我国湖泊富营养化效应区域差异性分析

通过分析我国湖泊富营养化相关指标的区域差异性,发现在相同营养物质条件下,浮游藻类生物量却有所差异,说明不同区域浮游藻类对营养物质总氮（TN）和总磷（TP）的利用效率存在显著的区域差异性.利用SPSS中的曲线估计功能,分析我国不同湖泊区域lg Chl-a分别与lg TN和lg TP的线性方程,通过比较线性方程的斜率分析不同湖泊区域浮游藻类对营养物质TN和TP的利用效率,蒙新高原、云贵高原、东北平原-山地、长江中下游平原及华北平原,lg Chl-a与lg TP线性方程的斜率由高到低依次为1.002、0.817、0.761、0.545、0.250.lg Chl-a与lg TN线性方程的斜率由高到低依次为1.401、1.058、0.447、0.239、0.099,分别为长江中下游平原、云贵高原、华北平原、东北平原-山地及蒙新高原.由此可见,东北平原-山地和蒙新高原TP对浮游藻类生长的影响大于TN,而在华北平原、长江中下游平原和云贵高原,TN对浮游藻类生长的影响大于TP.另一方面,通过分析浮游藻类生物量与水体透明度之间的相关性,阐明藻类生长繁殖对不同区域湖泊水体透明度影响的区域差异性,结果表明,湖泊中浮游藻类生长繁殖对水体透明度影响最大的是云贵高原,其次是东北平原-山地、蒙新高原和华北平原,长江中下游平原水体透明度与浮游藻类生物量之间没有显著相关性.     

地理气候及湖盆形态对我国湖泊营养状态的影响

利用SPSS统计分析软件的相关性分析和曲线估计功能分析了我国145个湖泊富营养化指标与自然因素之间的关系.富营养化指标包括2008—2010年现场监测的总氮、总磷、高锰酸盐指数、透明度、叶绿素a(Chla)和营养状态综合指数(TLI),自然因素包括:2个湖盆形态指标(平均水深和面积)、3个湖泊地理位置指标(经度、纬度和海拔)和3个气候指标(年均温、年平均降水量和>0℃积温).相关性分析的结果表明,TLI指数与湖泊平均水深和海拔呈显著负相关(p<0.01),而与湖泊所在经度、>0℃积温呈显著正相关(p<0.01,p<0.05).Chla与湖泊平均水深呈显著负相关(p<0.05),与年均温和>0℃积温呈显著正相关(p<0.05).曲线估计的分析结果表明,TLI与湖泊平均水深和经度呈幂函数关系,与海拔和>0℃积温呈指数函数关系.研究结果还表明,贫营养湖泊位于高海拔(>1000m)和低经度(<105°)地区,并且湖泊的平均水深大于30m.年平均降水量低于1000mm,>0℃积温低于5400℃.     

近十年洪泽湖富营养化状态变化趋势及原因分析

通过2011～2020年洪泽湖全湖逐月监测数据的分析,厘清了近十年洪泽湖富营养化状态变化趋势、时空变化特征和驱动要素,为洪泽湖富营养化控制提供针对性建议.作为洪泽湖最主要的入湖河流,淮河近十年来高锰酸盐指数显著上升、 TN显著下降.洪泽湖近十年水体总体透明度、 TP浓度和高锰酸盐指数平均值显著上升,TN和Chl-a浓度的平均值显著下降,富营养化状态指数（TLI）有下降趋势.洪泽湖富营养化状态的变化趋势在空间上存在差异：洪泽湖东区是淮河的过水通道,由于较短的水体停留时间,即使在营养盐浓度较高的情况下,藻类生物量仍显著低于其他区域,同时由于淮河水质的改善,TLI显著下降;北区具有较高的水生植被覆盖度,不仅降低了水体营养盐浓度,并为浮游动物和鱼类提供了栖息地,有效地抑制了藻类的生长,富营养状态要明显低于其余湖区,近十年TLI呈现下降趋势;西区富营养化程度最高,由于内源释放的加剧,藻类生物量最高,富营养化程度并没有得到改善.洪泽湖富营养化状态也存在显著的季节差异,夏季富营养化指数最高,藻类生物量因温度升高而相对较高,同时夏季藻类生物量主要受营养盐浓度影响,其中NO^-     

基于生态分区的我国湖泊营养盐控制目标研究

为更好地控制我国湖泊的富营养化水平,在五大湖泊生态分区的基础上,对不同生态分区的100个湖泊总氮(TN)、总磷(TP)、TN/TP与叶绿素a(Chl-a)的关系进行了分析,进而提出了不同生态分区的湖泊营养盐控制目标.结果表明,五大湖泊生态分区中,东北湖区富营养化水平最低,华北湖区富营养化水平最高,近几年五大湖区湖泊富营养水平呈上升趋势.从TN、TP对五大生态分区湖泊Chl-a浓度的影响看,TP是东北和华北湖区湖泊藻类生长的限制性营养盐,而TN和TP同时是中东部、云贵和蒙新湖区湖泊藻类生长的限制性营养盐.从TN/TP判断,在TN/TP<10的湖泊中,除华北湖区外的其他4个湖区湖泊Chl-a均受TN显著影响;TP仅对东北、蒙新湖区湖泊的Chl-a有显著影响.在TN/TP>17的湖泊中,除蒙新湖区外的其他4个湖区湖泊Chl-a均受TP显著影响,而在中东部、云贵和蒙新湖区,TN对Chl-a也有显著影响.在10相似文献   

三峡水库支流大宁河冬、春季水华调查研究

以三峡水库主要支流--大宁河冬、春季2次不同类型水华的调查数据为依据,分析并比较了不同水华期间水质的变化、营养盐的构成及水华的特征.结果表明,大宁河冬季水华以唐家湾为中心,叶绿素a(Chl-a)含量较高[(Chl-a)_(max)/(Chl-a)_(min)=260];随着藻类的生长总氮(TN)、总磷(TP)和高锰酸盐指数出现富集而含量升高,溶解氧(DO)和pH却出现低值;水华高峰期水体藻类较少,共发现2门4种,水华优势种为铜绿微囊藻和水华微囊藻,藻密度高达3.15×10~7个/L,相关加权综合营养状态指数为80,属于重度富营养化水体.而春季水华属于自回水段以下整体性暴发,Chl-a含量也较高[(Chl-a)_(max)/(Chl-a)_(min)=140];TN、TP和高锰酸盐指数均是随着水华的发生逐渐升高;水华高峰期藻类种群丰富,共发现5门44种,各断面水华优势种和藻密度均不同,相关加权综合营养状态指数显示东坪坝和白水河为轻度富营养化水体.相关性分析表明,冬季水华期间Chl-a与TN、TP、高锰酸盐指数、水温呈显著正相关,与DO、透明度(SD)呈显著负相关;春季水华Chl-a与TP、高锰酸盐指数、DO、pH呈显著正相关,与SD呈显著负相关.冬季水华pH与SD呈显著正相关,与TN、TP、高锰酸盐指数呈显著负相关;而春季水华pH与Chl-a、TP、高锰酸盐指数、DO、气温呈显著正相关,与SD呈显著负相关.     

玄武湖水域初级生产力和富营养化的调查研究

根据１９９１年－１９９３年对玄武湖水域微生物现存量和初级生产力的监测结果，用叶绿素ａ以及藻类数量所表征的浮游藻类的生物量，通过富营养化的关键营养元素之一磷与透明度，溶解氧等的定性关系，以及叶绿素ａ，初级生产力的季节变化的分析认为，放养摄食浮游藻类的鱼类是减轻湖泊营养负荷的重要途径之一，同时又可获得社会效益，经济效益，生态效益三者的统一。     

天山天池夏季叶绿素a的分布及富营养化特征研究

2014年6~8月,对天山天池水体叶绿素a(Chl-a)的分布特征及其与环境因子的相关性进行分析,探讨了天池富营养化状态及成因.结果表明,天池夏季Chl-a浓度变化范围为2.11~4.06μg·L-1,平均值为(2.8±0.69)μg·L-1.不同监测断面Chl-a垂直剖面变化趋势相似,整体表现为表层(0~2 m)和深层(12 m以下)低,中上层(2~12 m)高的特点.天池Chl-a浓度与深度和电导率显著负相关,与水温、p H值、溶解氧、蓝绿藻细胞密度和TP显著正相关,与TN的相关性较小.夏季天池TN和TP平均浓度分别为0.27 mg·L-1和0.035 mg·L-1,超过国际上一般标准的富营养型湖泊的浓度,采用修正的卡尔森营养状态指数评价天池的营养化状况,其目前处于中度富营养化水平.究其原因,可能主要是水土流失导致的营养盐升高,以及水生生物组成改变引起的藻类大量繁殖引起的.所以需从生态恢复和生态管理的角度,进行天池水质和周边植被的保护和恢复,以减缓天池水体富营养化加剧的风险.     

基于分位数回归的洱海藻类对氮、磷及水温的响应特征

基于云南洱海长时间尺度水质观测数据,运用分位数回归方法分析浮游藻类叶绿素a(Chl-a)对氮(N)、磷(P)、水温的定量响应关系.结果表明过去20余年洱海藻类生物量受水温、N、P共同影响,随着洱海富营养化程度的加剧,水温对藻类生物量的相对重要度在持续下降,斜率平均值从2.70下降至0.44.而营养物对藻类的促进效应明显在提升,尤其是TP对藻类的相对重要度持续在攀升,斜率平均值从-0.3增长至0.8.TN对藻类生物量整体表现为较稳定的正效应,但近些年(2008~2013年)TN对藻类正效应达到最低.2002之后,P已逐渐取代N成为最重要的营养物限制因子.在季节方面,春季和秋季以水温和N的共同限制为主导,但春季当Chl-a8 mg·m-3时,N和水温对藻类的正效应逐渐被P取代.夏季完全以N、P共同限制效应占主导,当Chl-a3 mg·m-3时,TP的正效应逐渐超过TN,冬季则以P和水温的共同限制效应为主导.在气候变暖的大背景下,洱海富营养化控制应以"控P"为主和N、P协同削减的策略.当前富营养化控制过程中,应着重监控春、秋两季温度短期快速上升可能引发的全湖藻华风险.     

程海湖夏冬季浮游植物群落结构与富营养化状况研究

为了解程海湖浮游植物群落特征及其富营养化现状,对程海湖的水体理化指标和浮游植物群落结构进行了系统调查,分析了夏、冬季节程海湖水质状况、浮游植物群落结构特征及其与环境因子之间的关系,并运用综合营养状态指数法和藻类生物学法评价了程海湖的营养状态.结果表明,调研期间程海湖氮、磷浓度较高,水体中总磷(TP)浓度为0.03～0.19 mg·L~(-1),总氮(TN)为0.38～3.08 mg·L~(-1),综合营养状态指数(TLI)在49.3～54.4之间波动,已经达到轻度富营养水平;藻密度变化范围为1.54×10~6～1.65×10~7个·L~(-1),已超过常规湖泊的水华暴发阈值范围;浮游植物以蓝藻、绿藻为主,Shannon-Wiener多样性指数大多数为1～3,Pielou均匀度指数为0.18～0.72,部分时间段藻类多样性偏低,呈现出典型的蓝藻门为优势的富营养化状态,亟需对其进行生态保护与管理.     

大型溞强化生物操纵修复富营养化水体研究

为了探究大型溞对生物操纵技术修复富营养化水体的影响,文章通过大型溞投放实验,分析大型溞影响下富营养化水体水质变化特征。结果表明:大型溞投放后能够迅速增殖成为优势种,并引发水质的显著改善。水体透明度显著提高,达到最大水深2 m。Chl-a、TP、SRP、TN、NH_4~+-N和高锰酸盐指数分别下降95%、92%、82%、56%、61%和69%。藻细胞密度较实验前降低了83%,表明大型溞能有效控制水体中浮游植物的生长。同时浮游植物的群落结构也发生较大变化,蓝藻比例大幅度降低,藻类多样性得到提高。水体富营养化程度从重度富营养化降低至中营养水平,水体富营养化状态得以消除。     

水华过程水质参数与浮游植物定量关系的研究——以太湖梅梁湾为例

考虑到太湖水华暴发过程中水质参数（如营养盐或水体理化参数）对浮游植物增殖的滞后效应,利用有滞后变量参与的格兰杰因果关系检验和向量自回归模型,分析了太湖梅梁湾湖区2000年~2012年的监测数据,探讨了湖泊水质参数对于水华暴发的影响和定量关系.结果发现,表征浮游植物生物量的叶绿素a（Chl-a）浓度与总磷（TP）、氮磷比（N/P）、水温（WT）之间存在长期的均衡关系,格兰杰因果关系模型和向量自回归模型（VAR）的结果显示,水体中TP浓度、N/P和WT是Chl-a含量变化的格兰杰原因,上述结果提供了湖泊水质参数与蓝藻生物量的定量关系,在其他水质参数保持不变的情况下,约1%湖泊TP含量、N/P和水温的变化分别造成0.97%、0.078%和0.55%的浮游植物生物量的变化.本研究为水华暴发研究过程中水质参数的定量化影响提供一个新颖的视角,考虑了时间滞后变量的时间序列分析方法也可以加深对水华暴发过程的理解.     

Phosphorus accumulation and eutrophication in feed-supply freshwater fishponds

The rapid growth and intensification of freshwater fishery can cause imbalances between phosphorus （P） input in feed and its output in produce. This aquaculture can result in enriching exogenous P in fishponds and, consequently, accelerates the process of eutrophication. To assess relations among input, accumulation, release of P and as a consequence degrading water quality in terms of chlorophyll-a （Chl-a） in freshwater fishponds, fourteen fishponds with feed supply, nine fishponds without feed supply, and five nonfish ponds in Shaoxing Plain, southeast China were selected for comparing P accumulation in their waters and surface sediments. Surface sediment samples were collected from each pond to evaluate their total P, water soluble P, Olsen P, algal available P, and P fractions. Water samples were also collected from the ponds to measure concentrations of dissolved P and Chl-a. Total P in the sediments ranged from 0.88 to 1.73 g/kg in the fishponds with feed supply, that in the non-fish ponds ranged from 0.47 to 0.86 g/kg. Organic P, accounted for 23% to 60% of total P in the sediments, was an important P fraction and increased linearly with increasing organic matter. Long-term application of feeds resulted in increased P availability in the bottom sediments and degradation of water quality in the freshwater fishponds. Compared with non-fish ponds, sediments from the feed-supplied fishponds contained considerably higher Olsen P, algal available P, and water soluble P. Higher proportions of the labile P （NH4Cl-P） and potentially labile P （NaOH-IP） were also found in the sediments from the fishponds. High solubility of P in the sediments resulted in elevation of P and chlorophyll-a concentration in the pond water. The dissolved P concentration in the pond water increased in the order of non-fish ponds （12μg/L） 〈 fishponds without feed supply （24 μg/L） 〈 fishponds with feed supply （66 μg/L）. Linear correlations between concentrations of total P, Olsen-P, algal available P, water-soluble P and P concentration in saturation extracts in the sediments and dissolved P in the pond water indicated that there was a buffering action of the sediment constituents on the dissolved P.     

基于GEE的中国南海水质反演与富营养化评价

基于Google Earth Engine （GEE）平台,以MODIS遥感影像为数据源,通过构建多元特征建立水质反演模型,分析了2006~2018年的南海透明度（SD）、总氮（TN）、叶绿素（Chl-a）、化学需氧量（COD）的空间变化特征,并通过综合营养指数分析了南海富营养化的时空趋势.结果表明：GEE结合多元回归模型能够较好模拟南海水质变化,水质对于MODIS特征的响应程度为SD>COD>TN>Chl-a,多项式拟合水质参数效果最好;南海的SD、TN、Chl-a、COD 4个水质参数时空异质规律明显,SD高值主要分布在菲律宾西部和越南东部的海域,2006~2018年SD逐步降低,2006~2018年间TN高值分布范围逐年扩大,而Chl-a浓度逐步降低,2006~2018年期间COD在逐渐蔓延;通过三维趋势面分析,SD和COD、TN和Chl-a的空间变化趋势相似,而Chl-a则与SD、COD的变化趋势完全相反;2006~2018年,中国南海富营养化程度呈递增趋势,不同国家应当开展区域合作以进行海洋环境治理.     

基于太湖微囊藻毒素的叶绿素a阈值研究

以探讨叶绿素a(Chl-a)阈值为主要目的于2013年6~10月间每月在太湖采样,通过固相萃取超高效液相色谱串联质谱法对水体中3种微囊藻毒素(MC-LR、MC-RR、MC-YR)进行检测.利用SPSS软件分析各种形态的微囊藻毒素(MCs)与总氮(TN)、总磷(TP)、Chl-a、高锰酸盐指数等富营养指标的相关性,分析了MC-LR、MCs与Chl-a的关系.结果表明,太湖MCs污染较严重,其浓度的空间分布特征为:梅梁湾>贡湖、西部沿岸区>湖心区>胥湖区、南部湖区,并以MC-LR浓度最高;相关性分析表明MC-LR、MC-RR、MC-YR及MCs均与高锰酸盐指数、TN、TP、Chl-a呈极显著正相关(P<0.01).结合饮用水中MC-LR和MCs的标准限值分析得出,太湖Chl-a的阈值是12.26 mg·m-3,与美国北卡罗莱纳州湖泊的Chl-a标准值比较属于安全阈值,具有一定的科学性.     

贵州高原水库汞的分布特征及其对富营养化的响应

于2012年11~12月采集贵州不同营养状况的6座水库——三板溪水库、龙滩水库、万峰湖水库、百花湖水库、红枫湖水库和阿哈水库水样,分析水体中汞的形态分布及与水体富营养化之间的关系,探讨水体汞形态及其分布特征对水体富营养化的响应.结果表明:6座水库总汞浓度的平均值为(5.82±4.99)ng/L,其中在阿哈水库的库中和百花湖水库的岩脚寨采样点存在不同于其它点的局部污染源;MeHg浓度平均值为(0.08±0.07)ng/L,阿哈水库的MeHg浓度较高是其它水库的2~10倍,约为0.26ng/L.在枯水期,贵州6座水库的富营养化程度不同,其中三板溪水库和龙滩水库为表现为贫营养型;万峰湖水库表现为为贫中营养型;百花湖水库和红枫湖水库表现为为中富营养型;阿哈水库为富营养型.富营养化指数与总汞、甲基汞和溶解态甲基汞皆呈显著正相关(r=0.477,P<0.05; r=0.558, P<0.05;r =0.502, P< 0.05, n=19).富营养化对水库生态系统中形态汞之间的迁移和转化有着重要影响,为溶解态汞和甲基汞的生成提供了有利条件,对水体中汞的地球化学循环的影响不可忽视.     

Prediction of the concentration of chlorophyll-a for Liuhai urban lakes in Beijing City

The weekly water quality monitor data of Liuhai lakes between April 2003 and November 2004 in Beijing City were used as an example to build an artificial neural networks （ANN） model and a multi-varieties regression model respectively for predicting the fresh water algae bloom. The different predicted abilities of the two methods in Liuhai lakes were compared. A principle analysis method was first used to select the input variables of the models to avoid the phenomenon of collinearity in the data. The results showed that the input variables for the artificial neural networks were T, TP, transparency（SD）, DO, chlorophyll-a （Chl-a）,pH and the output variable was Chl-a. A three layer Levenberg-Marguardt feed forward leaming algorithm in ANN was used to model the eutrophication process of Liuhai lakes. 20 nodes in hidden layer and 1 node of output for the ANN model had been optimized by trial and error method. A sensitivity analysis of the input variables was performed to evaluate their relative significance in determining the predicted values. The correlation coefficient between predicted value and observed value in all data and in test data were 0.717 and 0.816 respectively in the artificial neural networks. The stepwise regression method was used to simulate the linear relation between Chl-a and temperature, of which the correlation coefficient was 0.213. By comparing the results of the two models, it was found that neural network models were able to simulate non-linear behavior in the water eutrophication process of Liuhai lakes reasonably and could successfully estimate some extreme values from calibration and test data sets.