典型湖泊水华特征及相关影响因素分析

通过2011-2015年对太湖、巢湖和滇池水华高发季节的连续监测，以藻类密度和水华面积为判据评价了3个湖体的水华情况及变化趋势，探讨了水华发生的主要影响因素。结果表明：太湖水华程度以"轻度水华"为主，巢湖水华程度以"轻微水华"为主，滇池水华程度以"中度水华"为主；太湖、巢湖和滇池水华规模均以"零星性水华"为主；太湖和巢湖藻类密度与水温、pH、溶解氧、总氮、总磷和高锰酸盐指数均呈显著正相关，与透明度呈显著负相关，与氨氮无显著相关性；滇池藻类密度与水温、总磷和高锰酸盐指数均呈显著正相关，与透明度和氨氮呈显著负相关，与pH、溶解氧和总氮无显著相关性。     

“MMA”技术路线在太湖蓝藻水华监测中的应用

通过对3S技术整合,提出"MMA"技术路线应用于蓝藻水华监测,包括监测、测绘、分析等关键步骤。对太湖蓝藻水华研究结果表明,总体规律一致,但又有所差异。一方面,太湖蓝藻密度(CBD)、叶绿素a(Chl-a)及水华频率分布图结果均呈现"西高东低"的空间分布规律;另一方面,太湖湖心区CBD和Chl-a浓度亦较高,而遥感监测后的水华频率图显示为无水华或频率小于1%。故应参照"MMA"技术路线,综合应用3S技术,并核验比对,弥补单项技术存在的不足,全面真实反映藻类水华情况。"MMA"技术路线既适用于水华监测,亦可推广至其他环境监测工作。     

地表水水质自动监测系统的应用与思考

1999年国家环保总局为加强对重点流域省界断面水质变化和出境污染物总量的监控 ,先期在长江、淮河、松花江、太湖等水域的 1 0个省界断面进行试点 ,建设水质自动监测系统。安徽省淮河王家坝水质自动监测站是先期试点的 1 0个水质自动监测站之一。由于水质自动监测系统在该省乃至全国仍处在试运行阶段 ,因此其管理、技术、装备和人才培养等方面尚有急需完善的地方 ,认真分析和思考水质自动监测系统建设中的有关问题 ,有利于今后环境监测能力建设工作的发展。1　水质自动监测系统简介水质自动监测系统的建设和使用包括以下基本内容 :监测目的…     

太湖蓝藻水华的自动监测和手工监测比对分析

对夏季太湖野外水华蓝藻样本进行梯度稀释,将自动监测法与手工监测法(人工镜检法和分光光度法)进行比对分析,同时通过对野外样品的连续监测对实验结果进行验证。结果表明,对于以微囊藻为绝对优势种的夏季太湖水体,YSI-6600型和EXO2型便携式水质监测仪测得的叶绿素与人工镜检法测得的藻密度的调整后相关系数(R^(2)_(adj))均值分别为0.906和0.936,高于它们与分光光度法测得的叶绿素a的R^(2)_(adj)值(0.816,0.789),且这2种指标在各蓝藻浓度区段的回归系数变化较小,变异系数分别为0.24和0.19,可根据回归方程得到的自动监测法测得的叶绿素,预测人工镜检法测得的藻密度。对同期同点位野外实际水样的监测结果表明,YSI-6600便携式水质监测仪测得的叶绿素与人工镜检法测得的藻密度、分光光度法测得的叶绿素a的R^(2)_(adj)分别为0.899和0.769。相较于分光光度法,自动监测法在夏季太湖蓝藻水华的监测预警中具有更大优势。     

基于多元回归理论的太湖湖泛预警模型研究

在太湖宜兴段藻源性湖泛高发区设立4个监测点,以湖泛发生的物质基础"藻类生物量"为研究对象,运用数据分析软件SPSS对监测点的藻类生物量、水质、气温等数据进行相关分析,建立了以藻密度为因变量的多元逐步回归模型。结合往年太湖藻源性湖泛发生时的气象条件等历史资料以及相关藻密度阈值的报道,构建了太湖宜兴段藻源性湖泛高发区监测预警模型系统,该模型能够基于监测点的实时水质数据和气象预报数据,对监控区域湖水在未来某时间段内发生湖泛风险的可能性进行分级预警。     

环境一号卫星CCD数据在太湖蓝藻水华遥感监测中的应用

利用环境一号卫星(HJ-1)CCD数据,对太湖水华进行遥感监测,并比对同时相的EOS/MODIS卫星遥感数据。结果表明,HJ-1星CCD数据具有优于EOS/MODIS数据的蓝藻水华识别能力,并有良好抗云层干扰能力,适合用于太湖蓝藻水华应急监测。     

特殊风场条件对太湖蓝藻水华迁移的影响研究

在高温、微风气象条件下,适宜蓝藻水华形成。在特殊非均一风场的驱动下,太湖蓝藻水华迁移过程与被均匀风场驱动有所不同。选取太湖典型风向进行分析,并采用三维水动力水质模型对表面非均一风场条件下的风生流流场及水质进行模拟,结果表明,在特殊非均一风场的驱动下,当太湖蓝藻浓度较高时,容易在西部湖区特别在竺山湖、梅梁湾湾内、岸边及湾口聚集,形成水华暴发,这有助于研究太湖污染物及蓝藻水华的输移及空间分布和机理。     

滇池蓝藻水华监测预警平台设计

传统的人工监测无法实现大规模蓝藻的实时监测预警,该研究运用基于Python的ArcGIS Server自动发布地图服务、多元数据预警分析、人工水质监测数据预警分析等技术,以滇池为研究区,构建了水华预警系统。通过预警体系业务子系统和预警信息共享与发布子系统,结合滇池蓝藻水华监测预警综合数据库,实现了大规模蓝藻预警信息的实时生成、共享和发布,提出了地表变化动态监测预警的思路。系统建成后,通过对滇池流域生态红线预警范围内的地表覆盖变化情况监测,可及时发现导致水华发生的潜在陆源污染因素。同时配合排污点污染成分检测实现预警,从源头防止水华发生。     

基于3S技术对太湖底质及水质总磷的研究

应用3S技术研究了太湖底质与水质总磷(TP)的分布情况,并结合水华频次分析了其相关性。结果表明:2016—2018年,太湖底质TP年均值在433~537 mg/kg波动,水质TP年均值从0.064 mg/L上升至0.087 mg/L。从空间分布来看,底质TP、水质TP和水华频次均呈现“西高东低”的规律,太湖西部区尤其是竺山湖区是需要开展治理的重点区域。3年间,太湖西部区水质TP上升,而底质TP与入湖河流TP下降,说明内源磷污染是太湖西部区水质TP升高的主要原因,须加强科学清淤。     

洋河水库水质主成分分析

自20世纪80年代以来,洋河水库每年夏季都爆发“水华”现象,水质不断恶化。为研究水库水体水质年变化情况,于2005年对水库5个采样点的叶绿素a(Chl-a)、总磷(TP)等12项水化学指标进行为期1年的监测。采用基于因子分析的主成分分析方法,将洋河水库水质参数概括为5个主要成分,并分析各个主成分的含义以及其月均值随时间的变化规律。最后结合空间数据,分析了5个主成分年均值的空间分布特征和意义。结果表明,南库区的水质要明显好于北库区。     

夏季太湖蓝藻水华暴发与臭氧污染的关联性

夏季受东南季风、湖流等因素影响,太湖蓝藻向西北部水域集聚,该区域平均藻密度可高达1×109个/L以上,其中蓝藻集中堆积的近湖岸区域藻类密度更高,蓝藻在不同生命阶段释放的藻源性VOCs的成分谱和产生量有较大差异,其中烯烃和有机胺反应活性较强。蓝藻水华高发期太湖西岸非甲烷总烃的浓度约为常州市区的3.3倍,日变化趋势符合蓝藻代谢规律。太湖西部蓝藻水华、湖西区的非甲烷总烃浓度和臭氧污染程度时空变化规律表明:太湖西部(宜兴)是整个流域臭氧污染最严重的区域,其臭氧污染的形成与太湖蓝藻水华暴发有关联性。     

YSI 6600传感器在太湖蓝藻预警工作中的应用

通过对太湖饮用水源地2个取水口水体中的蓝藻密度(CBD)和叶绿素(Chl)分别进行 YSI 6600-v2水质多参数仪和实验室显微镜检分析,探讨了CBD和Chl在预警工作中的应用.结果表明,在CBD与Chl相关性显著时期内,藻类群落结构相对稳定;CBD和Chl相关性不显著时期内,藻类群落结构变化较大.ρ(CBD)/ρ(...     

太湖蓝藻暴发成因及其富营养化控制

根据近年太湖水质和生物监测资料，结合近年藻类生长趋势和区域污染物人湖状况，探讨近年夏季梅梁湖蓝藻暴发原因，并提出了控制太湖富营养化措施。     

太湖湖风指数阈值的计算

根据2012年8月17—23日的太湖湖风加密观测实验结果,将湖岸3个常规气象站和湖面2个浮标站观测的风速和气温资料代入经典的湖风指数公式,通过Fisher二级判别法和历史拟合率最大法确定了太湖湖风指数的阈值为3.0。该结论为研究太湖湖风的发生频率及其对蓝藻水华全湖输移的影响提供了理论依据。     

自动监测预警太湖蓝藻爆发规律研究

以太湖湖体中沙渚、兰山嘴两个自动站的监测数据为基础,分析了太湖蓝藻爆发过程中主要水质指标变化情况。研究结果表明,蓝藻引发灾害性湖泛现象的主要过程分为生长期、平稳期、死亡期、高危前期、灾害期和恢复期,在高危前期和灾害期,溶解氧(DO)快速下降,而总氮(TN)等参数的变化正好与DO变化相反,这一显著特征可作为预警的重要信息。     

Temporal and spatial trends in water quality of Lake Taihu,China: analysis from a north to mid-lake transect, 1991–2011

Interpretations of state and trends in lake water quality are generally based on measurements from one or more stations that are considered representative of the response of the lake ecosystem. The objective of this study is to examine how these interpretations may be influenced by station location in a large lake. We addressed this by analyzing trends in water quality variables collected monthly from eight monitoring stations along a transect from the central lake to the north in Lake Taihu (area about 2,338 km²), China, from October 1991 to December 2011. The parameters examined included chlorophyll a (Chl a), total nitrogen (TN), and total phosphorus (TP) concentrations, and Secchi disk depth (SD). The individual variables were increasingly poorly correlated among stations along the transect from the central lake to the north, particularly for Chl a and TP. The timing of peaks in individual variables was also dependent on station location, with spectral analysis revealing a peak at annual frequency for the central lake station but absence of, or much reduced signal, at this frequency for the near-shore northern station. Percentage annual change values for each of the four variables also varied with station and indicated general improvement in water quality at northern stations, particularly for TN, but little change or decline at central lake stations. Sediment resuspension and tributary nutrient loads were considered to be responsible for some of the variability among stations. Our results indicate that temporal trends in water quality may be station specific in large lakes and that calculated whole-lake trophic status trends or responses to management actions may be specific to the station(s) selected for monitoring and analysis. These results have important implications for efficient design of monitoring programs that are intended to integrate the natural spatial variability of large lakes.