南海叶绿素时空变化分析

合集下载

东、黄海典型海区分粒级浮游植物叶绿素a的周日波动及影响因子

平面分布和垂直分布有较多的报道 ¨ ，Ｊ而昼夜变化上的研究则比较少．
本文利用国家重点基础研究发展计划（７）东、海生态系统动力学与生物资源可持续９３ “ 黄利用 ” 目的现场调查数据，项选取其中具代表性的３个测站［黄海中部（２测站）长江口（４Ｅ、Ｅ测站）和东海陆架中部（６测站）的叶绿素ａ的实测值与荧光探头数据，分析东、Ｅ］来黄海３个典型海区（包括长江口，黄海南部海区和受黑潮影响的东海陆架海区）分粒级浮游植物叶绿素ａ的昼夜变化规律，图揭示影响叶绿素ａ１力周３变化的主要控制因子．研究将为东、海生态该黄系统结构和功能，以及生态动力学模型的建立提供科学参数．
中图分类号：．Ｐ７文献标识码：Ａ文章编号：００８６（０７０－３２－１０ —１０２０）３０４－９－０
叶绿素ａ海洋中主要初级生产者— — 浮游植物现存量的一个通用指标，是浮游植物是也进行光合作用的主要色素．叶绿素ａ量与初级生产力有着极为密切的关系，含而海洋生产机理的研究很大程度上依赖于初级生产力的研究．叶绿素ａ浓度时空变化的研究能够了解被研对究海区生物资源状况和变迁规律，以为合理开发海区的水产资源和环境保护提供参考依据．可同时，、东黄海地理环境特殊，具半封闭系统的特点，既又有开放系统的内涵，学问题突出，科是国内外地球科学和生命科学极为关注的综合研究海区．该海域分粒级浮游植物叶绿素ａ的对

2005～2007年厦门岛周边海域水体叶绿素含量的时空变化特征

等（９１１９）研究了海洋围隔生态系中叶绿素含量的变化及其影响因素，林昱等（９２１９）研究了在海洋围隔生态系富营养化状态中叶绿素含量以天为时间序列的短周期变化Ｊ陈其焕等（９３报道了厦门港赤潮发，１９）生区叶绿素口含量的分布变化特征。，。洪华生等（９４、１９）高亚辉等（９４１９）和曹振锐等（ｏ５分别研究了分２ｏ）粒级浮游植物中的叶绿素，权（９７、王文１９）陈飞舟（９９和陈兴群等（０２分别研究了厦门的海沧沿１９）２０）
相应值分别为Ｏｏ５５、．３Ｉ／ｍ．、层水叶绿素口含量的年际变化趋势相似，．０～．１０８ｇｄ表底ｘ高峰值都出现在２００６年，谷值都出现在２０低０５年，总体上呈逐年上升趋势．年中叶绿素 Ⅱ含量的季节变各化与某季节是否出现赤潮有明显的关系．正常年份中，、层水叶绿素口含量季节变化曲线的在表底
第２９卷第３期２１００年８月
台
湾
海
峡
Ｖｏ．９，Ｎｏ３１２．Ａｕ．，０１ｇ２０
ＪＯＵＲＮＡＬＯＦＯＣＡＮＥＯＧＲＡＰＨＹＮＴＡＷＡＮＴＡＩＩＩＳＲＴ
２０２００５～０７年厦门岛周边海域水体叶绿素含量的时空变化特征
航次现场跟踪监测资料，究了该海域水体叶绿素含量的时空变化特征．果表明：测期间厦门研结监岛周边海域表层水叶绿素口含量在０２２．５．８— ８５ｄ间，均值为３４ｇｄ平均占总叶ｍ之平．７／ｍ，绿素含量的７．％；层海水的相应值分别为０２０４底．９～１．９３３ｇｄ７．％．层海水叶绿８６、．６／ｍ和１８表

南海叶绿素a浓度垂直分布的统计估算

第３２卷
第４期
海
Байду номын сангаас
洋
学
报
ＶＯ１３．２。Ｎｏ４．
２１００年７月
ＡＣＴＡＯＣＥＡＮＯＬ０ＧＩＣＡＩＩＳＮＣＡ
Ｊｌ００ｕｙ２１
南海叶绿素ａ浓度垂直分布的统计估算
高姗，王辉刘桂梅黄良民。，，
４期高姗等：南海叶绿素ａ度垂直分布的统计估算浓
ａ浓度做了比较分析和验证，现真光层水柱叶绿发素ａ总量和表层叶绿素ａ浓度具有很高的非线性相关性，而且大多数海域叶绿素ａ浓度的垂直分布是不均匀的，次表层内存在叶绿素ａ度的极大值在浓分布。Ｔｋｈｓｉ１指出西北太平洋和南海的叶ａａａｈ等ｃ］。
直分布，即浮游植物生物量的垂直分布，能对海洋就初级生产力的分布得到更准确的认识。早期Ｍｏｅ等Ｌ］为海水表层叶绿素ａ浓度ｒｌ１认１
域得到了广泛的应用。对于大洋水体（称为一类又
水体）利用水色传感器的光谱信息可以比较有效地，
的代表，高值多集中在表层海水，拟合误差偏大。该统计估算模式对于揭示南海叶绿素ａ浓度垂直
分布结构进行了有益的尝试，为发展适合不同海区特点的模式以及校正参数奠定了基础。利用该模式与海洋水色卫星遥感数据有效结合，将对南海叶绿素ａ浓度时空分布格局的研究具有重要的

2010—2021_年巢湖蓝藻水华暴发的动态变化规律及驱动因素分析

２０１０２０２１年巢湖蓝藻水华暴发的动态变化规律及驱动因素分析高芮，陈希子，钱圆，钱华㊀（安徽省巢湖管理局湖泊生态环境研究院，安徽合肥２３８０００）摘要㊀为了解巢湖蓝藻水华暴发的动态变化规律及其影响因素，基于２０１０２０２１年巢湖水华暴发面积㊁频次㊁藻密度及叶绿体ａ含量，分析了巢湖近１０年蓝藻水华暴发的动态变化规律㊂结果表明，巢湖蓝藻在每年４９月增殖较快，巢湖蓝藻水华暴发面积在２０１０２０１８年呈上升趋势，２０１８年达４３４ｋｍ２，为巢湖蓝藻水华暴发的拐点，此后水华面积下降㊂２０１７２０２１年巢湖藻密度稳中有降，水华面积呈下降趋势，但水华暴发频次未见减少㊂基于近１０年巢湖营养盐浓度㊁气温㊁水位㊁降雨量㊁日照时数数据与蓝藻水华暴发面积的相关分析表明，氮㊁磷营养盐是诱发巢湖藻类增殖的主要原因，气温㊁降雨量㊁日照时数㊁水位等气象水文因子为巢湖蓝藻水华暴发的驱动因素㊂关键词㊀巢湖；蓝藻水华；动态变化；驱动因素中图分类号㊀Ｘ５２４㊀㊀文献标识码㊀Ａ㊀㊀文章编号㊀０５１７－６６１１（２０２３）１８－００６９－０５ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．０５１７－６６１１．２０２３．１８．０１６㊀㊀㊀㊀㊀开放科学（资源服务）标识码（ＯＳＩＤ）：ＡｎａｌｙｓｉｓｔｏＤｙｎａｍｉｃｃｈａｎｇｅｓａｎｄＤｒｉｖｉｎｇＦａｃｔｏｒｓｏｆＣｙａｎｏｂａｃｔｅｒｉａＢｌｏｏｍｓｉｎＣｈａｏｈｕＬａｋｅｆｒｏｍ２０１２ｔｏ２０２１ＧＡＯＲｕｉ，ＣＨＥＮＸｉ⁃ｚｉ，ＱＩＡＮＹｕａｎｅｔａｌ㊀（ＬａｋｅＥｃｏｌｏｇｉｃａｌＥｎｖｉｒｏｎｍｅｎｔＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅｏｆＡｎｈｕｉＣｈａｏｈｕＭａｎａｇｅｍｅｎｔＢｕｒｅａｕ，Ｈｅｆｅｉ，Ａｎｈｕｉ２３８０００）Ａｂｓｔｒａｃｔ㊀ＴｏｆｉｎｄｏｕｔｔｈｅｄｙｎａｍｉｃｃｈａｎｇｅｓａｎｄｉｎｆｌｕｅｎｃｉｎｇｆａｃｔｏｒｓｏｆｃｙａｎｏｂａｃｔｅｒｉａｂｌｏｏｍｓｉｎＣｈａｏｈｕＬａｋｅ，ｔｈｅｄｙｎａｍｉｃｃｈａｎｇｅｓｏｆｃｙａｎｏｂａｃ⁃ｔｅｒｉａｂｌｏｏｍｓｉｎＣｈａｏｈｕＬａｋｅｉｎｔｈｅｐａｓｔ１０ｙｅａｒｓｗｅｒｅａｎａｌｙｚｅｄｂａｓｅｄｏｎｔｈｅｗａｔｅｒｂｌｏｏｍａｒｅａ，ｆｒｅｑｕｅｎｃｙ，ａｌｇａｌｄｅｎｓｉｔｙ，ａｎｄｃｈｌｏｒｏｐｌａｓｔｃｏｎｔｅｎｆｒｏｍ２０１０ｔｏ２０２１．ＴｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｃｙａｎｏｂａｃｔｅｒｉａｂｌｏｏｍｓｉｎＣｈａｏｈｕＬａｋｅｐｒｏｌｉｆｅｒａｔｅｆａｓｔｅｒｆｒｏｍＡｐｒｉｌｔｏＳｅｐｔｅｍｂｅｒｅａｃｈｙｅａｒ，ａｎｄｔｈｅａｒｅａｃｙａｎｏｂａｃｔｅｒｉａｂｌｏｏｍｓｓｈｏｗｅｄａｎｕｐｗａｒｄｔｒｅｎｄｆｒｏｍ２０１０ｔｏ２０１８，ｗｉｔｈａｔｏｔａｌａｒｅａｏｆ４３４ｋｍ２ｉｎ２０１８，ａｓａｔｕｒｎｉｎｇｐｏｉｎｔｏｆｔｈｅｏｕｔｂｒｅａｋｏｆｃｙａｎｏｂａｃｔｅｒｉａｂｌｏｏｍｓｉｎＣｈａｏｈｕＬａｋｅ．Ｆｏｌｌｏｗｅｄ，ｔｈｅａｒｅａｏｆｔｈｅｂｌｏｏｍｓｈａｓｄｅｃｒｅａｓｅｄ．Ｆｒｏｍ２０１７ｔｏ２０２１，ｔｈｅｄｅｎｓｉｔｙｏｆａｌｇａｅｓｔｅａｄｉｌｙｄｅ⁃ｃｒｅａｓｅｄ，ａｎｄｔｈｅａｒｅａｏｆａｌｇａｅｈａｓｓｈｏｗｎａｄｏｗｎｗａｒｄｔｒｅｎｄ，ｂｕｔｔｈｅｆｒｅｑｕｅｎｃｙｏｆｃｙａｎｏｂａｃｔｅｒｉａｂｌｏｏｍｓｏｕｔｂｒｅａｋｓｈａｓｎｏｔｄｅｃｒｅａｓｅｄ．Ｂａｓｅｄｏｎｔｈｅｃｏｒｒｅｌａｔｉｏｎａｎａｌｙｓｉｓｂｅｔｗｅｅｎｎｕｔｒｉｅｎｔｃｏｎｃｅｎｔｒａｔｉｏｎ，ｔｅｍｐｅｒａｔｕｒｅ，ｗａｔｅｒｌｅｖｅｌ，ｒａｉｎｆａｌｌ，ｓｕｎｓｈｉｎｅｈｏｕｒｓｄａｔａｉｎｔｈｅｐａｓｔ１０ｙｅａｒｓａｎｄｔｈｅｏｕｔ⁃ｂｒｅａｋａｒｅａｏｆｃｙａｎｏｂａｃｔｅｒｉａｂｌｏｏｍｓ．ＴｈｅｒｅｓｕｌｔｓｈｏｗｎｅｄｔｈａｔｎｉｔｒｏｇｅｎａｎｄｐｈｏｓｐｈｏｒｕｓｎｕｔｒｉｅｎｔｓａｒｅｔｈｅｍａｉｎｃａｕｓｅｓｏｆｃｙａｎｏｂａｃｔｅｒｉａｂｌｏｏｍｓｉｎＣｈａｏｈｕＬａｋｅ，ａｎｄｍｅｔｅｏｒｏｌｏｇｉｃａｌａｎｄｈｙｄｒｏｌｏｇｉｃａｌｆａｃｔｏｒｓｓｕｃｈａｓｔｅｍｐｅｒａｔｕｒｅ，ｒａｉｎｆａｌｌ，ｓｕｎｓｈｉｎｅｈｏｕｒｓ，ａｎｄｗａｔｅｒｌｅｖｅｌａｒｅｔｈｅｄｒｉｖｉｎｇｆａｃｔｏｒｓｆｏｒｔｈｅｏｕｔｂｒｅａｋｏｆｃｙａｎｏｂａｃｔｅｒｉａｂｌｏｏｍｓｉｎＣｈａｏｈｕＬａｋｅ．Ｋｅｙｗｏｒｄｓ㊀ＣｈａｏｈｕＬａｋｅ；Ｃｙａｎｏｂａｃｔｅｒｉａｂｌｏｏｍｓ；Ｄｙｎａｍｉｃｃｈａｎｇｅｓ；Ｄｒｉｖｉｎｇｆａｃｔｏｒｓ基金项目㊀国家自然科学基金面上项目（５２０７００６３）㊂作者简介㊀高芮（１９８４），男，安徽庐江人，高级工程师，硕士，从事流域水环境治理和湖泊蓝藻水华防控研究㊂收稿日期㊀２０２３－０５－３０㊀㊀蓝藻是淡水湖泊中较常见的浮游植物种类，在适宜的气象条件和营养盐浓度下，就会暴发性地生长，形成蓝藻水华［１］㊂蓝藻水华导致水质恶化，继而破坏湖泊生态系统结构，引起水生态系统功能退化，造成严重的生态环境风险或直接的环境污染［２－３］㊂因此，掌握巢湖蓝藻水华的动态变化特征，对控制水华及建立预警机制㊁评价蓝藻生态环境风险㊁研究蓝藻水华暴发的原因非常重要㊂巢湖蓝藻水华历史悠久，可以追溯到１９世纪末㊂据生长在巢湖周边群众反映，当地人沿巢湖一带每年捞取数百万担蓝藻作为农田肥料，称之为巢湖之宝，禾苗之父［４］㊂随着湖泊营养盐的累积，巢湖蓝藻水华自２０世纪８０年代逐渐加剧，至２０世纪９０年代初期，进入到蓝藻水华历史上的高峰期；自２００５年，大规模水华发生的频度由原先集中在６月，发展至目前１１１月均有发生；从暴发范围上，从原先主要集中于西半湖，发展至目前扩延到东半湖龟山一带的全湖性水华暴发［５］㊂蓝藻水华的发生使得巢湖的生态服务功能和价值减弱，制约了区域社会经济可持续发展，因此有必要开展巢湖蓝藻水华近年来的动态变化特征研究㊂蓝藻水华暴发是湖泊受物理㊁化学㊁生物等因素综合影响的结果㊂一方面为内在因素，如较高的湖泊富营养化状态是蓝藻水华发生的根本原因，包括藻类生长需要的营养物质㊁藻类自身的生理结构［６］㊂另外一方面为外在因素，如在营养盐充足的情况下，环境因素对蓝藻水华的暴发和扩散起到重要作用［６－８］，如风速㊁温度㊁降水等气象条件对蓝藻水华暴发有不容忽视的影响［９－１０］㊂因此，有必要开展巢湖蓝藻水华暴发的驱动力因素研究，可结合风力㊁降雨㊁温度等环境条件，来提前预测巢湖蓝藻水华暴发现象，便于采取相关对策㊂该研究对２０１０２０２２年巢湖蓝藻水华的时空变化特征进行分析，并进一步探究巢湖蓝藻水华暴发与气象因素间的响应关系，为巢湖蓝藻水华的预测预警及控制提供参考㊂１㊀材料与方法１．１㊀数据来源㊀为保证长序列数据分析的科学性和代表性，蓝藻水华监测数据采用２０１０２０２１年安徽省巢湖管理局环境保护监测站对巢湖湖区的蓝藻应急监测数据，如藻密度均值㊁叶绿素ａ浓度均值㊁ｐＨ㊁ＤＯ㊁ＣＯＤＭｎ㊁氨氮㊁总磷㊁总氮；采用生态环境部卫星环境应用中心‘巢湖水华遥感监测日报“数据来统计２０１０２０２１年巢湖蓝藻水华暴发频次㊁累积面积；累积气温㊁日降雨量及日照时数等气象数据采用巢湖湖区航标气象站自动监测数据；水文数据水位采用巢湖中庙水文站自动监测数据㊂所有自动监测数据经人工清洗后使用㊂１．２㊀分析方法㊀采用Ｏｒｉｇｉｎ２０２３软件对试验数据处理分析及作图；使用ＳＰＳＳ软件进行藻类指标与营养盐指标的Ｐｅｒｓｏｎ相关性分析；使用Ｅｘｃｅｌ进行Ｃｈｌａ与ＴＮ的相关性作图㊂安徽农业科学，Ｊ．ＡｎｈｕｉＡｇｒｉｃ．Ｓｃｉ．２０２３，５１（１８）：６９－７３㊀㊀㊀２㊀结果与分析２．１㊀２０１０２０２１年藻类密度㊁叶绿色ａ浓度的年际㊁月度变化特征㊀图１（ａ）显示，２０１０２０２１年巢湖藻密度均值在２７７１０４９万个／Ｌ，最大值出现在２０１５年，最小值出现在２０２１年㊂从总体趋势来看，巢湖蓝藻水华程度呈现先上升后下降趋势，峰值出现在２０１５年；２０１７２０２１年巢湖藻密度稳中有降，水华程度有所好转㊂图１（ｂ）统计２０１０２０２１年巢湖蓝藻应急监测期间各月的藻密度及叶绿素ａ均值可以发现，藻密度和叶绿素均呈先上升后下降的变化过程，其中叶绿素在６月份相对较高，藻密度在８月份相对较高㊂根据蓝藻生长阶段理论，４月㊁５月是蓝藻开始复苏生长的季节，４８月藻类生物量不断累积，至８月份藻类生物量达到极值，９月开始藻类进入消亡期，藻类生物量逐渐降低［５，１１］，可知该研究结果是符合蓝藻生长阶段理论的㊂图１㊀２０１０２０２１年巢湖蓝藻水华藻密度年际变化（ａ）与藻类密度㊁叶绿素ａ年际月均变化（ｂ）Ｆｉｇ．１㊀Ｉｎｔｅｒａｎｎｕａｌｖａｒｉａｔｉｏｎｏｆａｌｇａｌｄｅｎｓｉｔｙｉｎｃｙａｎｏｂａｃｔｅｒｉａｂｌｏｏｍ（ａ）ａｎｄｉｎｔｅｒａｎｎｕａｌａｎｄｍｏｎｔｈｌｙｃｈａｎｇｅｓｉｎａｌｇａｌｄｅｎｓｉｔｙａｎｄｃｈｌｏｒｏ⁃ｐｈｙｌｌａ（ｂ）ｉｎＣｈａｏｈｕＬａｋｅｆｒｏｍ２０１０ｔｏ２０２１２．２㊀２０１０２０２１年巢湖水华暴发频次㊁累积面积变化特征㊀由生态环境部卫星环境应用中心的水华遥感监测数据可知，巢湖蓝藻水华出现的次数与累积面积呈较大幅度波动，其中２０１１㊁２０２１年出现的次数较少，２０１１㊁２０１３年累积面积较小［１２］㊂图２㊀２０１０２０２１年巢湖蓝藻水华年际累积暴发面积㊁次数（ａ）与最大㊁平均暴发面积线性拟合（ｂ）Ｆｉｇ．２㊀Ｉｎｔｅｒａｎｎｕａｌｃｈａｎｇｅｓｉｎａｒｅａａｎｄｆｒｅｑｕｅｎｃｙｏｆａｃｃｕｍｕｌａｔｅｄｏｕｔｂｒｅａｋｏｆｃｙａｎｏｂａｃｔｅｒｉａｂｌｏｏｍｓ（ａ）ａｎｄｌｉｎｅａｒｆｉｔｔｉｎｇｏｆｍａｘｉｍｕｍａｎｄａｖ⁃ｅｒａｇｅｏｕｔｂｒｅａｋａｒｅａｓ（ｂ）ｉｎＣｈａｏｈｕＬａｋｅｆｒｏｍ２０１０ｔｏ２０２１㊀㊀自２０１０年以来，巢湖蓝藻水华发生的最大面积呈逐渐增加趋势㊂２０１８年发生近１０年来最大面积水华，水华发生面积达到４３４ｋｍ２，其次是２０１５年，最大水华发生面积为３２２ｋｍ２（图２）㊂从２０１０２０２１年的蓝藻水华规模统计结果来看，２０１８年是蓝藻水华最严重的年份，蓝藻水华暴发次数㊁最大暴发面积㊁累积暴发面积㊁平均暴发面积均出现在该年；２０１１年是蓝藻水华情况较好的年份，其中水华暴发次数㊁累积暴发面积均最小，最大暴发面积和平均暴发面积相对较小㊂总体来看，巢湖水华发生规模呈上升趋势，分阶段来看，２０１８年是巢湖蓝藻水华暴发的拐点，近年来总体规模呈下降趋势，但暴发频次未见减少［１３］㊂２．３㊀巢湖蓝藻水华驱动因素分析２．３．１㊀营养盐㊂从２０１０２０２１年叶绿素ａ与各营养盐指标的多年月均变化情况分析可知（图３），氨氮和总氮从５月份开始呈下降趋势，１０月份开始呈上升趋势，与叶绿素变化趋势相反，藻类的生长需要吸收水体中的营养盐物质，形成一种生物富集效应［１１］，因而除了随气温升高，水体生物脱氮和水体反硝化脱氮能力增强外，藻类的生长同样会影响水体中营养盐的含量，藻类生长导致水体中含氮营养盐浓度降低［１２］㊂与水体中总氮及氨氮含量变化趋势不同，高锰酸盐指数和总磷从５月份开始呈上升趋势，１０月份开始呈下降趋势，与叶绿素变化趋势相同［１４］㊂巢湖为浅水湖泊，水体随风浪影响扰动大，理化条件的改变会很容易传导至巢湖底质上０７㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀安徽农业科学㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀２０２３年图３㊀巢湖营养盐月均变化Ｆｉｇ．３㊀ＭｏｎｔｈｌｙａｖｅｒａｇｅｃｈａｎｇｅｓｉｎｎｕｔｒｉｅｎｔｓｓａｌｔｓｉｎＣｈａｏｈｕＬａｋｅ覆水［１３］㊂由于上覆水ｐＨ升高以及水体中总磷的生物富集，使得水体对底泥中的磷存在一种泵吸作用，即底泥中磷的释放，导致水体总磷浓度上升［１５］㊂㊀㊀表１３分别采用２００８年至２０２１年６月巢湖东西半湖及全湖的区域均值㊁各点位单次监测值㊁水温２５ħ以上的单次监测值，用Ｐｅｒｓｏｎ相关性分析方法，来判别藻类生长与各环境因子之间的相互关系㊂分析表明，水体中ｐＨ㊁ＤＯ与叶绿素ａ和藻密度呈显著正相关，说明藻类生长过程中藻类光合作用有利于水体中溶解氧的恢复，ｐＨ也随之上升［１４］㊂叶绿素ａ与水体中ＣＯＤＭｎ㊁藻密度呈显著相关性，说明水体中ＣＯＤＭｎ主要来源于藻类生长产生的有机质㊂表１㊀巢湖藻类指标与营养盐指标区域均值矩阵Ｔａｂｌｅ１㊀ＣｏｒｒｅｌａｔｉｏｎｍａｔｒｉｘｂｅｔｗｅｅｎａｌｇａｅｉｎｄｅｘｅｓａｎｄｎｕｔｒｉｅｎｔｉｎｄｅｘｅｓｉｎＣｈａｏｈｕＬａｋｅ指标ＩｎｄｅｘｐＨＤＯＣＯＤＭｎ氨氮ＮＨ３⁃Ｎ总磷ＴＰ总氮ＴＮ叶绿素ａＣｈｌａＤＯ０．６７４∗ＣＯＤＭｎ０．２９１∗０．２９９∗氨氮ＮＨ３⁃Ｎ－０．２９４∗－０．２３７∗０．１０３∗总磷ＴＰ０．０９１∗０．０４１０．３３３∗０．４３８∗总氮ＴＮ－０．１７０∗－０．０８０∗０．１６８∗０．６３６∗０．４７１∗叶绿素ａＣｈｌａ０．１０５∗０．１５５∗０．２７６∗０．２６３∗０．２９７∗０．２５１∗藻类密度Ａｌｇａｌｄｅｎｓｉｔｙ０．３２０∗０．３４５∗０．３７２∗０．０１６０．２０３∗０．１０１∗０．５１５∗㊀注：∗表示在０．０５水平相关性显著；ｎ＝９１０㊂㊀Ｎｏｔｅ：∗ｉｎｄｉｃａｔｅｓａｓｉｇｎｉｆｉｃａｎｔｃｏｒｒｅｌａｔｉｏｎａｔｔｈｅ０．０５ｌｅｖｅｌ；ｎ＝９１０．表２㊀巢湖藻类指标与营养盐指标单次监测结果矩阵Ｔａｂｌｅ２㊀ＣｏｒｒｅｌａｔｉｏｎｍａｔｒｉｘｏｆｓｉｎｇｌｅｍｏｎｉｔｏｒｉｎｇｒｅｓｕｌｔｓｏｆａｌｇａｅａｎｄｎｕｔｒｉｅｎｔｉｎｄｉｃｅｓｉｎＣｈａｏｈｕＬａｋｅ指标ＩｎｄｅｘｐＨＤＯＣＯＤＭｎ氨氮ＮＨ３⁃Ｎ总磷ＴＰ总氮ＴＮ叶绿素ａＣｈｌａＤＯ０．６００∗ＣＯＤＭｎ０．２３６∗０．２１２∗氨氮ＮＨ３⁃Ｎ－０．２２０∗－０．１７２∗０．１９１∗总磷ＴＰ０．０９０∗－０．００８０．４２６∗０．４３０∗总氮ＴＮ－０．１８１∗－０．０８１∗０．２２２∗０．７００∗０．４１０∗叶绿素ａＣｈｌａ０．１４４∗０．１３６∗０．３４０∗０．１４２∗０．２７２∗０．１５５∗藻类密度Ａｌｇａｌｄｅｎｓｉｔｙ０．２９７∗０．３２１∗０．３４３∗０．０１７０．１８８∗０．０６３∗０．５６５∗㊀注：∗表示在０．０５水平相关性显著；ｎ＝７０５５㊂㊀Ｎｏｔｅ：∗ｉｎｄｉｃａｔｅｓａｓｉｇｎｉｆｉｃａｎｔｃｏｒｒｅｌａｔｉｏｎａｔｔｈｅ０．０５ｌｅｖｅｌ；ｎ＝７０５５．表３㊀巢湖藻类指标与营养盐指标单次监测结果矩阵（水温＞２５ħ）Ｔａｂｌｅ３㊀ＣｏｒｒｅｌａｔｉｏｎｍａｔｒｉｘｏｆｓｉｎｇｌｅｍｏｎｉｔｏｒｉｎｇｒｅｓｕｌｔｓｏｆａｌｇａｅｉｎｄｉｃｅｓａｎｄｎｕｔｒｉｅｎｔｉｎｄｉｃｅｓｉｎＣｈａｏｈｕＬａｋｅ（ｗａｔｅｒｔｅｍｐｅｒａｔｕｒｅ＞２５ħ）指标ＩｎｄｅｘｐＨＤＯＣＯＤＭｎ氨氮ＮＨ３⁃Ｎ总磷ＴＰ总氮ＴＮ叶绿素ａＣｈｌａＤＯ０．６６０∗ＣＯＤＭｎ０．２４７∗０．２８０∗氨氮ＮＨ３⁃Ｎ－０．１７７∗－０．１３５∗０．１８７∗总磷ＴＰ０．１０２∗０．０７０∗０．４１３∗０．４５２∗总氮ＴＮ－０．１１１∗－０．０３４∗０．２５３∗０．６２０∗０．４７７∗叶绿素ａＣｈｌａ０．１４３∗０．１７４∗０．３５０∗０．１７０∗０．２７２∗０．１９８∗藻类密度Ａｌｇａｌｄｅｎｓｉｔｙ０．２８９∗０．３５４∗０．３３７∗０．０２６０．１７９∗０．１０４∗０．５６７∗㊀注：∗表示在０．０５水平相关性显著；ｎ＝４２９４㊂㊀Ｎｏｔｅ：∗ｉｎｄｉｃａｔｅｓａｓｉｇｎｉｆｉｃａｎｔｃｏｒｒｅｌａｔｉｏｎａｔｔｈｅ０．０５ｌｅｖｅｌ；ｎ＝４２９４．㊀㊀进一步筛选数据，选取水温＞２５ħ㊁藻密度＞２００万个／Ｌ时各指标监测值，取对数分析，结果见图４㊂ｌｎ（Ｃｈｌａ）与ｌｎ（ＴＮ）㊁ｌｎ（ＴＰ）的正相关性表明了氮㊁磷营养盐是诱发藻类增殖的主要原因㊂２．３．２㊀气象因素㊂对巢湖气象数据进行分析，发现２０１０２０２１年水华发生时对应的气温往往高于１３ħ㊂将气温超过１３ħ日均气温累加，作为适于巢湖蓝藻水华发生的活动积温，可以看出巢湖年累积气温和高于１３ħ气温的年出现天１７５１卷１８期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀高芮等㊀２０１０—２０２１年巢湖蓝藻水华暴发的动态变化规律及驱动因素分析数均呈显著增长趋势（图５），这与前文分析的蓝藻水华规模总体趋势一致，表明巢湖蓝藻水华发生面积增大可能受全球气候变暖的影响［１６］㊂图４㊀ｌｎ（Ｃｈｌａ）与ｌｎ（ＴＮ）㊁ｌｎ（ＴＰ）的相关性Ｆｉｇ．４㊀Ｐｏｓｉｔｉｖｅｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｌｎ（Ｃｈｌａ），ｌｎ（ＴＮ）ａｎｄｌｎ（ＴＰ）图５㊀２０１０２０２１年巢湖站高于１３ħ的累积气温及高于１３ħ出现天数Ｆｉｇ．５㊀Ｔｈｅｃｕｍｕｌａｔｉｖｅｔｅｍｐｅｒａｔｕｒｅａｂｏｖｅ１３ħａｎｄｔｈｅｎｕｍｂｅｒｏｆｄａｙｓａｂｏｖｅ１３ħｉｎＣｈａｏｈｕＳｔａｔｉｏｎｆｒｏｍ２０１０ｔｏ２０２１㊀㊀将２０１０年以来巢湖每年最大面积水华发生时间的前半个月的日降雨量及日照时数进行分析发现，最大面积水华发生前半个月基本均有集中降雨或暴雨事件（图６），推测可能是集中降雨造成的污染物集中入湖导致藻类的大量繁殖从而形成水华；另外还存在大面积水华发生前半个月无集中降雨或暴雨情况，但由图６可知，该种情况下水华发生前半个月基本都对应长时间的日照，适宜的光照条件加上适宜的温度也非常有利于蓝藻水华的形成［１７］㊂图６㊀２０１０２０２１年巢湖最大面积水华发生前半个月对应的日降雨量及日照时数变化Ｆｉｇ．６㊀ＣｈａｎｇｅｏｆｄａｉｌｙｒａｉｎｆａｌｌａｎｄｓｕｎｓｈｉｎｅｄｕｒａｔｉｏｎｃｏｒｒｅｓｐｏｎｄｉｎｇｔｏｔｈｅｆｉｒｓｔｈａｌｆｍｏｎｔｈｏｆｔｈｅｌａｒｇｅｓｔａｒｅａｏｆｃｙａｎｏｂａｃｔｅｒｉａｂｌｏｏｍｓｉｎＣｈａ⁃ｏｈｕＬａｋｅｆｒｏｍ２０１０ｔｏ２０２１２．３．３㊀水文㊂除气象㊁水质因素外，影响蓝藻水华发生强度及空间分布的还包括水位过程㊁湖泊换水周期等［１８］㊂２０１０２０２１年，巢湖最高水位为１３．４３ｍ，发生在２０２０年７月２２日，最低水位为８．１３ｍ，发生在２０１７年２月２１日，二者相差５．３０ｍ，水位变幅较大（图７）㊂对比历年蓝藻水华面积可以发现，每年水位峰值过后，都会出现较为密集的蓝藻水华现象㊂这主要是因为水位峰值一般出现在汛期，持续降雨导致大量外源污染物汇入，加之持续高温，在静风条件下蓝藻水华极易暴发［１９］㊂２７㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀安徽农业科学㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀２０２３年图７㊀巢湖水位变化情况Ｆｉｇ．７㊀ＶａｒｉａｔｉｏｎｏｆｗａｔｅｒｌｅｖｅｌｉｎｔｈｅｕｐｐｅｒｒｅａｃｈｅｓｏｆＣｈａｏｈｕＳｌｕｉｃｅ３㊀结论与展望（１）２０１０２０１８年，巢湖蓝藻水华发生规模总体呈上升趋势㊂但是，２０１８年是巢湖蓝藻水华暴发的拐点，２０１８年巢湖水华发生面积达到４３４ｋｍ２，此后水华面积下降㊂２０１７２０２１年巢湖藻密度稳中有降，水华面积呈下降趋势，但水华暴发频次未见减少㊂巢湖蓝藻在每年４９月增殖较快㊂（２）Ｐｅｒｓｏｎ分析表明叶绿素ａ㊁藻密度与巢湖高锰酸盐指数㊁总磷㊁氨氮㊁总氮浓度显著相关㊂在水温＞２５ħ㊁藻密度＞２００万个／Ｌ条件下，２０１０２０２１年Ｃｈｌａ浓度对数值与ＴＮ㊁ＴＰ浓度对数值呈正相关性，表明氮㊁磷营养盐是诱发巢湖藻类增殖的主要原因㊂（３）２０１０２０２１年巢湖水华发生时，大气气温在１３ħ以上㊂巢湖年累积气温㊁气温高于１３ħ的年天数㊁水华发生前半个月的降雨量㊁年日照时数㊁水位变化趋势与巢湖蓝藻水华面积动态变化趋势一致，表明气温㊁降雨量㊁日照时数㊁水位均与巢湖蓝藻水华暴发有关㊂结合巢湖水体营养盐浓度，温度㊁降雨㊁水位等条件，可提前对巢湖局部水体区域的水华暴发趋势进行预测，便于巢湖环境管理部门采取相关对策与应急措施，减轻水华危害，这对巢湖水污染防治及周边生态平衡保护具有积极作用㊂参考文献［１］徐颢溪．巢湖蓝藻水华现象诱因及其治理措施［Ｊ］．滁州学院学报，２０２０，２２（２）：６－９．［２］胡旻琪，张玉超，马荣华，等．巢湖２０１６年蓝藻水华时空分布及环境驱动力分析［Ｊ］．环境科学，２０１８，３９（１１）：４９２５－４９３７．［３］苟婷，马千里，王振兴，等．龟石水库夏季富营养化状况与蓝藻水华暴发特征［Ｊ］．环境科学，２０１７，３８（１０）：４１４１－４１５０．［４］土壤农化教研组，陆艾五．巢湖湖靛的调查研究初报［Ｊ］．安徽农学院学报，１９５９（２）：９１－９９．［５］孔繁翔，高光．大型浅水富营养化湖泊中蓝藻水华形成机理的思考［Ｊ］．生态学报，２００５，２５（３）：５８９－５９５．［６］蒋晨韵，唐晓先，王璨，等．气象因子对巢湖水源地蓝藻水华暴发的影响［Ｊ］．江苏农业科学，２０１９，４７（１０）：２８１－２８６．［７］吴珺，李浩，曹德菊，等．巢湖东半湖蓝藻水华暴发时空动态及成因［Ｊ］．农业环境科学学报，２０１３，３２（１０）：２０３５－２０４１．［８］于洋，彭福利，孙聪，等．典型湖泊水华特征及相关影响因素分析［Ｊ］．中国环境监测，２０１７，３３（２）：８８－９４．［９］李加龙，罗纯良，吕恒，等．２００２２０１８年滇池外海蓝藻水华暴发时空变化特征及其驱动因子［Ｊ］．生态学报，２０２３，４３（２）：８７８－８９１．．［１０］范裕祥，金社军，周培，等．巢湖蓝藻水华分布特征和气象条件分析［Ｊ］．安徽农业科学，２０１５，４３（４）：１９１－１９３，１９８．［１１］ＰＥＴＴＥＲＳＳＯＮＫ，ＨＥＲＬＩＴＺＥ，ＩＳＴＶÁＮＯＶＩＣＳＶ．ＴｈｅｒｏｌｅｏｆＧｌｏｅｏｔｒｉｃｈｉａｅｃｈｉｎｕｌａｔａｉｎｔｈｅｔｒａｎｓｆｅｒｏｆｐｈｏｓｐｈｏｒｕｓｆｒｏｍｓｅｄｉｍｅｎｔｓｔｏｗａｔｅｒｉｎＬａｋｅＥｒｋｅｎ［Ｊ］．Ｈｙｄｒｏｂｉｏｌｏｇｉａ，１９９３，２５３（１）：１２３－１２９．［１２］黄钰铃，陈明曦，刘德富，等．不同氮磷营养及光温条件对蓝藻水华生消的影响［Ｊ］．西北农林科技大学学报（自然科学版），２００８，３６（９）：９３－１００．［１３］朱广伟，秦伯强，高光．风浪扰动引起大型浅水湖泊内源磷暴发性释放的直接证据［Ｊ］．科学通报，２００５，５０（１）：６６－７１．［１４］许海，刘兆普，袁兰，等．ｐＨ对几种淡水藻类生长的影响［Ｊ］．环境科学与技术，２００９，３２（１）：２７－３０．［１５］张曼，殷鹏，支鸣强，等．太湖藻型及草型湖区底泥内源污染及释放机制研究［Ｊ］．环境科学学报，２０２３，４３（６）：２４７－２５７，．［１６］杨东方，陈生涛，胡均，等．光照㊁水温和营养盐对浮游植物生长重要影响大小的顺序［Ｊ］．海洋环境科学，２００７，２６（３）：２０１－２０７．［１７］ＨＵＬＬ，ＳＨＡＮＫ，ＨＵＡＮＧＬＣ，ｅｔａｌ．Ｅｎｖｉｒｏｎｍｅｎｔａｌｆａｃｔｏｒｓａｓｓｏｃｉａｔｅｄｗｉｔｈｃｙａｎｏｂａｃｔｅｒｉａｌａｓｓｅｍｂｌａｇｅｓｉｎａｍｅｓｏｔｒｏｐｈｉｃｓｕｂｔｒｏｐｉｃａｌｐｌａｔｅａｕｌａｋｅ：Ａｆｏｃｕｓｏｎｂｌｏｏｍｔｏｘｉｃｉｔｙ［Ｊ］．Ｓｃｉｅｎｃｅｏｆｔｈｅｔｏｔａｌｅｎｖｉｒｏｎｍｅｎｔ，２０２１，７７７：１－１３．［１８］高芮，唐晓先，蒋晨韵．引江济巢对巢湖水质及蓝藻水华的影响分析［Ｊ］．水资源开发与管理，２０１８，１６（６）：５４－５７．［１９］ＪＯＮＥＳＩＤ，ＥＬＬＩＯＴＴＪＡ．Ｍｏｄｅｌｌｉｎｇｔｈｅｅｆｆｅｃｔｓｏｆｃｈａｎｇｉｎｇｒｅｔｅｎｔｉｏｎｔｉｍｅｏｎａｂｕｎｄａｎｃｅａｎｄｃｏｍｐｏｓｉｔｉｏｎｏｆｐｈｙｔｏｐｌａｎｋｔｏｎｓｐｅｃｉｅｓｉｎａｓｍａｌｌｌａｋｅ［Ｊ］．Ｆｒｅｓｈｗａｔｅｒｂｉｏｌｏｇｙ，２００７，５２（６）：９８８－９９７．３７５１卷１８期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀高芮等㊀２０１０—２０２１年巢湖蓝藻水华暴发的动态变化规律及驱动因素分析。

南海地区生态系统对气候变化的敏感性分析

南海地区生态系统对气候变化的敏感性分析随着全球气候变暖的趋势日益明显，南海地区的生态系统也受到了越来越多的关注。

南海地区是一个生态多样性丰富的地区，拥有丰富的海洋资源和生态环境。

然而，由于气候变化的不断加剧，南海地区的生态系统正面临着巨大的挑战和威胁。

现在，让我们来分析一下南海地区生态系统对气候变化的敏感程度。

首先，南海地区的气候因子对生态系统的影响较大。

气候变化导致气温上升、降水量减少以及海平面上升等问题。

这些变化对南海地区的海洋生态环境造成了直接的影响。

例如，海洋生物的分布范围可能会发生改变，海洋生物群落的结构和物种多样性可能面临新的挑战。

此外，气候变化还会导致海洋酸化现象的加剧，给南海地区的珊瑚礁、海草床等生态系统带来了巨大的威胁。

其次，气候变化对南海地区的海岸线和岛屿生态系统造成了极大的影响。

海平面上升和海洋侵蚀等问题导致了南海地区沿海的土地退化和岛屿的消失。

这种变化对南海地区的岛屿生态系统和海岸线生态系统产生了重大的影响。

例如，沿海湿地和海岸沙丘等特殊生态系统面临着严重的威胁，这些生态系统对许多海洋生物和候鸟起着至关重要的作用。

因此，南海地区的生态系统对气候变化的敏感性较高。

此外，气候变化还对南海地区的渔业资源和海洋生态系统服务产生了深远的影响。

温度升高和酸化等问题可能导致渔业资源的减少和破坏。

南海地区的渔业是当地居民的重要经济来源，也是保证当地居民温饱和经济发展的关键因素之一。

随着气候变化的加剧，南海地区的渔业资源将面临巨大压力，这将对当地居民的生计和经济带来负面影响。

此外，气候变化还可能破坏南海地区的珊瑚礁、海草床和其他海洋生态系统服务，进一步加剧了气候变化对南海地区生态系统的威胁。

综上所述，南海地区的生态系统对气候变化的敏感性较高。

气候变化对南海地区的气候因子、海岸线和岛屿生态系统、渔业资源以及海洋生态系统服务等方面产生了巨大的影响。

因此，我们应该加强对南海地区生态系统的保护和管理，采取有效的措施减缓气候变化带来的负面影响，以确保南海地区的生态环境持续健康发展。

YC湖区叶绿素a时空变化特征及影响因素分析

安徽农学通报 2024 年 09 期
资源·环境·植保
YC 湖区叶绿素 a 时空变化特征及影响因素分析
谢茂嵘刘帅吕文杨文晶杨惠姜宇孙瑞瑞蔡晓钰杨金艳
（江苏省水文水资源勘测局苏州分局，江苏苏州 215011）
摘要本研究基于 2021 年 YC 湖区水质逐月监测，分析了湖区生态系统响应参数（叶绿素 a）及氮、磷营养盐的
关键词叶绿素 a；时空变化特征；生态系统；环境因子；多元逐步回归分析
中图分类号 X524
文献标识码 A
文章编号 1007-7731（2024）09-0077-07
Temporal and spatial characteristics of chlorophyll a and its influencing factors in YC Lake
安徽农学通报 2024 年 09 期关环境因子的空间分布特征及相关性的研究还处于探索阶段。本研究通过对 2021 年 YC 湖区水质进行监测，分析其各水质因子的年内变化趋势，探究叶绿素 a 与相关环境因子的时空变化特征以及其响应关系，为中小型浅水湖泊的治理提供参考。
1 材料与方法
1.1 监测站点布设湖体水域总面积为 117.4 km2，分为西湖
和底层的混合水样，保温箱保存带回实验室分析水质参数。实验室内用 Whatman GF/F、GF/C 玻璃纤
括高锰酸盐指数（CODMn）、TP、TN、Chl-a、氨氮（NH3-N）和 SD。
- 78 -
谢茂嵘等：YC湖区叶绿素a时空变化特征及影响因素分析
1.3 数据分析采用 Excel 软件处理湖区 21 个监测点位的逐月
水质监测数据，绘制叶绿素 a 与环境因子的时间变

生时间和强度年际和年代际变化的相...

缅因湾及邻近海域浮游植物水华年际变化及其生态效应的研究缅因湾及邻近海域浮游植物水华年际变化及其■■■生态效应研究口,、学位论文完成日期:指导教师签字:答辩委员会成员签字:羞■●?嬲黜嬲独创声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。

据我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含未获得洼翅渔查墓丝盏墨挂别虚盟的:奎拦亘窒或其他教育机构的学位或证书使用过的材料。

与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。

学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,并同意以下事项:、学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借阅。

、学校可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。

同时授权清华大学“中国学术期刊光盘版电子杂志社’’用于出版和编入《中国知识资源总库》, 授权中国科学技术信息研究所将本学位论文收录到《中国学位论文全文数据库》。

保密的学位论文在解密后适用本授权书导师签字:一鹕:翻印签字日期:矽卜年‘月≯日签字日期功乃年歹月妒日●缅因湾及邻近海域浮游植物水华年际变化及其生态效应研究摘要浮游植物水华作为近海重要的生物过程,其动态变化对生态系统内的营养传递、生产力水平和各生源要素的循环等均有重要影响。

随着气候变化对生态系统影响的研究的深入,浮游植物水华生物气候学研究已成为当前生物海洋学研究的热点。

论文选择了缅因湾及其邻近海域为研究对象,通过卫星观测资料和现场观测资料分析以及生态模型数值模拟,研究了缅因湾及其邻近海域浮游植物春季和秋季藻华的空间和年际变化,分析了控制藻华发生时间以峰值发生时间表示和藻华强度以平均叶绿素浓度表示的主要环境因子,并探讨了与气候变化有关的藻华动态变化可能产生的生态效应。

洞庭湖水体叶绿素a的时空变化特征

洞庭湖水体叶绿素a的时空变化特征作者：张屹李利强欧伏平易敏陈翔龚正李虹来源：《南方农业·下旬》2016年第01期摘要水体藻类生长的时空变化对研究水体富营养化十分重要。

对洞庭湖东、南、西3个区域的10个断面水体叶绿素含理进行了为期1 a的动态监测，全面分析不同区域、不同时期洞庭湖水体中叶绿素a含量的时空动态变化特征。

结果表明，全湖水体叶绿素a含量的平均浓度为2.0 mg/m3，总体趋势以夏季>秋季>冬季>春季，不同区域水体叶绿素含量以东洞庭湖最高，其次为西洞庭湖和南洞庭湖。

关键词洞庭湖水体；叶绿素a；时空变化中图分类号：X502 文献标志码：B 文章编号：1673-890X（2016）01--02叶绿素是藻类的重要组成成分之一，所有的藻类都含有叶绿素a，它的含量高低与水体藻类的种类、密度等有密切的关系[1]，也与水环境质量有关，是水体理化性质动态变化的反映指示之一，通过测定叶绿素a含量能够在一定程度上反映水质的富营养状况。

1 材料与方法1.1 研究点位与采样方法洞庭湖是我国的第一大湖，湖泊面积2 625 km2，平均水深6.39 m，换水周期约20 d，营养盐来源复杂，由于长期的湖泊演变和人类活动。

目前分为东、南、西3个湖区，本次研究分别在3个湖区采用GPS定位，各选取有代表性的断面共10个，其中东洞庭湖为鹿角、东洞庭湖湖心、岳阳楼、洞庭湖出口4个断面；南洞庭湖为万子湖、虞公庙、横岭湖3个断面；西洞庭湖为南嘴、蒋家嘴、小河嘴3个断面。

从2014年1-12月进行1 a的定位采样，每月1次。

采用有机玻璃采水器采取水样。

1.2 分析方法取1 L水样，经0.45 μm乙酸纤维滤膜过滤，低温干燥6～8 h后放入组织研磨器中，用90%的丙酮定容10 mL到离心管中，在3 000～4 000 r/min中离心10 min，反复二次取上清液10 mL到比色管中，用1 cm光程比色皿测定在750、663、645、630 nm波长吸光度，再用公式进行计算。

海洋气象观测数据的时空分析与揭示方法

海洋气象观测数据的时空分析与揭示方法随着全球气候变暖和海洋环境的变化，对海洋气象观测数据的时空分析与揭示方法的研究变得越来越重要。

这些数据是我们了解海洋气象状况、预测气象事件并采取相应措施的重要依据。

本文将探讨海洋气象观测数据的时空分析与揭示方法，并介绍几种常用的分析方法。

首先，时空分析是指对海洋气象观测数据在时间和空间上的分布进行分析和揭示的方法。

时间分析可以帮助我们了解气象事件的季节性和周期性变化趋势，以及事件发生的频率和强度。

空间分析则可以揭示观测点之间的气象差异，并确定气象事件的空间分布模式。

时空分析的目标是找出数据中的规律和趋势，帮助我们预测和应对未来的气象事件。

一种常用的时空分析方法是变差函数分析。

变差函数是一种描述海洋气象观测数据变异性的函数，它可以用来分析数据的空间相关性和变化趋势。

通过计算观测点之间的距离和数据之间的差异，可以得到变差函数的数学表示。

利用变差函数可以确定观测点之间的空间相关性和变异性，从而揭示气象事件的空间分布模式。

另一种常用的时空分析方法是聚类分析。

聚类分析是一种将相似观测点或相似数据归入同一类别的方法。

通过对海洋气象观测数据进行聚类分析，可以将观测点或数据划分为不同的类别，揭示不同类别之间的空间和时间特征。

聚类分析可以帮助我们识别出具有相似气象特征的观测点或数据，并了解它们在时间和空间上的分布规律。

除了时空分析方法，还有一些常用的揭示方法可以帮助我们探索海洋气象观测数据中的隐藏信息。

其中之一是频域分析。

频域分析是一种将时域数据转换为频域数据的方法，通过对观测数据的频谱特征进行分析，可以揭示数据中的周期性和振荡性变化。

频域分析可以帮助我们识别出气象事件的主要周期，并预测未来的变化趋势。

另一个常用的揭示方法是回归分析。

回归分析是一种通过建立变量之间的数学关系来预测未知值的方法。

通过对海洋气象观测数据进行回归分析，可以建立变量之间的数学模型，并据此预测未来的气象事件。

大鹏湾中叶绿素-a的多年调查结果及其与环境因子的灰关联分析

箬
誉兽ｇ兽ｇ２
Ｆｇ３Ｖａｉｏｓｏｈｈｏｏｈｌ— ｏｃｎｒｔｎｉｅＨｏｇｏｇｚｎｆｉｙｉ．ｒｍｉｎｆｔｅｃｌｒｐｙｌｃｎｅｔａｉｎｔｎｋｎｏｅｏＭｒＢａａｏｈｓ
Ｃｈ — ｝ｌ。ａ
总氮，而盐度、可溶性总磷、溶解氧、可溶性硅和温度对叶绿素一影响较弱，属于“ ａ劣势” 因子。为了直观比较 “ 势 ” 优因子与叶绿素．的关联ａ性，将具有代表性的ＭＭ１７站表层水中的叶绿素．ａ与亚硝酸盐、硝酸盐和５ｄ生化需氧量的过程折线图按其标准化值作出（４）。从图中可以看出，图他们均以０（当于平均样值）中心上下波动，值相为且多数位于０轴线的下方。当叶绿素一标准化值在ａ０轴线的下方时，各“ 优势” 因子的标准化值大多低于０而当叶绿素一标准化值在０；ａ轴线的上方时，５ｄ生化需氧量的标准化值也大多高于０，而亚硝酸盐和硝酸盐的标准化值则仍大多低于０，这充分表明了叶绿素一ａ与这些 “ 势” 优因子存在着较密切关联性。另外，叶绿素．标准化值的峰值与５ｄ生化需ａ氧量标准化值的峰值几乎完全相对应，这主要是因为叶绿素一出现峰值时，ａ海水中浮游植物生长旺盛，他们的排泄物也增多，致使５ｄ生化需氧量也出现峰值。而亚硝酸盐和硝酸盐没有出现这种现象，主
的最低值在１，最高值在９月；底层叶绿素一含月ａ量分别在３５月和８１出现连续月逐渐升高 — — ０月趋势，ｌ２月和ｌ— １比较平稳，而６８月波一０２月 — 动较大，全年的最低值在３月，最高值在７月。叶

台湾海峡及其邻近海域表层水叶绿素α含量时空变化特征

硝酸盐含量和水温的影响．
关键词：海洋生物学；叶绿素口表层水；；分布；季节变化；环境调控；台湾海峡
ＤＯＩ１．９９ＪＩＳ１０ — １０２１．ｌ０６：０３６／．ＳＮ．００８６．０００＿０
ቤተ መጻሕፍቲ ባይዱ中图分类号：８５Ｑ１．３７
１期
康建华等：台湾海峡及其邻近海域表层水叶绿素ａ含量时空变化特征
・５・３
平２号 ” 对台湾海峡进行了夏、、、４个季节的现场生物量调查研究．船冬春秋每个季节调查均设置断面２０条，站多达１１，测０个调查的具体站位见图１每个站位通过美国海鸟公司生产的ＳＥ１ｌｓＴ．Ｂ９７ＰｕＤ测定表层Ｃ的水温、盐度．解氧和营养盐含量的测定按国家《洋调查规范》进行．溶海
１９年２，９５月福建海洋研究所与厦门大学环境科学研究中心对台湾海峡及其邻近海域生物量调控机制进行了研究；９７年８月和１９１９９９年８月福建海洋研究所和厦门大学在台湾海峡进行了生源要素生物地球过程研究的现场综合调查，根据研究的水温、度、盐营养盐和叶绿素资料，讨论了台湾海峡营养盐物理输入对叶
量的时空变化特征及其调控因素．结果表明，台湾海峡表层水体从南至北叶绿素。含量的季节变化存在着明显差异．在北部海区叶绿素口含量平均值以春季居高，冬季最低；中部海区以秋季最高，夏

南海混合层深度的季节和年际变化特征

用下其上层海洋存在明显的季节性反转。在季风转换期风力较弱，上层海水垂直混合也较弱上混合层较薄主温跃层上抬，而在季风盛行期则相反最大的混合层厚度多偏于海盆盛行风向右侧海域，即冬
了南海ＳＳＴ的年际变化与ＥＮＳＯ的关系。Ｑｕ等。。用
第３０卷第３期２０１３年Ｏ６月
ＤＯＩ：１０．１１７３７／ｊ．ｉｓｓｎ．１００３ — ０２３９．２０１３．０３．００２
海
洋
预
报
、，０ｌ＿３０．ＮＯ．３
Ｊｕｎ．２０ｌ３
ＭＡＩＵＮＥＦＯＲＥＣＡＳＴＳ
南海混合层深度的季节和年际变化ห้องสมุดไป่ตู้征
武扬，程国胜
（南京信息Ｓ－程大学，数学与统计学院，江苏南京２１００４４）
摘要：利用１８７１ —２００８年ＳＯＤＡ资料和月平均的Ｌｅｖｉｔｕｓ资料计算了南海混合层深度（ＭＬＤ）的季节及年际变化特征。资料分析表明：季风通过流场调整对南海ＭＬＤ的时空分布特征有显著的影响。南海ＭＬＤ的距平变化总体上呈上升趋势，南海南部ＭＬＤ的距平变化趋势和北部的有显著差异，特别在１９５５年后北部整体呈下降趋势而南部呈上升趋势，二者的显著周期北部为２ —３年，
外，混合层的厚度在有回流或暖涡存在的海域也较
大，而在有冷涡存在或涌升流较强的海域则较小。同时上层海洋的热状况也存在明显的季节性变化。通过混合层的质量、动量和能量的输送提供

利用卫星数据简单分析影响叶绿素浓度的因素-卫星海洋学

利用卫星数据简单分析影响叶绿素浓度的因素李兆钦，廖显春(青岛，中国海洋大学2013)摘要：本文将以2010年12个月的叶绿素浓度的AQUA/MODIS卫星数据以及Remote Sensing Systems（AMSRE）网站的数据为基础，对全球叶绿素浓度的时空分布与其他三者的大致相关关系进行简单的分析，得出一些影响叶绿素浓度的不同因素的结论。

关键词：卫星遥感叶绿素浓度AQUA/MODIS AMSRE1.引言海洋叶绿素浓度的测定与海洋生态系统的初级生产力有密切的关系，而且与海洋环流有着很大的联系，同时对于海洋污染（赤潮等）的监测也有很大的帮助。

但是以往对于叶绿素浓度的测定的方法需要进行实地采集水样，不仅成本高、速度慢、采样点稀疏，而且资料时间空间同步性都比较差，所以这一项的工作做的一直不是很好，但是随着近几年来水色遥感卫星的发展，现在基本上可以实现大范围水域准时时地进行叶绿素浓度的探测，而且这种方法具有速度快、成本低、资料完整性同步性比较好，因此卫星遥感技术的应用为人们提供了丰富的数据以供研究。

最近几年有关于叶绿素浓度的研究日益增多，而且多趋于研究部分海域，本文将通过对全球海洋叶绿素浓度的研究，获得影响叶绿素浓度的相关性因素，并简要给出其关系。

2.数据来源本文所用的(1)叶绿素数据为aqua\modis的L3（L2～L4：是对LlB数据进行各种应用处理之后所生成的特定应用数据产品。

）数据产品，数据的空间分辨率为9km,选择的时间段是2010年12个月平均的数据。

MODIS是当前世界上新一代“图谱合一”的光学遥感仪器，有36个离散光谱波段，光谱范围宽，从0.4微米（可见光）到14.4微米（热红外）全光谱覆盖。

MODIS的多波段数据可以同时提供反映陆地表面状况、云边界、云特性、海洋水色、浮游植物、生物地理、化学、大气中水汽、气溶胶、地表温度、云顶温度、大气温度、臭氧和云顶高度等特征的信息。

可用于对地表、生物圈、固态地球、大气和海洋进行长期全球观测。

中国近海叶绿素a的强度的变化趋势及其影响因素

中国近海叶绿素a的强度的变化趋势及其影响因素叶绿素是植物光合作用的主要色素。

叶绿素是一种镁卟啉化合物，叶绿素分为叶绿素a，叶绿素b，叶绿素c，叶绿素d，叶绿素f等。

叶绿素a的分子结构通过四个吡咯环通过四个甲基（=CH-）连接形成称为卟啉的环状结构（环上具有侧链）。

目前来说海洋叶绿素浓度已经成为测量海洋浮游植物生物量和海洋环境富营养化的最基本指标之一。

对海洋中的生态系统初级生产力的研究也起到了至关重要的作用。

海洋遥感是一种把海洋和沿海地区作为监测和研究对象的遥感，这其中包括了物理海洋遥感，生物海洋学遥感和化学海洋遥感。

海洋遥感通常是使用传感器来对海洋进行保持远距离的非接触式观测，从而可以获得所需要的海洋学和海洋学元素的图像或者是数据。

原理是海洋不断向周围环境辐射电磁能。

海洋的图像或数据可以通过使用专门设计的传感器接收，记录，传输，处理和处理能量来获得。

在经过将近30年的发展后，海洋遥感数据现已在应用海洋渔业方面普及。

通过分析不同的电磁波能量所携带的信息，人们可以直接或间接地反演某些海洋物理量，例如海水温度。

叶绿素浓度，海面高度等，利用这些反演的海洋环境要素来评估海洋渔业资源、预测海洋渔场的变动，是为了实现海洋资源的合理开发，利用，管理和保护。

标签：叶绿素a;遥感;海洋渔业遥感海洋植物（岸上的高等植物除外）不能依靠根来吸收土壤中的養分，如陆地植物。

其最主要的生产者是单细胞浮游植物，他们可以直接吸收溶解在海水中的各种营养素。

并且由于海水的强溶解性，浮游植物光合作用所必需的无机盐，例如氮和磷将以适于浮游植物吸收的形式存在于海水中。

以便于浮游植物的直接吸收。

同时，海水是半透明的液体，这意味着光照可以穿透到一定的深度，进而为浮游植物所进行的光合作用提供必要的照明条件。

此外，海水中二氧化碳和碳酸氢盐的含量非常丰富。

有了这些条件的保障下，生活在海洋表面和海洋中的大量浮游植物就可以通过光合作用产生许多有机物质，例如碳水化合物等有机物。

污染水体中蓝藻叶绿素的光谱特征分析

污染水体中蓝藻叶绿素的光谱特征分析随着经济的快速发展和人口的迅速增加，水体污染问题成为了全球关注的焦点之一、蓝藻是一种常见的水生植物，它能够快速繁殖并形成大规模藻华，对水体造成严重污染。

其中，蓝藻叶绿素是蓝藻生长的关键因素之一，也是污染水体中的重要指标之一、因此，对污染水体中蓝藻叶绿素的光谱特征进行分析，具有重要的科学意义和应用价值。

蓝藻叶绿素的主要吸收波长在400~700nm之间，但具体的光谱特征会受到环境因素的影响。

首先，蓝藻的生长状态会影响其光谱特征。

在蓝藻的生长过程中，叶绿素的含量会随着生长阶段的不同而发生变化。

通常情况下，蓝藻的生长速率较快，叶绿素的含量也会逐渐增加。

因此，在观测蓝藻叶绿素的光谱特征时，应该考虑到蓝藻的生长状态。

其次，水体的透明度会对蓝藻叶绿素的光谱特征产生影响。

透明度主要是由于水体中溶解有机物、悬浮物和颗粒物的存在，这些物质会散射和吸收光线，从而影响蓝藻叶绿素的吸收光谱。

一般来说，水体透明度越低，颗粒物含量越高，蓝藻叶绿素的吸收光谱越明显。

因此，在进行蓝藻叶绿素的光谱分析时，应该考虑到水体的透明度。

此外，水体中其他物质的存在也会对蓝藻叶绿素的光谱特征产生干扰。

例如，有机物、无机物和其他生物胚胎等物质都可能存在于水体中，并对蓝藻叶绿素的吸收光谱造成影响。

因此，在进行蓝藻叶绿素的光谱分析时，需要对水体中其他物质进行合理的提取和分离。

针对以上问题，研究人员已经提出了一系列的技术手段和方法，以实现对污染水体中蓝藻叶绿素光谱特征的分析。

其中，遥感技术是一种常用的方法。

通过使用遥感仪器，可以对整个水体的多光谱信息进行高精度的获取，并进一步提取蓝藻叶绿素的光谱特征。

此外，还可以使用光谱分析仪和光谱数据处理软件进行光谱曲线的提取和分析。

这些技术手段极大地促进了对污染水体中蓝藻叶绿素光谱特征的研究。

综上所述，污染水体中蓝藻叶绿素的光谱特征是环境科学研究中的重要问题之一、研究人员通过使用遥感技术、光谱分析仪和光谱数据处理软件等方法，可以对污染水体中蓝藻叶绿素的光谱特征进行分析，为水体污染治理提供科学依据和技术支持。

中国沿海地区植被NDVI时空变化及驱动力分析

中国沿海地区植被NDVI时空变化及驱动力分析李霞;陈永昊;陈喆;张国壮;唐梦雅【期刊名称】《生态环境学报》【年(卷),期】2024(33)2【摘要】研究植被变化对区域生态修复具有重要意义。

以中国沿海地区为例,基于归一化植被指数(NDVI)和降水、夜间灯光等自然和人为因子数据,运用Theil-Sen Median趋势分析+Mann-Kendall检验、最优参数地理探测器(OPGD)、相关分析和Hurst指数,多时空尺度探讨了中国沿海地区植被NDVI时空变化规律及其驱动力。

结果表明:1)2001-2020年研究区植被状况较好,NDVI多年均值为0.762,具体到各分区,东北沿海的NDVI均值最高,其次是华南沿海,华东沿海和华北沿海;全区NDVI逐年变化率为0.019/10 a(P<0.01),不同分区的上升趋势从大到小为华南沿海、东北沿海、华北沿海和华东沿海,区域内植被状况不断改善,退耕还林还草和沿海防护林等生态工程效益不断显现;2)夜间灯光指数在全区各个因子中的解释力最大(q值为0.354),人为因素对NDVI的解释力明显大于自然因素,其对植被恢复产生了积极影响,并且随时间推移逐渐增强;3)两因子结合后的解释力大于单因子,表现为双因子增强和非线性增强。

在全区范围内,影响最大的一对交互作用为土壤类型∩夜间灯光,其他分区则为日照时数∩夜间灯光(东北沿海地区),土壤类型∩夜间灯光(华北沿海和华东沿海地区),人口密度∩夜间灯光(华南沿海地区),自然因素和人类活动因素作用后影响力有了显著提升,但人类活动因素仍占据主导地位;4)Hurst指数均值为0.463,未来一段时间内,研究区内植被变化有66.3%的地区表现出一定的反持续性。

研究结果有利于为中国沿海地区生态保护和高质量发展提供科学支撑。

【总页数】12页(P180-191)【作者】李霞;陈永昊;陈喆;张国壮;唐梦雅【作者单位】长安大学土地工程学院;国家林业和草原局西北调查规划院【正文语种】中文【中图分类】Q948;X173【相关文献】1.基于地理探测器的内蒙古植被NDVI时空变化与驱动力分析2.1982—2015年中国植被NDVI时空变化特征及其驱动分析3.基于GIMMS-NDVI的新疆植被覆盖时空变化附图1新疆1982—2006年植被NDVI平均值分布4.锡林郭勒植被NDVI时空变化及其驱动力定量分析5.基于地理探测器的河南省植被NDVI时空变化及驱动力分析因版权原因，仅展示原文概要，查看原文内容请购买。

南海海洋所揭示海洋中尺度涡影响浮游植物叶绿素分布新机制

南海海洋所揭示海洋中尺度涡影响浮游植物叶绿素分布新机制南海海洋所揭示海洋中尺度涡影响浮游植物叶绿素分布新机制在海洋中，中尺度涡是一种非常重要的海洋环流特征，它在海洋环境中起到了至关重要的作用。

涡是由海洋中的不稳定性产生的，它们通常是由变化的海水密度、风场和地球自转等因素造成的。

在南海海域，中尺度涡的影响尤为显著，因此科学家们对其进行了深入的研究。

他们发现，中尺度涡对海洋中浮游植物叶绿素分布产生了新的影响机制。

1. 中尺度涡是什么？中尺度涡是指海洋中直径在10-500公里范围内的环流涡旋。

这种涡旋呈现出旋转的运动特征，并且在水体中产生了一定的涡动。

中尺度涡通常具有水温、盐度和流速等方面的差异，它们对海洋生态环境有着直接而深远的影响。

2. 浮游植物叶绿素分布与中尺度涡的关系浮游植物是海洋中非常重要的生物元素，它们通过光合作用为海洋生态系统提供能量，并且参与了海洋碳循环过程。

叶绿素是植物进行光合作用的重要物质，它能够吸收光能并转化为化学能。

科学家们发现，中尺度涡对浮游植物叶绿素的分布产生了重要影响，这为我们认识海洋生态系统的结构和功能提供了新的视角。

3. 影响机制的新发现最新的研究发现，中尺度涡通过影响海水混合和上升流的分布，进而影响了海洋中浮游植物叶绿素的分布。

在涡旋的边缘区域，海水混合和上升流的活动更加频繁，这使得浮游植物叶绿素得以更好地分布和生长。

相对而言，在涡旋的中心区域，海水混合和上升流的活动相对较弱，导致浮游植物叶绿素分布相对较少。

中尺度涡不仅影响了海洋环境的物理结构，还对海洋生物的分布和生长产生了直接的影响。

4. 个人观点和理解作为一名海洋生物学研究者，我对中尺度涡对浮游植物叶绿素分布的新影响机制深表关注。

这一发现不仅丰富了我们对海洋环境变化的认识，还为我们探索海洋生态系统的稳定性和可持续性提供了新的思路。

我相信，随着科学技术的不断进步，我们将能够更深入地研究中尺度涡对海洋环境和生物的影响，为保护海洋生态系统做出更大的贡献。

南大洋扇区夏季表层海水叶绿素a分布特征及其原因分析

南大洋扇区夏季表层海水叶绿素a分布特征及其原因分析廖静思;陆志波;王娟;李慧蓉;张洁;王硕仁【摘要】研究利用第30次(2013 ～2014年)南极科学考察所获得的南大洋表层海水叶绿素a、温度以及盐度数据进行分析.结果显示,某些特殊海域如大陆架、岛屿附近海域,或当某一海域存在一些特殊的变化,如海冰融化,海洋锋,底部上升流时,会为浮游植物的生长提供有利条件,进而能够引发浮游植物叶绿素爆发.而在南大洋的5大海域中,罗斯海的叶绿素水平最高,其平均浓度能够达到1.735 mg/m3.通过一些数据分析我们也发现在南半球夏季,对于浮游植物生长来说,温度水平和光照水平都是很充足的,而限制因素主要是营养物质的缺乏.而高纬度海区浮游植物生长速率对全球气候变暖非常敏感,因此对于浮游植物叶绿素爆发的原因探究也对全球碳循环以及气候变化起着重要作用,同时为后续研究提供数据资源.【期刊名称】《四川环境》【年(卷),期】2019(038)001【总页数】11页(P105-115)【关键词】南大洋;叶绿素a;浮游植物爆发;全球变暖【作者】廖静思;陆志波;王娟;李慧蓉;张洁;王硕仁【作者单位】同济大学环境科学与工程学院,上海200092;职合国环境署-同济大学环境与可持续发展学院,上海200092;同济大学环境科学与工程学院,上海200092;同济大学污染控制与资源化国家重点实验室,上海200092;职合国环境署-同济大学环境与可持续发展学院,上海200092;同济大学环境科学与工程学院,上海200092;同济大学环境科学与工程学院,上海200092;中国极地研究中心,上海200136;中国极地研究中心,上海200136【正文语种】中文【中图分类】X551 引言目前，对于南大洋生态系统的研究已经成为南大洋领域研究的重点和热点，浮游植物是海洋生态系统的基础，担负着海洋中90%以上的有机物质的生产[1-2]。

同时，南大洋是重要的大气CO2沉降区[3-4]，对于全球气候变化起到了至关重要的作用[5]。

南海西部晚更新世以来表层海水剩余氧同位素及盐度变化同济大学

第28卷　第3期2008年5月第　四　纪　研　究QUATERNARY SC I ENCESVol .28,　No .3M ay,2008文章编号 1001-7410(2008)03-399-08南海西部晚更新世以来表层海水剩余氧同位素及盐度变化3李　丽　王　慧　李建如　赵美训　汪品先(同济大学海洋地质国家重点实验室,上海　200092)摘要根据南海西部越南岸外MD05-2901岩芯成对的有孔虫壳体氧同位素和U k ′37-SST 计算出过去450ka 以来南海西部表层海水氧同位素δ18O water 和盐度S water 变化记录,二者的变化范围在冰期分别为012‰～016‰和3412‰～3511‰,间冰期分别为-016‰～0和3214‰～3317‰,表现为冰期高、间冰期低的特征。

相反扣除冰盖影响后的剩余氧同位素δ18O resid 和剩余盐度S resid ,呈现冰期低、间冰期高的特征,在冰期分别平均为-015‰和3217‰,间冰期分别平均为-013‰和3311‰。

研究认为该现象主要与赤道太平洋海域冰期纵向的I TCZ 平均位置偏南导致的降雨增加有关,同时冰期温度低蒸发弱,间冰期温度高蒸发强以及冰期海平面下降,南海地理格局的改变、河流输入增多等因素也有一定影响。

主题词南海　表层海水氧同位素　表层海水盐度　表层海水剩余氧同位素　表层海水剩余盐度中图分类号 P534.631,P736.4 文献标识码 A 第一作者简介:李　丽　女　34岁　副教授　海洋生物地球化学专业　E 2mail:lilitju@mail 1t ongji 1edu 1cn　3国家自然科学基金项目(批准号:40403012)、同济大学青年优秀人才培养行动基金项目(批准号:2006KJ055)、国家重点基础研究发展规划项目(批准号:2007CB815904)和国家自然科学基金创新研究群体科学基金项目(批准号:40621063)资助 2008-02-15收稿,2008-03-18收修改稿1　前言海水盐度是海水最重要的理化特性之一,是现代海洋观测、测量中的一项重要内容。

基于时空演变多重特性建模的近海叶绿素浓度时序预测

基于时空演变多重特性建模的近海叶绿素浓度时序预测王成贺;宋宁;王京禹;刘安安;聂婕【期刊名称】《信号处理》【年(卷),期】2022(38)6【摘要】近海环境是沿海地区社会经济发展的关键支撑系统,近海环境的持续恶化对海洋经济的可持续发展带来了巨大挑战。

叶绿素浓度的反映了水体理化性质的演变规律,对近海生态环境保护具有重要意义。

尽管现有时序叶绿素浓度预测方法能从时空数据中挖掘有效信息,揭示时空数据的发展趋势和变化规律,但忽略了时空数据的结构化特征以及外界因素/突发因素对叶绿素浓度的影响。

因此,本文提出基于时空演变多重特性建模的近海叶绿素浓度时序预测模型,并由四部分构成:自相关时序预测模块预测叶绿素浓度时序变化规律;多视角空间融合预测模块在构建预测点与其他位置叶绿素浓度空间关联性基础上,考虑海域气象状况,提高了空间叶绿素浓度预测的可靠性;基于环境上下文的突变模块通过对极端因素建模,挖掘突变因素与的叶绿素浓度变化的关联;时空动态聚合模块利用结构化模式,结合时间、空间叶绿素预测结果,实现不同圈层全要素近海叶绿素浓度建模。

在渤海叶绿素浓度数据上的实验结果表明,该算法模型极大程度提升了近海叶绿素预测模型的准确性与可靠性。

【总页数】8页(P1232-1239)【作者】王成贺;宋宁;王京禹;刘安安;聂婕【作者单位】中国海洋大学信息科学与工程学部;天津大学电气自动化与信息工程学院【正文语种】中文【中图分类】X55【相关文献】1.一种自优化RBF神经网络的叶绿素、a浓度时序预测模型2.基于支持向量机的长江口及其邻近海域叶绿素a浓度预测模型3.基于遥感资料的北黄海叶绿素a浓度时空演变特征分析4.基于遗传算法-支持向量机的水库叶绿素a浓度短期预测非线性时序模型5.中国近海冷空气浪的时空分布特性及演变规律因版权原因，仅展示原文概要，查看原文内容请购买。