当前世界环境

介绍

乌尔米亚湖是联合国教科文组织在1971年和1976年为国际注册的拉姆萨尔保护区。乌尔米亚湖有212种不同的鸟类，是乌尔米亚蒿唯一的栖息地。近年来，人类活动如河流筑坝、过度取水以及在湖中央修建沙希德-卡拉塔利堤等都对湖泊的自然状态和湖水盐度产生了不利影响。最近持续的干旱也导致流入湖泊的河流流量减少，从而导致湖泊体积和表面积的急剧减少，从而导致高盐度的增加。过高的盐度为生活在湖中的水生生物创造了一个具有挑战性的环境。为了寻找围垦措施，需要研究盐度的空间格局。这些研究的结果可能有助于更好地了解乌尔米亚湖的盐度状况，并为决策者提供有效的工具。

Chubarenko and Tchepikova(2001)利用MIKE21数值模型模拟了不同水文条件下的盐度时空格局。Umgiesser和Zampato(2001)利用SHYFEM模型模拟了威尼斯泻湖的水流和盐度场。结果表明，模拟盐度与观测值基本一致。Vialard et al.(2002)研究了盐度变化，并报道该模式能够适当模拟海面盐度。Omstedt和Axell(2003)模拟了三个海湾的盐度和海表温度变化，并报告了令人满意的结果。Balistrieri等(2006)利用一维动态水库模拟模型(DYRESM)预测了Dexter坑湖盐度的季节变化。结果表明，盐度模拟结果与现场观测结果吻合较好。Wu et al.(2014)通过环境流体动力学代码(EFDC)模拟了人工湖的盐度分布。

虽然湖泊等水资源系统的盐度模拟提供了关于空间变化的重要知识，但是增加计算网格的数量是盐度模拟的一个具有挑战性的问题。因此，需要开发一个简化的顺序框架，将更改合并到主系统中。为此，本研究提出了耦合二维(2D)模型(MIKE21)水动力模拟模型和主成分分析(PCA)模型。并将该方法应用于乌尔米亚湖的盐度模拟中进行了评价。首先，对Urmia Lake进行了2D模拟。然后将MIKE21仿真模型与PCA模型相结合，建立了一个降阶模型来表示流量和盐度的变化。

案例研究和数据

荨麻湖是伊朗西北部的咸水体37之间^°N 38^°20'n和44^°55^′e到45.^°55^′E. Urmia湖是伊朗最大的湖，也是世界上第二大高盐湖(Ahmadzadeh Kokya et al.， 2011)。正常情况下，湖面面积约为5200公里²它是一个长140公里、宽55公里的区域。正常情况下最大深度约为16米(Fazeli et al.， 2005)。这个湖的水来自13条河流，其中最大的一条从南边汇入这个湖。乌尔米亚湖附近是212种鸟类、41种爬行动物、7种两栖动物和27种哺乳动物的家园，其中包括伊朗黄鹿。它是联合国教科文组织生物圈保护区和拉姆萨尔遗址(Fazeli et al.， 2005)国际注册的保护区。在过去的几十年里，为了修建一条横跨湖泊的道路，方便西部和东部省份之间的交通，在湖泊的左右两侧修建了堤道(Zeinoddini et al.， 2009)。这个堤道不利地影响了水流和盐度状况，并阻止了咸水和淡水在湖中的适当混合(Zeinoddini等人，2013)。最近的研究表明，湖的北部盐度较高(约高60%)(Zeinoddini et al.， 2009)。在过去的十年里，持续的干旱也对湖水的流入产生了不利影响。在干旱时期，该湖的盐度在225克/升到280克/升之间，导致水位下降(Eimanifar和Mohebbi, 2007)。 Major changes in the lake salinity impose negative impacts on the Artemia Urmiana and subsequently reduce the diversity of the aquatic life in the lake. As a result, monitoring and simulation of salt concentration is of high priority to preserve ecological conditions of the lake.

在本研究中，模型的水动力强迫是气象变量，如风速和方向、大气压力、平均水位波动、降水、水分、蒸发、七大河流的流入(图1)和盐度。水深信息基于Sadra公司(2004年)所描述的实地调查结果。

图1:乌米亚湖的边界和位置 流入该湖的主要河流中 点击这里查看图

方法

MIKE21模型描述

MIKE21的流体力学控制方程为质量守恒和动量方程:

连续性方程式

x方向的动量方程

Y方向的动量方程

x，y和t_yyt_xyt_xx是水深，水位（m），单位放电（m^3./ s / m），chezy系数，

重力加速度(m / s²)、风摩擦系数、风速及其在x、y方向的分量、科氏参数、大气压力(kg/m/s)²)、水密度(kg/m^3.)、位置坐标和有效剪应力分量。MIKE21采用有限差分数值方法求解控制方程。方程的求解采用变方向隐式方法，并用Von-Neumann方法控制稳定性。

MIKE21通过以下方程模拟了水溶性物质在水中的分散

在那里,C，U，V，h，D_x，D_y，F，问_年代，C_年代分别为浓度、速度分量、水深、弥散系数、线性还原系数、汇源流量和汇源浓度。带三阶误差的隐式最快法是求解色散和输运方程的一种数值方法。

主成分分析描述

主成分分析(Principal Component Analysis, PCA)是最常用的降维技术，它用一组不相关的变量来描述一组多元数据的变化。PCA对于发现新的、信息更丰富的和不相关的特征是有用的。它通过拒绝低方差特征来降低维数。新变量(PCs)的方差等于它们相应的特征值。假设有一个关于p个相关变量x的n个观察值的数据矩阵₁，X₂x,……_p．PCA求x的变换_我变成p个新变量y_我是不相关的。

y_我=δ^TX =δ₁X₁+δ₂X₂+ . .+δ_pX .............( 5)

其中δ=（δ₁,δ₂，..，δ_p）^T权值的列向量是

δ.₁²+δ₂²+ . .+δ_p²= 1 .............( 6)

结果和讨论

MKE21盐度模拟结果

湖泊被划分为400m×400m像素(24241像素)。采用MIKE21模拟了2002年1月至2002年12月的1年时间。利用Urmia天气站在不同时间的风向和速度测量数据，利用Golmankhaneh站的水位记录建立了湖泊的水动力模型并进行了校正。通过模型求解最优水位(图2)，图2对应的平均绝对误差(MSE)为0.034。这表明在实地测量和模型输出之间具有一般适当的一致性。以MIKE21模型在9小时时间间隔内保存的12个月的盐度密度作为快照。提取了974张快照。

图2:模拟水的比较等级 通过Mike21模型和标定步骤测量数据 点击这里查看图

在计算网格中进行了一年的盐度模拟。图3 (a)至图3 (d)分别为春季中期、夏季、秋季和冬季湖泊盐度变化的空间分布。此外，图3(e)显示了一年模拟期间的平均盐度。结果表明，盐度在空间维度上有一定的变化。总体而言，北方的盐度高于南方。这部分是由于来自北部咸水河流的盐流入(Zeinoddini et al.， 2013)。此外，在春季，由于融雪和降水，盐度比其他季节要低。到夏初和蒸发速率增加时，湖泊的盐度上升，这种上升的速度一直持续到冬季结束。

图3春季中期、夏季中期、秋季中期、冬季中期、1年模拟期内乌尔米亚湖盐度空间分布 点击这里查看图

降阶模型结果

对于基于PCA的降阶建模，需要利用MIKE21盐度输出建立主成分分析函数。为此目的，在模拟期间从MIKE21结果中在特定的时间间隔中拍摄了一些快照。通过对快照应用PCA，生成PCA函数。用于进一步分析的主成分分析函数的个数通常少于计算网格的个数，从而简化了基于所选主成分分析函数的盐度变化判断。PCA函数的选择依赖于函数所保留的信息方差的哪一部分。

一个已开发的程序提取和安排了大约974个快照。在下一步中，利用快照建立相关对称矩阵。相关矩阵的特征值在对数尺度下如图4所示。在计算得到的974个特征值中，除了前10个特征值大于单位外，其他特征值可以忽略不计。因此，其他特征值对控制物理条件(如湖泊盐度)没有很强的影响。为了探究这一事实，图5中绘制了前10个pc的保存的方差百分比和模式数量。结果，第一个PC保持了55%的方差，而对所有10个PC，它达到了略低于93%。降阶模型的结果表明，前三个pc分别保持了55、10和8%的方差;累计为73%。

图4对称矩阵的特征值 以半对数标度 点击这里查看图

图5:保存的方差百分比与pc数量 点击这里查看图

第一个PC在湖中的空间分布如图6所示。根据MIKE21的结果，北部盐度高于南部和中部(图3)，这与第一个PC的结果一致(图6)。第一个PC的盐度空间格局与MIKE21模拟的格局并不完全一致。由于第一个PC在系统中保留了55%的方差，所以不期望系统的物理仅由第一模态表示;预计结果会有微小的差异。乌尔米亚湖第二PC和第三PC的空间分布分别如图7和图8所示。将这两个数字与MIKE21的输出进行比较，可以发现并不存在紧密匹配的情况。这是因为2ⁿ和3.^{理查德·道金斯}pc在系统中保持有限的变异比例。因此，在Urmia湖的盐度模拟中，保留系统中大量方差的第一个PC更为重要。

图6:Urmia Lake第一个PC的空间分布 点击这里查看图

图7:空间分布 Urmia Lake的第二辆PC 点击这里查看图

图8:Urmia Lake第三个PC的空间分布 点击这里查看图

值得注意的是，图6到图8的图例中的数字并没有显示盐度值。绝对值表示湖泊盐度的空间变化。

结论

在本研究中，建立了一种模拟伊朗西北部乌尔米亚湖盐度的新方法。为此，我们将MIKE21仿真模型与PCA技术结合使用。首先，用MIKE21模拟盐度。然后由于MIKE21在空间仿真中嵌入了大量的信息，采用PCA模型进行降阶建模。本研究得出以下结论:

• 在湖泊水位标定中，风摩擦系数是最有效的参数。
• 根据MIKE21的模拟，湖泊北部的盐度高于南部。
• 降阶模型的结果表明，只有第一个PC是显著的，其他的影响可以忽略不计。第一个PC保持了55%的方差，而前10个模式保持了93%的方差。
• 与MIKE21获得的974张快照相比，MIKE-PCA联合模型具有较好的性能。

参考

1. Ahmadzadeh Kokya, T.， Pejman, A.H.， Mahin Abdollahzadeh, E.， Ahmadzadeh Kokya, B.， Nazariha, M.(2011)。盐对乌米雅湖水体热力学性质的影响，5(2)，343-348。
2. Balistrieri，L.S.，Tempel，R.N.，Stertssing，L.L.和Shevenell，L.A.（2006）。德克斯特坑湖，托斯卡罗拉，内华达州的分层温度和盐度温度和盐度的空间和时间变化。应用地球化学，21（7），1184-1203。
3. 丘巴连科、柴皮科娃(2001)。模拟人为因素对维斯瓦泻湖(波罗的海)盐度增加的贡献。生态学报23(1)，33 - 36。
4. Dehghani, M.， Saghafian, B.， Nasiri-Saleh, F.， Farokhnia, A.， Noori, R.(2014)。基于人工神经网络和蒙特卡罗模拟的径流干旱预报的不确定性分析。中国科学(d辑:地球科学)，34(4):591 - 598。
5. 艾马尼法尔，莫赫比，F.(2007)。乌尔米亚湖(伊朗西北部):简要回顾。期刊生理盐水系统1-83/1/5。
6. 法泽利，M. R.， Towghi, H.， Samadi, N.， Jamalifar, H.(2005)。盐度对伊朗北部乌尔米亚盐湖杜氏藻DCCBC26产胡萝卜素的影响生物资源学报，97,2453-2456。
7. 男子气概b.f.j.（1986）。多变量统计方法：底漆。第2版​​，伦敦查普曼​​霍尔。
8. Noori，R.，Karbassi，A.R.，Moghaddamnia A.，Han D.，Zokaei-Ashtiani，M.H.，Farokhnia，A.，Ghafari Gousheh M.（2011）。使用PCA，Gamma测试和每月流流程预测的转发选择技术评估输入变量测定的SVM模型性能。水文学报，401：177-189。
9. omstedt，A。，Axell，L.B.（2003）。建模波罗的海大湾的盐度和温度的变化。大陆架研究23（3-4），265-294。
10. Sadra公司(2004)。水动力、水力和环境调查报告(乌尔米娅湖堤道的设计和建造)，第4期，德黑兰。
11. Tabachnick B.G.，Fidell L.S.（2001）。使用多元统计，第3版。Allyn和Bacon，波士顿，伦敦。
12. 乌姆吉瑟、赞帕托(2001)。威尼斯水道网络的水动力和盐度耦合数学模型。生态学报，2018,36(3):372 - 372。
13. Vialard，J.，Delecluse，P.，Menkes，C。（2002）。1993 - 1999年期间盐度变异性及其在热带太平洋中效应的建模研究。地球物理研究海洋杂志107（C12），6-14。
14. Wackernagel，H.，（1995）。多变量地质学习：应用介绍。第二版，斯普林克，纽约和伦敦。
15. Wu C.B。邓,X.W元,X.Z,陈,H,张L.Y,娇,Y.J.(2014)。沿海地区人工湖盐度模拟。应用力学与材料学报444-445,1127-1131。
16. Zeinoddini, M.， tofight, m.a.， Vafaee, F.(2009)。伊朗乌尔米亚湖堤坝型堤道对水流和盐度变化的影响评估。五大湖研究，35(1)，13-22。
17. Zeinoddini, M.， Bakhtiari, A.， Ehteshami, M.(2013)。伊朗乌尔米亚湖大型高盐海洋系统中ï、ow和盐度时空变化的耦合效应。湖沼学,14日,77 - 95。