2026年2月，我院李少斌副教授课题组在国际期刊Water Research发表了题为“BENMO | Simulation: A computationally efficient and biologically enhanced model for nutrient dynamics in coastal bays”的研究论文。该研究提出水动力与生地化过程解耦、水动力代理、关键生地化过程耦合的“解耦-代理-耦合”建模方法，构建了一个兼具高计算效率与高拟合效果的海湾营养盐（氮、磷）动态模拟模型，有望推动海湾水质模型从“高成本机理模型”与“黑箱数据驱动模型”向“中等复杂度高效实用模型”研究范式转变。
图形摘要
研究背景
精准刻画海湾氮磷营养盐的时空动态演变规律，定量解析陆源输入、大气沉降、生物代谢释放及生地化转化过程等多元源汇过程的主控因子与贡献，是构建分区分类管控体系、制定差异化负荷削减方案与优化流域-海湾陆海协同治理路径的科学前提。然而，海湾水动力过程复杂、潮汐交换频繁、外海与河口输入交互叠加，使得营养盐循环呈现高度非线性特征。现有主流三维水动力-水质耦合模型虽然能够提供较高精度，但通常依赖数万网格和高频时间步长计算，计算成本高，难以支持快速模拟与管理优化决策。此外，传统水质模型以简化生态动力学框架为核心，仅刻画藻类的生物地球化学过程，对鱼类、贝类和大型海藻等海湾中多营养级生物的作用刻画不足，而在养殖密集海湾中，这些生物通过摄食、排泄、收获与生物量转化等过程深刻调节氮磷循环，成为影响海湾水环境的重要驱动因素。如何有效集成生物地球化学过程与多营养级生态过程，同时大幅降低计算成本，是当前海湾营养盐模拟领域的关键挑战。
针对以上挑战，李少斌课题组自主研发海湾生态系统营养盐管理优化系统模型（Bay ecosystem nutrient management optimization, BENMO）。本研究论文聚焦营养盐模拟模块（BENMO | Simulation）研发。通过图神经网络分区与水交换矩阵实现水动力与生物地球化学过程的解耦，并嵌入基于动态能量预算（Dynamic Energy Budget）的多营养级模块，在显著提升计算效率的同时，精细刻画养殖生物对海湾氮磷循环的影响，为海湾营养盐情景模拟与优化管理提供高效可靠的技术支撑。
研究结果
模型构建与性能验证
本研究提出了水动力与生地化过程解耦、水动力代理、关键生地化过程耦合的“解耦-代理-耦合”建模方法，自主开发并验证了BENMO | Simulation 模型。首先利用图神经网络算法将三维水动力精细计算网格聚合为水动力条件较为一致的分区，并构建水交换矩阵以替代三维水动力模型以实现水动力与生物地球化学过程的解耦与代理。在此基础上嵌入多营养级营养盐模块，刻画鱼类、贝类和大型海藻对氮磷循环的影响。模型以福建三沙湾为研究区，基于 3 年逐小时 Delft3D 水动力输出结果，模型基于 2016–2018 年观测数据完成校准与验证。结果显示硝态氮（NO3-）与 活性磷酸盐（PO43-）在多数分区的 Nash–Sutcliffe Efficiency（NSE）均超过 0.80，整体拟合精度优于 Delft3D 模型，同时模拟计算时间由约 4 小时缩短至 12 分钟，实现近20 倍计算效率提升。
图1 三沙湾水动力网格（a）、自动分区（b）和分区水交换强度（c）
图2 三种水交换强度分区中的模型模拟结果
营养盐来源分析
研究进一步基于模型对海湾氮磷营养盐的来源进行解析。结果表明，在养殖密集海湾中，大型海藻养殖通过吸收并收获移除氮磷，成为重要的营养盐汇，而鱼类养殖则通过投饵残余与代谢排放释放大量有机氮和颗粒磷，是海湾营养盐的重要来源。外源输入与养殖活动对不同水交换强度分区的影响机制存在显著差异。弱交换区（河口区）氮磷动态主要受河流输入控制，而强交换区（入海口附近）则更受养殖活动及外海交换共同驱动。这一发现揭示了海水养殖对海湾氮磷循环的深刻影响，也提示在制定分区差异化管理对策时，需统筹考虑水动力条件与养殖分布的协同影响。
图3 三沙湾不同生地化过程对6中形态营养盐变化的贡献
该研究构建的BENMO | Simulation模型通过图神经网络分区与水交换矩阵实现水动力-生物地球化学过程的解耦，并嵌入基于动态能量预算（DEB）的多营养级生态模块，在显著提升计算效率的同时，实现了鱼类、贝类及大型海藻等关键养殖生物对海湾氮磷循环影响的刻画。这一模型突破了传统模型仅关注低营养级过程的局限，为复杂海湾生态系统的多情景快速模拟与适应性管理决策提供了新工具。研究成果可支撑陆海统筹背景下的营养盐负荷分区削减及养殖容量动态评估，对推动近岸海湾生态环境保护与可持续利用具有科学与实践意义。
研究团队及资助
本论文第一作者为厦门大学2023级硕士生黄喆晗，通讯作者为李少斌副教授。共同作者包括2022级硕士唐文彦（目前在北京师范大学读博）、广东工业大学杨盼教授和厦门大学陈能汪教授。研究获得国家自然科学基金（42361144862）、福建省科技项目（2025R020）等项目资助。
Huang Z, Li S*, Tang W, Yang P, Chen N. 2026. BENMO | Simulation: A computationally efficient and biologically enhanced model for nutrient dynamics in coastal bays. Water Research, 125553.
https://doi.org/https://doi.org/10.1016/j.watres.2026.125553
（转载自环境过程与系统模型公众号）
