影響。流場的變化會影響水溫的變化［3］，同時影響了水質(zhì)點的遷移［4］。尤其是在短時間內(nèi)，水體流場對水溫的影響尤為明顯。

通過流場的模型可以對水溫進行精確模擬，水溫的改變也會對水環(huán)境產(chǎn)生多方面的影響，比如水體中的溶解氧、水體中有機物以及水體中的各種微生物和浮游生物等［2］。浮游藻類是水環(huán)境質(zhì)量的一個重要指標，在生物學水質(zhì)評價中廣泛運用［5］。水溫對藻類的種類和數(shù)量都會產(chǎn)生較為明顯的影響，尤其是夏季高溫條件會引起藻類數(shù)量的大量增加［6］?？梢酝ㄟ^藻類數(shù)量較為直接地反映青草沙水庫的水質(zhì)問題，所以本文以藻類作為典型問題來探討溫度對水質(zhì)的潛在影響。因為水溫和氣溫有著強烈的關(guān)系，大氣和水面的熱交換直接影響了水溫的升高［7］，所以我們可以通過水動力模型來預(yù)測未來氣溫條件下青草沙水庫的水溫變化。

青草沙水庫處于長江口的南北港分流口下方，由于同時受到了徑流和潮流的作用，所以兼有了河、海的流場特征［8］。隨著計算技術(shù)的廣泛運用，數(shù)值模擬在水環(huán)境中的運用越來越成熟，在水動力數(shù)值模擬中最常用的模型有：EFDC模型、Mike系列軟件、POM模型和Delft3D軟件。本文選用的Delft3D采用ADI計算方法（隱式方向交替法），計算穩(wěn)定性好，可以模擬復(fù)雜的邊界條件。

國內(nèi)外有很多關(guān)于全球未來氣溫的研究，張國慶等［9］基于模型預(yù)測了未來氣溫以每10年0.24℃的增長速度上升；IPCC第五次報告［10］預(yù)估21世紀末，全球氣溫升高至 2.6～4.8℃的可能性最大；郯俊嶺等［11］對中國未來氣溫變化進行預(yù)估，提出在21世紀末上升溫度很可能超過2℃。高學杰等［12］以溫室效應(yīng)為機理，以長江中下游地區(qū)氣候的變化為研究對象，探究在溫室效應(yīng)加重的情況下氣溫的變化，發(fā)現(xiàn)長江中下游區(qū)域氣溫升高值比內(nèi)陸高2.3℃ 以上。以國外IPCC的報告對未來全球氣候變化的預(yù)測為權(quán)威，并基于國內(nèi)外的研究結(jié)果，考慮到青草沙處在長江口這個特殊位置，受到長江徑流和海水的影響，在全球氣候變化下，長江口的氣溫也會略微高于平均。

Takemura等［13］進行了水溫與藻類生長關(guān)系的試驗，發(fā)現(xiàn)溫度高于11℃、并低于一定溫度下，光合作用效率隨溫度的變化而呈現(xiàn)比例關(guān)系。多項研究都表明大多數(shù)藻類最適宜生長溫度為30℃［14］。徐良等［15］在Arrhenius規(guī)律基礎(chǔ)上對Eppley探究水溫對藻類生長規(guī)律的影響做了進一步地探究，修正了新的公式用作藻類增殖系數(shù)。在藻類生長過程中，當溫度超過最適溫度時，藻類生長符合公式Fp（T）＝ pt－T；當溫度低于最適溫度時，藻類生長符合公式Fp（T）＝pT－t（T 是最適溫度，t為實際溫度［16］）。當水溫超過30℃，水溫的升高反而會抑制藻類的生長［17］。

本研究利用Delf3D-Flow模塊，在夏季對青草沙水庫運行情況進行水動力模擬。通過流速率定和驗證得到良好的水動力模型，在驗證好的模型基礎(chǔ)上對溫度進行模擬。為了更好地探究水溫變化，在原模型基礎(chǔ)上改變空氣溫度用以模擬未來氣溫下的水溫變化，從而更好地探究青草沙水庫的水溫變化和潛在的水質(zhì)問題。

1 青草沙水庫流場的模擬和驗證

1.1 模型的建立

1.1.1 Flow 模塊的基本原理

在模塊的流體基本計算中，將水體假設(shè)為不可壓縮流體，并忽略溫度的改變對流場的基本影響。Delft3D-flow模塊建立在Navier-Stokes方程基礎(chǔ)上，符合淺水特性和Boussinesq假定。通過ADI計算方法對設(shè)定坐標系下的控制方程組進行離散求解，在忽略垂向加速度影響的前提下，推導(dǎo)出靜水壓強假定下的水流方程［18］。

1.1.2 邊界條件和參數(shù)設(shè)定

由于青草沙水庫位于長江口潮流區(qū)域內(nèi)，受到徑流、潮流的影響，水庫附近長江水位呈現(xiàn)波動［19］。水庫一般運行規(guī)律為：在水位高的時候取水，水位越高，可取流量越大。青草沙水庫的引排水方式由泵、閘相結(jié)合構(gòu)成，分別在咸潮初期、咸潮期、咸潮末期進行提水、搶水和補水。上下游水閘共同維護水庫水體的交換和庫內(nèi)水體的流動，只有在非咸潮期通過下游水閘排水。因此，具體流量及取水時間主要根據(jù)附近水位具有的潮汐變化規(guī)律進行設(shè)定。通過2011年的流場模擬與實測分析，夏季入水流量約為 700～900 m3／s，出水口流量約為 100～200 m3／s，進出水流量保持總量守恒。

初始條件指定了水體的初始狀態(tài)，本文模擬采用的初始條件是“冷啟動”（流速為零和自由水面為靜止的狀態(tài)）。使用庫內(nèi)的平均水位作為水庫初始時刻水位，將模型計算分為10層，按照隨著水深不同，每層深度隨之變化，但是所占百分比不同原理設(shè)置?；跍u黏性系數(shù)和渦擴散系數(shù)、速度尺以及長度尺度成正比的假設(shè)，采用k-ε紊流模式來確定這些系數(shù)。黏度系數(shù)選取經(jīng)驗值，因為渦黏性的各向異性，選取的水平黏度系數(shù)遠大于垂直黏度系數(shù)［18，20-21］?；谇叭说慕?jīng)驗參考和多次模型的嘗試率定，最后選定水平黏度系數(shù)為 2 m2／s，垂直黏度系數(shù)為 0.03 m2／s，水平擴散系數(shù)為 2 m2／s，垂直擴散系數(shù)為 0.001 m2／s，曼寧系數(shù)為0.02。在物理參數(shù)的考慮中，重力加速度選取 9.81 m／s2，水體密度選取 1 000 kg ／m3［22］。

1.1.3 區(qū)域網(wǎng)格劃分

青草沙水庫地處長江的江心口，由兩個庫區(qū)構(gòu)成，青草沙庫區(qū)以及中央沙庫區(qū)。中央沙庫區(qū)作為庫頭，處在長江口南北港分汊口的中央水區(qū)域，但是由于灘面較高，并不記入模擬計算區(qū)域。青草沙庫區(qū)屬于北港，和長興島之間有一道潮溝，所以主要的計算區(qū)域選取的是青草沙庫區(qū)。由于在青草沙中存在墾區(qū)，墾區(qū)的特性近似于陸地，所以墾區(qū)本身不記入計算區(qū)域，并在墾區(qū)和水區(qū)域之間進行了邊界處理。計算區(qū)域采用正交模式，最后劃分的網(wǎng)格如圖1所示。利用Regrid模塊建立正四邊形網(wǎng)絡(luò)，在垂向作分層處理，層數(shù)為10。在網(wǎng)格繪制中，對靠近邊角的網(wǎng)格進行光滑處理，對網(wǎng)格適當加密，并去除不合適網(wǎng)格。為了提高計算精確度，網(wǎng)格橫縱向的夾角余弦值都控制在0～0.02。計算區(qū)域網(wǎng)格的劃分和實際情況擬合良好，能夠較好地滿足流場模型的計算要求和精確度運算。

圖1 青草沙水庫網(wǎng)格劃分圖Fig.1 Mesh Graph of Qingcaosha Reservoir

1.2 流場模擬和驗證分析

Delft-Flow模塊的主要功能是模擬不同條件下的水流，通過將地形等實際情況簡化為網(wǎng)格等計算條件，在計算中加入不同的邊界設(shè)定和初始條件，來模擬風速等外界因素對水體表面以及內(nèi)部的作用，這也是本文的核心內(nèi)容［22］。由于青草沙水庫受到海水的潮汐影響［23］，而潮汐的循環(huán)是從小潮到中潮，再到大潮，最后恢復(fù)到小潮。所以大潮時水庫外的水位較高，引入的水流量在這個時候比較大，庫內(nèi)的流場也因此受到影響。對水庫實測數(shù)據(jù)進行分析發(fā)現(xiàn)，小潮、中潮、大潮時庫內(nèi)流場的變動尤為明顯，所以在模擬時考慮了潮汐的問題。

運行時間選取2011年7月2日～2011年9月30日，對這個時間段的流場進行計算。驗證時間選取了2011年9月23日～2011年9月30日，采用實測數(shù)據(jù)進行對比分析。考慮到實測位置的比較，選取了具有代表性的R1、R2、R3、R4點。R1點是在庫首，靠近上游水閘的位置，R2、R3點是在經(jīng)過墾區(qū)分汊后的兩側(cè)位置，R4則是在靠近下游水閘的位置。分別選取了表層和底層的模擬和實測數(shù)據(jù)進行對比，但是因為青草沙水庫本身屬于淺水型水庫，所以分層現(xiàn)象也不是特別明顯。R1點因為靠近上游水閘，所處位置為淺水，大部分時間段處于低流速狀態(tài)，分層現(xiàn)象并不明顯，所以沒有使用表層和底層的變化來分析。利用實測數(shù)據(jù)對模擬數(shù)據(jù)進行擬合對比計算，依據(jù)式（1）［24］計算擬合系數(shù) NSE。

圖2 2011年夏季R1流速模擬實測對比圖Fig.2 Simulation and Actual Measurement of R1 Flow Rate in 2011 Summer

圖3 2011年夏季R2～R4底層、表層流速實測和模擬對比圖Fig.3 Comparison of Simulation and Actual Measurement of Bottom and Surface Layers’Velocity of R2～R4 in 2011 Summer

2 青草沙水動力模型的溫度模擬

通過流場的驗證，得到適用于青草沙水庫的水動力模型?；谠撃Ｐ停捎?011年的實測氣溫對青草沙水庫進行水溫模擬。通過2011年的模擬結(jié)果對水溫的分布進行分析。

2.1 Ocean模式的添加

此次溫度模擬添加了Ocean模式。該模型不僅考慮了溫度的橫向傳遞和在水—空氣界面的垂向傳遞，還考慮了太陽輻射在水面的接受率。有效的太陽輻射依據(jù)太陽的垂直輻射強度、大氣濕度和覆云率，從而更加合理地模擬出水庫整體的溫度變化?？紤]自由曲面的熱交換太陽能（短波）、大氣（長波）輻射的單獨效應(yīng)，以及由于回輻射、蒸發(fā)、對流產(chǎn)生的熱損失，計算如式（2）。

其中：Qsn—凈太陽輻射；

Qan—凈入射大氣輻射；

Qbr—反向輻射；

Qev—蒸發(fā)熱通量；

Qco—對流熱通量。

本試驗通過添加Ocean模式，模擬了青草沙水庫庫區(qū)上方的太陽輻射條件，水溫的模擬因此更具準確性。本試驗采用的Ocean模式中的氣象數(shù)據(jù)全部來源于中國氣象數(shù)據(jù)網(wǎng)。

2.2 實際氣溫下水溫模擬

2.2.1 水溫驗證

選取R3和R4的表層和底層溫度進行驗證和分析。如圖 4所示，水溫的模擬值維持在 22～31℃，只有在高溫時期的短時間內(nèi)水溫溫度會有超過30℃。通過對比實測水溫值和模擬水溫值可以看出擬合效果良好，該水溫模型符合實際情況。

圖4 2011年夏季R3、R4表層和底層溫度實測和模擬對比圖Fig.4 Comparison Between Simulation and Actual Measurement of Surface and Bottom Layers’Temperature of R3，R4 in 2011 Summer

2.2.2 水溫水平分布

從模擬結(jié)果可以直觀了解水溫分布情況。如圖5所示，水溫變化較大的時間階段是7月初以及9月末。水體從上游開閘口進入后，溫度隨著水體向下游擴散而慢慢變化。上游引入清水，水在進入水庫后在庫區(qū)內(nèi)慢慢形成擴散狀態(tài)。隨著水體擴散，加之水流流速的影響，從入水口流入后水溫在上游就有了較快地變化，逐步擴散到墾區(qū)附近。由于空氣的溫度、太陽輻射等綜合因素的影響，水溫逐步升高。7月初的前10 d，整體水域的水溫就已經(jīng)全部發(fā)生了改變。在20～30 d，庫區(qū)內(nèi)的水溫逐步趨向于升高。8月份水庫的水溫達到高峰值，并在8月份維持這樣的高溫值。進入9月后，又呈現(xiàn)出跟7月份相似的變化規(guī)律，隨著氣溫的降低，水溫也逐漸降低，從入水口開始溫度慢慢降低，然后擴散到全部計算區(qū)域。

圖5 2011年夏季模擬水溫分布變化Fig.5 Simulation of Water Temperature Distribution in 2011 Summer

2.2.3 水溫垂向分布

從各點的垂向分布看，R1處在上游水閘附近，靠近入水口，水流量短時間內(nèi)較大，水深較淺，水溫模擬在該模型模擬期間在垂向上幾乎沒有分層現(xiàn)象出現(xiàn)；R2處在墾區(qū)南北兩側(cè)，水深相對都較淺，分層現(xiàn)象在短時間內(nèi)也不明顯；R4較另外三個點水深較深，有一定的分層，但是最高溫度差不超過1℃。如圖6所示，R1幾乎沒有分層現(xiàn)象，R2、R3的分層現(xiàn)象不明顯，R4有一定分層現(xiàn)象。

圖6 2011年夏季模擬水溫表層底層對比Fig.6 Comparison of Simulated Water Temperature Between Surface and Bottom Layers’in 2011 Summer

3 未來不同氣溫條件下青草沙水庫水溫變化及潛在的水質(zhì)影響

基于國內(nèi)外文獻資料，未來全球氣溫在逐步升高。為了探究氣溫變化對水庫水溫的影響，本文通過改變模型的氣溫條件來預(yù)測水溫的變化。從Nasa Observatory［24］提供的全球海洋表面溫度變化來看，青草沙所處的長江口附近海域溫度從7月～8月是一個升溫的過程。在夏季的7月、8月、9月期間，可以看出細微變化，如圖7所示。長江流域的溫度一般來說略高于全球海洋平均溫度，但是總體變化趨勢是一致的。這個細微的變化和本文所采用的水動力模擬下的水溫變化趨勢是一致的，也進一步驗證可以在全球氣候變化下探討該水動力模型。

3.1 2011年夏季水溫變化下藻類問題

圖7 2011年夏季全球海洋溫度變化Fig.7 Gobal Ocean Temperature Change in 2011 Summer

不同溫度條件下藻類的生長大不相同，而夏季溫度的升高對藻類的生長提供了有利條件。以R4點為例，對R4附近實測藻類的數(shù)量變化曲線（圖8）以及R4點水溫模擬變化曲線對比分析發(fā)現(xiàn)（圖9），在模擬的三個月中，藻類個數(shù)和溫度的變化規(guī)律是相似的，在一定程度上說明，隨著溫度的變化，藻類的個數(shù)相應(yīng)有一定的變化，并且在一定范圍內(nèi)，溫度升高，藻類也相應(yīng)有所增加。

圖8 2011年R4附近的藻類個數(shù)變化曲線Fig.8 The Curve of Algae Change in R4 in 2011

圖9 2011年夏季R4表層溫度模擬和實測的變化Fig.9 Simulation and Measurement of R4 Surface Layers’Temperature in 2011 Summer

3.2 21世紀末的水溫預(yù)測

本文假設(shè)21世紀末氣溫升高4.5℃，以此為21世紀末水溫預(yù)測的基礎(chǔ)。對21世紀末青草沙水庫水溫進行預(yù)測分析。在模擬結(jié)果中，選擇R2點的表層水溫變化進行分析。模擬結(jié)果如圖10所示，從21世紀末氣溫上升的情況下的模擬來看，水溫從7月中旬～9月下旬都處于30℃以上。從初始溫度開始，整個夏季處于一直升高的狀況，只在夏季末有些許下降趨勢。而當夏季溫度穩(wěn)定后，通過對比2011年氣溫下的水溫情況，21世紀夏季模擬水溫總體偏高。對比最高溫度發(fā)現(xiàn)，假設(shè)氣溫下水溫的最高值相比2011年氣溫下水溫的最高值增加了約3℃，對比R2點兩次模擬的水溫曲線發(fā)現(xiàn)，未來氣溫條件下的水溫在進入穩(wěn)定期后，要經(jīng)歷比2011年氣溫條件下更長的高水溫時間段，而且進入高溫時間段的時間有所提前。

圖10 21世紀末氣溫條件和2011年氣溫條件下模擬R2表層水溫對比圖Fig.10 Comparison of R2 Surface Layers’Water Temperature Under the Temperature Condition at the End of 21st Century and in 2011

3.3 探究21世紀內(nèi)氣溫影響下藻類的變化可能性

為了探究隨全球氣候變化導(dǎo)致的青草沙水庫水溫變化的具體情況，在本文模擬方案中，基于參考文獻假定未來氣溫升高趨勢前提下，分別對氣溫升高1、2.5、4.5℃進行水溫模擬?；谠孱惖倪m宜溫度和增殖系數(shù)公式作為計算基礎(chǔ)，來推斷藻類的可能變化。

圖11 21世紀末氣溫條件下模擬R2、R3、R4點表層水溫變化情況Fig.11 Simulation of R2，R3 and R4 Surface Layers’Water Temperature at Temperature Condition of 21stcentury

模擬結(jié)果如圖11所示，當氣溫升高 1℃時，水溫在7月底達到30℃，在8月上旬都維持在高溫時間段，在高溫時間段的水溫波動不大，最高溫度不超過31℃。當氣溫升高2.5℃時，進入30℃的時間點提前了，高溫時間段變長，一直維持到9月中旬。當氣溫升高4.5℃時，對比前2個氣溫模擬下的高溫值和高溫時間段又有所加長，最高水溫已經(jīng)達到34℃。通過對比3個氣溫條件下的結(jié)果，發(fā)現(xiàn)隨著氣溫升高，水溫的高溫時間段拉長，水溫上升會比之前的更早。對比3次模擬結(jié)果，發(fā)現(xiàn)溫度升高后導(dǎo)致的直接結(jié)果就是水溫高溫時間段在夏季變長，而且水溫上升時間點提前。對于藻類的影響在于，在原本適宜藻類生長的夏季溫度過高，超過藻類生長最適宜溫度，適宜藻類生長的時間段提前，藻類的暴發(fā)也因此可能提前。

4 結(jié)論和建議

本文采用Delft3D-Flow模塊對青草沙水庫流場進行了驗證和分析，模擬了夏季青草沙流場動態(tài)，得到擬合良好的水動力模型?；谠撍畡恿δＰ停谔砑覱cean模式的基礎(chǔ)上分別模擬不同氣溫條件下青草沙水庫水溫情況，并以藻類問題作為水質(zhì)的典型案例進行分析和預(yù)測。

通過青草沙水庫夏季流場模型的構(gòu)建，模擬了水庫庫區(qū)水流流態(tài)和流速。模擬流場和實測數(shù)據(jù)的對比擬合在誤差范圍內(nèi)，證實該水動力模型可用于青草沙的水動力模擬。通過模擬夏季期間2011年實測氣溫下的水體溫度情況和不同氣溫假設(shè)條件下的水體溫度，主要得到以下結(jié)論。

（1）流速在水庫上中下游幾乎沒有分層現(xiàn)象。溫度分層上，R1靠近入水口，流速大，水深淺，幾乎沒有分層現(xiàn)象；R2、R3水深也較淺，只有在白天時間段略有影響；R4較其他點水深，有分層現(xiàn)象。

（2）水溫水平分布呈現(xiàn)一定的規(guī)律，夏季初水溫從上游水閘口開始漸變，慢慢擴散到庫區(qū)內(nèi)部水體；夏季中期庫區(qū)內(nèi)全部水溫達到最高值；夏季末，隨著氣溫的降低，水溫又從上游水閘口開始慢慢降低。

（3）對比夏季中2011年和21世紀末氣溫條件下的青草沙墾區(qū)附近點水溫變化發(fā)現(xiàn)，21世紀末最高水溫值要超過 2011年最高水溫值，差值接近3℃。

（4）對比分析不同氣溫條件模擬下青草沙水庫水溫的變化發(fā)現(xiàn)，隨著氣溫的升高，水溫高溫時間段變長，升溫時間點提前。藻類生長高峰期可能不再是夏季，藻類暴發(fā)時間點會提前。

［1］張琴娟.青草沙水庫的長江原水水質(zhì)調(diào)查［J］.中國科技投資，2016（22）：375，388.

［2］王輝.大伙房水庫流場及水溫分布的數(shù)值模擬研究［D］.大連：大連理工大學，2015.

［3］陳涇.青草沙水庫流場、滯留時間及鹽水入侵來源［D］.上海：華東師范大學，2014.

［4］李杰，袁建忠.青草沙水庫流場和水質(zhì)點數(shù)學模型計算分析［C］.蘇州：中國水利學會2007學術(shù)年會人類活動與河口分會場，2007.

［5］李寶林，王玉亭，張路增.以浮游植物評價達賚湖水質(zhì)污染及營養(yǎng)水平［J］.水生生物學報，1993，39（1）：27-34.

［6］黃曉琛.藻類生長過程中的生態(tài)特性及水華預(yù)測方法研究［D］.上海：上海交通大學，2009.

［7］楊東方，吳建平，曲延峰，等.地球生態(tài)系統(tǒng)的氣溫和水溫補充機制［J］.海洋科學進展，2007，25（1）：121-126.

［8］李茂學，劉小梅，付新永，等.青草沙水庫取水泵閘規(guī)模論證［J］.給水排水，2009，35（2）：50-54.

［9］張國慶，李鵬飛，黃立，等.全球未來50年平均氣溫的時間序列分析與預(yù)測［J］.甘肅科技，2008，24（17）：72-74.

［10］Stocker T F，Qin D，Plattner G K，et al.IPCC，2013：Climate change 2013：The physical science basis.Contribution of working group I to the fifth assessment report of the intergovernmental panel on climate change［J］.Computational Geometry，2013，18（2）：95-123.

［11］郯俊嶺，江志紅，馬婷婷.基于貝葉斯模型的中國未來氣溫變化預(yù)估及不確定性分析［J］.氣象學報，2016，74（4）：583-597.

［12］高學杰，林一驊，趙宗慈，等.溫室效應(yīng)對我國長江中下游地區(qū)氣候的影響——數(shù)值模擬［J］.自然災(zāi)害學報，2004，13（1）：38-43.

［13］Takamura N，Iwakuma T，Yasuno M.Photosynthesis and primary production of Microcystis aeruginosa Kütz.in Lake Kasumigaura［J］.Journal of Plankton Research，1985，7（3）：303-312.

［14］逯南南，褚福敏.溫度及光照強度對藻類生長的影響［C］.山東：2010“黃河杯”城鎮(zhèn)飲用水安全保障技術(shù)論壇暨城市供水水質(zhì)監(jiān)測技術(shù)交流會，2010.

［15］徐良，馮平，孫冬梅，等.水溫對藻類生長變化影響的數(shù)值模擬［J］.安全與環(huán)境學報，2013，13（5）：76-81.

［16］柴小穎.光照和溫度對三峽庫區(qū)典型水華藻類生長的影響研究［D］.重慶：重慶大學，2009.

［17］廖振華.青草沙水庫水動力數(shù)值模擬［D］.上海：上海交通大學，2011.

［18］喬飛，鄭丙輝，雷坤，等.長江下游及河口區(qū)水動力特征［J］.環(huán)境科學研究，2017（3）：389-397.

［19］Maa P Y.An efficient horizontal two-dimensional hydrodynamic model［J］.Coastal Engineering，1990，14（1）：1-18.

［20］許旭峰，劉青泉.太湖風生流特征的數(shù)值模擬研究［J］.水動力學研究與進展，2009，24（4）：512-518.

［21］張仁徽，陳宇里，耿釗.網(wǎng)格尺寸對Delft3D有限元水流場仿真精度影響的分析［J］.應(yīng)用科技，2015，42（1）：57-61.

［22］劉小梅，王曉鵬，關(guān)許為，等.青草沙避咸蓄淡水庫庫容與特征水位研究［J］.水利水電技術(shù)，2009，40（7）：5-8.

［23］Moriasi D N，Arnold J G，Van Liew M W，et al.Model evaluation guidelines for systematic quantification of accuracy in watershed simulations［J］.Transactions of the Asabe，2007，50（3）：885-900.

［24］NASA Observatory ［DB／OL ］.http： ／／www.earthobservatory.nasa.gov／.