基于NDVI滇池水华特征的时空变化研究

相较于其他传感器,MODIS数据在水质监测方面具有明显优势。基于2000-2017年的MODIS影像16d合成250m×250m分辨率的归一化植被指数(NDVI)数据,应用ArcGIS、GetData、Grapher10等软件对数据进行处理,从逐年、逐月到逐旬详细分析了滇池地区NDVI的时空分布规律,探讨了不同等级蓝藻水华的分布面积和空间变化特征。结果表明,(1)时间变化上,2000-2017年间滇池年NDVI总体呈现减少趋势,蓝藻水华覆盖度有所降低,富营养化偏向减轻;多年平均的轻度水华面积约占滇池总面积的54.99%,中度水华和重度水华面积分别占总面积的27.42%和17.59%;11-4月滇池以无水华区域为主,5-10月以轻度水华为主,中度水华主要出现在5-10月,重度水华则集中在7-9月;蓝藻水华的暴发时间大约在7月上旬和8月下旬,其重度水华面积分别达到11.4%和14.0%。(2)空间变化上,滇池蓝藻水华的暴发格局总体呈现"北重南轻"的分布态势,水华较严重的区域集中在北部草海、断桥、晖弯和滇池边界;但从变化趋势上,NDVI减小,表征蓝藻水华覆盖度减少的地区主要分布在滇池北部的断桥和中部部分区域。该研究结论可为丰富滇池水质监测方法,建立实时预警系统,以及水资源的合理利用与有效管理提供科学依据。     

太湖有色可溶性有机物4种光谱模型的对比

利用指数函数、幂函数等4种模型对太湖2006-2007年50个站点250个样本的有色可溶性有机物(CDOM)光谱吸收系数进行拟合,发现其他3种模型都比传统的取自然对数进行线性回归的模型拟合效果好.统计检验显示,幂函数模型的光谱拟合效果最好,平均决定系数为0.999 0,大于其他3种模型,而平均相对误差、均方根误差则小于其他3种模型.利用幂函数模型计算得到,在280～500 nm光谱范围内,CDOM吸收光谱斜率均值为(6.66±0.40) nm-1,变异系数6.08%,其频率基本上遵循正态分布.对于太湖CDOM吸收光谱斜率值,在空间分布上,梅梁湾显著小于大太湖开阔水域(P< 0.001);时间分布上,最大值出现在春季,最小值在秋季,夏季值小于冬季值.CDOM吸收光谱斜率与吸收系数呈显著负相关,相关性随波长增加而增强.     

太湖梅梁湾附生细菌和游离细菌群落结构分析

细菌是浮游藻类群落结构重要的生物调节因子之一.采用PCR-DGGE技术研究太湖梅梁湾水域的菌群结构,主要分析水华发展阶段和暴发阶段该水域附生细菌和游离细菌的群落结构,以获得富营养化水体更丰富的微生态信息,探讨附生细菌和游离细菌在水华过程中可能具有的重要生态功能.结果表明,附生菌群结构简单,具有较高的时空稳定性,是水华发展阶段的优势菌群,其优势种群主要为α-proteobacteria和γ-proteobacteria;比较而言,游离菌群具有明显的时间差异性,水华发展阶段的种群多样性非常低,水华暴发阶段的则相当高,从而成为这一时期的优势菌群,以Actinobacteria和α-proteobacteria为主.此外,在水华发展与暴发阶段均发现淡水水体中较为罕见的SAR11种群,且这类细菌在附生菌群和游离菌群中均可检测到.     

扰动强度对太湖水华微囊藻群体大小的影响

风浪扰动是影响湖泊生态系统的重要环境因素之一。为了解扰动强度对湖泊水华微囊藻(microcystis flos-aquae)群体大小的影响,本研究在室内模拟研究了不同扰动强度(0、50、100、200和400 r·min~(-1))对太湖水华微囊藻群体大小的影响。结果表明,实验组模拟风浪连续扰动24 h,随着扰动强度的增大,水华微囊藻群体先增大后减小,扰动强度50 r·min~(-1)和100 r·min~(-1)水华微囊藻群体分别从10.72μm和10.58μm迅速增大为17.92μm和39.50μm,二者群体大小都显著大于对照组(P=0.006,0.000);而扰动强度200 r·min~(-1)和400 r·min~(-1)水华微囊藻群体大小与对照组差异不显著(P=0.161,0.727)。扰动结束时,扰动强度100 r·min~(-1)和200 r·min~(-1)的总胞外多糖含量显著高于对照组(P=0.001,0.006),而扰动强度50 r·min~(-1)和400 r·min~(-1)与对照组没有显著差异(P=0.180,0.089)。该研究结果表明,短时间内适当强度的扰动能促使水华微囊藻群体显著增大,而过强的扰动则没有显著的促进水华微囊藻群体在短时间内的快速聚集。该结果有助于人们对太湖微囊藻水华暴发机理的认识。     

蓝藻水华对太湖氧化亚氮排放的影响

为考察蓝藻水华对氧化亚氮(N_2O)排放的影响,于2016年8月对太湖不同藻华暴发区表层水体中N_2O浓度进行了测定。结果表明,太湖水体中N_2O浓度具有较大的空间差异性,其中河口区最高,平均约26.8μmol·m~(-3),而梅梁湾东北部区和太湖开敞区最低,平均仅4.0μmol·m~(-3)。相关性分析结果表明,太湖表层水体中N_2O与叶绿素a(Chl-a)浓度呈显著正相关(P0.05)。室内微宇宙模拟试验结果显示,在硝酸盐氮充足的条件下添加少量蓝藻的处理组[ρ(Chl-a)约为80μg·L~(-1)]N_2O释放通量显著高于对照组[ρ(Chl-a)约为30μg·L~(-1),P0.001]。但是随着蓝藻添加量的增加,N_2O的释放通量又呈显著下降趋势(P0.001),这表明在氮不受限的条件下,一定浓度的蓝藻可促进N_2O的产生,而高浓度的蓝藻则可能对N_2O的释放起抑制效应。乙炔抑制试验中,N_2O产生速率则随着Chl-a浓度的增加急剧升高,说明微宇宙中的高浓度蓝藻可能同时加快了N_2O的产生和消耗,从而抑制了水体中N_2O的排放。     

太湖叶绿素a浓度分布的时空特征及其影响因素

基于2005—2009年20次太湖采样期间的水质监测数据,研究了太湖叶绿素a浓度的主要分布特征,分析了水环境因子对叶绿素a浓度分布的季节性和空间性影响.结果表明,太湖叶绿素a浓度分布的空间差异较大,主要表现为梅梁湾、竺山湾、太湖西部和西南部湖区为叶绿素a浓度距平经验正交分解(EOF)第一模态空间分布的显著正值区,太湖湖心和东南湖区则为负值区;影响叶绿素a浓度的因子有水温、溶解氧、总氮、磷酸根和总磷,但总磷和水温的影响相对更为显著,而各季节叶绿素a浓度的影响因子则略有差异;影响藻类生长的因子存在较大的空间分布差异,但总磷、水温和溶解氧是其主要限制性因子,氮类营养盐的影响则处于次要地位.     

太湖蓝藻的时空变化规律及治理方法

利用2009─2012年丰水期和平水期的生物调查获取的环境和生物数据,研究太湖蓝藻的时空分布规律,分析蓝藻分布与其他物理、化学和生物因子（如温度、酸碱性、有机物和营养盐含量、浮游植物与浮游动物密度等）的相关关系。结果表明：太湖水质基本上超出V类地表水指标,主要的超标因子是总氮。总氮在丰水期和平水期的质量浓度分别为3.05 mg·L-1和1.65 mg·L-1,总氮在丰水期质量浓度降低的主要原因可能是丰水期蓝藻迅速生长,吸收了大量的营养盐。蓝藻仍是太湖浮游植物的优势种。2009─2012年太湖蓝藻的密度随年份无明显变化,但随季节和区域存在显著差异：丰水期蓝藻密度均值为4.87×10^7cell·L-1,明显高于平水期蓝藻密度（1.51×10^6 cell·L-1）;太湖东部采样点蓝藻密度明显低于其他湖区。影响蓝藻的非生物因素包括温度、酸碱度和营养盐,高温、偏碱性和高营养盐含量都会增加蓝藻的密度。蓝藻与其他浮游植物和大型水生植物之间存在竞争关系,蓝藻密度增加促进了枝角类的生长。推荐利用机械打捞和大型水生植物修复方法,因为这2种方法可在降低蓝藻密度的同时去除水体中的有机物和营养盐,可以从根本上降低太湖蓝藻水华的风险。增加其他藻类和枝角类控制蓝藻水华方法可行性较差：1）蓝藻暴发时期其它藻类对能量和营养的竞争能力弱于蓝藻,难以抑制蓝藻的生长;2）在太湖中增加枝角类可能降低现有蓝藻的密度,但建立完整的食物链体系降低富营养化程度,防范生物调控中可能存在的生态风险（如其他藻类水华等）较困难。     

淮北临涣煤矿塌陷水域叶绿素a与相关因子分析

根据淮北临涣煤矿塌陷水域3个季节叶绿素a(Chl.a)及相关指标的监测数据,分析了叶绿素a含量的时空分布特征,讨论Chl.a与其他因子的相关关系.研究结果表明,临涣煤矿塌陷水域Chl.a的浓度均值特征为夏季较高21.5 mg·m-3,秋季11.8 mg·m-3,冬季10.0 mg·m-3.由于浮游植物生物量的高低、动物活动季节差异、补给水源入口、取水口位置、局部水深差异大等原因,研究水域夏季呈现西高东低、秋季四周高中间较低、冬季西高东低等空间分布差异性.相关性分析显示,Chl.a与水温、溶解氧、化学需氧量呈极显著正相关,与透明度、氨氮、硝酸盐氮、溶解性磷酸盐呈极显著负相关,与总磷显著负相关,与p H、总氮、氮磷比无显著相关关系;水温、氨氮、硝酸盐氮、总磷、溶解性磷酸盐可能是浮游植物生长的限制因子,溶解氧、化学需氧量、透明度是Chl.a的被动因子;研究水域已达到轻度富营养化水平,Chl.a浓度能够较好地反映该煤矿塌陷水域的富营养水平.     

阶段法与参考基准法联用在建材气味强度评价中的应用

本文利用气味强度的幂律模型,建立了五阶段法气味强度等级和参考基准法正丁醇溶液浓度的转化关系.计算出了五阶段法气味强度等级对应的正丁醇浓度,并将其应用于五阶段法评价气味等级的过程中.与传统阶段法相比,该方法具有更好的精密度和重复性,适用于评价建材产品的气味强度等级.     

太湖梅梁湾水域蓝藻水华前与水华末期细菌群落结构的变化

通过16S rRNA克隆文库研究了太湖梅梁湾2004年3月和9月表层水样中细菌组成的变化,发现在蓝藻水华前与水华末期的菌群结构存在差异,特别是最优势的细菌发生了很大变化.3月水样中的克隆子主要与Bacteroidetes(42.7%)、β-Proteobacteria(18.4%)、α-Proteobacteria(16.5%)和Actinobacteria(16.5%)相关,9月水样中的克隆子主要与Cyanobacteria(28.8%)、β-Proteobacteria(25.0%)、Actinobacteria(17.3%)和α-Proteobacteria(15.4%)相关.此外,在水华末期(9月)的细菌组成更为多样性,有11个类群;而未发生水华时(3月)的细菌组成只有7个类群.同相关研究比较发现,α、β-Proteobacteria,Actinobacteria均为太湖中的常见菌群,其分布较为广泛;而γ-Proteobacteria和Firmicutes多出现于太湖的沉积物中,在水体中较少出现;属于Bacteroidetes这一类群的浮游细菌在湖水中很丰富.所研究水域中发现的很多细菌的16SrRNA基因与出现在许多不同的淡水生境,包括国外贫营养湖、中营养湖和富营养湖中细菌的系统关系密切,还发现大量源于长江的克隆子,很少有与海洋中细菌相似的序列(除Bacteroidetes门的成员外).图2表3参21     

Impact of climate factors on cyanobacterial dynamics and their interactions with water quality in South Taihu Lake,China

Cyanobacterial bloom events in South Taihu Lake cause serious water quality problems and disturb aesthetic view of lake’s environment. In this study, correlations between cyanobacterial blooms and hydro-meteorological factors, including water quality, temperature and precipitation were investigated. Results demonstrated that South Taihu Lake was heavily affected by cyanobacteria and the proliferation of cyanobacteria due to variations in hydro-meteorological factors and water quality conditions. Water quality parameters, including COD, NH₃-N, TN and TP improved significantly since 2008 even at an elevated cyanobacterial bloom situation. Correlation analyses have shown that the development of cyanobacterial density and chlorophyll a concentration was sensitive to a wider temperature variation. The optimum temperature for cyanobacteria was 20°C, while extremely low and high temperatures were found to suppress their growth. Moreover, unusual rainfall patterns were measured during the study period (2003–2009), which showed an adverse impact on cyanobacterial development. Findings from this study suggested that seasonal lake’s water quality monitoring; suitable treatment of cyanobacterial blooms and strict policy implementation can solve the water quality issues in highly eutrophic lakes like Taihu.     

太湖和巢湖夏季蓝藻水华期间产毒微囊藻和非产毒微囊藻种群丰度的空间分布

应用荧光定量PCR技术对蓝藻水华暴发期间太湖和巢湖水体中产毒微囊藻和总微囊藻种群丰度的空间分布进行了研究.分别以微囊藻毒素合成基因基因家族成员mcyD和小核糖体16S rDNA序列构建定量PCR标准曲线,研究产毒微囊藻和总微囊藻种群丰度.结果表明:太湖和巢湖微囊藻种群由产毒微囊藻和非产毒微囊藻组成;蓝藻水华暴发期间,微囊藻种群组成及其丰度分布具有明显的空间差异性:太湖产毒微囊藻种群丰度为9.89×104～4.51×106 copies mL-1,产毒微囊藻占总微囊藻种群的比例为20.5%～38.1%;巢湖产毒微囊藻种群丰度为4.12×104～5.44×106 copies mL-1,其占总微囊藻种群的比例为8.4%～96.6%.总的来说,富营养化严重的湖区总微囊藻和产毒微囊藻种群丰度较高,产毒微囊藻占总微囊藻种群的比例也较高.图7表3参29     

太湖浮游植物群落结构及其与水质指标间的关系

为了探讨太湖浮游植物群落结构时空分布特征、以及太湖浮游植物群落指标与水质指标间的关系,于2013年1月─2013年12月对太湖7个点位浮游植物群落结构和水质指标（水温、透明度、pH、溶解氧、电导率、总氮、总磷、氨氮、高锰酸盐指数、化学需氧量、氟化物、生化需氧量、硝酸盐氮、亚硝酸盐氮、溶解性磷酸盐和叶绿素a）进行月度调查,研究其浮游植物群落结构和湖泊水质的时空分布;并利用Pearson相关性分析浮游植物密度、浮游植物多样性与水质指标间的关系;找出影响太湖浮游植物群落结构的主要水质指标。结果表明：太湖7个点位共获得124种浮游植物物种,其中蓝藻门（Cyanophyta）30种、绿藻门（Bacillariophyta）47种、硅藻门（Chlorophyta）34种、隐藻门（Cryptophyta）3种、裸藻门（Euglenophyta）6种和甲藻门（Dinoflagellate）4种;其中蓝藻门的微囊藻属（Microcystis spp.）为绝对优势种群,优势度为80.8%;太湖浮游植物总密度与蓝藻门密度呈极显著正相关（r=1.000,P＜0.0001）;绿藻门和硅藻门占浮游植物总密度百分比分别和蓝藻门占浮游植物总密度百分比呈极显著负相关（r=-0.497,P＜0.0001;r=-0.814,P＜0.0001）。太湖7个点位水质首要污染物为总氮,其次是总磷和化学需氧量;西太湖污染物浓度最高。从空间上看,太湖浮游植物总密度最高值出现在贡湖湾（远离其入湖口处）,且贡湖湾浮游植物群落多样性相对低于太湖其他点位,同时贡湖湾微囊藻属密度百分比达90.1%,远高于太湖其他点位;从时间上看,太湖浮游植物总密度最高值出现在12月份、其次是6月份;通过浮游植物群落指标与水质指标相关性分析,水温、透明度、总氮、化学需氧量、叶绿素a是影响太湖浮游植物群落结构的主要水质指标。控制太湖入湖口水质污染物浓度排放和修?     

白洋淀芦苇型水陆交错带水化学动态及其净化功能研究

于2007年3月-11月对富营养化湖泊一白洋淀进行了现场调查,分析了温度、溶解氧（DO）、叶绿素、总磷（TP）及其他水化学指标的动态变化规律,并讨论了它们之间的相互关系。结果表明：白洋淀芦苇（Phragmites australis var．baiyangdiansis）型水陆交错带对营养物质具有强烈的截留作用,可以达到净化白洋淀水体的效果。从水质指标的空间分布看,污染较重的府河河口区域其水体TP、化学需氧量（CODc,）含量明显高于污染较轻的湖泊中心区域,空间梯度上呈逐步递减趋势。根据水体盐度、总溶解性固体、TP及DO含量进行聚类分析,可以将采样点分为3类：Ⅰ区、污染较重河口区域;Ⅱ区、中间过渡缓冲区域;Ⅲ区、污染较轻中心区域。Ⅰ区其水体DO含量明显低于Ⅲ区,而水体盐度则明显高于Ⅲ区。通过调查发现：在8月份,白洋淀水体DO含量突然增加;相关分析表明：叶绿素含量与DO（P=0．046）及温度（P〈0．01）之间呈显著正相关关系。结合叶绿素等指标的动态变化规律,8月份左右可能是白洋淀藻类爆发的危险时期。     

太湖重污染湖区和水源地水质概况及藻毒素污染环境风险

近年来太湖流域局部水质状况有所改善,但太湖藻型生境条件还未根本改变,水污染防治任务依然艰巨。确保太湖湖体水质稳定达标,尤其是加强对太湖重点湖区和水源地重点污染物的调查研究十分重要。在此背景下,本文调研了太湖重点湖区和水源地水质概况、藻毒素污染时空分布特征、环境影响因子和迁移转化规律,并总结了藻毒素的环境和健康风险研究的最新进展,指出了太湖西部湖区和饮用水源地的主要环境风险,以及未来太湖藻毒素污染相关研究需解决的关键技术问题,以期为促进太湖流域重点污染物的控制和治理,确保太湖饮用水源地安全提供有益借鉴。     

太湖水华蓝藻中元素的组成及其环境意义

利用电感耦合等离子质谱仪对2008年7、9和10月采自太湖南泉水域的水华蓝藻样本中19种元素(Na、Mg、K、Ca、Zn、Mn、Fe、Al、Cu、Cr、Co、Ni、As、Se、Mo、Ag、Tl、Cd和Pb)的质量含量(w)及组成变化进行研究。结果表明,在藻华中w较高(1 000μg.g-1,以干质量计)的常量元素或有益元素为Ca、K、Na、Mg、Al、Fe。其中,w(Ca)和w(K)较高(4 000μg.g-1),w(Ca)随月份变化不大,而w(K)、w(Mg)、w(Na)则逐月升高。w(Al)、w(Fe)变化较大,7月最高(1 000μg.g-1),之后迅速降低(400μg.g-1);藻华中w在10~100μg.g-1之间变化的元素为Mn、Zn、Ni、Cu,其中,7月这4种元素w均最高,9~10月则降低。藻华中还检出痕量元素Co、Mo和Se,Tl未检出。藻华中积累的有毒元素中w(As)较高(5~15μg.g-1),而w(Cr)、w(Cd)、w(Pb)、w(Ag)均较低(5μg.g-1)。有毒元素w最高值均出现在7月。基于上述结果,推算出2007—2009年采取物理方法除藻从太湖中移除的元素量约为:K595.89 t、Ca 544.03 t、Mg 181.18 t、Al 83.06 t、Na 63.97 t、Fe 55.45 t、Mn 2.99t、Zn 2.26 t、Ni 1.67 t、Cu 1.11 t、As 0.76 t、Cr 94.5 kg、Cd 82.70 kg、Se 45.01 kg、Pb 37.64 kg、Co 32.27 kg、Mo5.41 kg和Ag 2.46 kg。该研究不仅可为进一步寻找关键元素在蓝藻水华爆发过程中的限制作用及其机制提供基础数据,同时也可为评价利用物理除藻方法去除太湖中有毒元素和降低有可能促进藻华发展的营养元素的负荷量的有效性,从而保护和修复渔业环境提供理论依据。     

应用物种敏感性分布法分析太湖及天目湖水体的生态风险

采用物种敏感性分布法(SSDs法),应用水生生物急性和慢性毒性数据计算了31种污染物在水中和其中疏水物质在沉积物中的预测无效应浓度(PNECwater和PNECsed),通过收集以往报道的16种污染物在太湖和天目湖的环境浓度,用商值法求得物质的风险商并进行排序.结果发现:蒽、菲、萘、荧蒽、阿特拉津和马拉硫磷在太湖的梅梁湾和五里湖具有很大的生态风险;毒死蜱、三丁基锡氧化物和环己锡虽无环境浓度报道但很有可能具有风险.     

Predictability of marine nematode biodiversity

In this paper, we investigated: (1) the predictability of different aspects of biodiversity, (2) the effect of spatial autocorrelation on the predictability and (3) the environmental variables affecting the biodiversity of free-living marine nematodes on the Belgian Continental Shelf. An extensive historical database of free-living marine nematodes was employed to model different aspects of biodiversity: species richness, evenness, and taxonomic diversity. Artificial neural networks (ANNs), often considered as “black boxes”, were applied as a modeling tool. Three methods were used to reveal these “black boxes” and to identify the contributions of each environmental variable to the diversity indices. Since spatial autocorrelation is known to introduce bias in spatial analyses, Moran's I was used to test the spatial dependency of the diversity indices and the residuals of the model. The best predictions were made for evenness. Although species richness was quite accurately predicted as well, the residuals indicated a lack of performance of the model. Pure taxonomic diversity shows high spatial variability and is difficult to model. The biodiversity indices show a strong spatial dependency, opposed to the residuals of the models, indicating that the environmental variables explain the spatial variability of the diversity indices adequately. The most important environmental variables structuring evenness are clay and sand fraction, and the minimum annual total suspended matter. Species richness is also affected by the intensity of sand extraction and the amount of gravel of the sea bed.