武汉月湖水体主要元素与浮游植物的PCA与CCA分析

通过2007年1—12月对武汉月湖不同的取样点进行监测,并选择汉江琴台段水域作为研究对照,调查了月湖水体硅藻、蓝藻与水体主要元素的种类,采用PCA、CCA分析法探讨了月湖水体硅藻、蓝藻与水体元素种类的关系。结果表明：月湖水体中所含元素全年监测出28种;汉江琴台段水域中所含元素全年监测出27种。经PCA分析表明,月湖水体中累计贡献率较大为磷（P）、砷（As）、铁（Fe）、铜（Cu）、锰（Mn）;汉江琴台段水域累计贡献率较大为硅（Si）、锑（Sb）、镉（cd）、钒（V）、钡（Ba）、Ag（银）、钼（Mo）。月湖水体中蓝藻密度大于硅藻,汉江琴台段水域硅藻密度大于蓝藻。经CCA分析表明,月湖硅藻密度与硒（Se）、锶（sr）、银（Ag）、Ba、铝（A1）呈正相关关系;月湖蓝藻密度与P、Cu、铬（Cr）呈正相关关系,月湖蓝藻密度与镁（Mg）、镍（Ni）、钙（ca）、锌（zn）、硫（S）呈负相关关系。CCA分析中,汉江琴台段硅藻密度与铅（Pb）、硼（B）、As、Cr、Zn、A1、Cu、Mn、Fe、P呈负相关关系,汉江琴台段硅藻密度与Mo、ca、钴（Co）、V、Sr、Ag呈正相关关系;汉江琴台段蓝藻密度与钠（Na）、S、Mg、Ni、钾（K）呈负相关关系。月湖水体缺乏可溶硅（dissolvedsilicon,DSi）,硅藻会提升对其他元素（Se、Sr、Ag、Ba、A1）的吸收能力,这些元素会起到缺乏元素（si）近似的作用,替代性可能出现。水中各种元素的组态是导致月湖浮游植物群落发生演变的重要原因之一。     

武汉月湖水体主要元素与浮游植物的PCA与CCA分析

通过2007年1—12月对武汉月湖不同的取样点进行监测,并选择汉江琴台段水域作为研究对照,调查了月湖水体硅藻、蓝藻与水体主要元素的种类,采用PCA、CCA分析法探讨了月湖水体硅藻、蓝藻与水体元素种类的关系。结果表明:月湖水体中所含元素全年监测出28种;汉江琴台段水域中所含元素全年监测出27种。经PCA分析表明,月湖水体中累计贡献率较大为磷(P)、砷(As)、铁(Fe)、铜(Cu)、锰(Mn);汉江琴台段水域累计贡献率较大为硅(Si)、锑(Sb)、镉(Cd)、钒(V)、钡(Ba)、Ag(银)、钼(Mo)。月湖水体中蓝藻密度大于硅藻,汉江琴台段水域硅藻密度大于蓝藻。经CCA分析表明,月湖硅藻密度与硒(Se)、锶(Sr)、银(Ag)、Ba、铝(Al)呈正相关关系;月湖蓝藻密度与P、Cu、铬(Cr)呈正相关关系,月湖蓝藻密度与镁(Mg)、镍(Ni)、钙(Ca)、锌(Zn)、硫(S)呈负相关关系。CCA分析中,汉江琴台段硅藻密度与铅(Pb)、硼(B)、As、Cr、Zn、Al、Cu、Mn、Fe、P呈负相关关系,汉江琴台段硅藻密度与Mo、Ca、钴(Co)、V、Sr、Ag呈正相关关系;汉江琴台段蓝藻密度与钠(Na)、S、Mg、Ni、钾(K)呈负相关关系。月湖水体缺乏可溶硅(dissolved silicon,DSi),硅藻会提升对其他元素(Se、Sr、Ag、Ba、Al)的吸收能力,这些元素会起到缺乏元素(Si)近似的作用,替代性可能出现。水中各种元素的组态是导致月湖浮游植物群落发生演变的重要原因之一。     

滴水湖水系表层水体、沉积物和生物体内多环芳烃的污染特征及风险评价

利用固相微萃取、微波萃取与液相色谱联用方法,对滴水湖水系环境中的水样、沉积物和生物样品中16种美国环境保护局优控的多环芳烃(PAHs)进行检测。结果表明,滴水湖水系水体中16种PAHs总量(∑PAHs)为19～446 ng·L~(-1),沉积物中为90～1 410 ng·g~(-1)dw(干重),生物体内为73～426 ng·g~(-1)dw;水中PAHs以2～3环为主,沉积物和水生生物体内均以3～4环为主;与国内外其他水系相比,表层水体中PAHs的污染水平较低,沉积物整体处于低到中度污染水平,生物体处于中等污染水平;滴水湖水体中的贝类食用风险很低,食用过量鲻鱼可能存在潜在致癌风险。污染源分析表明,滴水湖水体环境中PAHs的来源复杂,且随着滴水湖旅游资源及自贸区的开发,游客和交通流量日益增加,游船石油泄漏以及交通石油和汽油的燃烧逐渐成为滴水湖水体环境中有机污染物的主要来源。     

Spatial statistics for modeling of abundance and distribution of wildlife species in the Masai Mara ecosystem, Kenya

This study illustrates the use of modern statistical procedures for better wildlife management by addressing three key issues: determination of abundance, modeling of animal distributions and variability of diversity in space and time. Prior information in Markov Chain Monte Carlo (MCMC) methods is used to improve estimates of abundance. Measures of autocorrelation are included when modeling distributions of animal counts, and a diversity index to indicate species abundance and richness for large herbivores is developed. Data from the Masai Mara ecosystem in Kenya are used to develop and demonstrate these procedures. The new abundance estimates are up to 35% more accurate than those obtained by existing methods. Significant temporal changes in spatial patterns are found from a space-time analysis of elephant counts over a 20-year period, with strong interactions over 5 km and 6 months space and time separations, respectively. The new diversity index is sensitive to both high abundance and species richness and is also able to capture year to year variation. It indicates an overall marginal decrease in diversity for large herbivores in the Mara ecosystem. The space-time analyses and diversity index can easily be computed thereby providing tools for rapid decision making.