CN107862421A - 一种河道型水库建设影响预评估方法 - Google Patents

一种河道型水库建设影响预评估方法 Download PDF

Info

Publication number
CN107862421A
CN107862421A CN201711445908.3A CN201711445908A CN107862421A CN 107862421 A CN107862421 A CN 107862421A CN 201711445908 A CN201711445908 A CN 201711445908A CN 107862421 A CN107862421 A CN 107862421A
Authority
CN
China
Prior art keywords
reservoir
data
water
river
level
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201711445908.3A
Other languages
English (en)
Inventor
赖秋英
李平
李一平
许益新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hohai University HHU
Original Assignee
Hohai University HHU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hohai University HHU filed Critical Hohai University HHU
Priority to CN201711445908.3A priority Critical patent/CN107862421A/zh
Publication of CN107862421A publication Critical patent/CN107862421A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A20/00—Water conservation; Efficient water supply; Efficient water use
    • Y02A20/152—Water filtration

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种河道型水库建设影响预评估方法，包括以下步骤：收集水库集水区内的关联资料；确定若干水库集水区的调查点位；并在点位内以土地利用类型为指标调查；解译各类型土地于不同水位的利用情况；基于调查点位，于不同月份分别进行植物调查、野生动物调查和鱼类调查；利用数学模型，构建水库的水动力模型及水质模型，分别输出水动力数据和水质数据；预评估水库的建设影响。本发明将实地调查、地理信息技术及数值模拟有机结合，考虑水动力、水质和生态要素，合理分析水库不同运行水位下土地利用类型变化，水库蓄水前后生物演变趋势，不同典型年水库运行水动力变化，预测水体营养化程度，为水库开发、使用、管理提供依据。

Description

一种河道型水库建设影响预评估方法
技术领域
本发明涉及一种预评估方法，具体涉及一种河道型水库建设影响预评估方法。
技术背景
河道型水库即在山沟或河流的狭口处建造拦河坝形成的水库，其在防洪、蓄水灌溉、供水、发电、养殖等方面发挥效益。但河道型水库的建设及水利工程运行调度，直接改变天然河道水流结构，进而改变河道型水库水动力、水质等要素，故在河道型水库建设前应进行建设影响预评估，及时提出保护和管理措施。
对于河道型水库建设影响的研究，现有技术主要集中在水文情势影响和水质影响，水文情势影响主要对水库泥沙、水库水位、水库水温进行分析，水质影响一般采用水质模型主要对营养化进行分析。传统的研究未能完全识别水动力、水质和生态要素，在河道型水库不同运行调度情况下土地利用类型变化、生物演变趋势方面的研究较少。
为全面地对河道型水库建设影响进行预评估，考虑水动力、水质和生态要素，本发明提出一种河道型水库建设影响预评估新方法。
发明内容
为解决现有技术不足，本发明目的在于提供一种考虑水动力、水质和生态要素，有机结合实地调查、地理信息技术及数值模拟，合理分析河道型水库不同运行水位下土地利用类型变化，合理分析河道型水库蓄水前后生物演变趋势，合理分析不同典型年河道型水库运行水动力变化，并预测河道型水库营养化程度的河道型水库建设影响预评估方法。
本发明采用的技术方案为：
本发明涉及的名词及相关定义：
集水区(Catchment Area/basin)是指将一流域与另一流域分开的山岭(分水岭division)，包括对一河流或一湖泊供应水源的全部区域或地区。然事实上因地质，地下水等所影响，无法仅以简单的面积来确定，同时人为的改变，因时而异，可说是复杂的实体。简言之，集水区就是雨水汇合与集中排出的一个地形单位，任一溪流或沟谷皆有其集水区，仅是大小不同而已。
本发明的集水区，为对河道型水库供应水源的全部区域。
库区，为本发明的河道型水库校核洪水位以下范围。
空间分布均匀性，在河道型水库集水区范围内，地面调查点位应均匀分布，包括河道型水库上游、中游、下游，库湾，河道型水库进水口、出水口，入库江河汇合处；
地块类型多样性，在河道型水库集水区范围内，地面调查选择的地块类型要避免单一；地块为土地利用类型调查的基本土地单位，以《土地利用现状分类》(GB/T 21010-2017)为标准划分；
可达性，在河道型水库集水区范围内，地面调查点位应可实现调查，设置在车辆和人能到达的地点；
排污系数为单位时间内单个个体污染物排放量；包括生活TN排污系数、生活TP排污系数，畜禽TN排污系数、畜禽TP排污系数、农作物TN排污系数、农作物TP排污系数；其中农作物排污系数为单位时间内单位面积农作物污染物排放量；
一种河道型水库建设影响预评估方法，包括以下步骤：
(1)资料收集：收集水库集水区内的关联资料，包括地理资料、水文气象资料、污染资料，和水库的水利调度资料；
(2)地面调查：以空间分布均匀性、地块类型多样性、可达性为调查原则，确定若干水库集水区的调查点位；并在点位内以土地利用类型为指标调查，为步骤(3)提供地面观测数据；
(3)结合步骤(1)和(2)，解译水库集水区内各类型土地于不同水位的利用情况；
(4)生物调查：包括物种名、物种数量；基于步骤(2)的调查点位，于不同月份分别进行植物调查、野生动物调查和鱼类调查；
(5)利用数学模型，构建水库的水动力模型及水质模型，分别输出水动力数据和水质数据；
(6)预评估水库的建设影响。
上述步骤(1)中：
地理资料包括水库集水区的多源遥感影像资料、DEM(Digital Elevation Model)高程数据；所述多源遥感影像资料包括空间分辨率≥10m的中分遥感影像资料、空间分辨率≤2.5m的高分遥感影像资料；
水文气象资料包括水库集水区的气象站长序列降雨量、气温、相对湿度、风速数据，和水库坝址处水文站长序列流量数据；
水利调度资料包括水库技术设计报告、水库水位数据、水库下泄流量数据；所述水库水位数据包括水库蓄水前水位(即水库建设前水位)数据、水库蓄水后水位数据；
所述水库蓄水前水位数据为水库蓄水前水位平均值；所述水库蓄水后水位数据为水库运行水位数据，包括水库死水位、防洪限制水位、正常蓄水位、防洪高水位、设计洪水位、校核洪水位；
污染资料包括工业污染数据、生活污染数据、农业污染数据、藻类污染数据，污染物衰减系数；
所述工业污染数据包括排污口名称，排污口位置，排放方式，废污水入河量，总氮(TN)、总磷(TP)排放浓度；
所述生活污染数据包括城镇人口、农村人口、污水接管率、生活TN排污系数、生活TP排污系数；
所述农业污染数据包括农田面积、农作物类型、化肥施用量、畜禽养殖种类及数量、畜禽TN排污系数、畜禽TP排污系数、农作物TN排污系数、农作物T P排污系数；
所述藻类污染数据包括水库所在流域内同类型水库蓝藻生长速率、硅藻生长速率；
所述污染物衰减系数包括水库所在流域内同类型水库TN衰减系数、TP衰减系数。
上述步骤(3)中解译的步骤如下：
A1：资料校正
以地面调查的土地利用类型为基准，校正多源遥感影像资料；保证多源遥感影像资料精度；
A2：遥感解译
基于校正后的资料，以《土地利用现状分类》(GB/T 21010-2017)为标准，制定水库集水区土地利用分类体系，对水库集水区进行土地利用类型分类解译；
所述河道型水库集水区土地利用分类体系，以《土地利用现状分类》(GB/T 21010-2017)为标准，采用一级、二级2个层次的分类体系；所述一级分类体系共12个一级类，包括耕地、园地、林地、草地、商服用地、工矿仓用地、住宅用地、公共管理与公共服务用地、特殊用地、交通运输用地、水域及水利设施用地和其他土地；
所述二级分类体系共73个二级类，在一级分类体系中展开；
A3：数据提取
基于遥感解译，提取水库集水区的土地利用空间分布数据，包括面积及占比；
基于DEM高程数据、水库水位数据，提取水库不同水位下的水库岸线两侧等高线；
基于水库不同水位下的水库岸线两侧等高线，提取水库不同水位范围内的土地利用数据。
上述步骤(4)中的月份包括2月、5月、8月、11月；
所述植物调查，基于步骤A3的不同水位下的水库岸线两侧等高线，调查陆生植物和水生植物；
所述陆生植物包括湿生、中生和旱生植物；水生植物包括挺水植物、浮叶植物、沉水植物和漂浮植物；
所述湿生植物，包括适应潮湿环境的灯心草、半边莲、毛莨；
所述中生植物，包括适应水分条件适中环境的谷物、蔬菜、阔叶树；
所述旱生植物，包括适应干旱环境的夹竹桃、针茅、芦荟；
所述挺水植物，包括生长于浅水区的芦苇、白茅、菖蒲；
所述浮叶植物，包括生长于浅水区的菱角、芡实、莕菜；
所述沉水植物，包括生长于水下的苦草、黑藻、茨藻；
所述漂浮植物，包括漂浮于水面生长的浮萍、大薸、凤眼莲；
所述野生动物调查，基于生物分类法和步骤A3的不同水位下的水库岸线两侧等高线，调查两栖类、爬行类、鸟类和哺乳类动物；
所述两栖类动物，包括无足目、有尾目、无尾目；
所述爬行类动物，包括龟鳖目、蜥蜴目、蛇目；
所述鸟类动物，包括游禽、涉禽、陆禽、猛禽、攀禽、鸣禽；
所述哺乳类动物，包括食虫目、翼手目、鳞甲目、啮齿目、食肉目、灵长目、偶蹄目；
所述鱼类调查，调查鱼类现存量，包括鲤形目、鲶形目、鳢形目、合鳃目、鲈形目。
上述步骤(5)中构建水动力模型的步骤如下：
B1：初始条件识别
基于水文气象资料中的水库坝址处水文站长序列流量数据，利用P-Ⅲ曲线适线法确定不同典型年，包括选取P＝25％、P＝50％和P＝75％下流量值对应的丰水年、平水年、枯水年；
利用流域水文模型，输入水文基础数据，输出水文数据；
所述流域水文模型包括SWAT、MIKE BASIN水文模型；
所述水文基础数据包括DEM高程数据、河道型水库集水区气象站长序列降雨量、气温、相对湿度、风速数据；
所述水文数据包括不同典型年(丰水年、平水年、枯水年)水库入库流量数据；
基于上述的河道型水库下泄流量数据，得到不同典型年水库下泄流量数据；
B2：水动力模型构建
利用数学模型构建河道型水库库区三维非稳态水动力数学模型，向数学模型输入水动力基础数据，输出水动力数据；
所述水动力基础数据包括DEM高程数据、水文数据、不同典型年水库下泄流量数据；
所述水动力数据包括不同典型年水库库区水温数据、水位数据、流速数据、水体交换数据；所述水体交换数据以水龄表征；所述水龄为河道型水库某一区域水体被交换所需要的时间，反映区域内的水体交换快慢。
上述步骤(5)中构建的水质模型，向水质模型中输入水质基础数据，输出水质数据；
所述水质基础数据包括工业污染数据、生活污染数据、农业污染数据、藻类污染数据、污染物衰减系数；
所述水质数据包括不同典型年水库库区总氮(TN)、总磷(TP)、叶绿素a(Chla)时空分布数据；
其中，叶绿素a(Chla)时空分布数据由模型通过藻类污染数据模拟获得；
总氮(TN)、总磷(TP)的数据，为水质模型提供水质边界条件，通过模型计算，得到水库库区TN、TP的时空分布数据。
上述步骤(5)中的数学模型包括EFDC、MIKE3数学模型。
上述步骤(6)中预评估的步骤如下：
C1：分析水库不同运行水位对不同土地利用类型的影响
基于步骤A3的水库不同水位范围内的土地利用数据，分析水库不同运行水位下，后靠安置区、农业及植被、自然保护区所受的影响；
所述后靠安置区所受的影响：对库区移民安置点与水库不同运行水位下淹没区的最近距离进行定量计算，统计位于淹没区范围内、距淹没区0-500m、500-1000m、1000-2000m、2000-4000m、4000-6000m、6000-8000m、大于8000m的安置点个数；
所述农业及植被所受的影响：基于上述的水库水位数据，依据所在流域主汛期和非汛期，确定水库主汛期和非汛期的运行水位，提取未被淹没的间歇性淹没区域土地利用数据，统计区域总面积、农业生产总面积及类型、植被总面积及类型；
所述自然保护区所受的影响：对自然保护区与水库不同运行水位下淹没区的最近距离进行定量计算，统计位于淹没区范围内、距淹没区0m-8000m、大于8000m的自然保护区个数；
C2：分析水库蓄水前后对生物的影响
基于上述的生物调查，分析水库蓄水前植物、野生动物和鱼类现状，预测水库蓄水后植物、野生动物和鱼类演变趋势；
所述分析水库蓄水前植物现状，为统计陆生植物和水生植物物种名，筛选优势物种；所述预测水库蓄水后植物演变趋势，为结合现有植物对水生环境的适应性，参考水库所在流域内同类型水库植物沿海拔的垂直分布结构，判别植物分布范围、物种数量变化；
所述分析水库蓄水前野生动物现状，为统计两栖类、爬行类、鸟类和哺乳类物种名，筛选优势物种；所述预测水库蓄水后野生动物演变趋势，为判别野生动物栖息范围、物种数量变化；
所述分析水库蓄水前鱼类现状，为统计鱼类物种名，筛选优势物种；所述预测水库蓄水后鱼类演变趋势，为判别鱼类物种数量变化；
C3：分析不同典型年水库运行对营养化的影响
基于步骤(5)中的水动力数据，分析不同典型年水库库区水温时空分布情况、水位变化情况、流速时空分布情况、水龄时空分布情况，预测不同典型年水库潜在富营养化区域；
所述分析不同典型年水库库区水温时空分布情况：判别水温分层，包括温变层、温跃层、等温层；
所述分析不同典型年水库库区水位变化情况：对比不同典型年水库库区水位与水库死水位、防洪限制水位、正常蓄水位、防洪高水位、设计洪水位、校核洪水位；
所述分析不同典型年水库库区流速时空分布情况：判别水库流速相对较小区域，流速越小，越易发生富营养化；
所述分析不同典型年水库库区水龄时空分布情况：判别水库水龄相对较大区域，水龄越大，越易发生富营养化；
基于所述步骤(5)中水质数据，以不同典型年水库潜在富营养化区域为敏感区域，选取TN、TP和Chla指标作为水库营养状态评价指标，预测水库各敏感区营养化程度；
当TN≤30mg/m3、TP≤2.5mg/m3、Chla≤1mg/m3时，营养化程度为贫营养；
当TN≤50mg/m3、TP≤5mg/m3、Chla≤2mg/m3时，营养化程度为贫中营养；
当TN≤300mg/m3、TP≤25mg/m3、Chla≤4mg/m3时，营养化程度为中营养；
当TN≤500mg/m3、TP≤50mg/m3、Chla≤10mg/m3时，营养化程度为中富营养；
当TN≤2000mg/m3、TP≤200mg/m3、Chla≤64mg/m3时，营养化程度为富营养；
当TN＞2000mg/m3、TP＞200mg/m3、Chla＞64mg/m3时，水库水体营养化程度为重富营养。
本发明的有益之处在于：
本发明的一种河道型水库建设影响预评估方法，考虑水动力、水质和生态要素，将实地调查、地理信息技术及数值模拟有机结合，合理分析河道型水库不同运行水位下土地利用类型变化，合理分析河道型水库蓄水前后生物演变趋势，合理分析不同典型年河道型水库运行对水温、水位、流场时空分布和水体交换的影响，预测河道型水库水体营养化程度，为水库开发、技术咨询、使用、管理提供依据。
附图说明
图1是本发明一种河道型水库建设影响预评估方法的流程图。
具体实施方式
以下结合附图和具体实施例对本发明做具体的介绍。
以中国南方山区某一河道型水库为例，说明本发明实施方法的处理过程。
1.资料收集及地面调查
收集地理资料：河道型水库集水区中分(空间分辨率≥10m)遥感影像资料、高分(空间分辨率≤2.5m)遥感影像资料、DEM高程数据；
收集水文气象资料：河道型水库集水区的气象站长序列降雨量、气温、相对湿度、风速数据，河道型水库坝址处水文站长序列流量数据；
收集水利调度资料：河道型水库技术设计报告，河道型水库蓄水前水位(即河道型水库建设前水位)数据，河道型水库死水位、防洪限制水位、正常蓄水位、防洪高水位、设计洪水位、校核洪水位数据；
收集污染源资料：工业污染数据、生活污染数据、农业污染数据、藻类污染数据，污染物衰减系数；
相关数据于河道型水库所在地区环保局、建设局、农业局、水利局收集；环保局-工业污染资料，建设局-生活污染资料，农业局-农业污染资料，水利局-藻类污染数据、污染物衰减系数。
在河道型水库集水区确定地面调查点位61个，以土地利用类型为指标开展地面调查。地面调查结果显示河道型水库集水区主要土地利用类型为水田、旱地、果园、茶园、针叶林、阔叶林、针阔混交林、灌木林、毛竹林、草丛、滩涂和独立工矿用地。
2.解译水库集水区内各类型土地于不同水位的利用情况
A1：资料校正
以地面调查的土地利用类型为基准，校正多源遥感影像资料；
A2：遥感解译
基于多源遥感影像资料及地面调查结果，以《土地利用现状分类》(GB/T 21010-2017)为标准，对河道型水库集水区进行土地利用类型分类解译，确定包括耕地、园地、林地、草地、水域及水利设施用地、城乡工矿及居民用地和其他土地共计7个一级类和27个二级类的土地利用分类；
A3：数据提取
基于遥感解译，提取河道型水库集水区土地利用空间分布数据，河道型水库集水区土地利用类型分布现状如表1所示；
表1河道型水库集水区土地利用类型分布现状
基于DEM高程数据，结合河道型水库水位数据，提取30m、45m、50m、56m、62.3m、63m和64m等高线；
基于30m、45m、50m、56m、62.3m、63m和64m等高线信息，提取河道型水库不同水位范围内的土地利用数据，以河道型水库水位为45m为例，如表2所示。
表2河道型水库水位为45m时土地利用类型分布
3.生物调查
基于空间分布均匀性、可达性等原则确定调查8个调查点位，分别于2月、5月、8月、11月进行植物调查、野生动物调查和鱼类调查，记录物种名、物种数量；
采用绝对数量调查法(准确计数某一调查点位、特定时段内的野生动物数量的调查方法)，同时可结合统计局年鉴资料。
基于30m、45m、50m、56m、62.3m、63m和64m等高线信息，调查陆生和水生植物；
基于30m、45m、50m、56m、62.3m、63m和64m等高线信息，调查两栖类、爬行类、鸟类和哺乳类野生动物的种类和数量；
调查鱼类现存量。
4.构建水动力模型
B1：初始条件识别
基于河道型水库坝址处水文站长序列流量数据，利用P-Ⅲ曲线适线法，选取P＝25％、P＝50％和P＝75％下流量值对应的年份，分别作为丰水年、平水年、枯水年，基于DEM高程数据，河道型水库附近气象站长序列降雨量、气温、相对湿度、风速数据，利用SWAT流域水文模型，计算得到不同典型年河道型水库入库流量；
基于河道型水库下泄流量数据，得到不同典型年河道型水库下泄流量；
B2：水动力模型构建
基于DEM高程数据，不同典型年(丰水年、平水年、枯水年)河道型水库入库流量、下泄流量数据，利用EFDC数学模型，构建河道型水库库区三维非稳态水动力数学模型，得到不同典型年河道型水库库区水温数据、水位数据、流速数据、水体交换数据。
5.构建水质模型
基于工业污染数据、生活污染数据、农业污染数据，污染物衰减系数，蓝藻生长速率，硅藻生长速率，利用EFDC数学模型，以TN、TP、Chla为评价因子，构建河道型水库库区水质模型，得到不同典型年河道型水库库区TN、TP、Chla时空分布数据。
6.河道型水库建设影响预评估
C1：分析水库不同运行水位对不同土地利用类型的影响
基于河道型水库不同运行水位范围内的土地利用数据，以河道型水库运行水位为64m为例，对库区移民安置点与64m运行水位条件下淹没区的最近距离进行定量计算，2个安置点位于64m淹没区范围内、29个安置点距淹没区最近距离介于0m和500m、3个安置点距淹没区最近距离介于500m和1000m、2个安置点距淹没区最近距离介于1000m和2000m；应特别关注位于64m淹没区范围内的2个安置点；
基于河道型水库不同运行水位范围内的土地利用数据，河道型水库所在流域为昌江流域，主汛期为4月至6月，非汛期为7月至3月；河道型水库4月至6月水位维持在45-50m，未被淹没的间歇性淹没区域面积为2565.45hm2，其中未被淹没的间歇性淹没区域的农业生产区域面积为721.14hm2，农业生产类型为水田和旱地，未被淹没的间歇性淹没区域的植被面积为1337.06hm2，植被类型为果园、茶园、针叶林、阔叶林、针阔混交林、灌木林、其他林地、草丛；河道型水库7月至3月水位维持在45-56m，未被淹没的间歇性淹没区域面积为899.13hm2，其中未被淹没的间歇性淹没区域的农业生产区域面积为250.33hm2，农业生产类型为水田和旱地，未被淹没的间歇性淹没区域的植被面积为508.68hm2，植被类型为果园、茶园、针叶林、阔叶林、针阔混交林、灌木林、其他林地、草丛；
基于河道型水库不同运行水位范围内的土地利用数据，河道型水库所在县境内有6处自然保护区，以河道型水库运行水位为64m为例，对自然保护区与64m运行水位条件下淹没区的最近距离进行定量计算，2处动物自然保护区距离64m淹没区最近距离分别为1109.20m和2869.46m，可能受移民安置活动影响，其余4处自然保护区距离64m淹没区最近距离大于8000m；
C2：分析水库蓄水前后对生物的影响
基于植物调查，以沉水植物为例，河道型水库蓄水前，沉水植物包括金鱼藻、马来眼子菜、黑藻、苦草，优势物种为黑藻、苦菜；河道型水库蓄水后，水位从30m增加至正常蓄水位56m，水位增加26m，目前沉水植物大多数生境不适宜其生长，将会在被淹没的农田等区域分布，数量会有一定减少；
基于野生动物调查，以两栖类动物为例，河道型水库蓄水前，两栖类动物包括中华蟾蜍、黑斑侧褶蛙、沼水蛙、泽陆蛙、虎纹蛙，优势物种为中华蟾蜍、泽陆蛙；河道型水库蓄水后，两栖类动物生境向上位移，河道型水库运行初期，生物多样性降低，后期呈现稳定状态，同时河道型水库水域面积扩大，两栖类动物数量增加；
基于鱼类调查，河道型水库蓄水前，鱼类包括青鱼、草鱼、鳙鱼、鲢鱼、麦穗鱼、泥鳅、黄鳝，优势物种为青鱼、草鱼、鳙鱼、鲢鱼；河道型水库蓄水后，鱼类的河流生境向缓流或静水库区生境转变，河道型水库建设使水体面积变大、水深增加、流速减缓、底质条件发生变化，最后由河流鱼类群落生态系统，形成水库群落生态系统，数量会有一定增加；
C3：分析不同典型年水库运行对营养化的影响
基于不同典型年河道型水库库区水温数据、水位数据、流速数据、水体交换数据，以河道型水库水体交换数据为例，水体交换数据以水龄表征，河道型水库主库区水龄沿程增大，支流水龄受汇水面积影响，汇水面积较小的支流，水体交换差，为潜在的富营养化区域；枯水年，河道型水库库尾水龄较平水年、丰水年大，水体交换差，为潜在的富营养化区域；
以潜在富营养化区域为敏感区域，以枯水年河道型水库库尾为例，选取TN、TP和Chla指标作为营养状态评价指标，TN＝250mg/m3、TP＝20mg/m3、Chla＝2.5mg/m3，营养化程度为中营养。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，上述实施例不以任何形式限制本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。

Claims (8)

1.一种河道型水库建设影响预评估方法，其特征在于，包括以下步骤：
(1)资料收集：收集水库集水区内的关联资料，包括地理资料、水文气象资料、污染资料，和水库的水利调度资料；
(2)地面调查：确定若干水库集水区的调查点位；并在点位内以土地利用类型为指标调查；
(3)结合步骤(1)和(2)，解译水库集水区内各类型土地于不同水位的利用情况；
(4)生物调查：包括物种名、物种数量；基于步骤(2)的调查点位，于不同月份分别进行植物调查、野生动物调查和鱼类调查；
(5)利用数学模型，构建水库的水动力模型及水质模型，分别输出水动力数据和水质数据；
(6)预评估水库的建设影响。
2.根据权利要求1所述的一种河道型水库建设影响预评估方法，其特征在于，所述步骤(1)中的
地理资料包括水库集水区的多源遥感影像资料、DEM高程数据；所述多源遥感影像资料包括空间分辨率≥10m的中分遥感影像资料、空间分辨率≤2.5m的高分遥感影像资料；
水文气象资料包括水库集水区的气象站长序列降雨量、气温、相对湿度、风速数据，和水库坝址处水文站长序列流量数据；
水利调度资料包括水库技术设计报告、水库水位数据、水库下泄流量数据；所述水库水位数据包括水库蓄水前水位数据、水库蓄水后水位数据；
所述水库蓄水前水位数据为水库蓄水前水位平均值；所述水库蓄水后水位数据为水库运行水位数据，包括水库死水位、防洪限制水位、正常蓄水位、防洪高水位、设计洪水位、校核洪水位；
污染资料包括工业污染数据、生活污染数据、农业污染数据、藻类污染数据，污染物衰减系数；
所述工业污染数据包括排污口名称，排污口位置，排放方式，废污水入河量，总氮(TN)、总磷(TP)排放浓度；
所述生活污染数据包括城镇人口、农村人口、污水接管率、生活TN排污系数、生活TP排污系数；
所述农业污染数据包括农田面积、农作物类型、化肥施用量、畜禽养殖种类及数量、畜禽TN排污系数、畜禽TP排污系数、农作物TN排污系数、农作物T P排污系数；
所述藻类污染数据包括水库所在流域内同类型水库蓝藻生长速率、硅藻生长速率；
所述污染物衰减系数包括水库所在流域内同类型水库TN衰减系数、TP衰减系数。
3.根据权利要求1所述的一种河道型水库建设影响预评估方法，其特征在于，所述步骤(3)中解译的步骤如下：
A1：资料校正
以地面调查的土地利用类型为基准，校正多源遥感影像资料；
A2：遥感解译
基于校正后的资料，以《土地利用现状分类》(GB/T 21010-2017)为标准，制定水库集水区土地利用分类体系，对水库集水区进行土地利用类型分类解译；
A3：数据提取
基于遥感解译，提取水库集水区的土地利用空间分布数据，包括面积及占比；
基于DEM高程数据、水库水位数据，提取水库不同水位下的水库岸线两侧等高线；
基于水库不同水位下的水库岸线两侧等高线，提取水库不同水位范围内的土地利用数据。
4.根据权利要求1所述的一种河道型水库建设影响预评估方法，其特征在于，所述步骤(4)中的月份包括2月、5月、8月、11月；
所述植物调查，基于步骤A3的不同水位下的水库岸线两侧等高线，调查陆生植物和水生植物；
所述陆生植物包括湿生、中生和旱生植物；水生植物包括挺水植物、浮叶植物、沉水植物和漂浮植物；
所述湿生植物，包括适应潮湿环境的灯心草、半边莲、毛莨；
所述中生植物，包括适应水分条件适中环境的谷物、蔬菜、阔叶树；
所述旱生植物，包括适应干旱环境的夹竹桃、针茅、芦荟；
所述挺水植物，包括生长于浅水区的芦苇、白茅、菖蒲；
所述浮叶植物，包括生长于浅水区的菱角、芡实、莕菜；
所述沉水植物，包括生长于水下的苦草、黑藻、茨藻；
所述漂浮植物，包括漂浮于水面生长的浮萍、大薸、凤眼莲；
所述野生动物调查，基于生物分类法和步骤A3的不同水位下的水库岸线两侧等高线，调查两栖类、爬行类、鸟类和哺乳类动物；
所述两栖类动物，包括无足目、有尾目、无尾目；
所述爬行类动物，包括龟鳖目、蜥蜴目、蛇目；
所述鸟类动物，包括游禽、涉禽、陆禽、猛禽、攀禽、鸣禽；
所述哺乳类动物，包括食虫目、翼手目、鳞甲目、啮齿目、食肉目、灵长目、偶蹄目；
所述鱼类调查，调查鱼类现存量，包括鲤形目、鲶形目、鳢形目、合鳃目、鲈形目。
5.根据权利要求1所述的一种河道型水库建设影响预评估方法，其特征在于，所述步骤(5)中构建水动力模型的步骤如下：
B1：初始条件识别
基于水文气象资料中的水库坝址处水文站长序列流量数据，利用P-Ⅲ曲线适线法确定不同典型年，包括选取P＝25％、P＝50％和P＝75％下流量值对应的丰水年、平水年、枯水年；
利用流域水文模型，输入水文基础数据，输出水文数据；
所述流域水文模型包括SWAT、MIKE BASIN水文模型；
所述水文基础数据包括DEM高程数据、河道型水库集水区气象站长序列降雨量、气温、相对湿度、风速数据；
所述水文数据包括不同典型年(丰水年、平水年、枯水年)水库入库流量数据；
基于上述的河道型水库下泄流量数据，得到不同典型年水库下泄流量数据；
B2：水动力模型构建
利用数学模型构建河道型水库库区三维非稳态水动力数学模型，向数学模型输入水动力基础数据，输出水动力数据；
所述水动力基础数据包括DEM高程数据、水文数据、不同典型年水库下泄流量数据；
所述水动力数据包括不同典型年水库库区水温数据、水位数据、流速数据、水体交换数据；所述水体交换数据以水龄表征；所述水龄为河道型水库某一区域水体被交换所需要的时间。
6.根据权利要求1所述的一种河道型水库建设影响预评估方法，其特征在于，所述步骤(5)中构建的水质模型，向水质模型中输入水质基础数据，输出水质数据；；
所述水质基础数据包括工业污染数据、生活污染数据、农业污染数据、藻类污染数据、污染物衰减系数；
所述水质数据包括不同典型年水库库区总氮(TN)、总磷(TP)、叶绿素a(Chla)时空分布数据。
7.根据权利要求1所述的一种河道型水库建设影响预评估方法，其特征在于，所述步骤(5)中的数学模型包括EFDC、MIKE3数学模型。
8.根据权利要求1所述的一种河道型水库建设影响预评估方法，其特征在于，所述步骤(6)中预评估的步骤如下：
C1：分析水库不同运行水位对不同土地利用类型的影响
基于步骤A3的水库不同水位范围内的土地利用数据，分析水库不同运行水位下，后靠安置区、农业及植被、自然保护区所受的影响；
所述后靠安置区所受的影响：对库区移民安置点与水库不同运行水位下淹没区的最近距离进行定量计算，统计位于淹没区范围内、距淹没区0-500m、500-1000m、1000-2000m、2000-4000m、4000-6000m、6000-8000m、大于8000m的安置点个数；
所述农业及植被所受的影响：基于上述的水库水位数据，依据所在流域主汛期和非汛期，确定水库主汛期和非汛期的运行水位，提取未被淹没的间歇性淹没区域土地利用数据，统计区域总面积、农业生产总面积及类型、植被总面积及类型；
所述自然保护区所受的影响：对自然保护区与水库不同运行水位下淹没区的最近距离进行定量计算，统计位于淹没区范围内、距淹没区0m-8000m、大于8000m的自然保护区个数；
C2：分析水库蓄水前后对生物的影响
基于上述的生物调查，分析水库蓄水前植物、野生动物和鱼类现状，预测水库蓄水后植物、野生动物和鱼类演变趋势；
所述分析水库蓄水前植物现状，为统计陆生植物和水生植物物种名，筛选优势物种；所述预测水库蓄水后植物演变趋势，为结合现有植物对水生环境的适应性，参考水库所在流域内同类型水库植物沿海拔的垂直分布结构，判别植物分布范围、物种数量变化；
所述分析水库蓄水前野生动物现状，为统计两栖类、爬行类、鸟类和哺乳类物种名，筛选优势物种；所述预测水库蓄水后野生动物演变趋势，为判别野生动物栖息范围、物种数量变化；
所述分析水库蓄水前鱼类现状，为统计鱼类物种名，筛选优势物种；所述预测水库蓄水后鱼类演变趋势，为判别鱼类物种数量变化；
C3：分析不同典型年水库运行对营养化的影响
基于步骤(5)中的水动力数据，分析不同典型年水库库区水温时空分布情况、水位变化情况、流速时空分布情况、水龄时空分布情况，预测不同典型年水库潜在富营养化区域；
所述分析不同典型年水库库区水温时空分布情况：判别水温分层，包括温变层、温跃层、等温层；
所述分析不同典型年水库库区水位变化情况：对比不同典型年水库库区水位与水库死水位、防洪限制水位、正常蓄水位、防洪高水位、设计洪水位、校核洪水位；
所述分析不同典型年水库库区流速时空分布情况：判别水库流速相对较小区域，流速越小，越易发生富营养化；
所述分析不同典型年水库库区水龄时空分布情况：判别水库水龄相对较大区域，水龄越大，越易发生富营养化；
基于所述步骤(5)中水质数据，以不同典型年水库潜在富营养化区域为敏感区域，选取TN、TP和Chla指标作为水库营养状态评价指标，预测水库各敏感区营养化程度；
当TN≤30mg/m3、TP≤2.5mg/m3、Chla≤1mg/m3时，营养化程度为贫营养；
当TN≤50mg/m3、TP≤5mg/m3、Chla≤2mg/m3时，营养化程度为贫中营养；
当TN≤300mg/m3、TP≤25mg/m3、Chla≤4mg/m3时，营养化程度为中营养；
当TN≤500mg/m3、TP≤50mg/m3、Chla≤10mg/m3时，营养化程度为中富营养；
当TN≤2000mg/m3、TP≤200mg/m3、Chla≤64mg/m3时，营养化程度为富营养；
当TN＞2000mg/m3、TP＞200mg/m3、Chla＞64mg/m3时，水库水体营养化程度为重富营养。
CN201711445908.3A 2017-12-27 2017-12-27 一种河道型水库建设影响预评估方法 Pending CN107862421A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711445908.3A CN107862421A (zh) 2017-12-27 2017-12-27 一种河道型水库建设影响预评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711445908.3A CN107862421A (zh) 2017-12-27 2017-12-27 一种河道型水库建设影响预评估方法

Publications (1)

Publication Number Publication Date
CN107862421A true CN107862421A (zh) 2018-03-30

Family

ID=61707426

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711445908.3A Pending CN107862421A (zh) 2017-12-27 2017-12-27 一种河道型水库建设影响预评估方法

Country Status (1)

Country Link
CN (1) CN107862421A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109376996A (zh) * 2018-09-18 2019-02-22 中国水利水电科学研究院 基于统计年鉴及地理信息的洪水损失评估方法和系统
CN111220785A (zh) * 2020-01-21 2020-06-02 安徽省（水利部淮河水利委员会）水利科学研究院（安徽省水利工程质量检测中心站） 一种检测水体水龄的方法
CN113011716A (zh) * 2021-02-25 2021-06-22 长江水资源保护科学研究所 评估湖泊水位变化对水生植物功能性状影响的方法及系统
CN113505913A (zh) * 2021-06-03 2021-10-15 武汉大学 面向水生群落系统稳定性的水库优化调度决策方法和装置
CN114996943A (zh) * 2022-06-06 2022-09-02 国家气候中心 一种用于水库蓄水气候效应评估的中尺度数值模拟方法
CN115659654A (zh) * 2022-10-28 2023-01-31 四川大学 一种研究河流汛期的滩区有机饵料入河补给量的计算方法
CN115860357A (zh) * 2022-11-10 2023-03-28 长江信达软件技术（武汉）有限责任公司 活水多目标优化调度方法
CN118070684A (zh) * 2024-04-22 2024-05-24 华中科技大学 一种基于数据驱动模型的水库径流归因方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106284239A (zh) * 2016-08-08 2017-01-04 国家电网公司 一种大型坝式水电站初步选址方法
CN106530133A (zh) * 2016-11-22 2017-03-22 山东省城市供排水水质监测中心 一种基于综合水质指数法的湖库型水源水质评价方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106284239A (zh) * 2016-08-08 2017-01-04 国家电网公司 一种大型坝式水电站初步选址方法
CN106530133A (zh) * 2016-11-22 2017-03-22 山东省城市供排水水质监测中心 一种基于综合水质指数法的湖库型水源水质评价方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王晓青: ""三峡库区澎溪河（小江）富营养化及水动力水质耦合模型研究"", 《中国博士学位论文全文数据库》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109376996A (zh) * 2018-09-18 2019-02-22 中国水利水电科学研究院 基于统计年鉴及地理信息的洪水损失评估方法和系统
CN111220785A (zh) * 2020-01-21 2020-06-02 安徽省（水利部淮河水利委员会）水利科学研究院（安徽省水利工程质量检测中心站） 一种检测水体水龄的方法
CN113011716A (zh) * 2021-02-25 2021-06-22 长江水资源保护科学研究所 评估湖泊水位变化对水生植物功能性状影响的方法及系统
CN113505913A (zh) * 2021-06-03 2021-10-15 武汉大学 面向水生群落系统稳定性的水库优化调度决策方法和装置
CN113505913B (zh) * 2021-06-03 2022-07-05 武汉大学 面向水生群落系统稳定性的水库优化调度决策方法和装置
CN114996943A (zh) * 2022-06-06 2022-09-02 国家气候中心 一种用于水库蓄水气候效应评估的中尺度数值模拟方法
CN115659654A (zh) * 2022-10-28 2023-01-31 四川大学 一种研究河流汛期的滩区有机饵料入河补给量的计算方法
CN115860357A (zh) * 2022-11-10 2023-03-28 长江信达软件技术（武汉）有限责任公司 活水多目标优化调度方法
CN115860357B (zh) * 2022-11-10 2023-06-20 长江信达软件技术（武汉）有限责任公司 活水多目标优化调度方法
CN118070684A (zh) * 2024-04-22 2024-05-24 华中科技大学 一种基于数据驱动模型的水库径流归因方法及装置
CN118070684B (zh) * 2024-04-22 2024-07-05 华中科技大学 一种基于数据驱动模型的水库径流归因方法及装置

Similar Documents

Publication Publication Date Title
CN107862421A (zh) 一种河道型水库建设影响预评估方法
Ayenew Environmental implications of changes in the levels of lakes in the Ethiopian Rift since 1970
Bastiaanssen et al. Water balance variability across Sri Lanka for assessing agricultural and environmental water use
Legesse et al. Effect of improper water and land resource utilization on the central Main Ethiopian Rift lakes
Banerjee Environment, population, and human settlements of Sundarban Delta
Biggs et al. Closing of the Krishna basin: irrigation, streamflow depletion and macroscale hydrology
Hao et al. Indicating appropriate groundwater tables for desert river-bank forest at the Tarim River, Xinjiang, China
Hudon et al. Historical changes in herbaceous wetland distribution induced by hydrological conditions in Lake Saint-Pierre (St. Lawrence River, Quebec, Canada)
Chen et al. Exploring the multiscale hydrologic regulation of multipond systems in a humid agricultural catchment
Yang et al. Impact of current and future land use change on biodiversity in Nanliu River Basin, Beibu Gulf of South China
Chen et al. Assessment of extrinsic and intrinsic influences on water quality variation in subtropical agricultural multipond systems
Jiang et al. Drone-based investigation of natural restoration of vegetation in the water level fluctuation zone of cascade reservoirs in Jinsha River
Ramachandra et al. Environmental flow assessment in a lotic ecosystem of Central Western Ghats, India
Cilek et al. Biotope conservation in a Mediterranean agricultural land by incorporating crop modelling
Jiang et al. Composition and distribution of vegetation in the water level fluctuating zone of the Lantsang cascade reservoir system using UAV multispectral imagery
Abbas et al. Land‐use change impacts on soil and vegetation attributes in the Kanshi River basin, Potohar Plateau, Pakistan
Zhang et al. Evaluation of development potential of cropland in Central Asia
Lata Irrigation water management for agricultural development in Uttar Pradesh, India
Udayakumara et al. Reducing siltation and increasing hydropower generation from the rantambe reservoir, Sri Lanka
Jiao et al. Traditional knowledge’s impact on soil and water conservation in mountain agricultural systems: A case study of Shexian Dryland stone terraced System, China
Gu et al. Spatial–temporal evolution and correlation analysis between habitat quality and landscape patterns based on land use change in Shaanxi Province, China
Ayenew Some improper water resources utilization practices and environmental problems in the Ethiopian Rift
KUDERIN et al. Landscape planning of the Kazaly irrigation array of Southern Kazakhstan
Niba et al. Drainage basin anthroponisation and implication on water availability in the Mbum Plateau of Cameroon
Jiang et al. Dam periodic storage drives the spatial pattern of vegetation towards banded evolution

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20180330

RJ01 Rejection of invention patent application after publication