Journal of Marine Sciences >

2026 , Vol. 44 >Issue 1: 136 - 148

DOI: https://doi.org/10.3969/j.issn.1001-909X.2026.01.011

Study on water quality improvement strategies for small tropical lagoons under environmental capacity constraints: A case study of the Xiaohai Lagoon, Hainan

  • XIANG Yunyun , 1, 2 ,
  • FANG Xin , 1, * ,
  • HOU Zonghao 1 ,
  • YANG Hui 1 ,
  • SUN Zhaochen 3 ,
  • SU Binwei 3 ,
  • ZHANG Yifei 1
Expand
  • 1 Second Institute of Oceanography, MNR, Hangzhou 310012, China
  • 2 School of Public Affairs, Zhejiang University, Hangzhou 310058, China
  • 3 School of Infrastructure Engineering, Dalian University of Technology, Dalian 116024, China

Received date: 2025-12-01

  Revised date: 2025-12-23

  Online published: 2026-03-03

Fold

Abstract

Small tropical lagoons are highly susceptible to eutrophication due to restricted hydrodynamic exchange and intensive land-based inputs. However, translating theoretical “environmental capacity” into actionable, spatially explicit control schemes remains a critical challenge. Taking the Xiaohai Lagoon in Hainan as a case study, this research establishes an integrated assessment framework coupling a two-dimensional hydrodynamic-water-quality model with grid-scale capacity accounting and multi-scenario load regulation. By integrating multi-source data, we quantitatively characterized the spatial heterogeneity of COD, DIN, and DIP and their remaining capacities. The results indicate: (1) Water quality exhibits a significant “inlet surplus-inner basin deficit” dual gradient. Under Class Ⅲ water quality targets, DIN is at critical saturation, while DIP acts as an “absolute rigid constraint” with zero remaining capacity; under Class II water quality targets, widespread nitrogen and phosphorus overload leads to capacity exhaustion. (2) Scenario simulations reveal that while hydrodynamic optimization engineering can release physical capacity, it has a “ceiling effect,” and the benefits are easily “offset” by incremental loads from socio-economic growth. (3) Only under a “deep source reduction” scenario coordinating the watershed and lagoon can the system breach physical thresholds, achieving Class II compliance in approximately 87% of the water area. The proposed “Accounting-Zoning-Reduction” framework facilitates a paradigm shift from gross total load control to precision governance characterized by “source reduction, spatial matching, and process optimization”, offering a transferable technical pathway for similar semi-enclosed coastal waters.

Key words： Xiaohai Lagoon; marine environmental capacity; 2D hydrodynamic-water-quality model; total load control; eutrophication; scenario simulation; zoning control; precision governance

Cite this article

XIANG Yunyun , FANG Xin , HOU Zonghao , YANG Hui , SUN Zhaochen , SU Binwei , ZHANG Yifei . Study on water quality improvement strategies for small tropical lagoons under environmental capacity constraints: A case study of the Xiaohai Lagoon, Hainan[J]. Journal of Marine Sciences, 2026 , 44(1) : 136 -148 . DOI: 10.3969/j.issn.1001-909X.2026.01.011

0 引言

陆源营养盐输入引发的富营养化是全球半封闭海岸带(尤其是潟湖)面临的共性难题[1-3]。相比开阔海域,潟湖系统具有水龄长、潮汐交换受限及对陆源负荷响应敏感等特征,极易因营养盐累积跨越生态阈值[4-5],局部累积效应常导致“系统性生态退化”先于“整体水质超标”发生[6-8]。
目前,海洋环境容量(marine environmental capacity, MEC)已成为连接污染负荷与水质目标的关键纽带[9-12],并在美国水污染控制计划及我国近岸海域污染物总量控制中得到广泛应用[13-14]。但现有研究在支撑精细化治理方面仍存在关键短板:一是尺度上的“均质化”,多数研究仍停留于全湾“总容量”估算,掩盖了内湖滞水区等关键节点的超载风险,常导致“总量达标但局部失衡”的管理困境[13];二是机制上的“脱节”,缺乏从“容量核算”到“分区管控”的闭环反馈,未能将容量约束反向耦合至“减排-扩容”情景中,难以形成可落地的空间化治理方案[15]。
针对上述挑战,本研究以海南万宁小海潟湖(海南岛最大潟湖系统)为例,构建耦合二维水动力-水质模型与网格尺度容量的核算体系,旨在突破传统总量视角,定量解析年均尺度下关键污染因子的剩余容量空间格局与主控限制因子,并在此基础上构建基于容量刚性约束的“工程-管控”情景评估框架。研究提出的“核算-分区-减排”一体化路径,可为富营养化敏感的半封闭海湾提供从总量控制走向“空间精准治理”的技术范式。

1 研究区域与数据来源

1.1 研究区概况

小海潟湖位于海南岛万宁市东部,水域面积约43 km2,属典型的热带障壁-潟湖系统[16-17]。其地貌呈南北向展布(10 km×7.5 km),水深浅且地形平缓(平均水深1~2 m),仅通过东北部的狭长潮汐通道与外海连通。该潮汐通道构成了维系湾内水体交换的唯一物理瓶颈,极大地限制了陆海物质的输运与扩散效率[18]。
在流域尺度,小海承接了周边约617.19 km2的汇水压力,呈现出典型的“多支流汇聚-单潟湖受纳”格局。基于高精度数字高程模型(digital elevation model,DEM)与水系拓扑关系,本研究将流域划分为龙首河流域(51.32 km2)、龙尾河流域(52.31 km2)、源头区域(407.62 km2)及沿岸区域(105.94 km2)四个一级控制单元,以此作为污染负荷精细化核算与空间管控的地理基准(图1)。受“物理交换受限”与“高强度陆源输入”的双重胁迫,潟湖内红树林、海草床等关键生境的退化风险日益加剧。在已将Ⅲ类水质确立为刚性目标的背景下,亟需构建基于“流域-潟湖”统筹视角的精细化治理与容量分配方案。
图1 研究区域地理位置、流域控制单元划分及生态-监测要素分布示意图

Fig.1 Schematic diagram of geographical location, watershed control units, ecosystem distribution, and monitoring stations in the study area

1.2 水质监测与时空特征分析

为支撑高精度数值模型构建与精细化水环境容量核算,本研究于2022年在研究区域内布设10个固定水质监测点(图1),获取了全年度逐月动态数据,建立了遵循“水动力梯度表征-污染输入响应”原则的观测体系。监测站位的空间布局覆盖了口门及潮汐通道区、口门-内湖过渡带、西南内湖盆地及东南内湖盆地等关键水动力单元(分别对应后文环境容量分析中的Ⅰ~Ⅳ区),有效捕捉了系统的空间异质性。
对监测数据的时空特征分析揭示了显著的梯度效应与季节波动规律。在空间维度上,水质呈现出从口门向内湖“由优到劣”显著递变的格局。特别是内湖盆地(尤以西南内湖盆地为甚),因水体驻留时间长、交换能力弱,已成为污染物累积的高值热点区。在时间维度上,受丰水期(5—10月)径流输送驱动,水质呈现显著恶化趋势,溶解性无机氮(dissolved inorganic nitrogen,DIN)、溶解性无机磷(dissolved inorganic phosphorus,DIP)与化学需氧量(chemical oxygen demand,COD)的超标频率大幅上升,已成为制约水质达标的主要限制因子。

1.3 污染负荷估算与源项概化

基于2022年11月开展的污染负荷专项调查,本研究构建了涵盖陆源、潟湖内源与大气沉降的全口径、多界面入湖负荷清单,并通过多源数据融合技术完成了模型边界条件的参数化设定。

1.3.1 内源释放与大气沉降背景参数化

基于潟湖内47个站位的原位采样与静态释放实验,测定底泥总氮(total nitrogen,TN)和总磷(total phosphorus,TP)的释放通量并将其映射为模型的底床源项;大气沉降负荷参照同纬度典型河口(珠江口)的干湿沉降参数[19],经水域面积折算后以均匀面源形式施加,作为系统的背景输入。

1.3.2 陆源负荷核算与通量反演

综合第二次全国污染源普查数据、排污许可台账及补充监测资料,核定工业、生活、养殖及农业面源的污染物产生量。为准确量化污染物在河流输运过程中的降解与滞留效应,采用“入河系数法”推算入湖通量,并利用河流控制断面实测水质数据,对龙首河、龙尾河及源头区域的入海系数(0.144~0.500)进行反演率定,实现了从“产生量”到“实际入湖通量”的精准修正(各污染物入湖负荷占比见表1)。
表1 小海潟湖各污染物入湖负荷来源解析

Tab.1 Source apportionment of pollutant loads entering the Xiaohai Lagoon

%
来源 总氮 总磷 化学需氧量
大气沉降 11.03 2.03 0
底泥释放 29.67 36.86 0
径流输入 25.39 26.28 57.99
海水养殖 2.33 2.69 4.75
禽畜养殖 2.64 8.23 12.54
工业排放 0.40 0.99 1.55
生活污水 8.37 8.05 14.02
农业面源 20.16 14.86 9.15

1.3.3 指标同化与源项空间重构

基于水系拓扑关系将分散的陆源负荷进行空间聚合,概化为19个主要入湖点源(图2)。针对多源数据指标口径差异(如环境统计中的TN、TP与模型所需的DIN、DIP),构建基于本地实测数据的经验转换函数[20],将各污染源统一折算为与模型及国标相匹配的COD、DIN与DIP等效负荷。实现了负荷数据从“行政单元统计”向“模型网格边界”的空间映射。
图2 小海潟湖陆源概化排污口空间分布及等效负荷强度

Fig.2 Spatial distribution of aggregated land-based pollution sources and equivalent load intensity in the Xiaohai Lagoon

2 研究方法

2.1 技术路线与总体框架

本研究遵循“过程模拟-容量核算-情景反馈”的逻辑闭环,构建了基于环境容量约束的精细化总量控制技术框架(图3)。该框架包含三个递进层次:
图3 小海潟湖环境容量核算与分区总量控制评估技术路线

Fig.3 Technical framework for environmental capacity accounting and spatially explicit total load control assessment in the Xiaohai Lagoon

物理-生化过程耦合:构建二维水动力-水质耦合模型,解析潟湖流场结构与污染物输移扩散规律,为容量计算提供高精度的水动力场与污染物浓度场;
网格尺度容量核算:基于水质目标与模型响应场,突破传统箱式模型的均质化局限,在网格尺度上定量解析剩余容量与削减缺口的空间异质性;
分区管控情景评估:将容量约束转化为不同工程与减排组合下的负荷分配方案,通过多情景模拟反演最优治理策略,实现从“总量概算”向“分区精准治理”的跨越。

2.2 水动力-水质数值模型

2.2.1 模型构建与过程耦合

鉴于小海潟湖平均水深仅1~2 m,且受强潮汐往复流与风浪扰动影响,水体垂直混合充分,本研究基于垂直平均假设,采用MIKE 21 FM(Flow Model)构建二维水动力-水质耦合模型[21]。
1)物理过程求解
模型基于浅水方程组求解水位与深度平均流速场。开边界由调和分析重构的潮位过程驱动,陆域边界动态耦合主要河流的流量输入过程。
2)生化过程耦合
水质模块在同一非结构化网格体系下,耦合COD、DIN与DIP的二维对流-扩散过程。考虑到模拟周期较长(年均尺度),引入综合的一阶衰减系数以概化污染物的生物化学降解机制,实现物理输运场与生化反应场的在线耦合模拟。

2.2.2 网格构建与多尺度加密

计算域覆盖潟湖主体及邻近外海,采用非结构化三角网格进行空间离散。为兼顾计算精度与效率,实施“多尺度加密”策略:
外海边界区:网格适当稀疏(约500 m),旨在消除边界反射影响;
口门及潮汐通道区:进行高分辨率加密(最小尺度<30 m),以精准刻画狭窄通道内的急流特征及物质交换的“瓶颈”效应;
内湖岸线:贴合复杂自然边界,确保水陆界面通量的准确守恒。

2.2.3 模型参数率定与有效性验证

水动力模块基于实测潮位与流速数据,通过优化底床曼宁系数与涡黏系数,确保模型可准确重现潟湖的潮汐传播相位与水体交换特征。水质模块采取“季节率定-独立验证”策略:首先基于2022年春、秋季监测数据确定COD、DIN与DIP的最佳综合衰减与扩散系数;随后利用未参与率定的2022年6月实测数据进行独立验证[22](图4)。结果显示,模拟值与实测值的均方根误差与相对误差均处于合理区间。更关键的是,模型成功捕捉到了污染物“内湖累积-口门稀释”的空间梯度特征,表明其对污染物输移扩散规律具有良好的解释能力,可以满足环境容量核算的精度要求。
图4 2022年6月各监测站位主要水质指标(COD、DIN、DIP)空间分布模式验证:模拟值与实测值对比

(C1~C10 为图1中所示的现场水质监测点。)

Fig.4 Validation of spatial distribution patterns for key water quality indicators (COD, DIN, and DIP) across monitoring stations in June 2022: Comparison between simulated and observed values

(C1-C10 represent the in-situ water quality monitoring stations identified in Figure 1.)

2.3 环境容量计算与情景设计

2.3.1 网格尺度环境容量核算方法

环境容量指在特定水质目标约束下,水体所能容纳的最大污染物负荷量。不同于传统箱式模型的“全湖均质化”处理,本研究采用网格尺度响应系数法,基于二维模型输出的稳定浓度场,逐时解析污染物在网格单元内的输移与衰减过程。
在给定水质目标类别k和污染因子p的条件下,对于任意计算网格i,其年尺度等效剩余容量 ${E}_{p,i}^{\left(k\right)}$的计算方法如下:
${E}_{p,i}^{\left(k\right)}$=max[${C}_{p,std}^{\left(k\right)}$-Cp,i,0]·Vi
式中: ${C}_{p,std}^{\left(k\right)}$为对应水质类别标准限值;Cp,i为网格i的水质类别;Vi=hiAi,为网格水体体积,其中hi为水深,Ai为面积。当Cp,i> ${C}_{p,std}^{\left(k\right)}$时,该网格剩余容量为0。
当 ${E}_{p,i}^{\left(k\right)}$>0时,表明该区域水质达标且有容量富余;当 ${E}_{p,i}^{\left(k\right)}$<0时,定义该网格存在容量缺口(削减需求),记为 ${G}_{p,i}^{\left(k\right)}$:
${G}_{p,i}^{\left(k\right)}$= $\left|{E}_{p,i}^{\left(k\right)}\right|$ (${E}_{p,i}^{\left(k\right)}$<0)
该方法能较为精确地捕捉水动力“死角”(如内湖滞水区,表现为高累积、负容量)与强交换“通道”(如口门区,表现为高稀释、正容量)之间的显著空间异质性。通过这种精细化的空间映射,可以识别局部环境容量超载热点,为制定“在哪减、减多少”的分区管控策略提供直接的物理基础。
最终,对全潟湖所有网格进行积分,即可得到系统的总剩余容量 ${E}_{p}^{\left(k\right)}$与总缺口 ${G}_{p}^{\left(k\right)}$:
${E}_{p}^{\left(k\right)}$= ${\sum }_{i}^{}{E}_{p,i}^{\left(k\right)}$
${G}_{p}^{\left(k\right)}$= ${\sum }_{i}^{}{G}_{p,i}^{\left(k\right)}$

2.3.2 总量控制情景设置

基于环境容量核算结果,本研究构建了包含“近期工程修复-中期发展博弈-远期深度优化”的总量控制梯度情景体系,旨在解耦经济增长与水质改善的非线性关系,并识别不同管理路径下的水质响应边界[23](表2)。
表2 小海潟湖水质改善情景设置与关键参数矩阵

Tab.2 Configuration matrix of water quality improvement scenarios and key parameters of the Xiaohai Lagoon

情景 目标年份 情景定义 驱动机制 关键参数设置
S1:近期工程修复 2025年 现状+短期工程 以物理扩容为主,辅以存量削减,评估工程增益 1.水动力优化:南汊道疏浚+港北口门拓宽+红树林修复
2.存量减排:生活污水纳管率提升至85%+禁养区养殖清退30%
S2-A:中期惯性增长 2027年 S1+社会经济自然增长 无新增管控措施下的发展压力测试 1.负荷增量:人口+5%,农田+3%,畜牧+6%
2.管控措施:维持S1水平(无新增减排措施)
S2-B:中期增长管控 2027年 S2-A+强化过程管控 评估管控措施对增长负荷的抵消作用 1.负荷增量:同S2-A
2.强化管控:工业废水100%纳管+农业面源初步拦截(削减15%)
S3:远期深度优化 2030年 S2-B+极限源头减排 II类和Ⅲ类水质目标约束下的理论上限情景 1.源头减排:生活污水100%收集+畜牧资源化90%
2.农业深度削减:化肥施用强度削减40%
3.空间准入:内湖滞水区新增高负荷用海项目“零准入”
1)近期工程修复情景(S1)
以2022年现状为基准,叠加已确定的短期工程措施,从“物理扩容”与“存量治理”维度出发,评估水动力条件改善对环境容量的释放效应,回答“仅靠物理工程能否实现短期达标”的关键问题。
2)中期发展压力测试情景(S2)
在S1基础上,引入社会经济发展的增量负荷,重点进行“压力测试”,以评估“发展增量”对“治理减量”的抵消效应,并细分为两个子情景:S2-A(中期惯性增长)和S2-B(中期增长管控)。
3)远期深度优化极限情景(S3)
基于II类水质目标的刚性约束,构建“最大可行技术”减排组合。该情景作为系统的理论上限,反推在最优治理组合下,小海潟湖实现全域II类和Ⅲ类水质达标的物理可能性及剩余容量缺口的最终归宿。
通过对比上述情景的达标面积、容量利用率及缺口空间收敛度,量化不同治理策略的边际效益,为制定分阶段、分区域的精准减排清单提供科学依据。

3 结果与讨论

3.1 剩余环境容量的时空演变特征

3.1.1 潮汐调制下的浓度差空间梯度

模型模拟结果表明,小海潟湖水质达标状态受潮汐动力与水体更新效率的强烈调制(表3)。在“潮汐泵”作用下,涨潮期高盐水体的入侵显著稀释了近口门区污染物,使得II、Ⅲ类水质达标面积较落潮期分别提升约54%和24%,表明不利潮相(落潮)是容量核算的控制性工况。
表3 小海潟湖各控制指标达标面积与剩余环境容量核算结果

Tab.3 Calculated compliant area and remaining environmental capacity for key control indicators in the Xiaohai Lagoon

水质目标 潮汐 指标 单指标达标面积/km2 总体达标情况 剩余环境容量
达标面积/km2 达标比例/% 总量/(t·a-1) 超标率/%
II类 涨潮 COD 27.06 23.44 53.81 1.00
DIN 25.23 -4.56 4.89
DIP 23.91 -0.52 3.70
落潮 COD 18.04 15.18 34.85 -22.58 0.86
DIN 19.05 -5.59 5.99
DIP 15.72 -0.99 7.04
Ⅲ类 涨潮 COD 33.85 31.02 71.21 62.39
DIN 33.60 1.57
DIP 31.88 -0.52 3.70
落潮 COD 27.72 25.01 57.42 27.68
DIN 29.30 -0.56 0.45
DIP 25.48 -0.99 7.04

注:表中空白处表示不存在超标现象。

空间分布上,浓度差场呈现显著的“口门盈余-内湖赤字”的二元结构:
交换优势区(区域Ⅰ和II):口门及潮汐通道邻近海域受外海强交换控制,水体更新快,COD、DIN与DIP均维持连续的“正浓度差”(即达标且有余量);
累积风险区(区域Ⅲ和Ⅳ):西南和东南内湖盆地因远离潮汐通道,加之陆源输入叠加,形成大范围连片的“负浓度差”区域。
这一格局与水龄示踪实验结果高度耦合(图5):模拟30 d后,示踪物质在内湖盆地的高浓度滞留,定量证实了长驻留时间是导致该区域污染物累积、引发富营养化风险的水动力根源。
图5 基于示踪剂模拟的小海潟湖水体交换与驻留特性空间演变

(图中出现的微量负值为计算过程中产生的数值伪影,其实际物理含义为示踪剂浓度已降至零。)

Fig.5 Spatial evolution of water exchange and residence characteristics in the Xiaohai Lagoon based on tracer simulation

(Minor negative values in the results are considered numerical artifacts, physically representing zero tracer concentration. )

3.1.2 关键因子的非对称性容量约束

基于网格浓度差积分计算的环境容量及达标面积统计结果(图6和表3)显示,不同指标在水质目标约束下表现出显著的非对称性与刚性瓶颈。
图6 目标水质约束下主要污染物(COD、DIN、DIP)剩余环境容量的空间异质性与缺口热点识别

Fig.6 Spatial heterogeneity and deficit identification of remaining environmental capacity for key pollutants (COD, DIN and DIP) under target water quality constraints

COD(局部累积型):得益于较强的降解转化能力,潟湖整体对COD的承载力相对较好。统计数据显示,在Ⅲ类水质目标下,无论涨潮还是落潮,系统均保持较大的正剩余容量(>27.00 t)和较高的达标面积(>27 km2);在更严格的II类水质目标下,涨潮时段仍能维持微弱的正剩余容量(1.00 t),仅在落潮时段出现明显的负荷缺口(-22.58 t)。总体而言,除内湖局部滞水区外,COD并非当前系统在常规条件下的主要限制因子,但在严格标准且不利潮相下需引起注意。
DIN(敏感临界型):DIN容量对水质标准的提升极为敏感。数据显示,在Ⅲ类水质目标下,系统处于“盈亏平衡”的临界状态(涨潮微盈1.57 t,落潮微亏-0.56 t);然而,一旦水质目标提升至II类,系统迅速转为全面超载状态,涨、落潮时的环境容量分别急剧下降至-4.56 t和-5.59 t。这表明DIN是制约水质从Ⅲ类向II类提升的关键敏感因子。
DIP(绝对刚性型):无论在何种潮相(涨潮/落潮)或水质目标(II类/Ⅲ类)下,DIP的环境容量计算结果均稳定表现为负值(-0.52~-0.99 t),呈现“零剩余”或“高负债”状态。这揭示了DIP是小海潟湖水质改善的“绝对刚性约束”,其容量短板决定了系统的承载上限,意味着单纯的水动力改善难以奏效,必须采取高强度的源头控制与削减策略。

3.1.3 基于水动力-容量耦合的空间分区特征

为突破全湖平均视角对局部风险的掩盖,本研究耦合水动力驻留特征与网格剩余容量分布,将小海潟湖划分为四个具有显著异质性的管控子区(图7):
图7 基于水动力-容量耦合特征的小海潟湖环境容量管控分区示意图

Fig.7 Schematic diagram of environmental capacity control zones in the Xiaohai Lagoon based on hydrodynamic-capacity coupling characteristics

区域Ⅰ:强交换-容量富余区(口门及潮汐通道)
该区域与外海直接连通,水体交换效率极高且驻留时间短,承担全湾污染物的“稀释-输出”核心功能,
在各情景下均保持正剩余容量,是系统的“呼吸阀”。
区域II:过渡-敏感监控区(口门-内湖过渡带)
该区域位于强交换区与内湖滞水区之间,环境容量呈现由富余向紧平衡过渡的梯度特征,对陆源输入增加极为敏感,是需重点防止水质降级的“防守前沿”。
区域Ⅲ:滞水-容量赤字区(西南内湖盆地)
该区域受东山河、太阳河(旧河道)径流输入与内湖弱水动力(高滞留)的双重胁迫,是全湖污染物累积与富营养化风险的核心热点,在II类水质目标下,氮、磷容量缺口最大,是制约全湖达标的“短板”。
区域Ⅳ:生态-容量潜力区(东南内湖盆地)
该区域位于潟湖东侧,当前的环境现状是外源负荷相对较弱且拥有一定水环境容量储备。该区域具备作为生态缓冲单元的潜力,宜作为红树林修复与生境品质提升的优先空间。
总体上,小海潟湖呈现出清晰的“口门富余-过渡带敏感-西南严重超载-东南具恢复潜力”的空间梯度格局。这一非均衡特征表明,传统的“总量控制”策略必须向“分区精准施策”转型:即在严格保护区域Ⅰ~II的稀释输运能力的前提下,将工程减排资源(如清退、截污)集中投向区域Ⅲ(攻坚区),并将区域Ⅳ确立为提升系统自净能力的生态功能提升区。

3.2 情景模拟下的水质响应与容量演变特征

3.2.1 短期工程措施:水动力优化的“物理天花板”

基于2022年基准情景,依次叠加南汊道疏浚、港北口门拓宽及红树林修复工程(S1),评估其对落潮期环境容量的物理释放效应。模拟结果表明,工程组合对水质改善呈现“物理输运主导、生态增益有限”的特征。
物理输运主导性:通过疏浚与拓宽工程打破物理瓶颈,II类水质综合达标面积由15.18 km2(34.85%)提升至17.62 km2(40.45%),表明增强潮汐交换是短期内缓解内湖累积、释放物理容量的最直接手段。
生态修复的尺度局限:进一步叠加红树林修复后,达标面积仅微幅增加至17.84 km2 (40.96%)。这揭示了在未大幅削减陆源负荷基数的情况下,单纯依赖局部生态系统的净化能力难以重构全湖水质格局,工程措施存在明显的改善天花板。
单因子响应差异:各指标达标增益表现为DIN>COD>DIP,再次印证了DIP难以通过简单的物理稀释实现达标,具有极强的地球化学顽固性。

3.2.2 中远期博弈:发展增量的“抵消效应”与深度减排

对比中期发展(S2)与远期极端优化(S3)情景,揭示了“社会经济增长-环境容量消耗”之间的非线性博弈关系(参数设置详见表2)。
增长对冲与抵消效应:中期模拟显示,社会经济活动的惯性增长会抵消部分减排红利。在同等工程条件下,叠加人口与产业增长负荷(S2-A)后,II类水质综合达标面积较中期增长管控情景(S2-B)回撤约5 km2(由30.47 km2降至25.48 km2)。这一定量结果证实:若缺乏同步的高强度源头管控,发展带来的新增负荷将迅速填补工程释放的有效容量,使系统陷入“治理-增长-再超载”的死循环。
极限减排下的容量释放:仅在远期深度优化情景(S3)下,通过生活污水全收集、农业面源污染深度削减(40%)与内湖空间准入限制的组合,系统才突破了II类水质的“临界阈值”:综合达标面积跃升至37.83 km2(86.85%),Ⅲ类水质综合达标率更达93.32%,仅西南内湖极少滞水区仍存在轻微缺口。上述结果表明,要实现水质从Ⅲ类向II类的跨越,必须实施“断腕式”的源头减排,常规治理手段已无法满足高标准水质目标的容量需求。

3.2.3 限制因子识别:多级约束梯度的形成

综合全情景模拟结果,小海潟湖环境容量表现出清晰的三级控制梯度,决定了总量控制策略的优先级。
刚性约束因子——DIP,是系统水质达标的绝对短板。无论在S1还是S2情景中,DIP的超标格局最难撼动,且始终处于“零剩余”或“高赤字”状态。这意味着控磷是小海澙湖治理的先决条件,任何不包含深度除磷的方案都无法实现II类水质目标。
弹性敏感因子——DIN,对减排与扩容措施的响应最为敏感。在工程情景下容易释放容量(达标面积增幅最大),但在负荷反弹时也最先“再超载”。因此,DIN可作为评估治理措施短期有效性的指示指标。
局地累积因子——COD,其环境容量相对宽裕,超标主要局限于内湖物理交换极差的“死角”。其管理意义在于与营养盐富集叠加时可能诱发局部缺氧风险,但在总量层面不构成决定性瓶颈。

3.3 基于容量约束的陆海统筹治理策略

3.3.1 治理范式重构:从“总量概算”转向“分区精准配置”

情景评估表明,单纯依赖“物理扩容”仅能提供有限的容量增益,且极易被发展带来的新增负荷迅速“抵消”。因此,治理重心应从全湖均质化的总量削减,转向“容量为基、分区施策”的空间精准治理范式,构建“源头-过程-汇端”的立体调控体系。
源头端(差异化减排):打破“平均用力”的传统模式,依据汇水区负荷贡献率实施差异化削减。重点针对高负荷输出的西南汇水区(对应区域Ⅲ的陆域来源),在全流域推行农业减肥增效与畜牧粪污资源化,从源头上切断向内湖滞水区的高强度输入。
过程端(水动力通脉):聚焦物理瓶颈突破,通过口门拓宽与岸线整治工程,提升口门区的“潮汐泵”效率,维持区域Ⅰ~II的稀释缓冲功能,确保其作为全湾“稀释-输出”功能区的稳定性。
汇端(功能化增容):转变内湖治理思路,在区域Ⅲ(滞水区)与区域Ⅳ(潜力区)构建红树林-海草床复合生态屏障。将单纯的“污染物受纳体”转化为具备营养盐截留与转化功能的“活性净化器”,实现对内湖超载热点的原位修复。

3.3.2 约束机制创新:确立DIP刚性约束下的“非对称减排”

鉴于水质目标从Ⅲ类提升至II类时,系统面临的约束呈现显著的非线性增强特征,DIP已成为决定达标与否的“绝对刚性瓶颈”。为此,建议建立分级、分类的管控机制。
实施“非对称减排”策略:改变氮、磷同步削减的惯性思维,确立“控磷优先”的治理导向。在Ⅲ类水质目标阶段,优先开展农业面源与内源磷负荷的“热点拔尖”行动;在II类水质目标阶段,必须实施超高强度的深度除磷措施,即使这意味着氮磷削减比例的非均衡配置,以突破DIP的地球化学循环瓶颈。
建立“增量对冲”与“配额准入”机制:将环境容量作为产业布局的“负面清单”依据。对于内湖超载区,严格执行“增量对冲”机制——即所有新增开发项目的污染物排放,必须通过等量或超量的存量削减进行置换,避免来之不易的容量增益在发展驱动下再次被“消耗”。

3.4 模型适用边界与不确定性讨论

3.4.1 生物地球化学过程概化与表达限制

鉴于小海潟湖浅水强混合的物理特征,本研究采用二维水深平均模型,并引入综合一阶衰减系数对COD、DIN与DIP的迁移转化过程进行参数化表征。这一处理有效支撑了“负荷-浓度-容量”的宏观响应诊断,但对精细生物地球化学机制的刻画存在客观局限:模型未能显式表达底栖植被(海草床、红树林)与水体间的物质交换通量。已有研究指出,热带潟湖的底栖群落可通过界面过程显著调节生源要素循环[24],并影响近岸碳酸盐体系与海-气CO2交换。由于本文将上述复杂过程折算为统一的衰减项,模型尚难在数值上区分不同生态系统(如红树林、海草床)对特定营养盐去除的净贡献差异。因此,本研究的结论主要适用于年均尺度下水质响应趋势的研判与治理方向的宏观识别,而非对短时生态过程的微观模拟。

3.4.2 时空尺度效应与情景预测的不确定性

本研究基于2022年代表性潮相与年均负荷开展模拟,旨在服务于年度总量控制决策。受时空尺度限制,模型存在以下适用边界。
极端事件覆盖不足:模型未显式覆盖台风暴雨、极端高温等短时脉冲事件。这些事件可能导致污染物的瞬时输入激增或水体交换受阻,引发短周期的富营养化风险。
情景参数的假设性:情景模拟中的减排参数(如“生活污水纳管率提升至85%”)是基于治理强度的假设性输入,而非对未来的确定性预测。
综上所述,本文提出的环境容量与达标面积应被视为比较不同治理策略优劣的相对量化工具,而非绝对精度的物理预测值。在实际管理中,应结合实时监测数据对管控方案进行动态校正。

4 结论

本文构建了“水动力-水质-容量”耦合评估框架,揭示了小海潟湖环境容量受水动力驻留梯度控制,呈现显著的“口门富余-内湖赤字”空间异质性,其中DIP为制约达标的绝对刚性瓶颈。情景模拟表明,水动力优化工程存在改善天花板,且易被社会经济增长带来的新增负荷迅速侵蚀,唯有实施全流域深度控磷与截污,方能突破II类水质目标的物理阈值。据此,建议确立以环境容量为硬约束的分区管控范式,在维持口门输运功能的同时,精准攻坚内湖超载热点,并建立针对DIP的非对称减排与增量对冲机制,实现从粗放总量控制向空间精准治理的转型。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
HE Q, SILLIMAN B R. Climate change, human impacts, and coastal ecosystems in the Anthropocene[J]. Current Biology, 2019, 29(19): R1021-R1035.

[2]
BRUSH M J, GIANI M, TOTTI C, et al. Eutrophication, harmful algae, oxygen depletion, and acidification[M]//MALONE T C, MALEJ A, FAGANELI J. Coastal ecosystems in transition: A comparative analysis of the Northern Adriatic and Chesapeake Bay. Hoboken: John Wiley & Sons, Inc., 2021: 75-104.

[3]
ZALDÍVAR J M, CARDOSO A C, VIAROLI P, et al. Eutrophication in transitional waters: An overview[J]. Transitional Waters Monographs, 2008, 2(1): 1-78.

[4]
NEWTON A, ICELY J, CRISTINA S, et al. An overview of ecological status, vulnerability and future perspectives of European large shallow, semi-enclosed coastal systems, lagoons and transitional waters[J]. Estuarine, Coastal and Shelf Science, 2014, 140: 95-122.

DOI

[5]
DEWIT R. Biodiversity of coastal lagoon ecosystems and their vulnerability to global change[M]//GRILLO O, VENORA G. Ecosystems biodiversity. Rijeka, Croatia: InTech, 2011: 29-40.

[6]
PÉREZ-MARTÍN M Á. Understanding nutrient loads from catchment and eutrophication in a salt lagoon: The Mar Menor case[J]. Water, 2023, 15(20): 3569.

DOI

[7]
GLIBERT P M, HINKLE D C, STURGIS B, et al. Eutrophication of a Maryland/Virginia coastal lagoon: A tipping point, ecosystem changes, and potential causes[J]. Estuaries and Coasts, 2014, 37(1): 128-146.

DOI

[8]
VIAROLI P, BARTOLI M, GIORDANI G, et al. Community shifts, alternative stable states, biogeochemical controls and feedbacks in eutrophic coastal lagoons: A brief overview[J]. Aquatic Conservation: Marine and Freshwater Ecosystems, 2008, 18(S1): S105-S117.

DOI

[9]
CAREY D I. Development based on carrying capacity: A strategy for environmental protection[J]. Global Environmental Change, 1993, 3(2): 140-148.

DOI

[10]
WANG J Y, WEI X M, GUO Q. A three-dimensional evaluation model for regional carrying capacity of ecological environment to social economic development: Model development and a case study in China[J]. Ecological Indicators, 2018, 89: 348-355.

DOI

[11]
YAO Y M, ZHU J H, LI L, et al. Marine environmental capacity in Sanmen Bay, China[J]. Water, 2022, 14(13): 2083.

DOI

[12]
LUO F, GOU H, LI R J, et al. Numerical simulation on marine environmental capacity in the open sea area of Northern Jiangsu Province using a three-dimensional water quality model based on FVCOM[J]. Regional Studies in Marine Science, 2021, 45: 101856.

DOI

[13]
BUI L T, TRAN D L T. Assessing marine environmental carrying capacity in semi-enclosed coastal areas—Models and related databases[J]. Science of the Total Environment, 2022, 838: 156043.

DOI

[14]
DONG Z C, KUANG C P, GU J, et al. Total maximum allocated load of chemical oxygen demand near Qinhuangdao in Bohai Sea: Model and field observations[J]. Water, 2020, 12(4): 1141.

DOI

[15]
HAN H Y, LI K Q, WANG X L, et al. Environmental capacity of nitrogen and phosphorus pollutions in Jiaozhou Bay, China: Modeling and assessing[J]. Marine Pollution Bulletin, 2011, 63(5-12): 262-266.

DOI PMID

[16]
骆丽珍, 朱志雄, 陈石泉, 等. 万宁小海澙湖表层沉积物时空分布特征与污染评价[J]. 海洋湖沼通报, 2022, 44(2):103-111.

DOI

LUO L Z, ZHU Z X, CHEN S Q, et al. Spatial distribution and contamination evaluation of surface sediment in Xiaohai, Wanning[J]. Transactions of Oceanology and Limnology, 2022, 44(2): 103-111.

[17]
庞巧珠, 陈晓慧, 谢海群, 等. 万宁小海海域重金属分布特征研究及其风险评价[J]. 广西科学, 2024, 31(3):554-564.

PANG Q Z, CHEN X H, XIE H Q, et al. Distribution characteristics and risk assessment of heavy metals in Wanning Xiaohai[J]. Guangxi Sciences, 2024, 31(3): 554-564.

[18]
郭英海, 李壮福, 张德高, 等. 海南岛万宁小海的障壁海岸沉积[J]. 中国矿业大学学报, 1999, 28(5):461-464.

GUO Y H, LI Z F, ZHANG D G, et al. Barrier coast deposition in Wanning Xiaohai of Hainan Island[J]. Journal of China University of Mining & Technology, 1999, 28(5): 461-464.

[19]
陈中颖, 李开明, 林文实, 等. 珠江口大气氮磷干湿沉降通量及其污染特征[J]. 环境污染与防治, 2010, 32(11):53-57.

CHEN Z Y, LI K M, LIN W S, et al. Atmospheric dry and wet deposition of nitrogen and phosphorus in the Pearl River Estuary[J]. Environmental Pollution and Control, 2010, 32(11): 53-57.

[20]
林志兰, 王灏, 王金坑, 等. 2009年罗源湾表层海水DIN与TN及PO4-P与TP浓度换算系数的研究[J]. 应用海洋学学报, 2014, 33(4):562-566.

LIN Z L, WANG H, WANG J K, et al. Conversion factors for CDIN/CTN and $C_{\mathrm{PO}_{4}-\mathrm{P}}$/CTP in the surface waters of Luoyuan Bay in 2009[J]. Journal of Applied Oceanography, 2014, 33(4): 562-566.

[21]
许海超, 曾思思, 郑雪燕, 等. 基于MIKE21的三门湾海洋环境容量计算及总量分配研究[J]. 工业用水与废水, 2025, 56(1):57-63,85.

XU H C, ZENG S S, ZHENG X Y, et al. Research on calculation of marine environmental capacity and total amount allocation in Sanmen Bay based on MIKE21[J]. Industrial Water & Wastewater, 2025, 56(1): 57-63, 85.

[22]
许栋, 王迪, 及春宁, 等. 海南南渡江下游二维水动力及水生态数值模拟[J]. 环境科学研究, 2017, 30(2):214-223.

XU D, WANG D, JI C N, et al. Numerical simulation of two-dimensional hydrodynamics and aquatic ecology of the lower reach of Nandujiang River in Hainan Island, China[J]. Research of Environmental Sciences, 2017, 30(2): 214-223.

[23]
DUINKER P N, GREIG L A. Scenario analysis in environ-mental impact assessment: Improving explorations of the future[J]. Environmental Impact Assessment Review, 2007, 27(3): 206-219.

DOI

[24]
庄雅, 王洋, 全鑫, 等. 小海潟湖碳酸盐体系的季节变化与调控机制[J]. 海洋学报, 2025, 47(5):150-166.

ZHUANG Y, WANG Y, QUAN X, et al. Seasonal variations and controlling mechanisms of the carbonate system in Xiaohai Lagoon[J]. Haiyang Xuebao, 2025, 47(5): 150-166.

Options
Outlines

/

〈 〉