相关分析在研究南湖叶绿毒a与其湖水理化因子中的应用

本文利用因子分析技术对长春市南湖不同空间叶绿素（a)的季节变化进行排序分析，并以叶绿素a为因变量、10项湖水理化因子为自变量进行逐步回归分析，分析结果表明：在10项理化因子中，决定南湖叶绿素a数量变动的主导因子为总磷，在此基础上，笔者就除磷及治理途径方面提出建议。     

相关分析在探讨洪泽湖富营养化主要控制因子分析中的应用

采用相关分析方法探讨了洪泽湖叶绿素ａ与湖水理化因子之间的相互关系及各种环境因子对洪泽湖「富营养化的影响，根据分析结果确定主要控制因子，为洪泽湖综合提供科学依据。     

太湖湖表反照率时空特征及影响因子

湖表反照率是影响水-气界面能量平衡和水体内部光温环境的重要因子,受到太阳高度角、云量、风速和水质等环境因子的多重影响.基于太湖中尺度涡度通量网4个涡度通量观测站点(梅梁湾、大浦口、避风港和小雷山)的辐射和风速资料,结合晴空指数和水质数据,分析上述因子对太湖湖表反照率的影响及太湖湖表反照率空间差异的原因.主要结果为:太阳高度角是控制湖表反照率日变化、季节变化的主要因子;太阳高度角低于35°且当晴空指数在0~0.1和0.4~0.6之间时湖表反照率出现高值.反照率值呈现随风速、浊度和叶绿素a浓度升高而增大的趋势,而风浪通过影响浅水湖泊浊度、叶绿素a浓度从而间接影响湖表反照率.各站点湖表反照率关系为:小雷山避风港大浦口梅梁湾,其中小雷山站位于草型和藻型湖区过渡区而梅梁湾站位于藻型湖区.反照率与叶绿素a浓度水平之间的关系对蓝藻暴发及其严重程度并不敏感.本研究为湖体反照率的参数化过程提供参考依据.     

北海湾无机氮的分布及其与环境因子的关系

根据１９９８年１０月和１９９９年１月、４月、８月的调查资料，对北海湾无机氮的特征分布及其与环境因子（ｐＨ、ＤＯ、盐度和叶绿素ａ）之间的关系进行了初步探讨。结果表明，影响北海湾无机氮含量分布的主要因素是沿岸冲淡水，其次是生物活动；通过Ｎ／Ｐ值分析，表明了Ｎ为该湾秋冬季节初级生产力的限制因子，而Ｐ则为该湾春夏季节初级生产力的限制因子。     

厦门西港和九龙江口浮游植物生化组成及其环境因子效应

厦门西港和九龙江口浮游植物碳水化合物与光强、盐度和叶绿素ａ均显著正相关，蛋白质与光强有负相关关系，脂类受光强的影响较小，蛋白质与碳水化合物之比与氮磷比显正相关。１０月该海域浮游植物叶绿素ａ与生化组分含量都比４月高，与１０月海水温度和海面辐照度较高有关     

厦门西港和九龙江口浮淤植物生化组成及其环境因子效应

厦门西港和九龙江口浮游植物碳化合物与光强盐度和叶绿素ａ均显著正相关，蛋白质与光强有负相关关系，脂类受光强的影响较小，蛋白质与碳水化合物之比与氮磷比显著正相关。１０月该海域浮游植物叶绿素ａ与生化组分含量都比４月高，与１０月海水温主和海面辐照度较有关。     

贵州高原百花湖水库湖沼学变量特征及环境效应

为了揭示贵州高原百花湖水库湖沼学变量特征及其与突发性水质恶化的关系,对百花湖水库的水文、营养盐及相关理化因子进行了调查.结果表明：百花湖水库表层水温在10.2～27.0℃之间,4—9月形成分层,水体分层结构为单循环混合模式;总氮（TN）、总磷（TP）、叶绿素a（Chl.a）和透明度（SD）分别为1.60mg·L-1、0...     

长江中下游浅水湖泊水下辐照度漫射衰减特征研究

基于2007年9月底和10月初在湖北武汉东湖、梁子湖、洪湖以及2010年4月在昆山市傀儡湖进行的水下光场测定数据,分析了4个湖泊漫射衰减系数变化特征及其主导因素.在东湖和傀儡湖各站点水体主要光学因子变化不大,梁子湖和洪湖由于具有草型和藻型湖区,所以各因子在不同点位变化较大.通过对透明度和各光衰减因子的回归分析可知,无机颗粒物是影响东湖和傀儡湖透明度的主要因子,而梁子湖和洪湖透明度则受无机和有机颗粒物的共同制约.4个湖泊的光谱漫射衰减系数最低值均出现在580 nm处,在675 nm处各点均具有相应的叶绿素a的特征吸收峰,在叶绿素a浓度较低站点衰减峰相对不明显.东湖平均真光层深度小于湖体平均深度,在目前的光场条件下沉水植物很难生长,而在梁子湖、洪湖和傀儡湖其真光层深度均超过了水深,为沉水植物的生长提供了良好的水下光环境.对PAR衰减与各衰减因子进行回归分析发现,在东湖、傀儡湖主导PAR衰减的是无机颗粒物,梁子湖和洪湖PAR衰减受到无机颗粒物、有机颗粒物和叶绿素a的共同作用.颗粒物特征波长750 nm处的光束衰减系数与PAR漫射衰减系数存在显著正相关,说明颗粒物散射显著贡献水下光辐射漫射衰减.研究结果有助于指导浅水湖泊水下光场条件改善和沉水植物恢复.     

相关分析在探讨洪泽湖富营养化主要控制因子分析中的应用

采用相关分析方法探讨了洪泽湖叶绿素a与湖水理化因子之间的相互关系及各种环境因子对洪泽湖富营养化的影响,根据分析结果确定主要控制因子,为洪泽湖综合整治提供科学依据。     

太阳山湖群叶绿素a变化及与总氮、总磷关系

为探明太阳山湿地湖泊叶绿素a季节性变化情况及空间分布特征,探究营养输入总氮、总磷与叶绿素a之间的关系,作者于2019年1-12月份采集水样并检测了叶绿素a、总氮、总磷含量.采用方差分析、聚类分析研究叶绿素a浓度变化特征,通过相关性分析和回归分析研究总氮、总磷与叶绿素a之间的关系.结果 表明,叶绿素a浓度在时间上有显著差异,在时间维度上可分为干季和湿季2个时期.整体上表现为干季明显小于湿季;空间分布在干季期表现为1号湖＜西湖＜东湖＜3号湖＜2号湖＜小南湖,湿季期表现为1号湖＜东湖＜西湖＜3号湖＜2号湖＜小南湖.1月叶绿素a与TN相关性较大,7月和10月的叶绿素a与TP相关性较大,12月叶绿素a与TP、TN均表现出一定相关性,其他月份相关性不明显.相比于总氮,叶绿素a与总磷的关系响应程度更显著,说明总磷对其浓度水平影响作用较大.     

Environmental factors influencing cyanobacteria community structure in Dongping Lake, China

The present study was conducted to provide a detailed understanding of the variation in cyanobacterial communities of Dongping Lake, which is the final water volume adjusting and storing lake in the east route of the South-to-North Water Diversion Project in China. The spatial and temporal distribution of cyanobacteria was assessed from May 2010 to October 2012 based on monthly samples collected from three stations. Over the 30-month survey, 15 genera and 25 species of cyanobacteria were identified, with cyanobacterial abundance at each monitoring station ranging from undetected to 3.04×107 cells/L, average of 4.27×106 cells/L. The dominant cyanobacterial species were Pseudanabaena limnetica and Aphanizomenon issatschenkoi and not the usual bloom-forming genera such as Microcystis and Anabaena. Cyanobacterial community structure and water quality variables exhibited substantial changes over the period of survey. Redundancy analysis, Pearson correlations, and regression analysis were applied to analyze the relationships among the variables. The results suggested that temperature and chemical oxygen demand were key drivers of the cyanobacterial community composition in Dongping Lake. In addition, the concentration of inorganic nitrogen in the lake had a profound efect on the cyanobacterial abundance as a non-limiting factor in warm periods.     

西藏多庆错湖面变化及原因分析

论文根据1975年地形图、20世纪70年代至2009年7期MSS/TM卫星遥感资料对西藏日喀则地区东南部多庆错、嘎拉错湖泊面积变化进行分析。结果表明,多庆错和嘎拉错湖泊面积波动变化一致,2002年之前,除1976年湖泊面积较小外,其他年份多庆错、嘎拉错湖泊面积分别在80和10 km²以上,2000年湖泊面积最大,2002年之后,两个湖的面积都明显缩小。从冰川变化情况看,近34 a来,虽然该流域周围冰川与高原其他区域冰川变化趋势一致,处于消退状态,但其融水量对湖泊补给作用不明显。该流域气候变化趋势为温度升高、蒸发量减少,降水量呈波动变化。湖泊面积的涨、缩与降水量有较好的正相关关系,而与温度变化呈负相关。综合分析表明,多庆错流域湖泊变化与冰川退缩关系不密切,降水是湖面波动的主要原因。     

1961—2018年呼伦湖水面面积变化特征及其对气候变化的响应

为揭示近60年来呼伦湖水面面积的变化规律,确定影响呼伦湖水面面积变化的主要因素,采用曼-肯德尔检验（Mann-Kendall tests）、一元线性回归和小波分析法解析1961—2018年呼伦湖水面面积及其所在区域气温、降水量、蒸发量和相对湿度的变化趋势、突变特征和周期性变化规律,采用皮尔逊相关性分析（Pearson correlation analysis）和灰色关联分析研究水面面积与气象要素的相关性.结果表明:1961—2018年呼伦湖水面面积在1 739~2 360 km2之间,总体以72.84 km2/（10 a）的速率显著减小,2009年人工调水实施以后水面面积逐渐恢复并稳定在2 030 km2左右.近60年来呼伦湖区域气候暖干化明显,表现为气温显著升高、蒸发量显著增大、相对湿度显著降低、降水量非显著减少.1961—2018年,呼伦湖水面面积对气候突变及其周期波动存在相应的响应,水面面积与区域蒸发量呈显著负相关,Pearson相关系数为-0.546,与区域蒸发量和降水量的灰色关联度为0.938~0.960,人工调水实施前（1961—2008年）水面面积与气象要素的相关性强于1961—2018年.研究显示,气候变化引起的蒸发量增大是呼伦湖水面面积减小的重要原因,人工调水严重干扰了2009—2018年呼伦湖水面面积对气候变化的响应.      

鄱阳湖大型底栖动物时空演变特征及驱动因素

于2019年7月对鄱阳湖133个样点大型底栖动物进行调查,分析其群落结构与环境因子之间的关系.结果表明,共记录底栖动物48种,隶属7纲16目22科38属,全湖底栖动物的平均密度和生物量分别为158.38ind/m²和173.76g/m²,现阶段优势种主要为河蚬、铜锈环棱螺和大沼螺.将全湖分为5个湖区：北部湖区、西北部湖区、中部湖区、东部湖区和南部湖区,单因素方差分析表明不同湖区水体理化指标差异显著（ANOVA,p<0.05）,沉积物环境指标差异不显著.相似性分析结果表明不同湖区底栖动物群落结构差异性显著,北部湖区生物多样性显著高于其它湖区.典范对应分析表明水深、溶解氧、浊度、总磷、叶绿素a、烧失量和底质类型与底栖动物群落结构显著相关.与历史研究相比,鄱阳湖底栖动物多样性下降明显,优势种由大型软体动物逐渐演变成小型软体动物和昆虫类.鄱阳湖采砂、水文情势变化和水生植被衰退是影响鄱阳湖大型底栖动物群落结构演替的主要环境因素.     

NOAA卫星监测巢湖蓝藻水华的试验分析

采用实地水质采样分析、水面光谱测量等实地监测 ,并结合NOAA气象卫星遥感信息 ,对巢湖水华进行星地同步调查监测。结果表明 ,蓝藻叶绿素的存在使得进入近红外波段水体反射率明显上升 ,基于这一光谱特性以及蓝藻特有的漂浮特性 ,可利用NOAA卫星监测巢湖等内陆大面积的严重污染湖泊蓝藻水华的分布状况。     

苏州某湖水体细菌污染状况及分析

概述了近年来苏州某湖水体中细菌污染状况，对部分水质理化因素与细菌数量之间的相关性作了分析。研究了该湖水体中细菌的分布，变化情况，并讨论了利用微生物数量作为指标对湖泊的污染状况和富营养水平的评价。     

洪湖、梁子湖水体富营养化研究

2015年3月对洪湖、梁子湖进行了水质监测。依据实测数据,结合洪湖湿地自然保护区和梁子湖林业局监测数据和文献数据,采用综合营养状态指数法对洪湖、梁子湖的富营养化状态进行评价;并根据各因子在综合营养状态指数中所占比重和地表水水质标准,对各因子做了比较。结果表明:洪湖、梁子湖综合营养状态指数分别为57.2、42.5。即洪湖为轻度富营养、梁子湖为中营养;各因子对洪湖、梁子湖富营养化的贡献大致相同,即Chla为首,TP、COD_(Mn)和SD次之、TN最后。     

基于水体固有光学特性的太湖浮游植物色素的定量反演

基于2005-05～2005-08对太湖全湖不同湖区92个样点吸收系数、光束衰减系数、后向散射系数等固有光学特性测定与计算,选择色素浓度反演的最佳波段组合,利用反射率比建立了太湖叶绿素a,叶绿素a与脱镁叶绿素的定量反演模型.结果表明,全湖4次采样叶绿素a、脱镁叶绿素的变化范围分别为3.9～149.8μg·L^-1、均值为(38.14±28.89)μg·L^-1;0～45.8μg·L^-1、均值为(8.49±7.24)μg·L^-1,存在很大空间差异,湖心区和草型湖区的东太湖、胥口湾、贡湖湾色素浓度一般要低于其他湖区.同样吸收系数和后向散射系数也存在很大的空间差异,a_t(440)的变化范围为0.86～23.25 m^-1、均值为(6.21±3.31)m^-1,b_t(550)的变化范围0.05～2.25m^-1、均值为(0.72±0.52)m^-1,东太湖、胥口湾、贡湖湾的值要低于其他湖区.400～650nm随波长增加总吸收系数大致呈下降趋势,680nm附近存在1个峰值,峰值的强弱与水体中色素浓度有关,而到720nm以后则逐渐增加,后向散射系数随波长增加则逐渐降低.反射率比R(706)/R(682)能较好地用于太湖色素浓度的反演,叶绿素a、叶绿素a与脱镁叶绿素之和幂函数反演的决定系数R²分别达0.823、0.864 5.模型能用于包括湖面反射率受湖底和沉水植物影响的全太湖.     

滇西高原湖泊洱海的pH研究

ｐＨ值是水质的首项指标，洱海的碳酸盐体系构成了其ｐＨ变化的调节基础，生物特别是微管束植物是影响ｐＨ变化的主要因素，水体污染也与其ｐＨ变化有明显相关关系。洱海中的ｐＨ主要是通过碳酸盐的增减，植物的光合作用和呼吸作用等对碳酸的平衡而加以调节的。     

基于机器学习方法的太湖叶绿素a定量遥感研究

为了比较评价人工神经网络和支持向量机2种机器学习算法在水质遥感中的应用能力,本研究首先从基础理论和学习目的入手,对比分析了2种机器学习算法的理论体系;其次,以太湖为例,基于MODIS遥感影像,构建了反演太湖叶绿素a浓度的2种机器学习方法模型,通过对模型的验证、稳定性和鲁棒性分析以及全湖反演结果对比3个方面评价了2种模型的泛化能力.验证结果表明,支持向量机模型对验证样本预测结果的均方差根和平均相对误差分别为5.85和26.5%,而人工神经网络模型的预测结果均方差和平均相对误差则高达13.04和46.8%;稳定性和鲁棒性评价亦说明,以统计学习理论为基础的支持向量机模型具有更加良好的稳定性、鲁棒性,空间泛化能力优于人工神经网络模型;2种机器学习算法对太湖叶绿素a的浓度分布反演结果基本一致,但人工神经网络模型因其学习目标设定和网络构建中的“过学习”等缺陷,造成了对东太湖以及湖心区叶绿素a的反演结果与实际监测结果差异较大.