应用时间序列分析法对太湖叶绿素_a含量的动态研究
南太湖近岸水域叶绿素a含量与氮磷浓度的关系
一些研究者认为： 水体中营养盐增加会导致其中藻 类生物量显著增加（ Ｖ ａ ｄ ｅ ｂ ｏ ｎ ｃ ｏ ｅ ｕ ｒ ｅ ｔ ａ ｌ ，２ ０ ０ １ ） ， 另 一些研究报道： 湖泊中水体藻类的生物量与水体中 的营养盐浓度之间并不具有显著的相关性（ Ｌ ａ ｌ ｏ ｎ ｄ ｅ ｅ ｔ ａ ｌ ， １ ９ ９ １ ） 。事实上。对湖泊而言， 由于受光照及 营养盐等的共同作用， 藻类生物量的最大值通常出 现在中营养状态， 而非水体中营养盐浓度较高的富 营养状态（ Ｈ ａ ｎ ｓ ｓ ｏ ｎ ， １ ９ ９ ２ ） 。 南太湖水体中总氮浓度 本研究的 ４次调查中， ＜ ３ ． ０ｍ ｇ ／ Ｌ的站点占 ９ ５ ％ 以上， 平均浓度 １ ． ５ ， 且在蓝藻“ 水华” 大范围爆发期间， 水体 ２ ５ｍ ｇ ／ Ｌ 中叶绿素 ａ 的含量随总氮的浓度增加呈线性上升。 ２ ０ ０ ７ ） 提出的太湖藻类生长的适宜总氮 陈永根等（ 浓度是 ＜ ５ ． ４ｍ ｇ ／ Ｌ ， 杨顶田等（ ２ ０ ０ ３ ） 认为太湖微囊 藻适宜生长的总氮浓度上限为 ４ ． ０ｍ ｇ ／ Ｌ ， 本研究的 总氮浓度都在适宜浓度范围内。总磷的平均浓度为 ０ ． １ ０ ０ ． ２ ２ｍ ｇ ／ Ｌ ， 也在太湖微囊藻适宜生长的上限 ０ ． ３ｍ ｇ ／ Ｌ ） 之下， 但调查中叶绿素 ａ 的含量与 浓度（ 总磷的浓度无显著性关系。结果表明， 南太湖水体
㊀㊀富营养化是中国湖泊普遍面临的重要环境问 题， 是湖泊水体营养盐含量不断上升、 生产力从低的 贫营养状态逐步向生产力高的富营养状态过渡的一 种现象（ 蔡启铭等， １ ９ ９ ５ ； 刘元波等， １ ９ ９ ７ ） 。氮、 磷 是导致湖泊发生富营养化的重要营养元素， 对湖泊 藻类生长和蓝藻的爆发具有重要的影响。它们与藻 类生物量之间的关系一直是研究湖泊富营养化的重 要内容之一（ 杨清心， １ ９ ９ ６ ； 秦伯强等， ２ ０ ０ ４ ） ， 由于 叶绿素 ａ 含量是表征藻类现存量的重要指标之一 （ Ｌ ｏ ｒ ｅ ｎ ｚ ｅ ｎ ， １ ９ ６ ７ ） 。因此， 研究叶绿素 ａ与总氮、 总 磷浓度之间的关系， 对认识湖泊富营养化的机理具 有重要意义。 １ ９ ９ ０年后太湖几乎每年都发生不同程度的蓝 藻“ 水华” ， 造成的经济损失和负面社会影响巨大， 近年来蓝藻“ 水华” 爆发的时间有进一步提前的迹 象， 而且影响的范围越来越大。目前， 对太湖水域的 研究， 更多的是以整个大太湖区为研究对象（ 石建 华， １ ９ ９ ４ ； 诸 敏， １ ９ ９ ６ ； 姚 焕 玫 等， ２ ０ ０ ５ ； 龚 绍 琦 等， ２ ０ ０ ５ ） ， 至今尚未见专门关于南太湖水域的详细报 道。本文在对南太湖主要入湖支流口及其近岸水域 生态环境调查的基础上， 探讨太湖水体叶绿素 ａ 含 量（ Ｃ ｈ ｌ ． ａ ） 和总氮 （ Ｔ Ｎ ） 、 总磷 （ Ｔ Ｐ ） 浓度及氮磷比
不同方法估算太湖叶绿素a浓度对比研究
( 1. School of Geography and Ocean Sciences, Nanjing University, Nanjing 210093, China; 2. T aihu Lake Laboratory Ecosystem Research Station, State Key Laboratory of Lake Science and Environment, Nanjing Institute of Geography and L imnology, Chinese Academy of Sciences, Nanjing 210008, China; 3. Earth Observation and Digital Earth Science Center, Chinese Academy of Sciences, Beijing 100080, China) Abstract: Based on the measured remote sensing reflectance and concurrent chlorophyll a ( Chl a) concentration in Taihu Lake from January 7 to 9 and July 29 to August 1, 2006, this study comparatively analyzed the estimation precision of three - band - model, two - band - model, reflectance peak position method and first derivative method, and further discussed the feasibility of the four methods to estimate Chl a using remote sensing image. The data set of two samplings contained widely variable total suspended matter ( 12 24 -285 20 mg L- 1 ) , Chl a ( 4 83 155 11 g L- 1 ) and chromophoric dissolved organic matte absorption coefficient at 440 nm ( 0 27 - 2 36 m - 1 ) . The former four methods all got high precisions on Chl a concentration estimation in Taihu Lake with determination coefficients ( r2 ) of 0 813, 0 838, 0 872 and 0 819, respectively. The root mean square error ( RMSE) between measured and estimated Chl a concentrations using the four models was 13 04, 12 12, 13 41 and 12 13 g L- 1 , respectively, and the relatively error ( RE) was 35 5% , 34 9% , 24 6% and 41 8% , respectively. Although the reflectance peak position method had the highest estimation precision, it was difficult to be applied on remote sensing image due to lacking spectral channel. The three - band -model and two - band - model had higher estimation precisions than the first order differential method and good application foreground in Chl a retrieval using remote sensing image. The r 2 , RMSE, RE of [ R - 1 ( 665) - R - 1 ( 709) ] R ( 754) in three - band -model and R ( 709) R ( 681) in two - band - model based on simulation MERIS data were 0 788, 13 87 g L- 1 , 37 3% , and - 1 0 815, 12 96 g L , 34 8% , respectively. The results in this study demonstrated MERIS data could be applied to retrieve Chl a concentration in turbid Case waters as T aihu Lake. Key words: Taihu Lake; chlorophyll a; retrieval; remote sensing reflectance
洪泽湖叶绿素a浓度的时空变化特征
洪泽湖叶绿素a浓度的时空变化特征齐凌艳;黄佳聪;高俊峰;黄琪;周毅;田威【摘要】叶绿素a浓度是衡量藻类生物量及评价水体营养状态的重要指标.基于洪泽湖2012年12月至2013年11月的水质监测数据,利用统计手段分析湖区叶绿素a浓度的时空变化规律,并进一步探究叶绿素a浓度与各项水质理化因子的响应关系.从时间维度上看,洪泽湖叶绿素a浓度季节变化规律在不同湖区有所差异,东部湖区叶绿素a浓度随季节变化曲线呈“双峰型”,分别在3月和8月达到峰值.北、西部湖区叶绿素a浓度在春季变化平缓.并在秋季达到峰值.从空间维度上看,3个湖区之间叶绿素a浓度在春、冬两季存在显著差异,其余季节差异不显著.典范对应分析表明洪泽湖不同月份、不同湖区叶绿素a浓度与水质理化因子之间存在不同的响应关系.本研究为探究洪泽湖藻类时空异质性原因、宏观掌控其营养状态以及制定相应水质改善措施提供参考依据.【期刊名称】《湖泊科学》【年(卷),期】2016(028)003【总页数】9页(P583-591)【关键词】叶绿素a;洪泽湖;时空变化;典范对应分析【作者】齐凌艳;黄佳聪;高俊峰;黄琪;周毅;田威【作者单位】中国科学院南京地理与湖泊研究所,南京210008;中国科学院大学,北京100049;中国科学院南京地理与湖泊研究所,南京210008;中国科学院南京地理与湖泊研究所,南京210008;中国科学院南京地理与湖泊研究所,南京210008;中国科学院大学,北京100049;江苏省水文水资源勘测局,南京210029;江苏省水文水资源勘测局,南京210029【正文语种】中文随着经济发展与人类活动加剧，水体富营养化已成为世界性的水环境问题. 近年来，世界各大淡水湖和我国滇池、太湖、巢湖等内陆淡水湖多次发生大规模蓝藻集聚现象，严重破坏水生态系统稳定，威胁当地生活生产用水安全. 叶绿素a(Chl.a)是藻类进行光合作用的重要色素，其在水中的浓度通常用于表征水中藻类总体含量以及评判水体的营养状态[1].国内外已开展大量淡水湖泊Chl.a浓度时空动态变化相关研究. Ghadouani等研究伊利湖的藻类和营养盐分布，表明Chl.a高浓度区主要集中于西部湖湾及北部沿岸地区，且与营养盐分布密切相关[2]. Jindal等对Prashar湖藻类随时间动态变化过程进行连续观测，发现Chl.a浓度曲线呈双峰型特征，分别在5月和9月达到峰值[3]. Wu等针对鄱阳湖藻类时空变化进行分析，得出结论：水下光照强度和透明度是限制藻类生长的关键因子，同时南部湖区Chl.a浓度高于北部湖区主要受水温和营养盐影响[4]. Yang等对巢湖Chl.a浓度和总氮(TN)、总磷(TP)等营养盐浓度进行空间分布和季节性变化特征研究，总结出巢湖藻类生物量存在明显先下降后上升的季节变化特点，同时东、西部湖区存在明显空间差异，西部湖区营养盐及Chl.a浓度高于东部主要受上游汇水影响[5-6]. Wu等通过对太湖短期连续观测表明，Chl.a浓度水平分布模式与风生流关系紧密[7]. 钱昊钟等分析太湖湖心、东南湖区与其他湖区Chl.a浓度差异，得出TP、水温和溶解氧是主要限制性因子[8].朱晶晶等发现滇池Chl.a浓度总体呈周期性波动缓慢上升趋势，4-11月上升达到峰值；空间分布上，滇池Chl.a浓度高值区多出现在靠近城镇的人口密集区域[9-10]. Huang等通过分析滇池水体富营养化与人类活动的响应关系，得出含高浓度营养盐的污水排放对滇池富营养化起到关键性作用[11]. 郭劲松等研究三峡小江回水区Chl.a浓度季节变化特征为夏、秋季高，春、冬季低[1,12]. Zhang等研究三峡水库蓄水后大宁河的藻类季节变化特征，得出水温和TN/TP是藻类暴发的关键因素[13]. 分析水体Chl.a浓度时空变化特征有助于深化对藻类水华发生过程机理的认识，从而为有效开展藻类水华防控治理工作提供科学依据.洪泽湖是苏北地区居民生活、农业用水、发电以及维护当地生境的重要水源地. 同时作为南水北调东线工程重要输水线路和调蓄湖泊，其水质不仅关系到南水北调水质安全，也关系到沿河、沿湖乃至整个淮河流域经济可持续发展[14]. 因此全面认识洪泽湖富营养化水平和藻类时空分布特征十分重要. 但是目前研究较多围绕洪泽湖富营养化水平定性分析和水质理化因子时空特征分析[15-16]，Chl.a浓度时空变化特征研究相对较少. 本文基于洪泽湖全年水质监测数据，采用方差分析和典范对应分析等统计手段研究洪泽湖藻类时空变化特征，进一步探究其藻类时空异质性原因，为宏观掌控洪泽湖营养水平、制定水质改善措施提供科学依据[16].洪泽湖地处淮河中游末端(33°06′～33°40′N，118°10′～118°52′E)，为中国第四大淡水湖泊. 湖区跨洪泽、淮阴、泗阳、泗洪和盱眙五县. 东岸平直，其余岸线曲折多湾. 湖区集水面积为15.6×104 km2，补给系数为99. 常年平均水位12.37 m，长65.0 km，最大宽55.0 km，平均宽为24.26 km，最大水深4.37 m，平均水深1.77 m. 湖区属北亚热带与南温带的过渡气候，多年平均气温16.3℃，7月平均气温最高为28.8℃. 多年平均降水量925.5 mm，年内7-9月降水量约占年降水量的65.5%. 湖水来源除大气降水外，主要依靠地表径流，入湖河流主要有8条(淮河、新汴河、老汴河、新濉河、老濉河、徐洪河、怀洪新河和安东河)，其中淮河流量最大[17]. 洪泽湖为吞吐型湖泊，换水周期约为35 d[18]. 湖流以吞吐流和风生流形式并存，在淮河入湖口水流以扇形扩散.根据湖盆形态，生境差异，水文、水力特征以及出入湖河流特性等因素，本研究将洪泽湖湖区分为3个子区：北部湖区、东部湖区和西部湖区. 北部湖区即成子湖区域，水体流动性差，并且受宿迁市城市尾水的影响，水质总体略差；西部湖区包括溧河洼区域，地势较高且水深较浅，水生植物分布面积相对较广，生长茂盛[19]，水质整体较好；东部湖区包括淮河入湖口、过水通道及蒋坝闸湾，湖区水体流动性好，湖流运动较为剧烈. 根据上述湖区形态特征，本研究在全湖共布设8个水质监测站点. 北部湖区设有颜圩、高湖2个监测点；西部湖区有临淮、洪泽湖区(宿迁南)2个监测点；东部湖区布设洪泽湖区(淮安北)、洪泽湖区(淮安西)、洪泽湖区(淮安东)和洪泽湖区(淮安南)4个监测点(图1).本研究选取2012年12月-2013年11月采集的洪泽湖月水质监测数据样本，运用统计软件IBM SPSS Statictis 19和Canoco for Windows 4.5对数据进行统计分析. 数据是由江苏省水文水资源勘测局提供的常规监测资料. 监测项目包括5项：化学需氧量(COD)、溶解氧(DO)、TP、TN和叶绿素a(Chl.a)浓度. 其中COD浓度用高锰酸盐指数法测定，DO浓度用电化学探头法测定，TP和TN浓度分别用钼酸铵分光光度法和碱性过硫酸钾消解紫外分光光度法测定，Chl.a浓度用分光光度法测定. 此外，日平均气温(T)数据来自国家气象中心的盱眙站(站点编号：58138). 根据研究区全年气温变化规律和地处四季分明的温带地区，综合参考传统气候统计法，将研究区季节划分为：春季为3-5月，夏季为6-8月，秋季为9-11月，冬季为12至次年2月.洪泽湖Chl.a浓度的季节变化规律在不同湖区有所差异(图2). 北、西部湖区Chl.a浓度在冬末(1月)出现明显的上升趋势，平均浓度达22.73±2.58 μg/L. 进入春季(3-5月)，Chl.a浓度稍有波动(13.45±4.91 μg/L)后，变化趋于平缓(17.95±4.94 μg/L). 春季湖区平均气温达到15.54℃，日光照时长为6.45 h，光照气温条件适宜. 同时春耕施肥等面源污染带来营养盐汇入，营养盐水平较高，水体中TN平均浓度为1.35 mg/L，TP平均浓度为0.045 mg/L. 藻类生理、生化活性恢复，生长速率加快，种群生物量快速增加后趋于稳定. 夏季(6-8月)洪泽湖区平均气温达到26.99℃，光照时长为5.72 h. 虽然光照充足、温度适宜，但大规模藻类生长为浮游动物及其他大型鱼类牧食提供便利，同时营养盐也被快速消耗，遏制藻类数目的进一步增加. 造成不同站点Chl.a浓度先后回落至低浓度(3.38±1.59 μg/L)后才逐步上升. 进入秋季，藻类种间竞争得到缓解，优势种得以快速增殖，使Chl.a浓度在9月左右达到峰值(36.28±45.92 μg/L)，其中颜圩站点浓度高达104.9 μg/L. 随后10-11月Chl.a浓度受气温下降、光照减弱影响，呈波动下降状态. 冬季湖区气温降至2.78℃，藻类代谢基本停止，进入衰亡、休眠期[20]，因此Chl.a浓度逐步下降至最低浓度(1.55±1.98 μg/L).东部湖区Chl.a浓度季节变化曲线呈“双峰型”(图2)，分别在3月和8月达到浓度峰值. 冬末春初(1-3月)洪泽湖的适宜光照和温度以及较高营养盐水平(TN浓度为4.30 mg/L，TP浓度为0.079 mg/L)使得藻类快速从底泥中复苏，进行大量增殖. Chl.a浓度持续上升直至第1个峰值浓度(13.45±4.89 μg/L). 随后Chl.a浓度表现为迅速下降状态，且至峰谷低浓度(1.68±0.67 μg/L). 研究表明在大型浅水湖泊中，水动力对浮游生物的数量、分布影响十分明显. 如果水体滞留时间变长、流速变缓，浮游植物拥有更长时间生长，在适宜的营养条件下数量往往会显著增长[21]. 但由于东区包含过水通道，水体流动性大且流速快. 藻类受水流冲刷，不容易集聚，造成Chl.a浓度曲线的下降. 夏季(6-8月)藻类在充足光照下达到最大光合效率，藻类生物量成倍增加，使得Chl.a浓度再次上升并于8月达到第2个浓度峰值(25.18±13.45 μg/L). 秋季(9-11月)光照减弱且温度持续下降使Chl.a浓度上下波动且总体呈下降趋势. 冬季(12月)伴随着藻类大量休眠死亡、群落解体，Chl.a 浓度下降为最低值(1.15±0.69 μg/L).洪泽湖全年Chl.a浓度均值表现为北部湖区(18.50±21.26 μg/L)>西部湖区(9.8±5.94 μg/L)>东部湖区(7.68±7.96 μg/L). 单因素方差分析(ANOVA，表1)结果显示3个湖区的Chl.a浓度之间在春季存在显著差异(P<0.05)，其余季节差异不显著.春季和冬季东部湖区Chl.a浓度显著低于北、西部湖区(图3)，春季浓度均值为北部湖区(19.95±3.13 μg/L)>西部湖区(12.95±3.85 μg/L)>东部湖区(6.06±6.00μg/L). 冬季浓度均值为北部湖区(14.66±9.39 μg/L)>西部湖区(10.32±8.40 μg/L)>东部湖区(4.02±3.41 μg/L). 3个湖区的温度和光照等气象条件相近，但是营养盐水平有所不同. 东部湖区的TN和TP浓度均高于北、西部湖区(图4)，表明营养盐不是春季和冬季东部湖区Chl.a浓度的限制因子. 东部湖区Chl.a在春、冬季浓度较低很有可能是由于其过水通道特性，流动性较好. 研究表明流速可能对着生藻类生物量具有显著影响，较大流速环境不适合着生藻类的生长[22]. 当流速过大时，水流的冲刷作用使藻类的生长、繁殖环境受到破坏，藻类的增长和聚集受到有效抑制[23-24]. 北、西部湖区相对封闭，湖流运动相对较弱，藻类较容易进行快速繁殖. 同时西、北部湖区周围农耕渔业比东部湖区发达，虽然营养盐浓度低于东区，但是足够为藻类提供生长物质基础，加之适宜的光照温度，藻类生物量可以稳定上升.夏季和秋季3个湖区之间Chl.a浓度无显著差异(图3)，夏季浓度均值表现为东部湖区(13.64±11.84 μg/L)>北部湖区(7.45±6.86 μg/L)>西部湖区(5.93±2.37μg/L). 根据Chl.a浓度季节变化规律可知，东部湖区由于春季藻类生物量下降，种内竞争大大减弱，造成在夏季藻类快速增长，而北、西部湖区在夏季则是由于种内、种间竞争加剧造成生物量下降. 两者比较，东部湖区Chl.a浓度高于其他2个湖区. 秋季洪泽湖Chl.a浓度均值表现为北部湖区(29.75±40.85 μg/L)>西部湖区(10.04±4.72 μg/L)>东部湖区(7.84±3.60 μg/L). 北部湖区Chl.a浓度远高于其他两个湖区，其中颜圩站点在9月和11月分别出现Chl.a浓度极大值(104.9和48μg/L). 北部湖区由于引水条件较好以及水草丰富，水产养殖业迅猛发展，沿岸多为人工开挖鱼塘和围网养蟹池[14,25]，造成该区水污染严重，同时雨水冲刷引发农业和养殖业面源污染，造成水质富营养化水平较高(图4). TN和TP浓度分别达到1.76±1.66和0.14±0.12 mg/L. 丰富的营养盐条件促使藻类大规模生长暴发，造成北部湖区局部Chl.a浓度较高.图3 洪泽湖不同湖区水体Chl.a浓度的季节变化Fig.3 Seasonal variation of Chl.a concentrations of waters in different zones of Lake Hongze图4 洪泽湖不同湖区TN、TP及Chl.a浓度的变化Fig.4 Changes of TN, TP and Chl.a concentrations in different zones of Lake Hongze2.3 Chl.a浓度与水质理化因子的CCA分析典范对应分析(canonical correspondence analysis, CCA)提供了分析浮游植物群落与环境因子之间对应关系的工具[26]. 本研究进行全年月份和湖区站点Chl.a浓度与水质理化因子(化学需氧量、溶解氧、TP、TN、温度)之间的CCA分析，结果表明，两种CCA分析的轴1特征值均大于其余轴. 从浮游植物与环境因子之间的相关系数中，可以看到与轴1和轴2的相关性都较高(表2).表2 洪泽湖Chl.a浓度与理化因子CCA分析的统计信息Tab.2 Summary statistics for the first two axes of CCA performed between Chl.a concentration and water quality factors in Lake Hongze分析对象轴1轴2月份CCA分析站点CCA分析月份CCA分析站点CCA分析特征值0.2770.2550.0930.062浮游植物与环境因子相关性0.9990.9590.9910.818浮游植物与环境因子方差累积百分数69.173.992.191.9洪泽湖12个月的Chl.a浓度都分布在主轴1和主轴2构成的4个象限内，这4个象限基本把研究区4个季节的Chl.a浓度分隔开. 第1象限内分布春初(3月)和秋季中旬(10月)的Chl.a浓度，与TN浓度表现为正相关；第2象限分布冬季(1、2月)和春季(4、5月)的Chl.a浓度，与TN/TP表现出正相关；第3象限分布秋季(9、11月)的Chl.a浓度，与COD表现出负相关；第4象限分布夏季(6、7、8月)的Chl.a浓度与TN、TP浓度表现出不同程度的正相关(图5). 以上结果证明，除秋季外，其余季节Chl.a浓度均受不同程度的营养盐浓度影响. 氮、磷营养盐是藻类生长不可或缺的元素，同时在一定程度上，温度升高能显著促进藻类对营养盐的吸收利用[27]，因此夏季Chl.a浓度表现为与TN浓度呈正相关. 春、冬两季大多数月份Chl.a浓度与TN/TP呈正相关，研究表明TN/TP对藻类的暴发性生长具有重要意义，是水中浮游植物营养结构特点的重要反映[28].图5 洪泽湖水质理化因子与月际Chl.a浓度的CCA分析结果(Chl1～Chl12分别代表1-12月的Chl.a浓度)Fig.5 Results of canonical correspondence analysis between water quality parameters and monthly chlorophyll-a concentration in Lake Hongze洪泽湖3个湖区的站点可以较好地根据象限区分开，东部湖区站点(洪泽湖区(淮安北)、洪泽湖区(淮安西)、洪泽湖区(淮安东)、洪泽湖区(淮安南))位于轴1右侧，与温度、DO分别呈正、负相关关系(图6). 通常情况下温度上升可以促进藻类生长繁殖. 但温度是影响水体DO的关键因素，非夏季月份，温度的升高导致DO浓度降低[29]，因此两者呈负相关. 此外东区是过水通道，湖流运动相对剧烈，一定程度上影响DO浓度，因而东部湖区Chl.a浓度受温度和DO影响. 北部湖区(颜圩)Chl.a浓度主要受营养盐浓度影响，受DO浓度等因子影响较弱，主要是由于北部湖区相对封闭，且周围养殖、农耕业相对发达，外源营养盐的排入对北区Chl.a浓度产生重大影响. 西部湖区同时受TN和DO浓度的影响，西部湖区周边也进行了一定程度开发，人工投饵与施肥等均会对该区营养盐状况产生影响. 同时，淮河从西区老子山附近入湖，湖流运动也会对该区藻类生长造成影响.图6 洪泽湖水质理化因子与各站点Chl.a浓度的CCA分析结果(yw：颜圩；gh：高湖；lh：临淮；sqn：洪泽湖区(宿迁南)；hab：洪泽湖区(淮安北)；hax：洪泽湖区(淮安西)；had：洪泽湖区(淮安东)；han：洪泽湖区(淮安南))Fig.6 Results of canonical correspondence analysis between water quality parameters and chlorophyll-a concentration in each water sampling site of Lake Hongze3 结论与讨论选取洪泽湖2012年12月至2013年11月水质监测数据，通过方差分析和CCA 统计分析归纳总结洪泽湖Chl.a浓度时空变化规律，并进一步探究其原因. 从时间维度上看，洪泽湖Chl.a浓度季节变化规律在不同湖区有所差异. 东部湖区Chl.a 浓度随季节变化曲线呈“双峰型”，北、西部湖区Chl.a浓度在春季保持平缓，夏季有所回落后上升，在秋季达到峰值. 从空间维度上看，3个湖区的Chl.a浓度变化在春、冬季均存在显著差异(P<0.05)，其余季节差异不显著. 全年月份和湖区站点Chl.a浓度与水质理化因子(COD、DO、TP、TN、温度)之间的CCA分析(图6)显示，不同月份和不同湖区Chl.a浓度与水质理化因子之间存在不同的响应关系. 从以上结论可以看出：1)洪泽湖是典型的过水性湖泊，东区包含过水通道，湖流运动较为剧烈，对藻类生长起到一定的抑制作用.2)洪泽湖北区营养盐水平和Chl.a浓度较高，多是由于上游城市汇水以及周围水产养殖、农耕施肥带来的过剩营养盐. 丰富的营养盐为藻类大量繁殖提供物质基础，因而造成北部湖区较为严重的水质污染.3)在洪泽湖藻类防控治理方面，应该充分考虑上游污水的截留减排以及控制周围农业、渔业的投饵施肥量，以降低湖区营养盐浓度，有效控制藻类生物量.致谢：感谢国家气象中心提供建模气象数据.4 参考文献[1] 郭劲松, 陈园, 李哲等. 三峡小江回水区叶绿素a季节变化及其同主要藻类的相互关系. 环境科学, 2011, 32(4): 976-981.[2] Ghadouani A，Smith REH. Phytoplankton distribution in Lake Erie as assessed by a new in situ spectrofluorometric technique. Great Lakes Research, 2005, 31(2): 154-167.[3] Jindal R, Thakur RK, Ahluwalia AS. Ahluwalia phytoplankton dynamics and water quality of Prashar Lake, Himachal Pradesh, India. Sustainability of Water Quality and Ecology, 2014, 3/4:101-113.[4] Wu Z, Cai Y, Liu X et al. Temporal and spatial variability of phytoplankton in Lake Poyang: The largest freshwater lake in China. Journal of Great Lakes Research, 2013, 39(3): 476-483.[5] Yang L, Lei K, Meng W et al. Temporal and spatial changes in nutrients and chlorophyll-a in a shallow lake, Lake Chaohu, China: An 11-year investigation. Journal of Environmental Sciences, 2013, 25(6): 1117-1123.[6] 姜霞, 王书航, 钟立香等. 巢湖藻类生物量季节性变化特征. 环境科学, 2010, 31(9): 2056-2062.[7] Wu X, Kong F, Chen Y et al. Horizontal distribution and transport processes of bloom-forming Microcystis in a large shallow lake (Taihu, China). Limnologica-Ecology and Management of Inland Waters, 2010,40(1): 8-15.[8] 钱昊钟, 赵巧华, 钱培东等. 太湖叶绿素a浓度分布的时空特征及其影响因素. 环境化学, 2013, 32(5): 789-796.[9] 朱晶晶, 陈晋, 王胜强等. 基于MERIS数据的滇池叶绿素浓度时空变化(2003-2009年)及趋势. 湖泊科学, 2011, 23(4): 581-590. DOI10.18307/2011.0414.[10] 陈永川, 汤丽, 张德刚等. 滇池叶绿素a的时空变化及水体磷对藻类生长的影响. 农业坏境科学学报, 2008, 27(4): 1555-1560.[11] Huang C, Wang X, Yang H et al. Satellite data regarding the eutrophication response to human activities in the plateau lake Dianchi in China from 1974 to 2009. Science of the Total Environment, 2014,485/486(1): 1-11.[12] 张晟, 李崇明, 郑坚等. 三峡水库支流回水区营养状态季节变化. 环境科学, 2009, 30(1): 64-69.[13] Zhang JL, Zheng BH, Liu LS et al. Seasonal variation of phytoplankton in the DaNing River and its relationships with environmental factors after impounding of the Three Gorges Reservoir: A four-year study. Procedia Environmental Sciences, 2010, (2): 1479-1490.[14] 范亚民, 何华春, 崔云霞等. 淮河中下游洪泽湖水域动态变化研究. 长江流域资源与环境, 2010, 19(12): 1397-1403.[15] 李波，濮培民，韩爱民. 洪泽湖水质的时空相关性分析. 湖泊科学, 2002, 14(3): 259-265. DOI 10.18307/2002.0311.[16] 李为，都雪，林明利等. 基于PCA和SOM网络的洪泽湖水质时空变化特征分析. 长江流域资源与环境, 2013, 22(12): 1593-1599.[17] 高俊峰. 中国五大淡水湖保护与发展. 北京：科学出版社, 2012: 39-220.[18] 王苏民, 窦鸿身. 中国湖泊志. 北京：科学出版社, 1998: 268-269.[19] 张圣照. 洪泽湖水生植被. 湖泊科学, 1992, 4(1): 63-70. DOI10.18307/1992.0108.[20] 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. 生态学报, 2005, 25(3): 589-595.[21] 吴晓辉. 水动力条件对藻类影响的研究进展. 生态环境学报, 2010, 19(7): 1732-1738.[22] 吴述园, 葛继稳, 苗文杰等. 三峡库区古夫河着生藻类叶绿素a的时空分布特征及其影响因素. 生态学报, 2013, 33(21): 7023-7034.[23] 张毅敏, 张永春, 张龙江等. 湖泊水动力对蓝藻生长的影响. 中国环境科学, 2007, 27(5): 707-711.[24] Reyonlds CS. The ecology of freshwater phytoplankton. London: Cambriage University Press, 1984: 132-133.[25] 阮仁宗，夏双, 陈远等. 1979～2006年洪泽湖西岸临淮镇附近湖泊变化研究. 湿地科学, 2012, 10: 344-349.[26] 李秋华, 韩博平. 基于CCA的典型调水水库浮游植物群落动态特征分析. 生态学报, 2007, 26(7): 2355-2364.[27] 吴攀, 邓建明, 秦伯强等. 水温和营养盐增加对太湖冬、春季节藻类生长的影响. 环境科学研究, 2013, 26(10): 1064-1071.[28] Li Z, Guo JS, Fang F et al. Potential impact of TN/TP ratio on the cycling of nitrogen XiaoJiang backwater area, Three Gorges Reservior. Journal of Lake Sciences, 2009, 21(4): 509-517.[29] 曾春芬, 黄文钰, 王伟霞等. 天目湖溶解氧分布特征及环境影响因子. 长江流域资源与环境, 2010, 19(4): 445-451.Spatial-temporal variation characteristics of chlorophyll-a concentration in Lake HongzeQI Lingyan1,2, HUANG Jiacong1, GAO Junfeng1**, HUANG Qi1,2, ZHOU Yi3 & TIAN Wei3(1: Nanjing Institute of Geography and Limnology, Chinese Academy ofSciences, Nanjing 210008, P.R.China)(2: University of Chinese Academy of Sciences, Beijing 100049, P.R.China)(3: Jiangsu Province Hydrology and Water Resources Investigation Bureau, Nanjing 210029, P.R.China) Abstract：Chlorophyll-a concentration is usually measured to indicate algae biomass and to evaluate eutrophication level of freshwater lakes. Based on the water quality monitoring data from December 2012 to November 2013, this paper is aimed to analyze the spatial-temporal variation characteristic of chlorophyll-a concentration in Lake Hongze and further to explore the relationship of chlorophyll-a concentration and other water quality factors. Firstly, from the statistical charts of series chlorophyll-a concentration from eight water sampling sites, the seasonal variation curve of eastern zone showed a bimodal in about March and August. However, the seasonal variation curve of chlorophyll-a concentration in the northern zone and western zone were different. The tendency of chlorophyll-a concentration in above two zones kept steady in spring, decreased in middle of summer and then increased to the summit in about September. There were significant differences among three zones in spring and winter, meanwhile, the difference of chlorophyll-a concentration in other two seasons was not significant. In spring and winter, the chlorophyll-a concentration in eastern zone was apparently lower than that of the other two zones, which was mainly due to its high liquidity and the frequent movement of lake currents. Moreover, because of a large amount of nutrients from the surrounding farmland and fish pond injecting into the southern zone, the chlorophyll-a concentration inthis zone was much higher than that of other zones. Finally, the canonical correspondence analysis between chlorophyll-a concentration and aquatic factors, including chemical oxygen demand, dissolved oxygen, total phosphorus, total nitrogen and temperature, was applied in the present research. The results revealed different response relationship existed in different months and locations. Therefore, reducing the polluted inflow from upstream, farm and fish pond was probably effective way to control algae biomass in Lake Hongze.Keywords：Chlorophyll-a; Lake Hongze; spatial-temporal variation; canonical correspondence analysisJ. Lake Sci.(湖泊科学)， 2016， 28(3)： 583-591DOI：10.18307/2016.0314©2016 by Journal of Lake Sciences* 国家重点基础研究发展计划“973”项目(2012CB417006)资助. 2015-03-05收稿；2015-09-01收修改稿. 齐凌艳(1988～)，女，博士研究生；E-mail：***************.** 通信作者；E-mail:*****************.cn.夏季和秋季3个湖区之间Chl.a浓度无显著差异(图3)，夏季浓度均值表现为东部湖区(13.64±11.84 μg/L)>北部湖区(7.45±6.86 μg/L)>西部湖区(5.93±2.37μg/L). 根据Chl.a浓度季节变化规律可知，东部湖区由于春季藻类生物量下降，种内竞争大大减弱，造成在夏季藻类快速增长，而北、西部湖区在夏季则是由于种内、种间竞争加剧造成生物量下降. 两者比较，东部湖区Chl.a浓度高于其他2个湖区. 秋季洪泽湖Chl.a浓度均值表现为北部湖区(29.75±40.85 μg/L)>西部湖区(10.04±4.72 μg/L)>东部湖区(7.84±3.60 μg/L). 北部湖区Chl.a浓度远高于其他两个湖区，其中颜圩站点在9月和11月分别出现Chl.a浓度极大值(104.9和48μg/L). 北部湖区由于引水条件较好以及水草丰富，水产养殖业迅猛发展，沿岸多为人工开挖鱼塘和围网养蟹池[14,25]，造成该区水污染严重，同时雨水冲刷引发农业和养殖业面源污染，造成水质富营养化水平较高(图4). TN和TP浓度分别达到1.76±1.66和0.14±0.12 mg/L. 丰富的营养盐条件促使藻类大规模生长暴发，造成北部湖区局部Chl.a浓度较高.典范对应分析(canonical correspondence analysis, CCA)提供了分析浮游植物群落与环境因子之间对应关系的工具[26]. 本研究进行全年月份和湖区站点Chl.a浓度与水质理化因子(化学需氧量、溶解氧、TP、TN、温度)之间的CCA分析，结果表明，两种CCA分析的轴1特征值均大于其余轴. 从浮游植物与环境因子之间的相关系数中，可以看到与轴1和轴2的相关性都较高(表2).洪泽湖12个月的Chl.a浓度都分布在主轴1和主轴2构成的4个象限内，这4个象限基本把研究区4个季节的Chl.a浓度分隔开. 第1象限内分布春初(3月)和秋季中旬(10月)的Chl.a浓度，与TN浓度表现为正相关；第2象限分布冬季(1、2月)和春季(4、5月)的Chl.a浓度，与TN/TP表现出正相关；第3象限分布秋季(9、11月)的Chl.a浓度，与COD表现出负相关；第4象限分布夏季(6、7、8月)的Chl.a浓度与TN、TP浓度表现出不同程度的正相关(图5). 以上结果证明，除秋季外，其余季节Chl.a浓度均受不同程度的营养盐浓度影响. 氮、磷营养盐是藻类生长不可或缺的元素，同时在一定程度上，温度升高能显著促进藻类对营养盐的吸收利用[27]，因此夏季Chl.a浓度表现为与TN浓度呈正相关. 春、冬两季大多数月份Chl.a浓度与TN/TP呈正相关，研究表明TN/TP对藻类的暴发性生长具有重要意义，是水中浮游植物营养结构特点的重要反映[28].洪泽湖3个湖区的站点可以较好地根据象限区分开，东部湖区站点(洪泽湖区(淮安。
YC湖区叶绿素a时空变化特征及影响因素分析
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
近40年来中国湖泊叶绿素a浓度的时空分异特征分析
近40年来中国湖泊叶绿素a浓度的时空分异特征分析武昭鑫;孔祥生;徐兆鹏;曾健;刘鑫【期刊名称】《海洋与湖沼》【年(卷),期】2024(55)2【摘要】随着经济社会快速发展,中国湖泊表现出不同程度的富营养化,湖泊生态正面临着严峻挑战。
叶绿素a是评价水体营养状态的重要指标,可以反映湖泊中浮游植物生物量情况。
基于Landsat系列数据集,对1986~2022年间中国范围内面积在10 km^(2)以上湖泊叶绿素a浓度分布状况进行研究,并对各区域叶绿素a浓度演变趋势进行分析,结果表明:(1)中国湖泊叶绿素a浓度存在地域性空间分布差异。
叶绿素a浓度分布整体呈现东南高,西北低的态势,大约69%的湖泊处于轻富营养化程度,中富营养化状态约占17%。
以35°N和100°E为分界线,各区域叶绿素a浓度随经纬度呈现出一定的变化规律。
(2)近40年间中国湖泊叶绿素a浓度年均值处于缓慢波动上升趋势,时间序列呈现先降低后升高,再降低的变化状态。
所有湖泊叶绿素a浓度显著上升的数量占比约为30%,显著下降的占比约为24.8%,变化不显著的约占45.2%。
整体变化较为稳定,变异系数处于中等波动水平以下,波动较大的区域位于青藏高原,东北地区和长江中下游的部分地区。
(3)各流域内湖泊叶绿素a浓度时空分异特征表现为:空间分布上,内陆流域和西南流域普遍较低,珠江流域和东南流域较高。
时间变化上,除了西南流域和内陆流域的湖泊叶绿素a浓度呈现下降趋势外,其他流域均为上升趋势。
中国湖泊叶绿素a浓度呈现出明显的地域性差异和时间变化趋势,这主要归因于地区气候、水文条件、土地利用以及人类活动变化等因素。
受温暖湿润气候和较强人类活动的影响,东南部地区的湖泊叶绿素a浓度相对较高。
西北部地区气温偏低,降水较少,湖泊叶绿素a浓度普遍较低。
近40年的时间尺度上,受城市化、工业化快速发展和全球气候变化的共同影响,中国整体湖泊叶绿素a浓度呈缓慢上升趋势。
应用MODIS监测太湖水体叶绿素a浓度季节变化研究
应用M ODIS 监测太湖水体叶绿素a浓度季节变化研究王世新,焦云清,周艺,祝令亚,阎福礼(中国科学院遥感应用研究所,北京10010)摘要:以太湖作为实验区,利用波段比值、差值和组合算法讨论了非成像及成像高光谱数据和叶绿素浓度相关性差异和敏感波段分布,在此基础上将不同时段的M ODIS 影像,不同空间分辨率的波段反射率与叶绿素a 浓度实测值进行相关分析,通过回归拟合建立并验证了不同季节的叶绿素a 浓度遥感监测模型,并应用模型计算出太湖水体叶绿素a 浓度的分布情况,对太湖水质变化进行了评价。
研究结果表明,M ODIS 影像在太湖的水质动态变化监测中是可用的。
关键词:M ODIS 影像;叶绿素a;季节变化;模型;太湖中图分类号:T P79 文献标识码:A 文章编号:1000-3177(2008)95-0047-07收稿日期:2007-04-25修订日期:2007-05-23基金项目:国家自然科学基金(40671141)、国家863项目(2006AA 06Z419)共同资助作者简介:王世新(1965~),男,山东人,研究员,主要进行环境遥感和灾害遥感监测研究。
太湖位于长江三角洲地区。
近年来太湖的富营养化问题,已经严重影响了太湖的环境质量。
作为富营养化的关键指标,用来表征藻类爆发程度的叶绿素a 浓度是量化水质状况的重要参数之一。
因此,快速、准确、高频率地监测水环境质量,预警藻类爆发,迫切需要采用各种高新技术,尤其是遥感技术来检测和监测水体叶绿素浓度的时空变化。
对于叶绿素浓度的定量遥感反演,国内外众多学者开展了大量工作,并建立了不同的光学遥感模型,如Thiem ann S.等利用实测光谱和IRS -1c 卫星数据对M ecklenbur g 湖的叶绿素浓度进行了探测[1];P.A.Brivio 等应用TM 影像对Garda 湖的叶绿素浓度变化进行了评价[2];疏小舟等应用OM IS -II 航空成像光谱对太湖叶绿素a 的浓度分布进行了估算[3]。
太湖水体叶绿素a含量与氮磷浓度的关系
讨太湖水体叶绿素 ) 含量和总氮 （ ;< ） 、 总磷 （ ;= ） 浓度关系， 为揭示太湖富营养化机理提供依据。 #" 材料与方法 #$ !" 太湖叶绿素 )、 ;<、 ;= 监测资料 本研究采用的基础资料主要为中国科学院太湖 湖泊生态系统研究站 （ 简称太湖站） 和水利部太湖 流域管理局 （ 简称太湖局） 的常规监测资料。其中 太湖局的基础数据时段为 &’’’ —&’’& 年， 监测点共 !" 个， 监测频次为每月 ! 次。太湖站的基础数据时 段为 !"": —&’’& 年， 监测点共 !& 个， 其中梅梁湾、 湖心区和贡湖区监测频率为每月 ! 次， 西南区和东 太湖区监测频次为每季度 ! 次。各监测点在太湖中 的分布见图 ! 。 #$ #" 数据处理 #$ #$ !" 空间分区 > 由于太湖五大湖湾和湖中岛屿 影响着太湖吞吐流和风生流的方向和速度 （ 胡维平 等， !""9 ， &’’’ ） ， 使太湖的水动力环境特征存在着显 著的空间差异。加之环湖河网的入流、 出流水质的 不同和湖周地区排污量等的差别， 太湖水质和生态 系统在 水 平 空 间 存 在 着 巨 大 的 差 异 （ 秦 伯 强 等， &’’( ； 胡志新等， &’’#)4 ） ， 如太湖西部、 北部基本无 水生植物覆盖， 而太湖东部水生植物生长茂盛， 覆盖
中国科学院知识创新工程重大项目 （ ]^96A?SC?!"?!?%! ） 和水利部科技创新资助项目。 !中国科学院资源环境领域野外台站研究基金、 !!通讯作者 ;?/)DE：UHNG_ >D0E)KI )VI V> 收稿日期： "%%3?%!?"$# # 接受日期： "%%3?%’?!!
太湖秋冬季蓝藻水华MODIS卫星遥感监测
太湖秋冬季蓝藻水华MODIS卫星遥感监测孔维娟;马荣华;段洪涛;张寿选【期刊名称】《遥感信息》【年(卷),期】2009(000)004【摘要】利用2007年10～12月长时间序列MODIS卫星遥感影像,在经验模型估算叶绿素a和藻蓝素浓度的基础上,通过阈值分割提取太湖蓝藻水华,实时获取了蓝藻水华及其色素浓度信患.结果表明:10～12月蓝藻主要分布在西部沿岸和湖心区,爆发频率和水华面积均高于北部各湖湾,其中10、11月平均水华面积分别为261.5km2和321.6 km2,12月水华面积明显小于前两个月,平均为163.3 km2.另外,在蓝藻爆发期,叶绿素a和藻蓝素平均含量基本维持在45μg/L和180μg/L的水平,且爆发期内,蓝藻水华的空间分布、覆盖面积、色素浓度在短时间内会发生非常大的变化.【总页数】6页(P80-84,88)【作者】孔维娟;马荣华;段洪涛;张寿选【作者单位】南京大学地理信息科学系,南京,210093;中国科学院南京地理与湖泊研究所,南京,210008;中国科学院南京地理与湖泊研究所,南京,210008;中国科学院南京地理与湖泊研究所,南京,210008【正文语种】中文【中图分类】TP751【相关文献】1.基于MODIS数据的太湖蓝藻水华时空分布规律研究 [J], 黄君;宋挺;庄严;吴蔚2.基于MODIS的太湖蓝藻水华暴发时空规律分析研究 [J], 刘晓艳;倪峰;周玉红3.利用MODIS影像提取太湖蓝藻水华的尺度差异性分析 [J], 尚琳琳; 马荣华; 段洪涛; 姜广甲; 周琳4.利用MODIS影像提取太湖蓝藻水华的尺度差异性分析 [J], 尚琳琳; 马荣华; 段洪涛; 姜广甲; 周琳5.MODIS卫星遥感监测太湖蓝藻的初步研究 [J], 沙慧敏;李小恕;杨文波;李继龙因版权原因，仅展示原文概要，查看原文内容请购买。
太湖不同叶绿素a浓度水体荧光特征分析
太湖不同叶绿素a浓度水体荧光特征分析李莉;尹球;巩彩兰;许华;陈利雄【期刊名称】《光谱学与光谱分析》【年(卷),期】2011(031)001【摘要】利用2008年太湖蓝藻爆发的5-8月实测的27个站点水体光谱反射率和水质参数,分析了不同叶绿素a浓度等级下太湖水体光谱的荧光特征.结果表明,荧光峰位置和荧光峰高度都与叶绿素浓度呈显著正相关,且荧光峰峰值位置和半宽度与叶绿素a浓度的拟合度要高于基线荧光峰高度和归一化荧光峰高度.荧光峰特性用于二类水体中高浓度叶绿素探测较传统的蓝绿光波段比值有很大的改进,而宽通道卫星遥感所采用的叶绿素浓度近红外红光波段比值法本质上与归一化荧光峰高度一致.这为今后进一步利用荧光特征提高太湖叶绿素a浓度反演精度提供了研究基础.%The spectral reflectance and water qualities of 27 stations were acquired in the lake Taihu during the months from May to August, 2008 when blue algal bloomed. Based on the fluorescence characteristics analysis of different chlorophyll a concentration, it was obvious that the position and height of fluorescence peak both have a positive correlation with chlorophyll a concentration, and the correlation coefficients between chlorophyll a concentration and position and half width of fluorescence peak are larger than those of the reference baseline and the normalized height of fluorescence. Estimating of chlorophyll a concentration in case 2 water using fluorescence characteristics is obviously better than the empirical algorithm based on blue to green ratio.Moreover, the commonalgorithm based on near infrared band to red band ratio is essentially consistent with the normalized height method.【总页数】5页(P136-140)【作者】李莉;尹球;巩彩兰;许华;陈利雄【作者单位】中国科学院遥感应用研究所,北京,100101;中国科学院遥感应用研究所,北京,100101;上海市卫星遥感与测量应用中心,上海201100;中国科学院上海技术物理研究所,上海,200083;中国科学院遥感应用研究所,北京,100101;中国科学院上海技术物理研究所,上海,200083【正文语种】中文【中图分类】O433.4【相关文献】1.基于GOCI影像分类的太湖水体叶绿素a浓度日变化分析 [J], 包颖;田庆久;陈旻;吕春光2.太湖水体叶绿素浓度反演模型适宜性分析 [J], 王珊珊;李云梅;王永波;王帅;杜成功3.太湖水体时间序列叶绿素浓度与反射光谱特征分析 [J], 巩彩兰;周颖;尹球;匡定波;陈利雄;胡勇4.GF-1与Landsat8水体叶绿素a浓度协同反演——以太湖为例 [J], 封红娥; 李家国; 朱云芳; 韩启金; 张宁; 田淑芳5.基于GOCI数据的暴雨后太湖水体叶绿素a浓度遥感反演研究 [J], 徐祎凡;陈黎明;陈炼钢;李云梅;金秋;胡腾飞因版权原因，仅展示原文概要，查看原文内容请购买。
应用MODIS监测太湖水体叶绿素a浓度季节变化研究
１ ２ 数 据 处 理 和 大气 纠正 ．
Ｍ Ｏ Ｓ遥 感 影 像 的 获 取 为 当 日 Ｍ ＯＤ Ｓ ＤＩ Ｉ
ＡＱＵＡ １ Ｂ的 采 样 数 据 。采 样 当 日太 湖 上 空 均 无
学 者 开 展 了 大 量 工 作 ， 建 立 了 不 同 的 光 学 遥 感 模 并
分 的光学特 性会 存 在较 大 的改 变 ， 绿 素反 演 算 法 叶
会存 在较 大 的差异ｌ 。但是 ， ２ ］ 在水 动力 剧烈 、 质组 水
分复 杂 的浅水 内陆 湖 泊 中 ， 叶绿 素 浓 度 的多 时相 遥 感监测 的研究 还很 缺 乏， 因此 ， 文 在 对 多 时 相 本 ＭＯ Ｓ数据 进行 精细 大气 纠正 的基础上 ， 讨 了不 ＤＩ 探 同时相 叶绿 素浓度 反 演 的 波 段敏 感 差 异 ， 基 于 这 并
展开 了定量 研 究 ， Ｋ．Ｋ ｌｏ等 对 芬 兰 南 部 地 区 如 ａｌ ｉ
的 １ 个 湖泊 水质 进行 了不 同季节 的研 究ｌ ； １ ４ 张华 等
以湘 江长 沙段 为研 究 区 ， 建立 了针 对 内陆 水环 境 污 染监 测 的多时相 遥感 信 息模 型ｌ ；ａ ｉｅＴ ｉ ｎ ５ Ｓ ｂｎ ｈｅ ｍａ ｎ
１ 试 验情 况 和数 据 处 理
１ １ 试 验 情 况 ．
选取 太湖 污染最 为严重 的梅梁 湾及其 附近 水域 作 为主要 试 验 区 ， 布 设 ２ 共 ５个 采 样 点 （ 图 １ ， 见 ） 分
别 于 ２０ ０ ３年 １ Ｏ月 ２ 日 、０ ４年 ３月 ４ 日 、０ ４ ８ ２０ ２ ０ 年 ４月 ２ ５日 、 ０ ４年 ８月 １ 日进 行 了 地 面 数 据 的 采 ２０ ９
太湖水体叶绿素a含量与氮磷浓度的关系_陈永根
1, 2 2 2 2 ＊＊
＊
1 ( 浙江 林学院环境科技学院 , 浙江临安 311300;2 中国科学院南京地理与湖泊研究所 , 南京 210008)
摘 要 基 于太湖 水体 1993— 2002 年 5— 9 月监测 资料 , 进行 了叶绿 素 a 含 量与 总氮 ( T N ) 、总磷 ( T P ) 浓度关系的分区统计分析 , 探讨了太湖藻类生长的 T N 、T P 适宜浓度 。 结 果表明 : 太湖叶绿素 a 含量与 T N 、T P 浓度的关系存在显著的空间差异 ; 在梅梁湾和西北区 , 当 T N 、T P 浓度较低时 , 叶绿素 a 含量与 T N 、T P 浓度呈正相关 ; 当 T N 、T P 浓度较高时 ( 梅梁 -1 1 湾 T N 、T P 浓度分别超过 5. 4 和 0. 31 m g ·L ; 西北区分别超过 4. 5 和 0. 27 m g ·L ) ,叶 绿素 a 含量与 T N 、T P 浓度呈负相关 ; 在湖心区和贡湖区 , 叶绿素 a 含量与 T N 、T P 浓度呈正 -1 相关 , 尤其当 T P 浓度超过 0. 1m g · L 时 , 叶绿素 a 含量随 T P 浓度增加而上升 ; 在东太湖 和湖东滨岸区 , 随 T N 、T P 浓度的升高 , 叶绿素 a 含量变化较小 ; 在西南区 , 叶绿素 a 含量与 T N 浓度无显著相关关系 , 与 T P 浓度呈正相关 ; 太湖藻类生长的适宜浓度是 T N< 5. 4m g · -1 -1 L ,T P 为 0. 1 ～ 0. 31 m g ·L 。 关键词 太湖 ; 叶绿素 a ; 总氮 ; 总磷 ; 藻类生长 ; 适宜浓度 中图分类号 X 52 文献标识码 A 文章编号 10004890( 2007) 12206207 R e l a t i o n s h i p sb e t w e e nc h l o r o p h y l l ac o n t e n ta n dT Na n dT Pc o n c e n t r a t i o n si nw a t e r 1, 2 2 2 b o d i e s o f T a i h uL a k e , C h i n a.C H E NY o n g g e n , L I UWe i l o n g, H A NH o n g j u a n, H U 2 1 We i p i n g (S c h o o l o f E n v i r o n m e n t a l S c i e n c e a n d T e c h n o l o g y , Z h e j i a n gF o r e s t r yU n i v e r s i t y , L i n ' 2 a n311300, Z h e j i a n g , C h i n a ;N a n j i n gI n s t i t u t e o f G e o g r a p h y a n dL i m n o l o g y , C h i n e s e A c a d e m y o f S c i e n c e s , N a n j i n g210008 , C h i n a ) . C h i n e s e J o u r n a l o f E c o l o g y , 2007 , 26( 12 ) : 2062 2068 . A b s t r a c t : B a s e d o nt h e m o n i t o r i n g d a t af r o mM a y t o S e p t e m b e r i n 19932002, t h i s p a p e r s t u d i e d t h e r e l a t i o n s h i p s b e t w e e nt h e c h l o r o p h y l l ( C h l a )c o n t e n t i n a l g a e a n dl o w e r t h e t o t a l n i t r o g e n ( T N )a n dt o t a l p h o s p h o r u s ( T P )c o n c e n t r a t i o n s i nw a t e r b o d i e s o f T a i h u L a k e , w i t ht h e f a v o r a b l e T Na n dT Pc o n c e n t r a t i o n s f o r a l g a eg r o w t hd i s c u s s e d .T h er e s u l t s s h o w e dt h a t t h er e l a t i o n s h i p s b e t w e e nC h l a c o n t e n t a n dT Na n dT Pc o n c e n t r a t i o n s w e r eq u i t ed i f f e r e n t i nt h e m o n i t o r i n g z o n e s . T h eC h l ac o n t e n t i n c r e a s e dw i t hi n c r e a s i n gT Na n dT Pc o n c e n t r a t i o n sw h e nt h e yw e r e -1 1 l o w e r t h a n5. 4a n d 0. 31 m g ·L i n M e i l i a n g B a y a n dl o w e r t h a n4. 5a n d0. 27 m g ·L i nt h e n o r t h w e s t p a r t o f t h e L a k e , b u t d e c r e a s e dw i t hi n c r e a s i n gT Na n dT Pc o n c e n t r a t i o n s w h e nt h e y -1 w e r e h i g h e r t h a n5. 4a n d0. 31 m g ·L i nM e i l i a n gB a y a n dh i g h e r t h a n4. 5 a n d0. 27 m g · -1 L i n t h e n o r t h w e s t p a r t o f t h e L a k e , r e s p e c t i v e l y . I n G o n g h u B a y a n d i nt h e c e n t r a l p a r t o f t h e L a k e , C h l a c o n t e n t h a dp o s i t i v e c o r r e l a t i o n s w i t h T Na n dT Pc o n c e n t r a t i o n s , a n di n c r e a s e dv e r y -1 f a s t w h e nt h e T Pc o n c e n t r a t i o nw a s h i g h e r t h a n0. 1m g · L .I nD o n g t a i h uB a y a n di nt h e e a s t p a r t o f t h eL a k e , C h l a c o n t e n t v a r i e dl i t t l e w i t h t h e c h a n g e s o f T Na n dT Pc o n c e n t r a t i o n s ; w h i l e i nt h e s o u t h w e s t p a r t o f t h e L a k e , C h l a c o n t e n t i n c r e a s e dw i t h i n c r e a s i n g T Pc o n c e n t r a t i o n , b u t h a dn o s i g n i f i c a n t c o r r e l a t i o nw i t hT Nc o n c e n t r a t i o n . T h e f a v o r a b l e w a t e r b o d y ' s T Na n dT Pc o n -1 c e n t r a t i o n s f o r a l g a eg r o w t hi nT a i h uL a k ew e r e< 5. 4a n d0. 10. 31 m g ·L , r e s p e c t i v e l y . K e yw o r d s : T a i h uL a k e ; c h l o r o p h y l l a ;t o t a l n i t r o g e n ;t o t a l p h o s p h o r u s ;a l g a eg r o w t h ; f a v o r a b l e c o n c e n t r a t i o n s .
太湖水体时间序列叶绿素浓度与反射光谱特征分析
ｃ ｎ ｅ ｔ ａ ｉｎ ｗｅ ｅ ｃ ｌｕ ａ ｅ ｉ ｃｕ ｉ ｇ ｔ ｅ ｈ ｉ ｈ ｆｆｕ ｒ ｓ ｅ ｃ ｅ ｋ， ｒ ａ ｏ ｈ ｌ ｏ ｅ ｃ ｎ ｅ ｃ ｒ ｅ ｒ ｔｏ ｏ ｈ ｒ ｃ ｅ ｉｔｃ ｏ ｃ ｎ ｒ ｔ ｒ ａｃ ｌｔ ｄ，ｎ ｌ ｄ ｎ ｈ ｅｇ ｔ ｏ ｌ ｏ ｅ ｃ ｎ ｅ ｐ ａ ａ ｅ ｆｔ ｅ ｆｕ ｒ ｓ ｅ ｃ ｕ ｖ ， ａ ｉ ｆ ｃ ａ ａ ｔ ｒｓ ｉ ｏ
③ Ｓ ａ ｇ ａ ｎ ｉ ｎ ｖ ｒｉ Ｓ ａ ｇ ａ ０ ３ ６ ｈ ｎｈ ｉ Ｍａ ｔ ｍｅＵ ｉ ｅｓｔ ｈ ｎ ｈ ｉ １ ０ ） ｙ， ２
Ａｂ ｔａ ｔ Ｒｅ ｌｃ ａ ｃ ｐ ｃｒ ａ ａ ａ ｄ ｗａ ｅ ｕ ｌ ｙ ｐ ｒ ｍｅ ｅ ｓｗｅ ｅ ｍｅ ｓ ｒ ｄｉ ｋ ｉ ｕ ｆ ｏ Ｍ ａ ０ ８ ｔ ａ ０ ９ ｓｒ ｃ ：ａｉ ａ ａ ｔ ｒ ｒ ａ ｕ ｅ Ｌａ ｅ Ｔａｈ ｒ ｍ ｙ ２ ０ ｏ Ｍ ｙ ２ ０ ｅ ｔ ｎ
．
Ａｆ ｅ ｎ ｍａ ｙ ｄ ｔ ｃ ｉｎ， ｏ ｍａｉａ ｉ ｎ ａ ｄ ｏ ｈ ｒ ｐ ｅ ｒ ａ ｍ ｅ ｔ ｓ ｖ ｒ ｌｐ ｒ ｍｅ ｅ ｓ ｕ ｅ ｏ ｔ ｒａ ｏ ｌ ｅ ｅ ｔ ｏ ｎ ｒ ｌ ｔｏ ｎ ｔ ｅ ｒ ｔ ｅ ｔ ｎ ， ｅ ｅ ａ ａ ａ ｔ ｒ ｓ ｄ ｃ ｍｍｏ ｌ ｎ ｒ ｔ ｉｖ ｌｏ ｈ ｏ ｏ ｈ ｌ ｚ ｎｙ ｉ ｅｒ ａ ｆｃ ｌｒ ｐ ｙｌ ｅ
ｗｅ ｅ ｅ ｔ ｂ ｉｈ ｄ ａ ｄ ａ ａｙ ｅ ． ｅ ｓ ｕ ｙ ｉ ｄ ｃ ｔ ｄ ｔ ａ ｏ ｈ ｔ ｅ ａ ｅ ｆ ｔ ｅ ｆｕ ｒ ｓ ｅ ｃ ｕ ｖ ｎ ｈ ａ ｉ ｆ ｃ ａ ａ ｔ ｒｓ ｉ ｒ ｓ ａ ｌ ｅ ｎ ｎ ｌ ｚ ｄ Ｔｈ ｔ ｄ ｎ ｉａ ｅ ｈ ｔ ｂ ｔ ｈ ｒ ａ ｏ ｈ ｌ ｏ ｅ ｃ ｎ ｅ ｃ ｒ ｅ ａ ｄ ｔ ｅ ｒ ｔ ｏ ｈ ｒ ｃ ｅ ｉｔｃ ｓ ｏ
2005-2017年北部太湖水体叶绿素a和营养盐变化及影响因素
!#$%'((湖泊科学），2018,30(2): 279-295D O I 10. 18307/2018.0201©2018by Journal o f Lake Sciences2005 —2017年北部太湖水体叶绿素&和营养盐变化及影响因素*朱广伟，秦伯强，张运林，许海，朱梦圆，杨宏伟，李宽意，闵8,沈睿杰，钟春妮(中国科学院南京地理与湖泊研究所，湖泊与环境国家重点实验室，太湖湖泊生态系统研究站，南京210008)摘要：利用国家生态观测网络太湖湖泊生态系统研究站对北部太湖14个监测点2005—2017年的营养盐和叶绿素a浓度逐月监测数据，分析了北部太湖2005年以来水体营养盐和叶绿素a变化特征，探讨了叶绿素变化的影响因素.结果表明，2015年以来，北部太湖水体叶绿素a浓度呈现显著增高特征，特别是5 —7月的蓝藻水华灾害关键期，水体叶绿素a浓度增幅更加明显;营养盐方面，氮、磷对治理的响应完全不同:水体总氮、溶解性总氮、氨氮的降幅很明显，甚至在春末夏初的蓝藻生长旺盛期出现了供给不足的征兆;但水体总磷降幅却不明显，加之蓝藻水华的磷“泵吸作用”，近3 a来水体总磷浓度反而有升高趋势，溶解性总磷浓度也无明显下降趋势.不同湖区的营养盐变化也不相同:西北湖区溶解性总氮、溶解性总磷浓度显著高于梅梁湾、贡湖湾和湖心区，而且后3个湖区的水质呈现均一化趋势.统计分析表明，北部太湖水体叶绿素a浓度与颗粒氮、颗粒磷、总磷、高锰酸盐指数均呈显著正相关，与溶解态氮呈负相关;5_7月水华关键期北部太湖水体叶绿素a浓度与上半年（1一6月）逐日水温积温、总降雨量、年平均水位均呈显著正相关关系.从研究结果可以看出，近年来北部太湖水体叶绿素a浓度的波动很大程度上受水文气象因子的影响;2007年以来太湖流域一系列生态修复工程的实施，虽然明显降低了湖泊氮浓度，但由于流域和湖体的氮磷本底较高，磷的缓冲能力大，致使水体营养盐水平仍未降到能显著抑制蓝藻生长的水平，年际之间的水文气象条件差异成为蓝藻水华暴发强度差异的主控因素.为此，仍"加大对太湖流域氮、磷负荷的削减，使湖体氮、磷浓度降低到能显著影响蓝藻生长的水平，才能摆脱水文气象条件对蓝藻水华情势的决定作用.关键词：太湖；叶绿素a%营养盐;蓝藻水华;极端降雨;气候变化Variation and driving factors of nutrients and chlorophyll-aconcentrations in northern re-gionof Lake Taihu，China，2005-2017Z H U G u a n g w e i，Q I N B o q i a n g，Z H A N G Y u n l i n，X U H a i，Z H U M e n g y u a n，Y A N G H o n g w e i，L I K u a n y i，M I NS h e n，S H E N R u ijie &Z H O N G C h un ni(Taihu Laboratory fo r Lake Ecosystem R esearch，State K ey Laboratory o f Lake Science and Environment，Nanjing Institute o fGeography and Lim nology，Chinese Academ y o f S c i e n c s，Nanjing210008，P.R. China)Abstrcict：The long-term variation of nutrients and phytoplankton chlorophyi-a (C hi.a) concentrationslarge shalloweutrophic lake，were characterized using the monthly monitoring datain northern 14 sites during 2005 to 2017. Therelationships bet^veen Chi.a and nutrients，as well as hydrological and climatic factors weretors of Chi.a and nutrients variations. The resialts showed that average Chi.a concentration significantly^ increased since 2015，esjDe-cially duang the key cyanobacteaa bloom peaod of May to July. Total nitrogen (T N)，dcsolved total nitrogen (D TN) and ammonia concentrations in nortliern Lake Tailiu showed a significant decreasing trend since 2005. The gro^vtli of cyanobacteria appea nitrogen-limit phenomenon du>ng early summer bloom season in recent years. While total phosphoru phosphorus (D TP) did not show significant decreasing trend in recent y e a r，partly owing to the internal lated by algal bloom in summer. Moreover，the TP and DTP even showed increasing trend in recent 3 years，with higher fluctuationthan the past 10 years. Spatially，northwestern L ake Taihu region showed significant higher nutrient and Chl.a those in Meiliang B ay，Gonghu Bay and central lake. It appeared a homogenization trend of nutaents among*国家国际科技合作专项（2015D F G91980)、国家自然科学基金项目（41671494,41501532)和中国科学院前沿科学重 点研究项目（Q Y Z D J-SS W-D Q C008)联合资助.2017-08-07收稿％2017-10-06收修改稿.朱广伟（1972 b)，男，博士，研究员；E-m ail: gwzhu@.280! #$% '((湖泊科学），2018,30(2)Bay and central lake. Statistical analysis showed that Chi.a significantly positive related to particu phonas，TP and permanganate index，but negatively related to dAsolved nitrogen. And Chi.a conHntration during May to July significantly positive related to daily accumulated water temperatiare，total precif)itation during January to June，and to annual averagewater level of the lake. The research indicated that hydrological and climatic factors played more imponant roles than nutnents inthe long-term vaeation of phytoplankton biomass and cyanobacteria bloom intensity, panly because the were still relatively sufficient for phytoplankton growth.Consequently, much more nutrients reduction in the catchment, include nitrogen and phosphorus，were need in future to ultimately control the cyanobacte>a bloom in Lake Taihu.K eyw ords ：Lake Tailiu ；chlorophyi-a ；nutrients; cyanobactena bloom ；extreme rainfall ；climate change富营养化是全球湖泊普遍面临生态灾害问题之一.该问题从1940s— 1950s开始关注[1-2]，1960s— 1970s已经普遍存在并开始治理)3-*，至今仍在发达国家和发展中国家产生危害比如从1970S就受到关注并开展了大量治理工程的北美五大湖之------E rie湖[7]，近10 a来蓝藻水华问题又日益严重，2014年8月1—2日还造成湖滨60万人口的Toledo市供水中断2天)8].此外，治理多年的日本霞浦湖，水华问题也未彻底解决[9].由此可见，在应对湖泊蓝藻水华问题方面，全世界都还面临着严峻的挑战.太湖是我国蓝藻水华问题出现最早、治理时间最长、投入最大的大型湖泊之一.据沈炳康报道，I960年考察太湖时就发现了蓝藻水华现象，1970年后在梅梁湾西北沿岸带夏季水华已经比较常见，条带状分布，每年可延续到11月，而1988年则出现了约1000 km2面积的蓝藻水华，并在1991年7月，蓝藻水华堆积腐烂影响了无锡城市供水，迫使上百家工厂停产，造成巨大的经济损失[1°].1990s以来，太湖的富营养化治理就作为国家水环境治理的标志性工程推进[11]，1998年实施了“零点行动”[12]. 2007年5月发生在无锡沙渚水厂的饮用水危机事件[13]，更是将蓝藻水华治理和灾害防控力度大大提高，实施了从流域到湖体的一系列环境治理和生态修复工程[14].从水利和环境保护部门的监测结果看，无论是入湖河流[15]，还是湖体关键水质断面[16]，水体营养盐浓度近年来都出现下降趋势，治理工作取得初步成效.然而，就遥感监测的蓝藻水华面积而言，近年来下降趋势不明显[17]，藻类生物量和水华情势受气象条件影响较大[1819]，给蓝藻水华灾害防控带来巨大的挑战.太湖作为一个时空异质性较大的浅水湖泊，监测方法和频次均会对水质监测结果产生一定的影响[2°].不同机构对太湖监测的布点、采样方法及分析方法有所不同，评价结果有所差异.本研究利用太湖湖泊生态系统研究站(TLLER)在北部太湖布设的14个逐月监测点营养盐、叶绿素a监测数据，结合研究站的气象、水文观测数据，分析了 2005—2017年北部太湖梅梁湾、贡湖湾、竺山湾及西北沿岸、湖心区（北部）的水体叶绿素a及氮、磷等营养盐含量的变化特征，探讨了 13 a来水体营养盐和叶绿素a浓度波动的影响因素，以期为认识浅水湖泊的蓝藻水华演替特征及防控对策提供科学支撑.1材料和方法1.1监测点布设与采样方法从2005年1月以来，太湖湖泊生态系统研究站（TLLER，简称太湖站）在太湖北部布设14个逐月监测点，开展现场调查和水质、生物指标采样分析（图1).其中，监测点THL00、THL06、THL10、THL14及THL16主要代表出入湖河口，分别靠近梁溪河、直湖港、大浦河（陈东港）、望虞河及殷村港.按照湖泊形态，可将14个点的监测范围划分为4个湖区:西北太湖（NW)(包括监测点THL10、THL16、THL17)、梅梁湾（ML)(包括监测点 THL00、THL01、THL03、THL04、THL05、THL06、THL32 等）、北部湖心区（HX)(包括监测点THL07 和THL08)及贡湖湾（GH)(包括监测点THL13和THL14).在THL05点东滨岸的太湖站，设有逐日水温（WT，B)、水位（WL，m，吴淞高程）观测点，每天8时、14时、20时3次现场观测记录，日值为3次测定的平均值，其中水温测点为水下0.5 m.降雨量（R F)和其他相关气象指标由设在太湖站的气象观测场自动监测仪获得.湖体14个样点的监测在每个月中旬（15日前后）进行.现场用赛氏透明度盘获得水体透明度（SD，m)，采用水温计获得水下50 cm的水温，测深杆测定水深、软泥深度.用于分析水体营养盐和浮游植物叶绿素a浓度（Chl.a，"g/L)的水样为水柱表、中、底3层混合样，用2.5朱广伟等$2005—2017年北部太湖水体叶绿素a和营养盐变化及影响因素281L有机玻璃采水器分别采集水下20 cm(表层）、水底泥上20 cm(底层）及水深一半处（中层）的水样，现场混 匀，灌装于5 L水样桶中，带回实验室进行营养盐和Chl.a等指标分析.120〇0，120o15f120°30f图1北部太湖逐月水质监测点位Fig.1Sampling sites of monthly water quality monitoring in northern Lake Taihu1.2水质分析方法样品带回实验室后立即进行各指标测定的预处理.其中，Chl.a浓度测定参照陈宇炜等改进的热乙醇提取、分光光度法[21]，比色波长为650 nm和750 nm(岛津UV-2450型分光光度计）.C hl.a测定时，用直径47 mm的GF/F玻璃纤维滤膜（Whatman公司，孔径约0.7 "m"将浮游植物过滤到膜上，将滤膜置于10 m l的锥 形离心管中，加盖，避光冷冻保存24 h以上.测定前，在暗光环境下，用适量90%的热乙醇研磨提取滤膜上的 色素，提取液再用GF/C玻璃纤维滤膜（Whatman公司，孔径约1.2 "m"过滤后，分光光度法测定.水体总氮（TO"、总磷(TP)浓度测定时，将采集水样混匀，分取水样25 m l进行水样消解和浓度测定.因此，T0、T P包括了藻颗粒和水体无机悬浮物中的氮、磷浓度.溶解性总氮（DT0)、溶解性总磷（DTP)浓度测 定时，则先将水样过GF/F滤膜后，再按照T0、T P的水样消解及测定方法进行分析.铵态氮（OH:')、硝态 氮（00;-0)、亚硝态氮（00Y-0)及磷酸根（P〇4_-P)的测定方法则是取GF/F膜的滤后样进行测定.水体高锰 酸盐指数（C0DM n"采用高锰酸钾氧化滴定法测定.T0&DT0浓度测定采用过硫酸钾氧化、紫外分光光度法（GB 11894—1989"，测定波长选择210 nm(岛津 UV-2450型分光光度计"％TP、D T P浓度测定采用过硫酸钾氧化、钼锑抗显色分光光度法（GB11893 —1989"，测定波长为700 nm(岛津UV-2450型分光光度计"，T0与DT0浓度之差、T P与DTP浓度之差为颗粒 态氮（P0"和颗粒态磷（P P).OH:'浓度的测定采用纳氏试剂光度法（GB 7479— 1987)，00Y-0、002_-0、282! #$% '((湖泊科学），2018,30(2)P〇2—'浓度的测定则采用流动分析、分光光度法（荷兰Skalar SANW型流动分析仪）.1.3数据处理与统计方法分区、分季度及年际平均水质指标采用各区、各季度、各年的数学平均值.TN、TP、C hl.a的平均值中剔除 了 2007年6月梅梁湾THL04点及2017年7月西北湖区的THL17点由于藻华堆积严重引起的2次异常高 值(约为夏季正常均值的10倍).Chl.a与各营养盐浓度之间的相关性分析采用SPSS 16.0软件完成，其余相 关系数及误差均由Excel 2010软件完成.水文气象数据中的日水温积温（AWT)为逐日水温的累计值，特定 时段的降雨量（R F)也是逐日值的累加.不同因素间的相关性判别使用泊松系数（1)，1<0.05为显著相关，K0.01为极显著相关.2结果与分析2.1 Chl.a年变化从2005 2017年多年北部太湖水体浮游植物Chl.a浓度看，多年1一 12月逐月北部太湖Chl.a浓度分别为 11.7、11.9、12.2、19.4、35.8、38.5、63.2、55.2、58.7、45.2、29.0、16.1 "g/L，11-4月浓度显著低于 5- 10 月，5 月是藻类开始显著生长的季节，对整年藻类水华情势具有重要的指示意义.2005 —2017年北部太湖水体浮游植 物C hl.a的年均值(Chi.—#2)、上半年平均值(Chi.—6)及水华灾害敏感期的5 —7月平均值（Chi..5—7)变化见 图2.图2北部太湖多年水体Chl.a浓度年变化曲线(C H h$1—6月Chl.a浓度平均值;Chl.a5_7:5—7月Chl.a浓度平均值;C h l.—u$年均值)Fig.2 Annual chlorophyll'concentrations in water column of northern Lake Taihu13 a来年度Chl.a平均浓度呈现2个峰值:2008—2009年的峰值及2015— 2017年的峰值.2015—2017 年的峰值明显高于2008 — 2009年的峰值.就1一6月的北部太湖平均Chl.a浓度而言，2017年平均值为56.5 "g/L，为13 a来最高.而5—7月的北部太湖Chl.a均值，2015—2017年分别为66.8、97.9、107.1 "g/L，呈现 增高趋势，多年的平均低值出现在2010—2011年.年均值2010年最低，为19.2 "g/L，而1—6月和5—7月均值的低值出现在2011年，分别为11.0和10.8 "g/L.相比较而言，发生无锡饮用水危机事件的2007年，整 个北部太湖的年均Chl.a浓度不是最高，其原因是该年前3个月藻类生物量并不高，1_3月平均值分别为 7.0、9.4、5.4 "g/L，较多年平均值偏低，且6月初以后“引江济太”水量加大也拉低了夏季之后的藻类峰值，因此，就全年数据而言，平均值不高.但是多年监测的第二高值出现在该年6月的THL04点位，Chl.a浓度达 到390.6 "g/L，因显著异于其他点位而在统计中剔除，未计算在内.从Chl.a;—的误差线可以发现，高峰值出现的年份，时空异质性往往较大，因此误差值也显著大于其他年 份（图2).在具体的观测中发现，峰值出现的阶段，藻类的堆积现象相对较严重，不同月份之间的差异更显著.2.2营养盐及透明度年变化北部太湖2005—2017年S D的年均值呈现先升高后降低的趋势，最低值出现在2005年（0.32 m)，之后朱广伟等$2005—2017年北部太湖水体叶绿素a 和营养盐变化及影响因素28310.00「0.800.700.60--〇—SD,SDs .X CODj ^^^C O D ^ ——•— CO Dj^j^C 〇DM n 则呈现2个明显的峰值$2007年的峰值和2017年的峰值，1_ 6月平均值分别为8.15和8.99mg /L ， 2017年的峰值略高于2007年的峰值.从月平均值看，1- 12月平均值分别为4.95、4.76、4.78、4.87、5.80、5.62、6.17、5.98、6.40、5.79、5.17、5.04mg/L ，5月之后的蓝藻水华对水体COD m ；的贡献明显，7月和9月出现 峰值说明夏季的降雨及藻类腐烂分解可能对COD m ；的水体累积有综合影响.TO 浓度表现出明显的下降趋势:峰值出现在2006—2007年，1 — 6月的T N 浓度最高值为6.37m /L (2006年"，年平均最高值也出现在2006年(5.13m /L )，之后快速下降，至2011年之后下降趋势放缓，但总 体仍呈下降趋势.至2017年，年均值北部太湖TO 浓度为2.98m /L ，较2006年的峰值下降了 42%.就月变 化而言，1- 12 月的北部太湖 TO 浓度平均值分别为 4.03、4.57、4.96、4.53、4.25、3.56、2.97、2.46、2.68、2.61、2.000.050 L 2005 2007 2009 2011 2013 2015 2017 年 2005 2007 2009 2011 2013 2015 2017 年图3北部太湖多年水体SD 、COD m ；、TO 浓度和T P 浓度的年变化特征Fi /.!^ Variations of secchi depth，permanganate index，total nitro/en concentration and total phosphorus concentration in northern Lake Taihu0.20 L2005 20)7 2009 20112013 2015 2017 年2005 2007 2009 2011 2013 20152017 年逐步升咼并具有一定的波动性，2012年达到最大（0.47 m )，之后又波动下降，2016年为0.43 m .浅水湖泊的 水体S D 主要受2种因素影响:无机悬浮颗粒物及有机质或者藻类生物量.而对于大型浅水湖泊而言，无机 颗粒物浓度受风浪扰动下底泥再悬浮过程的影响很大[22]，而底泥的悬浮程度受水深的影响.2005 2006年水体S D 偏低，与当时湖体水位偏低有关.而2012年之后的S D 下降，则与水体Chl .a 的增高有关.此外，据施 坤等[17]和W u 等[23]的统计，太湖流域的风速多年来呈下降趋势，也对透明度的增高有所贡献.多年看上半 年水体透明度均值(SD w )—般都大于年均值(SD h !)，又大于5—7月均值（图3)，主要原因是1 — 4月总体 S D 较高，而5-7月由于藻类快速增殖或者梅雨等的影响，水体浑浊度开始明显变高.从多年平均值看，1- 12 月逐月水体 SD 分别为 0.49、0.45、0.42、0.42、0.30、0.44、0.36、0.30、0.30、0.32、0.39、0.40 m ，冬、春季总体偏 高，5月、8—9月是S D 最低的月份，主要原因是藻类生物量的影响.-^ > -o o o o 8.6.4. (T /s s )/l a 〇u 0.日/a w015< 3.2101(1/3曰)/5284! #$% '((湖泊科学），2018,30(2)图4北部太湖2005—2017年水体DTP &DTN 和OH :'浓度的月变化过程Fig.^l Variations of DTP ，DTN and NH ^J-N concentrations in nortliern Lake Tailiu during 2005-2017从2005年1月以来156个月的连续监测情况看，北部太湖D TP 浓度平均值为0.052 mg /L ，相当于TP 浓度平均值(0.154 mg /L )的34%，说明太湖这种底泥易悬浮、藻类生物量偏高的水体，颗粒态磷是水体磷形 态的主要组分.从北部太湖D TP 浓度的月平均值看，13 a 来也有2个峰值过程$2008和2015年，其月均峰值 DTP 浓度分别为0.107(2008年2月）和0.103 mg /L (2015年9月）.对比相关湖泊富营养化控制的营养盐水 平而言，即便是水体的D TP 水平，在北部太湖中也算比较高的.多年的月变化来看，1 12月逐月平均DTP 浓度分别为 0.054、0.060、0.055、0.045、0.042、0.047、0.051、0.058、0.063、0.051、0.047、0.048 ?/^，最高值出现2.80、3.18 mg /L ，冬、春季显著高于夏、秋季，最低值出现在8月，最高值出现在3月，说明北部太湖水体氮污 染主要受到流域城镇生活污水排放和春耕施肥及土地扰动的综合影响.这与X u 等[24]的研究结果一致，也 与太湖流域中的农业区水库——天目湖沙河水库的氮素逐月变化特征类似[25].夏季水体氮素的快速下降， 既与水体藻类的快速吸收利用有关，也与夏季水华期湖体反硝化脱氮能力大幅度提升[26 27]，以及整个流域 浅水湖泊和湿地生态系统中反硝化脱氮速率随温度升高而提高有关.T P 浓度的变化趋势与C 0D m ；较为相似.总体呈现双峰状，就年均值而言，峰值出现在2006年（0.179 mg /L )，2017年的年均值为0.145 mg /L ，较2006年的峰值下降了 19%，也较2005—2016年12年的均值 (0.152 mg /L )低.然而，2017年无论是1 — 6月平均值（0.169 mg /L )，还是5—7月的平均值（0.263 mg /L )， 以及全年平均值(0.179 mg /L )，均出现了明显的反弹.5— 7月平均值，达到了 13 a 来的最高值，全年平均值 也与历史最高的2006年持平.这与2017年整体水体藻类生物量偏高有关.就各个月份的情况看，2005 — 2017 年 1-12 月北部太湖水体 TP 平均值分别为 0.121、0.129、0.126、0.129、0.157、0.158、0.178、0.194、0.212、 0.173、0.142、0.131 mg /L ，5月开始水体T P 浓度显著升高，9月达到最大，与蓝藻水华物质在水体中的积累及 夏季降水带来的外源补给有关.太湖是大型浅水和富营养化湖泊，其水体水华颗粒物及底泥悬浮颗粒物对水体TN 、T P 浓度均会造成较 大的影响[28 29]，此时，水体溶解性营养盐水平更能代表对藻类生长的营养盐供给能力.因此，对水体DTP 、 DTN 和NHE -N 浓度变化特征进行分析，见图4.0.120 po.loo - I T _8.7.6.5.4.3.§S )/N朱广伟等$2005—2017年北部太湖水体叶绿素a和营养盐变化及影响因素285在&月，最低值出现在4月，但总体上月变化之间差别不大，而T P浓度在5月开始出现峰值，意味着夏季水 体T P浓度的峰值主要来自藻类生物量增加带来的颗粒态磷.北部太湖水体中浓度则呈现出极显著的季节变化:多年平均1一 12月逐月浓度分别为1.31、1.50、1.33、0.90、0.72、0.64、0.45、0.37、0.40、0.46、0.70、0.94 mg/L，呈现明显的年度单峰单谷变化特征，最高值出现在相对降雨量较低、稀释作用较弱、温度较低、水体微生物活性较低的2月，而最低值出现在8 月.同样，DTN呈现类似的单峰年变化规律，多年平均1-12月DTN浓度分别为3.54、4.13、4.45、3.91、3.03、2.45、1.60、1.20、1.25、1.48、1.93、2.53 m/L，最高值出现在农耕施肥活动较为活跃的3月，最低值与OH:'一样，出现在8月.DTN与的浓度峰值相差1个月，NH:'的浓度峰值出现在干旱少雨且气温较低的春耕之前，而 DTN浓度峰值则与春雨峰值及春耕活动强度峰值相近，这说明春耕等春季面源污染对DTN的影响较大，而 则更多受城镇生活污水的影响.所监测的156个月中，OH:'浓度平均值为0.81 m/L，DTN浓度平 均值为2.63 m/L，T0平均值为3.55 m/L.OH:'浓度平均占DT0的31%，DTN浓度占T O的74%.由于一 般生活污水排放的〇''在迁移过程中也有相当一部分会转化成00Y'，因此，可以初步判断，就北部太湖 水体氮的来源而言，生活污水和面源污染占据的比重相近.这与L i等[30]采用同位素方法获得的北部太湖入 湖河道直湖港氮来源中生活污水比重可能超过50%的研究结果吻合.与DTP不同，DTN和0''显示了明显的逐年下降趋势.以1-6月均值而言，2005-2017年DTN的浓 度平均值分别为 5.01、5.47、5.03、4.27、3.37、4.08、3.17、3.03、3.03、2.97、2.84、2.24、2.11 m/L，2017 年相对于年均 峰值(2006年）而言，下降了 61% %而2005—2017年0''的浓度年平均值分别为1.94、2.06、1.93、1.31、1.03、1.03、0.97、0.81、0.68、0.71、0.61、0.36、0.42 m/L，2017 年相比峰值而言（2006 年），下降了 80%.这表明 2007 年 以来太湖流域的水污染治理取得了巨大的成效，对北部太湖的氮污染起到了明显的削减作用.2.3北部太湖营养盐和叶绿素"浓度的分区差异北部太湖4个湖区的水文条件和污染源有所不同：西北湖区是太湖污染的主要入湖区，入湖负荷较高 的几个河流均从西北湖区入湖;贡湖湾本来是以出水为主，外源氮磷进入贡湖湾时已经过了西部湖区的初步降解，但“引江济太”的入湖河道望虞河位于贡湖湾东口，因此该湖湾有时又是来水入湖区;梅梁湾在“引江济太”工程实施之前，是主要的污染入湖区，主要入湖河道梁溪河、直湖港分别纳入了无锡市及常州地区的河道来水，但是在“引江济太”实施之后，特别是2007年以后，对直湖港进行了严格的入湖管控，大多数时 间是关闭的，而梁溪河则承担了调水入锡的功能，绝大多数时间，梁溪河是通过泵站调太湖水进入无锡市区. 而湖心区，这里指的是北部太湖的湖心区，与各个水域的交换紧密，水文方面受西北湖区、贡湖湾及南部湖区的影响都较大.2005年以来北部太湖各个湖区水体中Ch L a、DTO、D TP浓度及S D的月变化可以看出，不同湖区Chl.a 浓度月均值呈现一定的差异性，其中峰值大多出现在西北湖区以及梅梁湾.就多年平均值而言，西北湖区、梅梁湾、湖心区及贡湖湾的ChLa浓度多年平均值分别为40.8、38.7、17.9、17.7 "/L，西北湖区与梅梁湾显著 高于湖心区及贡湖湾，这与2个水域相对容易成为蓝藻水华的堆积区有关（图5".此外，极端峰值在2015年 以来明显增高，2015年10月的西北湖区、2016年7月的梅梁湾、2017年7月的西北湖区、2017年9月的湖 心区均出现了超过300 "/L的极高值，反映了近3 a蓝藻水华的极端状况事件在增加.DT0则显示出极显著的空间差异.多年西北湖区、梅梁湾、湖心区及贡湖湾的DT0浓度平均值分别为4.26、2.40、1.93、1.72 m/L，西北湖区显著高于其他湖区.梅梁湾在2010年以前与湖心区及贡湖湾的差别还比较大，但在2011年以后，DTO月变化与贡湖湾、湖心区越来越接近，形成了 3区均一化的特点.比如，在 2005—2007年，梅梁湾、湖心区、贡湖湾的）60浓度平均值分别为4.09、2.25、2.20?/^，这在早期数据分析中，也显示出了较大的空间差异[31].而到了 2015—2017年，3区的DTO浓度平均值分别为1.48、1.58、1.28 m/L，差距已经很小了.同样，D TP也显示了梅梁湾与湖心区、贡湖湾逐步均一化的趋势，以及西北湖区显著高于其他3个湖区 的特点.2005—2017年西北湖区、梅梁湾、湖心区及贡湖湾的D T P浓度多年平均值分别为0.097、0.044、0.030、0.032 m/L，西北湖区比其余3区高出1倍多.这与西北湖区的入湖污染有关.与北部太湖平均DTP286! #$% '((湖泊科学），2018,30(2)0.050,图5 2005—2017年北部太湖的西北湖区、梅梁湾、湖心区和贡湖湾的Chl.a 、DTN 、DTP 浓度和S D 变化Fig .5 Variations of Chl.a ，DTN ，DTPand SD in northwestern region ，Meiliang Bay ，central lake and Gonghu Bay of Lake Taihu during 2005 -2017浓度变化趋势不同，西北湖区的D TP 浓度多年变化趋势呈现单峰特征，在2011 — 2012年总体水平较高，而 2005—2006及2014—2017年期间总体水平偏低.这与其余3区的变化不同，也与水体C h l.a 的变化趋势不在2005—2007年期间梅梁湾、湖心区和贡湖湾3个湖区的D T P 浓度平均值分别为0.051、0.023和10.00 ro 幻oW 50(50(22.1.1 0.0.0.0.(l /M /d lp 日/as朱广伟等$2005—2017年北部太湖水体叶绿素a和营养盐变化及影响因素2870.023 mg/L，而2015—2017年3个湖区的平均值分别为0.043、0.035和0.027 mg/L，梅梁湾的平均值显著下 降，而湖心区、贡湖湾的平均值则明显上升.事实上，2008—2014年梅梁湾、湖心区、贡湖湾的D TP浓度平均 值分别为0.042、0.031和0.037 m/L，3个湖区差异更小.这可能与贡湖湾入流量增加、呈现更明显的外源影响的水文变化有关.从4个湖区的S D多年变化（图5)，似乎看不出湖区之间的显著差别.2005—2017年西北湖区、梅梁湾、湖心区和贡湖湾的S D平均值分别为0.39、0.39、0.30和0.40 m，除了湖区最开敞、受风浪影响大的湖心区SD 偏低外，其余3个湖区基本上没差别.此外，湖区间的差异在不同季节不同，冬季3个湾区与湖心区的差别更大一些，10月至次年4月西北湖区、梅梁湾、湖心区及贡湖湾的S D多年平均值分别为0.45、0.45、0.27和 0.43 m，湖心区与其他湖区的差别更大，而5—9月水华明显期，4个湖区的S D平均值分别为0.32、0.34、0.35 和0.38 m，湖心区与3个湾区没有差别，反而是西北湖区的平均值更低些，这可能主要受蓝藻水华堆积的影响所致.2.4水文气象因子变化影响蓝藻水华发生强度及空间分布的水文气象条件包括温度、光照、风速、风向、降水、换水周期及其时间分布等.S h i等[17]、W c等[23]发现近年来风速下降对太湖蓝藻水华的发生具有影响，Yan/等[32]发现极端气象事件频繁也是近几年太湖蓝藻水华强度没有显著下降的成因.本文对水位、水温、降水等主要水文气象条件进行了分析.2005 — 2017年（截止12月22日）太湖站监测到的逐日水位变化表明，监测期间的最高水位为4.794 m，发生在2016年7月8日，最低水位为2.768 m，发生在2011年5月20日，最高水位与最低水位之差为2.026 m (图 6).就年均值而言，2005-2017 年的年均水位分别为3.165、3.155、3.246、3.332、3.311、3.312、3.174、3.302、3.253、3.279、3.357、3.518 和 3.183m(2017 年数值为截止 12 月 22 日均值），2007 年以后总体水 位有所偏高，2015及2016年的水位值明显高于其余各年，其中又以2016年最高.4.7「逐日水位---------------年均水位4.23.22y I I I I I I I I I I I I I I I I I I I I I I I I I图6 2005—2017年太湖站观测点的逐日水位值Fi/.()Daily water level in the observatory site of TLLER during2005 -2017年内的水位差可以在一定程度上反映年内湖体的换水情况.2005 —2017年每年的年内水位差值分别为 0.762、0.524、1.015、0.938、1.368、0.812、1.124、0.884、0.824、0.948、1.214、1.961 和 0.649 m，2007、2009、2011、2015和2016年的年内水位差均超过了 1m，其中2016年的水位差接近2 m.此外，每年均有一个快速水位上涨期，其发生时间的早晚对藻类生长状况可能有影响.2005 —2017年的 快速水位上涨期分别发生在6月20日至8月10日、5月21日至7月24日、4月26日至7月11日、6月11。
时间序列分析法在太湖总磷含量动态模拟中的应用
时间序列分析法在太湖总磷含量动态模拟中的应用
时间序列分析法在太湖总磷含量动态模拟中的应用
以太湖为研究对象,根据其营养水平进行分区,使得不同区域内磷的浓度不同,而同一区域磷的浓度大体一致.利用GIS技术对每个区域内未采样点的总磷浓度进行插值,取区域内所有栅格的平均值作为其最终浓度.应用时间序列分析法对太湖1998-2004年每月的总磷含量进行动态模拟,建立各湖区的预测模型,结果表明:中营养区Ⅰ和轻富营养区Ⅱ符合AR(1)模型,中富营养区Ⅲ和富营养区Ⅳ符合AR(2)模型,重富营养区Ⅴ符合ARMA(2,3)模型.预测2005年各湖区总磷含量,经前10个月实测数据验证,说明所建模型能真实反映太湖总磷的动态变化趋势.
作者：龚绍琦黄家柱李云梅黎刚 GONG Shao-qi HUANG Jia-zhu LI Yun-mei LI Gang 作者单位：龚绍琦,黄家柱,李云梅,GONG Shao-qi,HUANG Jia-zhu,LI Yun-mei(南京师范大学虚拟地理环境教育部重点实验室,江苏,南京,210097)
黎刚,LI Gang(江苏省环境监测中心,江苏,南京,210036)
刊名：地理与地理信息科学 ISTIC PKU英文刊名：GEOGRAPHY AND GEO-INFORMATION SCIENCE 年，卷(期)：2006 22(6) 分类号：X832 关键词：太湖总磷地理信息系统时间序列模型。
基于环境小卫星CCD数据对太湖地区叶绿素a浓度的反演
基于环境小卫星 CCD 数据对太湖地区叶绿素 a 浓度的反演
史鹏辉 李云格 姜 寒
（西北农林科技大学水利与建筑工程学院，陕西杨凌 712100）
摘 要：针对我国湖泊水体富营养化监测问题，以太湖为研究对象，使用了快速、低成本、大范围的遥感技术
在将遥感技术应用于叶绿素a浓度的监测等方面，国 内外学者作了很多研究。朱冰川等［3］基于GOCI数据建立 了太湖叶绿素a浓度的三波段反演模型，使用归一化植被 覆盖指数（NDVI）对水体的蓝藻水华进行监测，并评估了 水体的富营养化程度；张明慧等［4］利用MODIS时间序列影 像数据，反演了福建海岸附近不同时期的叶绿素a含量， 并对反演结果进行了分析；Teng Zhang等［5］比较了叶绿素 a和多个波段反射率间的相关性，确定了叶绿素a的反演 波段，并将其输入到支持向量机（SVM）模型中，建立了一 个良好的评价模型；Ryan McEliece等［6］基于UAV多光谱 影像，通过2个不同波段计算的反射比和指数估算叶绿素 a浓度和浊度的可能性；董丹丹等［7］以巢湖为研究对象，通 过拟合MODIS数据和实地监测数据，反演了水体叶绿素a 信息；马兰等［8］以向海湿地水体为研究对象，利用Land⁃ sat-OLI数据，采用回归分析的方法，建立并筛选出了叶绿 素a含量最佳反演模型。笔者以太湖为研究对象，利用环
的多项式反演模型可以较为准确地反演出太湖地区的叶绿素 a 浓度值。
关键词：遥感；叶绿素 a；反演模型；波段比值法；CCD
中图分类号 X832；TP79
文献标识码 A 文章编号 1007-7731（2021）17-0030-04
The Inversion of Chlorophyll a Concentration in Taihu Lake Region Based on Environment Small Satellite CCD Data
水面实测遥感光谱数据的叶绿素a反演模型构建——以太湖为例
水面实测遥感光谱数据的叶绿素a反演模型构建——以太湖为例李月娥;宋瑜;宋晓东;李昌平;郭照冰【期刊名称】《四川环境》【年(卷),期】2009(028)003【摘要】叶绿素a遥感反演的关键是建立遥感数据和叶绿素含量的定量关系.本文根据2007年11月在太湖实测的水体反射光谱及实验室分析得到的叶绿素浓度数据,对太湖水体反射光谱特征与叶绿素浓度之间的关系进行分析和建模.研究结果表明:687nm附近反射峰位置对叶绿素浓度有很好的指示作用,在太湖水体叶绿素浓度的估测模型中,反射峰位置的指数模型要优于线性模型;叶绿素a浓度与684nm 和633nm附近的一阶微分有很好的相关性,利用R'684和R'633所建叶绿素a浓度反演模型的估算精度R2分别达到0.89和0.91.【总页数】5页(P19-22,40)【作者】李月娥;宋瑜;宋晓东;李昌平;郭照冰【作者单位】苏州市环境监测中心站,江苏,苏州,215004;中国科学院城市环境研究所,厦门,361021;中国科学院城市环境研究所,厦门,361021;苏州市环境监测中心站,江苏,苏州,215004;南京信息工程大学环境科学与工程学院,南京,210044【正文语种】中文【中图分类】X524【相关文献】1.基于季节分异的太湖叶绿素浓度反演模型研究 [J], 乐成峰;李云梅;孙德勇;王海君2.基于水面实测光谱的太湖蓝藻卫星遥感研究 [J], 韩秀珍;吴朝阳;郑伟;孙凌3.太湖水体叶绿素浓度反演模型适宜性分析 [J], 王珊珊;李云梅;王永波;王帅;杜成功4.基于高光谱数据的水体叶绿素a指数反演模型的建立 [J], 王金梁;秦其明;李军;林丛;徐若风;高中灵5.基于实测值的Landsat 8水面温度反演算法对比——以太湖为例 [J], 陈争;王伟;张圳;王怡因版权原因，仅展示原文概要，查看原文内容请购买。
一种基于时间序列的叶绿素a浓度产品时空重构方法(一)
一种基于时间序列的叶绿素a浓度产品时空重构方法(一)一种基于时间序列的叶绿素a浓度产品时空重构方法简介•描述叶绿素a浓度产品时空重构的一种新方法•通过时间序列数据重构叶绿素a浓度的时空分布方法一：基于回归分析的时空重构1.收集时间序列的叶绿素a浓度数据和相关的环境参数数据2.利用回归分析的方法建立叶绿素a浓度与环境参数的关系模型3.使用该模型来推算未来时间点和空间点的叶绿素a浓度4.对推算结果进行验证和修正，以提高预测准确性方法二：基于机器学习的时空重构1.获取大量的时间序列叶绿素a浓度数据，以及相关的环境参数数据2.将数据分为训练集和测试集，用训练集来训练机器学习模型3.选择合适的机器学习算法，如神经网络、支持向量机等，来建立叶绿素a浓度与环境参数的关系模型4.使用训练好的模型来对测试集数据进行预测5.评估预测结果的准确性和稳定性，并进行模型的优化和改进方法三：基于时空插值的重构1.获取离散的时间序列叶绿素a浓度数据和对应的空间位置信息2.利用时空插值算法，如克里金插值、反距离加权插值等，根据已有的数据拟合出叶绿素a浓度的拟合函数3.利用拟合函数来预测未来时间点和空间点的叶绿素a浓度4.对预测结果进行验证和修正，以提高预测准确性方法四：基于卫星遥感的时空重构1.利用卫星遥感获取到的叶绿素a浓度数据和对应的空间位置信息2.对遥感数据进行预处理和校正，如大气校正、水体颜色标定等3.利用插值和统计学方法对离散的遥感数据进行空间上的重构，生成连续的叶绿素a浓度产品4.对重构结果进行验证和修正，以提高重构准确性和稳定性结论•这些方法都可以用于叶绿素a浓度产品的时空重构•不同方法有各自的优缺点，选择合适的方法需要综合考虑数据可用性、计算复杂度等因素•未来可以进一步改进这些方法，提高叶绿素a浓度产品的时空重构精度和稳定性。
水体中叶绿素a含量短周期预测的研究
水体中叶绿素a含量短周期预测的研究
李鹏程;纪晓亮;梅琨;张明华
【期刊名称】《浙江农业科学》
【年(卷),期】2013(000)004
【摘要】通过连续监测数据分别使用线性回归方法和人工神经网络方法建立叶绿素a在短周期内的同步和6步超前预测模型,探讨在短周期内建立叶绿素a含量预测模型的可行性,从而对可能发生的“水华”现象做出前瞻性预测.同时,通过对建立的线性回归模型和人工神经网络模型进行比较,发现人工神经网络在预测精度方面较线性模型有一定优势.
【总页数】4页(P460-463)
【作者】李鹏程;纪晓亮;梅琨;张明华
【作者单位】温州医学院温州市水域科学与环境生态重点实验室,浙江温州325035;University of California Land, Air and Water Resources Department, Davis CA 95616
【正文语种】中文
【中图分类】X52
【相关文献】
1.基于反演因子筛选下的BP神经网络模型在水体叶绿素a含量反演中的可行性研究r——以太湖为例 [J], 朱婧婧;王庆;战超;刘亚龙;董程;王红艳
2.南通市区河流水体和沉积物中叶绿素a含量及与环境因子关系研究 [J], 范华;蒋
庆丰;汪泽;李曼;董淑云;高洁
3.遥感技术监测水体叶绿素a含量的研究进展 [J], 杨玉敏;赵俊;王晓珂;张少丹
4.杭州和睦湿地池塘水体夏季叶绿素a含量与水环境因子的相关性研究 [J], 李洪彬;申屠晓露;张卫军;徐力;李文兵;戴文红;宋垚彬;董鸣
5.漳泽水库水体叶绿素a含量空间分布研究 [J], 吕振东
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第39卷 第6期 海 洋 与 湖 沼Vol.39, No.6 2008年11月OCEANOLOGIA ET LIMNOLOGIA SINICANov., 2008* 国家自然科学基金项目, 40571110和40801145号；江苏省高等学校研究生创新计划资助项目, 06-30号。
龚绍琦, 博士, 讲师, E-mail:gongshaoqi@收稿日期: 2007-12-15, 收修改稿日期: 2008-04-15应用时间序列分析法对太湖叶绿素-a 含量的动态研究∗龚绍琦1,2 黄家柱1 李云梅1 黎 刚3(1. 南京师范大学地理信息科学江苏省重点实验室 南京 210097;2. 南京信息工程大学遥感学院 南京 210044;3. 江苏省环境监测中心 南京 210036)提要 叶绿素-a 是湖泊浮游植物现存量的重要指标, 其含量能反映水中浮游植物的丰度和变化规律。
研究叶绿素含量的动态变化, 可以有效防止、监控湖泊富营养化的发生。
以太湖为研究对象, 根据其营养水平进行分区, 使得不同区域内叶绿素的浓度不同, 而同一区域内浓度大体一致, 然后利用地理信息系统技术对每个区域内未采样点的叶绿素浓度进行插值, 取区域内所有栅格的平均值作为其最终浓度。
应用时间序列分析方法对太湖1998—2004年每月的叶绿素含量进行动态模拟, 建立各湖区的预测模型。
结果表明,中营养区Ⅰ符合MA(1)模型, 轻富营养区Ⅱ和中富营养区Ⅲ符合AR (1)模型, 富营养区Ⅳ符合MA(5)模型, 重富营养区Ⅴ符合AR(6)模型。
由此预测出2005年各湖区总叶绿素的含量, 经前10个月实测数据的验证说明, 所建模型在一定程度上能反映太湖各区域叶绿素浓度的变化。
关键词 太湖, 叶绿素-a , 地理信息系统, 时间序列, 模型 中图分类号 Q958.1水体叶绿素-a 是各种浮游植物最重要的色素之一, 其所占比例都比较稳定。
叶绿素-a 含量的高低能反映水体的营养状况, 是水质调查的一个重要指标。
很多学者试图通过叶绿素的研究来了解水体生态系统状况和富营养化水平, 因此叶绿素的研究最为广泛。
Nikolay 等(2003)人利用SeaWiFS 卫星资料研究了叶绿素与环境因子之间随时间变化的动态规律; 张钒(2001)分析了台湾海峡南北区域叶绿素的季节变化特征; 赵辉等(2005)用SeaWiFS 卫星资料分析了南海不同季节叶绿素的变化及典型区域的空间分布状况; 陈晓玲等(2002)研究了香港海域叶绿素浓度的时空分布规律。
纵观这些研究结果, 叶绿素含量的变化研究仅停留在定性分析上, 而且考虑的时间很短, 因此就很难对水体叶绿素的变化规律做出客观全面的定论和描述。
本文中作者以我国第三大淡水湖——太湖为例, 对过去连续较长一段时间内叶绿素含量变化进行模拟。
每年太湖叶绿素浓度变动都在0.002—0.442mg/L 之间, 最高值一般出现在7、8、9月份, 而最小值在11、12、1月份。
从1998—2004年共7年的变化来看, 叶绿素浓度的年度变化不是很大, 1999年略有下降后, 2000—2004年并没有大幅度的上升或下降, 2000年夏季太湖蓝藻爆发, 使得7月份的叶绿素浓度有明显偏高。
但从每月各监测样点数值来看, 叶绿素浓度呈现无规律性变化, 数据具有较大的不确定性。
因此很难用传统的多元回归方法对叶绿素变化进行模拟。
美国统计学家G. E. P. Box 和英国统计学家G. M. JenKins 在20世纪70年代提出了处理不确定时间序列的分析模型ARMA(p, q), 为随时间而不确定变化的数据进行定量分析提供了很好的方法。
针对太湖叶绿素的变化特点, 把过去连续较长一段时间内的监测值看作是一个时间序列, 利用时间序列的分析方法, 建立能反映太湖叶绿素动态变化的数学模拟模型, 并预测未来一个时期湖内叶绿素的含量, 为防止、控制太湖富营养化发生以及初级生产力的估算提供科学依据。
592 海洋与湖沼39卷1 研究区概况太湖位于长江三角洲南缘, 是我国长江中下游地区著名的五大淡水湖之一,界于北纬30º55′40″— 31º32′58″, 东经119º53′32″—120º36′10″, 地跨江浙两省, 湖泊面积为2338.1km2, 平均深度为2m, 湖中各种浮游植物、动物和栖息类动物种类繁多, 具有良好的水生态系统。
太湖不仅是国内外享有盛名的旅游胜地, 而且是太湖周边地区的主要水源地, 兼有航运、灌溉、养殖等多种功能, 是我国经济最发达的区域之一。
每年夏季太湖都有大量藻类暴发, 不仅破坏湖内的生态景观, 还给周边地区生产、生活带来极大不便。
2数据的收集收集了太湖1998年1月—2005年10月期间每月叶绿素的监测数据。
全湖共布置20个监测点, 其点位坐标输入GPS仪中, 监测船只每次用GPS仪导航, 到点后采集水样, 并带回实验室分析。
叶绿素a 的测定是将滤过水样的滤膜, 置于低温冰箱中干燥保存6—8h, 用3 ml 90%丙酮提取, 然后经过研磨、离心分离(沉淀返回作再次提取), 取上清液用丙酮溶液定容。
将提取液在分光光度计750 nm、663 nm、645 nm和630 nm处测定吸光值, 按公式计算叶绿素a含量(金相灿等, 1990)。
全部的监测数据由江苏省环境监测中心站提供。
3研究方法太湖水体中叶绿素的空间分布是不均一的(刘瑞民等, 2001), 不同区域内其含量不一。
因此根据任黎等(2004)、龚绍琦等(2005)对太湖富营养化综合评价的结果, 把全湖分成5个营养程度不同的区域：中营养区Ⅰ、轻富营养区Ⅱ、中富营养区Ⅲ、富营养区Ⅳ和重富营养区Ⅴ, 使得不同区域叶绿素的浓度不同, 而同一区域浓度大体一致, 全湖分区及监测点分布情况见图1。
考虑到各采样点的叶绿素在空间位置上具有一定的相关性, 可以利用地理信息系统中的插值方法对每个区域内未设监测点位置的叶绿素浓度进行插值。
而逆距离加权(IDW)插值法是地理信息系统中最简单、最常用的、插值结果较为精确的一种确定性方法。
该方法随着采样点与预测点之间距离的增大, 标准样点对预测点的影响权重呈指数递减。
可通过对权重指数的优化, 使得预测的均方根(Root-Mean- Square, RMS)误差最小。
本研究中样点分布较少, 插值的邻近点个数设定为3, 插值后的均方根误差都在0.005mg/L以下。
考察整个湖泊叶绿素浓度的空间分布结果,并对每个湖区内所包含栅格进行统计, 取所有栅格浓度的平均值作为该区叶绿素浓度的最终值。
应用时间序列的分析方法分别对每个湖区1998年1月—2004年12月期间叶绿素含量的变化进行动态模拟, 建立其预测模型。
图1 太湖营养分区及监测点分布图Fig.1 The site of monitoring and trophic divisions in Taihu Lake 4时间序列模型ARMA(p, q)概述时间序列是按时间顺序排列的一组数据或一组有序的随机数据。
时间序列分析方法是假定能用过去发生方式来重现未来, 即采用参数模型对所观测的有序随机数据进行分析与处理的一种方法。
而ARMA(p, q)模型是统计学家G.E.P.Box和G.M.JenKins在20世纪70年代提出的时间序列分析模型, 即自回归滑动平均模型(Autoregressive Moving Average Model), 也称博克斯-詹金斯(B-J)法, ARMA(p, q)模型可表示为：Xt=θ1X t-1+θ2X t-2+…+θp X t-p+εt-ψ1εt-1-ψ2εt-2-…-ψqεt-q, 当式中q=0称为p阶自回归模型(Autoregressive Model), 记为AR(p)模型, θk(k=1, 2, …, p)是自回归系数, p为模型的阶次, 即滞后的时间周期; 当式中p=0称为q阶滑动平均模型(Moving Average Model), 记为MR(q)模型, ψ k(k=1, 2, …, q)是滑动平均系数, q为模型的阶次, εk为各阶的残差(刘洪斌等, 2004; 徐静, 2001; Paulo et al,2004)。
6期龚绍琦等:应用时间序列分析法对太湖叶绿素-a含量的动态研究 593运用ARMA(p, q)模型的前提条件是建立模型的时间序列为零均值的平稳随机过程。
由于湖泊受到水动力学过程的作用, 不同湖区内营养盐的迁移和扩散不同, 同时受湖泊生态系统中物理、化学和生物等环境因子的影响, 浮游植物生物量的变化非常复杂, 因此不同时期叶绿素含量具有较大的随机性, 可以应用ARMA(p, q)模型对太湖叶绿素含量进行模拟。
5湖泊叶绿素时间序列ARMA(p, q)模型的建立5.1 数据的预处理由于数据在采样和分析过程中难免会带入误差, 使得数据集中存在异常值。
在对叶绿素浓度进行时间序列分析以前先考察每个观测值, 剔除数据集中出现的异常极大或极小值, 具体方法是通过对比历年同期资料, 并结合太湖藻类实际生长情况, 估计一个真值代替。
建立ARMA(p, q)模型要求时间序列为平稳随机的零均值序列, 否则会降低模型的预测精度, 对于不满足条件的序列可通过一系列的转化来实现。
首先, 序列的周期性和趋势性判断。
作各湖区叶绿素浓度的时间序列图(图2), 从该图上可以观察到, 营养区Ⅰ、轻富营养区Ⅱ和中富营养区III叶绿素浓度值不存在周期性或趋势性, 有很好的随机性。
富营养区Ⅳ和重富营养区Ⅴ则具有一定的周期性, 通过2阶差分后序列变得平稳。
总体来看, 各区叶绿素含量在夏季7、8或9月达到最高, 而在冬季12或1月出现最低。
这与其它湖泊的研究结果是一致的(王飞儿等, 2004; 吴洁等, 2001)。
图2 太湖各湖区叶绿素含量时间序列图Fig.2 The temporal change in chlorophyll-a content in everytrophic division of Taihu Lake其次, 序列的随机性判断。
分别对各区叶绿素浓度序列作正态分布检验, 结果表明, 营养区Ⅰ和轻富营养区Ⅱ很好地符合正态分布, 而中富营养区Ⅲ、富营养区Ⅳ和重富营养区Ⅴ并不成正态分布, 将数据进行自然对数转换后, 序列符合正态分布, 此时序列具有随机性。
再次, 序列的平稳性判断。
分别计算各湖区叶绿素浓度序列前16阶的自相关系数和偏自相关系数(表1), 并作出自相关函数图和偏自相关函数图(图略)。
从表中可以得知, 各区序列数据经预处理后其自相关系数和偏自相关系数都逐渐衰减并趋近于0, 说明序列具有很好的平稳性。