三峽水庫不同運行期庫首水溫分層特性及生態效應

紀道斌，成再強，龍良紅，閆金波，楊忠勇，趙星星

(1．三峽大學水利與環境學院，湖北 宜昌 443002； 2.三峽大學三峽水庫生態系統湖北省野外科學觀測研究站，湖北 宜昌 443002； 3.長江水利委員會長江三峽水文水資源勘測局，湖北 宜昌 443000)

水溫是河流生態系統物理、生物和化學過程中的一個關鍵因素[1]，水溫垂向結構、變化過程的改變對河流生態系統、水生生物生長繁殖會產生深遠的影響。大型水庫的建設會顯著改變河流水文和水力條件，水深、水面面積、流速、水體滯留時間等變化很大程度上影響著河流水溫的時空分布特性[2]。周期性水溫分層是大多數水庫最顯著的熱力學現象。典型分層型水庫的垂向結構分為上、中、下3層，即表溫層、溫躍層和滯溫層，水溫結構顯著影響著水動力過程和水質狀況[3-4]。水庫水溫的垂向分布規律不僅與季節變化有關，而且受入流條件、水庫水深、地理位置、運行調度的影響。

三峽水庫蓄水后，其庫首水溫結構的改變對長江流域河流生態系統產生了較為深遠的影響，這一直是學者們關注的重點。黃真理[5]通過研究密度弗勞德數指出，在入庫流量小于6 000 m3/s的4月，近壩段有短時水溫分層現象，5月下旬逐漸消失，上下層水溫差在1.7～9.3℃。任華堂等[6]采用三維模型預測庫首105 km范圍水溫，結果顯示，蓄水后水溫對氣象條件的響應變慢，沿程溫差有所加強，庫首江段在4—6月會出現弱分層，垂向溫差在1～2℃。曹廣晶等[7]利用壩前的實測水溫資料，分析了三峽水庫近壩區水體水溫垂向結構，結果表明，庫首從2006年開始，每年4—6月在垂向上會出現一定的溫差，但三峽水庫不存在深層低溫水下泄問題。鄧云等[8]根據三峽水庫不同調度運行方式，采用縱向一維水溫模型模擬分析了三峽水庫達到175 m正常蓄水位后，宜昌至監利300 km河道水溫的變化過程，結果表明三峽水庫蓄水后，宜昌斷面水溫出現了平坦化及延遲現象，并且隨著蓄水位的抬升，延遲幅度逐漸加大，四大家魚和中華鱘特征水溫出現時間延遲。蔡玉鵬等[9]基于宜昌水文站1983—2013年長時間系列逐日水溫資料，對三峽水庫蓄水前和蓄水后的特征水溫參數明顯改變情況進行了定量分析，結果表明三峽水庫蓄水后水溫參數明顯改變，壩下水溫發生顯著變化。隨著上游梯級水庫(溪洛渡和向家壩水庫)的蓄水，任實等[10]通過實測資料發現，近年來三峽水庫近壩區溫度分層現象在梯級水庫運行后顯著減弱。水庫運行方式的改變對河流水溫和生態系統的影響顯著，因此，研究三峽水庫多年的水溫變化過程，有必要根據三峽水庫運行調度特征進行劃分，對不同階段水溫結構特性及影響因素進行階段性、系統性的梳理，進一步揭示水庫水溫過程改變造成的生態效應。

目前國內水庫水溫的預測研究方法有經驗公式和數值模型[11]。經驗公式可用來初步判斷水庫所屬的分層類型，以定性分析為主，在定量分析中不夠精確[5]。數值模型主要為縱向一維、二維和三維模型，通過離散化的地形網格，求解偏微分方程，得到相應的水溫過程，難度較高，過程較為復雜[6,8]。機器學習算法屬于數據驅動模型，其優勢在于研究者不必深入了解物理機制，不必建立地形網格，便可以通過復雜的神經網絡建立各影響因素與水溫之間的非線性關系，快速達到預測水溫的目的。本文利用已有各水文觀測站實測水溫及水文資料，采用LSTM-Logistic模型對庫首多年逐日水溫變化過程進行模擬，解決了低采樣頻率和對高頻信息需求之間的矛盾，分析了三峽水庫不同運行期庫首水溫分層特性及其主要影響因素，探討了庫首水溫改變造成的生態影響，以期為水庫生態調度提供理論依據。

1 研究區概況及數據來源

1.1 研究區概況

三峽水庫(圖1)東起宜昌市秭歸縣三斗坪鎮，西至重慶市朱沱鎮，長達660 km，平均庫容393億 m3，防洪庫容221.5億 m2，控制流域面積100萬 km2，正常蓄水位175 m，防洪限制水位145 m，年均徑流量達4 510億 m3，約占長江年總徑流量的49%，壩址斷面多年平均流量14 300 m3/s，屬于季調節水庫。庫區的河型、邊界條件和河勢在蓄水后有所變化，具體包括庫區的水表面積增大、河面加寬、流速減緩及庫區水體滯留時間增長等。廟河斷面距三峽大壩14 km，是庫區距三峽大壩最近的一個水文觀測斷面，水面寬約1 km，斷面水深隨水位在138～168 m范圍之間變化。在廟河斷面以下，無較大支流匯入三峽水庫。巴東斷面距離大壩74 km，黃陵廟斷面是壩下第一個水文觀測斷面，距離三峽大壩12 km。

圖1 研究區域及水文監測點分布

1.2 數據來源

本文所用數據主要有流量、水溫和氣象數據。流量數據主要選用三峽大壩2008—2018年逐日平均出入庫流量。水溫數據主要包括廟河斷面2003—2018年表層水溫和垂向水溫、黃陵廟斷面2000—2018年逐日平均水溫、巴東斷面2008—2018年逐日表層水溫。其中廟河斷面表層水溫2003—2013年為逐日平均水溫，2014—2018年為每旬監測一次的瞬時水溫，垂向水溫為2006—2018年每旬監測一次的瞬時水溫。另外，為分析入流水溫對庫首水溫的影響，選用寸灘斷面2003—2018年逐日平均水溫。氣象數據主要選用秭歸縣2008—2018年逐日氣象數據(包括空氣溫度、日照時長、降雨量、蒸發量、風速、濕度)。廟河斷面垂向水溫監測深度布置，2006—2010年為1 m、3 m、5 m、7 m、10 m、13 m、16 m、20 m、25 m、30 m、40 m、50 m、70 m、90 m、110 m、130 m、150 m和底部，2011—2018年按總水深的相對位置布置測點，具體比例為0、0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9和1.0。其中流量數據來自中國長江三峽集團公司官網，水溫數據來自長江水利委員會水文局三峽分局，氣象數據來自中國氣象網。

2 研究方法

2.1 模型構建

2.1.1LSTM-Logistic模型

模型由長短期記憶網絡(long short-term memory,LSTM)和Logistic回歸曲線構建而成。LSTM是基于遞歸神經網絡(recurrent neural network，RNN)而改進的時間序列預測模型[12]，解決了RNN反向傳播過程中梯度消失的問題，易于訓練。

許丹等[13]發現Logistic回歸曲線對不同類型水庫垂向水溫分布有很好的擬合效果，且過程較數學模型簡便。根據廟河斷面垂向水溫分布特點，本文借鑒下述垂向水溫分布的經驗公式：

(1)

式中：a、b、k為3個未知無量綱參數，a和b共同控制溫躍層深度；k為底表溫差；T(y)為水深y處的水溫；y為水深；Ts為表層水溫。

首先通過LSTM輸出逐日表層水溫(式(1)中的Ts，水面以下0.5 m的位置)，再用Logistic曲線擬合每旬一次的實測垂向水溫，得出每旬一次的參數a、b、k，由于參數k隨時間線性變化，使用線性插值得到逐日參數k，再由k與a的線性關系計算逐日a值，再通過a與b之間的關系確定逐日b值，進而加密得到逐日垂向水溫。LSTM神經網絡使用Python和深度學習框架Keras搭建，Logistic曲線使用SPSS 24.0軟件進行擬合。

2.1.2模型輸入參數選擇

影響三峽水庫庫首水溫的因素眾多，在河道型水庫中多考慮入流水溫、出入庫流量以及局地太陽輻射、氣溫、降雨量、蒸發、濕度、風速等氣象條件。選擇相關性較好的巴東水溫、出庫流量、入庫流量、濕度、氣溫作為LSTM模型的輸入變量。

2.1.3模型驗證

使用均方根誤差(root mean square error，RMSE)、平均絕對誤差(mean absolute error，MAE)和決定系數R2作為檢驗模型誤差的指標。

選取2008—2013年的逐日實測數據和2014—2017年每旬一次的實測數據作為訓練集，2018年每旬一次的實測數據作為測試集，RMSE、MAE分別為0.53℃、0.43℃。Logistic曲線擬合精度較高，對多年垂向水溫進行擬合，R2在0.97～1.00之間，水溫最大絕對誤差范圍為0～0.79℃。

2.1.4LSTM-Logistic模型適用性分析

LSTM-Logistic模型適用于不同類型的河道型水庫，只需要提供入流條件和氣象條件邊界進行訓練，即可預測表層水溫，而Logistic曲線可以擬合不同類型水庫的水溫結構。因LSTM具有自學習的特點，在水流條件改變后，也依然適用。目前，LSTM神經網絡和Logistic曲線水溫預測已廣泛應用于海洋、湖泊和河流中[13-16]，并且取得了較高的精度。

2.2 三峽水庫的運行調度特征

三峽工程于2003年6月首次蓄水，蓄水初期壩前水位達到135 m。2006年9月，三峽工程實行第二次蓄水，成功蓄至156 m水位。這一過渡階段，汛期水位維持在防洪限制水位145 m，枯水期蓄水至156 m。2008年9月，三峽工程開始首次175 m試驗性蓄水，當年水庫水位達到172.8 m。自此，三峽水庫全年的水位落差達到近30 m，年內的水位調度包括汛前消落期、汛期、蓄水期、枯水期4個過程。在三峽水庫正常運行期內，上游向家壩水庫于2012年10月下閘蓄水，溪洛渡水庫于2013年5月下閘蓄水。根據三峽水庫多年運行調度以及上游梯級水庫聯合運行調度情況，其運行過程可以分為4個階段：①135 m運行期(2004年至2006年9月)；②156 m運行期(2006年10月至2008年9月)；③175 m運行期Ⅰ(2008年10月至2013年5月，上游梯級水庫蓄水前)；④175 m運行期Ⅱ(2013年6月至2018年12月,上游梯級水庫蓄水后)。

2.3 水溫分層強度指標

溫躍層指水體垂向溫度梯度上出現突變或不連續劇變的水層[17]。因水文和水動力條件的差異，溫躍層的劃分標準在不同水體中取不同值。在湖庫水體中，多采用0.2℃/m的梯度值[17-18]，也有地區使用0.1℃/m的最低值[19-20]。因三峽水庫干流流量較大，水溫分層強度較其他類型水體弱，以往關于三峽水庫水溫結構的研究，并沒有明確定義溫躍層及其形成的判定標準。本文采用0.1℃/m的標準，即當垂向溫度梯度大于或等于0.1℃/m時，溫躍層形成，水溫開始分層。為了進一步定量化分析三峽水庫長期熱分層強度的變化，引入溫躍層強度指數(thermocline strength index，TSI)和溫躍層深度兩個指標。TSI是水溫差與水深差的比值，表示溫躍層的陡度或平均梯度，簡單量化了水體熱分層強度，被廣泛應用于湖庫水體。根據實際垂向施測布點，將溫度梯度大于或等于0.1℃/m的水層均劃分為溫躍層。溫躍層深度是指溫躍層上界的深度，即溫度垂直分布曲線上，一般在溫躍層的上、下各有一個極大曲率點，溫躍層深度即最淺的極大曲率點所在的深度[17]。本文中不同年份間垂向水溫施測方法不同且水深變化較大，統一換算為水位，溫躍層位置以高程計量。

3 結果與分析

3.1 不同運行期庫首水溫的季節性差異

圖2為三峽水庫庫首2004—2018年不同季節平均水溫變化，可見不同季節水溫的年際變化存在一定的差異。春季(3—5月)平均水溫年際波動較大，達到了近4 ℃。在前3個階段，庫首水溫呈顯著降低趨勢(2009年除外)，2012年之后顯著升高；夏季(6—8月)平均水溫的年際變幅較小(1.5 ℃以內)，除了2013年顯著升高以外，4個不同時期水溫差異并不顯著；秋季(9—11月)整體上水溫呈升高趨勢，第一階段最低(21.2 ℃)，第二階段次之(21.5 ℃)，第三、四階段水溫差異不明顯(22.6 ℃)；冬季(12月至次年2月)整體上水體升溫過程明顯，水溫穩步上升，2014年以后趨于穩定，平均水溫從蓄水初期的12 ℃升高到16 ℃。

圖2 三峽水庫庫首廟河斷面水溫季節變化

3.2 不同運行期庫首的水溫分層特性

前期的監測結果表明，三峽水庫135 m運行期間(蓄水初期)，2004—2005年干流未出現水溫分層，2006年4—6月庫首水溫才開始出現分層，且其他月份垂向無明顯差異[7]。因此，本文重點模擬分析了2006—2018年不同階段4—6月垂向水溫結構，模擬的逐日垂向水溫分布結果如圖3所示。

a.135 m運行期。在該階段末的2006年4月30日，三峽水庫庫首段開始出現水溫分層現象(圖3(a)),最大表底溫差為6.6 ℃，溫躍層出現在高程68 m的水層，厚度約40 m，分層共持續了9 d(以垂向溫度梯度大于0.1 ℃/m計，下同)。水溫分層發育過程中TSI逐日升高，在5月6日達到最大值，為0.12 ℃/m。該階段水溫分層持續時間較短，水溫分層強度較弱。

b.156 m運行期。在2007年、2008年春季，庫首出現了明顯的水溫分層現象，最大表底溫差分別達到10.3 ℃和10.0 ℃(圖3(b)～(c))。2007年溫躍層開始出現在高程60 m位置處，厚度約40 m，隨分層強度增加逐漸下移至35 m處。2008年開始出現在60 m的位置處，而后躍變至35 m處，厚度約20 m。分層分別持續了58 d、43 d，期間TSI最大值分別為0.26 ℃/m，0.44 ℃/m，分別出現在2007年6月8日和2008年5月28日，該階段水溫分層持續時間長，TSI最高達到0.40℃/m以上，水溫分層強度最強。

c.175 m運行期Ⅰ。從2008年9月汛末蓄水后，一直持續運行到2013年5月上游梯級水庫向家壩、溪洛渡蓄水前。如圖3(d)～(h)所示，2009年、2010年、2011年、2012年、2013年最大表底溫差分別為6.1 ℃、6.8 ℃、7.8 ℃、4.8 ℃、4.9 ℃，溫躍層開始均出現在40～50 m的范圍內，隨分層加強而下移至35 m處，厚度為15～20 m。分層期間TSI最大值分別為0.22 ℃/m、0.25 ℃/m、0.23 ℃/m、0.21 ℃/m、0.14 ℃/m，出現的日期分別在5月15日、5月26日、6月6日、5月15日、5月12日，分層持續時間分別為20 d、19 d、20 d、11 d、8 d。該階段分層持續時間和TSI最大值在2012年開始減小，分層有減弱的趨勢。

d.175 m運行期Ⅱ。從2013年6月上游梯級水庫蓄水后一直到2018年12月，期間三峽水庫依然處于正常水位175 m運行。如圖3(i)～(m)所示，2014年、2015年、2016年、2017年、2018年最大表底溫差分別為1.5 ℃、2.6 ℃、1.5 ℃、1.5 ℃、2.9 ℃，垂向水溫最大梯度分別位于高程53 m、38 m、70 m、53 m、35 m處，分別為0.04 ℃/m、0.06 ℃/m、0.03 ℃/m、0.03 ℃/m、0.08 ℃/m，出現的日期分別在5月7日、5月6日、5月7日、4月14日、4月16日、6月11日。與前三階段相比，該階段最大表底溫差以及垂向水溫差異持續時間都大幅遞減，最大溫度梯度沒有超過0.1 ℃/m，沒有形成穩定的溫躍層，因此，可以認為175 m運行期Ⅱ庫首水溫不分層。

(a) 2006年135 m運行期 (b) 2007年156 m運行期

(c) 2008年156 m運行期 (d) 2009年175 m運行期Ⅰ

(e) 2010年175 m運行期Ⅰ (f) 2011年175 m運行期Ⅰ (g) 2012年175 m運行期Ⅰ

(h) 2013年175 m運行期Ⅰ (i) 2014年175 m運行期Ⅱ (j) 2015年175 m運行期Ⅱ

(k) 2016年175 m運行期Ⅱ (l) 2017年175 m運行期Ⅱ (m) 2018年175 m運行期Ⅱ

3.3 不同運行期的下泄水溫變化

圖4為不同時期多年日均下泄水溫變化過程，不同時期水溫年內變化差異較大，三峽水庫蓄水之后水溫變化過程滯后效應顯著。較蓄水之前，三峽水庫蓄水導致春季水溫顯著降低，秋冬季水溫顯著升高：三峽水庫單獨運行階段，春季平均水溫為14.6 ℃，較蓄水前降低了3.3 ℃；秋季平均水溫22.2 ℃，較蓄水前升高了2 ℃；冬季平均水溫增幅最大，從蓄水前的11.7 ℃增長至14.7 ℃，升高了3 ℃。梯級水庫蓄水后，下泄水溫進一步平坦化：春季平均水溫15.6 ℃，較三峽水庫單獨運行升高1 ℃；秋季平均水溫22.8 ℃，升高了0.6 ℃，冬季平均水溫15.8 ℃，升高了1.1 ℃。三峽水庫蓄水前年平均水溫為18.5 ℃，蓄水之后4個時期的年平均水溫分別為18.3 ℃、19.0 ℃、18.9 ℃、19.7 ℃。可見，年平均下泄水溫在逐年升高。由于汛期流量較大、流速較大、水體滯留時間短，不同時期的夏季平均水溫差異較小，升溫主要體現在10月至次年5月。

圖4 不同運行期多年日均下泄水溫特征曲線

研究表明，長江四大家魚主要在4—5月水溫升至18 ℃時開始產卵繁殖；中華鱘主要在10—11月，水溫降至20 ℃時開始產卵[20-21]。蓄水前，下泄水溫在4月上旬升至18 ℃，在10月中下旬降至20 ℃。由圖4可知，對比三峽水庫蓄水前，175 m運行期Ⅰ和運行期Ⅱ的下泄水溫升至18 ℃的時間分別平均推遲了38 d和29 d。梯級水庫蓄水之后，18 ℃水溫出現時間從5月中下旬提前至上旬。但在秋季，水溫降至20 ℃的時間相比175 m運行期Ⅰ平均延遲了9 d，較蓄水前延遲了34 d。梯級水庫聯合運行之后，三峽庫首及其下泄水溫的變化對下游水溫敏感種群產卵將產生新的影響。

4 討 論

4.1 庫首水溫變化的影響因素

河道型水庫水溫的影響因素眾多，主要包括入流水溫、出入庫流量、水動力過程以及局地太陽輻射、氣溫、降雨、蒸發、濕度、風速等氣象條件。水庫運行方式的變化也會直接改變河流徑流量的時空分布特征[22]，使得水庫年內熱量再分配，進而影響水庫年際間水溫結構。不同于國內其他深水水庫，三峽水庫為年調節水庫，其水溫分層僅出現在庫首河段且分層時間較短(4—6月)。以龍羊峽水庫為例，其壩前水溫結構主要取決于水庫運行調度過程[23]。低水位運行期，呈現表溫層和溫躍層兩層分布，高水位運行期為穩定的3層分布，表現出顯著的年際差異。與三峽水庫不同，其汛期為蓄水過程，且年平均入庫流量較小，水溫分層不易被打破，分層持續時間較長?？梢?，水庫壩前水溫結構特征與年際、年內水庫運行方式和入流條件密切相關。三峽水庫經歷的3個蓄水階段，水位從135 m抬升至175 m，庫容逐階段增加。在巨大的熱量儲蓄作用下，夏季滯留高溫水難以快速釋放，使得秋冬季下泄水溫升高；同樣，冬季滯留低溫水使得來年春末夏初下泄水溫偏低，下泄水溫過程出現明顯的延遲和平坦化特征(圖4)。水溫延遲效應在春季4—5月和秋季10—11月表現最為突出[8]。三峽水庫蓄水后，水深變大，流速變緩，垂向紊動強度變弱，在壩前深水區水溫容易分層，而水庫中上游河段幾乎不分層。春季壩前表層水體滯留時間相對較長，在表面熱通量影響下迅速增溫[6]，與庫底冬季滯留水體形成半U形水溫分層結構，隨著5—6月上游入庫流量的顯著增大，水溫分層被迅速打破。

隨著上游梯級水庫的蓄水，庫首水溫從2013年開始受到上游梯級水庫運行的影響。梯級水庫聯合運行最直接的改變是流域的徑流過程。較175 m運行期Ⅰ，175m運行期Ⅱ期間壩前入庫流量在汛期被削減，枯水期有所增加，表現出“蓄豐補枯”的特點，4—6月月平均流量分別增大了2 837 m3/s、770 m3/s和1 578 m3/s，4—6月分層強度與分層期間月平均流量顯著相關(p<0.05)，流量的增加使得庫首水體垂向紊動增強，分層消失(圖5)，該結果與曹廣晶等[7]的研究結果一致。庫首多年垂向水溫特征表明(圖3)：表底溫差在6月較大流量的影響下會完全消失，此時壩前出入庫流量接近1.5萬 m3/s，與上述線性回歸統計結果(當壩前流量等于1.45萬 m3/s時TSI為0)基本相符(圖5(b))。此后，垂向水溫無分層。175 m運行期Ⅱ庫首水溫分層的消失還可能與水庫持續升溫有關。冬季入庫水溫的顯著升高，使得庫首廟河斷面3月庫底滯留水體水溫升高，3月庫底平均水溫與TSI呈顯著(p<0.01)負相關關系(圖5(a))，表明熱量在三峽水庫庫首的累積，是分層消失的另一個重要原因。除了入庫流量的變化，上游梯級水庫蓄水也顯著改變了三峽水庫的入庫水溫。雖然寸灘斷面春季水溫受上游水庫蓄水影響有所降低[24]，但庫首表層水溫卻顯著升高1.9 ℃，這是由于入庫流量的增加，使得水體滯留時間變短所致。在秋冬季節，雖然兩個運行期的水體滯留時間沒有發生明顯改變，但上游寸灘斷面的入庫水溫有顯著的增加，使得三峽水庫秋冬季水溫進一步升高[24]。綜上，上游梯級水庫運行導致三峽水庫壩前水溫分層進一步減弱，而4—6月入庫流量的增加緩解了春季的低溫水下泄，但秋冬季節入流水溫的變暖使得降溫過程進一步延遲，三峽水庫整體處于變暖階段。

(a) TSI最大值與3月庫底平均水溫線性回歸

(b) TSI最大值與壩前4—6月平均流量線性回歸

4.2 水溫波動對支流庫灣倒灌異重流演替的影響

自三峽水庫蓄水后，支流庫灣經常發生嚴重的水華[25]。以往的研究表明，在營養鹽充足、光照和水溫適宜的情況下，普遍存在的倒灌異重流是影響水華生消的主要水動力過程，而在三峽水庫典型支流庫灣中，倒灌異重流的形成主要由干支流水溫差異引起[26]。由于長江干流水溫受到上游來流變化(降雨、行洪等)和調度過程(水位漲蓄)的影響，干流短期的水溫變化改變了干支流河口的密度差異，將造成河口倒灌異重流潛入深度的頻繁波動。當干流水溫升高時，倒灌異重流的潛入深度上移；而水溫降低時，潛入深度則下移。倒灌異重流潛入深度的頻繁變化會不斷擾動庫灣水體，打破水溫分層，抑制浮游植物生長，甚至促使水華消亡[27]。可見，準確地掌握干流水溫的波動過程是認識支流庫灣異重流演變及浮游植物生長趨勢的前提，也是制定水庫生態調度策略的理論基礎。

在以往的相關研究[28]中，采用廟河斷面實測垂向水溫(每月監測3次)作為模型下邊界條件，通過水溫的線性內插來反映干流的水溫變化過程，進而模擬出異重流的變化。通過對比線性內插和LSTM模擬逐日水溫過程發現(圖6)：線性內插的水溫升降過程并不能模擬出庫灣倒灌異重流的真實變化，忽略了高頻的異重流波動，這種短期波動過程很可能在支流庫灣的水動力變化過程中起主導作用。統計結果顯示，線性內插的水溫日變幅在0～0.2 ℃之間，其水溫變化更加平滑，而LSTM模擬水溫日變幅在0～1.1 ℃之間，這種水溫更大變幅的波動所引起的動力過程不容忽視，因此，LSTM模型能更加真實地反映干流水溫的短期變化，同時將其逐日的模擬結果運用于后續支流庫灣水動力模型，能進一步改善模型模擬的精度和準確性。

圖6 2014年汛期廟河斷面LSTM模擬的逐日水溫波動過程和實測水溫波動過程

除了短期的水溫波動，本文通過對比多年水溫變化也發現：三峽水庫平均水溫逐年升高，表現出逐漸變暖的趨勢，秋冬季節尤為明顯。春季平均水溫在2012年之后也顯著升高，這種水溫的季節性變暖很可能會造成支流倒灌異重流潛入深度的上移。Long等[29]研究發現：當發生中上層倒灌時，表層水體在頂托作用下，水流變緩，水體滯留時間增長，水溫分層加劇，促進藻類生長，而當異重流潛入深度上移至表層時，將不利于形成穩定的水溫分層，進而抑制藻類生長。隨著干流水溫的升高，表層倒灌模式發生的次數可能會增加，持續時間增長，從而降低支流庫灣水華風險。這可能是近年來三峽水庫支流庫灣水華、水質好轉的主要水動力原因，后期值得進一步驗證。

4.3 水庫變暖對下游魚類的影響

三峽水庫蓄水顯著降低了下游河道的春季水溫，并導致秋冬季水溫升高，年內水溫的升溫、降溫過程顯著滯后。三峽水庫單獨運行時，下泄低溫水導致宜昌斷面水溫過程明顯延遲。受低溫水的影響，下游四大家魚產卵的18 ℃特征水溫出現時間推遲38 d，這一結論與蔡玉鵬等[9]和彭期冬等[30]基于實測水溫資料分析的結果基本一致。上游梯級水庫蓄水之后，春季下泄水溫回升到18 ℃的時間有所提前(9 d)。這與三峽水庫壩前春季水溫升高、水庫變暖密切相關?？梢姡菁壦畮炻摵线\行將有利于緩解三峽水庫春季下泄低溫水對四大家魚產卵的脅迫。

Huang等[31]的研究表明，成年中華鱘從河口到產卵場的洄游途中并不進食，而是通過消耗自身的脂肪來完成遷徙和繁殖。秋后水溫的下降、流速和泥沙的增大會給中華鱘發出產卵信號，若一直等不到適宜的水溫，性腺脂肪耗盡后，會發生不可逆的退化，這意味著中華鱘必須在有限的窗口期內完成繁殖。因此，適宜的水溫是中華鱘自然繁殖最迫切的需求。相比于蓄水之前，三峽水庫單獨運行時秋冬季節平均水溫升高了2.6 ℃，中華鱘產卵的特征水溫到達時間延遲25 d，從蓄水前的10月中下旬延遲至11月中旬。而梯級水庫蓄水之后，秋冬季下泄水溫進一步升高0.8 ℃，特征水溫出現時間延遲34 d，出現在了11月下旬，秋冬季水溫的進一步升高必然導致中華鱘自然繁殖受到更大限制。結合多年中華鱘產卵活動的調查結果[32]：1983—2002年，中華鱘年平均產卵活動頻次為1.8次，2003—2012年為1.1次，2013—2018年，降至0.33次。2013—2018年長江中華鱘繁殖群體規模下降比例超過了50%，在2017年甚至達到了90.17%。中華鱘產卵事件響應了多年水溫的變化趨勢，從之前的“連續繁殖”變為“偶發繁殖”[33]。然而，隨著人為活動的加劇，水溫的變化并未停止，持續的水溫改變將對水生生態系統產生深遠的影響。已有研究表明，梯級水庫下泄水溫的延遲效應和平坦化效應會隨梯級數量增加而加強。三峽水庫作為長江上梯級水庫的最后一級，梯級水庫的水溫累積影響最終將以其為終點。隨著全球的持續變暖，水溫升高已成為很多湖泊、水庫的普遍趨勢[18]，然而，水庫年內年際的運行方式、上游梯級運行都會顯著影響水庫的年內熱分層特性及下泄水溫過程，持續跟蹤水庫水溫的變化趨勢，理解其熱分層機制并通過水庫調度、梯級調度來緩解水庫蓄熱效應，營造適宜的水生生態環境[34]，是目前亟待解決的問題。

5 結 論

a.LSTM-Logistic水溫模型能準確模擬三峽水庫庫首多年水溫結構的演變過程，模擬精度滿足要求。通過本模型可得到較為準確的逐日水溫數據，為量化庫首水溫結構及變化趨勢以及后續干支流模型改善提供了數據支撐。

b.2006—2013年，三峽水庫庫首每年4—6月均出現了不同程度的水溫分層現象。受溪洛渡和向家壩水庫蓄水的影響，從2014年開始，庫首垂向水溫梯度顯著減小，水溫不分層。同時期春季水溫顯著升高，夏季水溫變化不大，秋冬季的水溫也有升高趨勢，水庫水溫呈逐漸變暖的趨勢，使得三峽水庫下泄水溫過程進一步平坦化。

c.三峽水庫庫首水溫變暖的趨勢，會影響支流庫灣異重流倒灌形式，擾動庫灣水體，打破水溫分層，降低支流庫灣水華風險。受溪洛渡和向家壩水庫蓄水的影響，下游四大家魚產卵特征水溫出現時間平均提前9 d，低溫水的影響有所緩解。但是，中華鱘產卵特征水溫出現時間平均延遲9 d，對中華鱘繁殖造成了嚴重威脅。