首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 162 毫秒
1.
乌梁素海叶绿素a与理化因子的统计分析   总被引:5,自引:0,他引:5  
利用2008年6月—10月乌梁素海水体叶绿素a浓度与环境理化因子的测定结果,分析了叶绿素a的时空分布特征.运用分层聚类分析法将乌梁素海现有的20个测点分成四类,找出各类测点及总测点中与叶绿素a显著相关的理化因子,建立了多元逐步回归方程.2008年乌梁素海各测点叶绿素a的平均值为6.31 mg.m-3,变幅1.54—26.87 mg.m-3;夏季最高,秋季居中,春季最低,整个区域呈现较明显的东北高西南低的分布趋势.应用SPSS统计分析软件进行相关分析的结果表明叶绿素a与BOD5、悬浮物、浊度、总磷都呈极显著相关,与透明度呈极显著负相关,与pH值和溶氧呈显著负相关.综合逐步回归方程表明,影响乌梁素海叶绿素a的理化因子因不同类型的测点各有所不同,但主要的影响因子有浊度、悬浮物、总磷、总氮、硝酸盐氮和亚硝酸盐氮.  相似文献   

2.
叶绿素a是浮游植物均具有的光合色素,是评价水环境质量的重要指标之一。以叶绿素a为指示性指标对冰封期和非冰封期叶绿素a及相关环境因子含量指标进行了监测,以了解乌梁素海水体叶绿素a在治理前后(2014-2017年)在时间和空间上的分布变化特征及影响因素,尤其是针对寒区湖泊的特点,对冰封期叶绿素a、总氮、总磷的时空分布进行了深入分析,运用相关性分析和逐步回归分析方法探讨了叶绿素a与理化环境因子的关系。结果表明,绿素a总体上呈冰封期高于非冰封期的特征,2014-2016年叶绿素a呈逐年递减趋势,但2017年又略有回升,且区域性差异显著,与氮磷营养盐空间分布趋势一致,表现为湖北区总排干入水口附近大于湖心区和湖南区。影响乌梁素海的主要水化学因子依次为总磷、溶解氧、溶解无机磷、总氮、正磷酸盐、总溶解性固体;同时,透明度与叶绿素a呈极显著负相关;冰层厚度因其影响冰下水体污染物的蓄积,也是影响水域环境的关键因素。总体上,治理后叶绿素a较治理前有明显的下降趋势,表明湖北区总排干入湖水的污染物得到了有效控制,对乌梁素海水体污染控制与修复取得了一定成效,同时也显现出乌梁素海冰封期水体由于水体冻结使得污染物析出,致使冰下水体富营养化较其他时期严重。  相似文献   

3.
以2015—2017年冰封期(1月),非冰封期(6月、7月及8月)的叶绿素a为研究对象,综合运用Arcgis空间插值、相关性分析、多元线性逐步回归分析与冗余分析方法,研究了近年来呼伦湖水体中叶绿素a含量的时空分布特征并确定了影响冰封期与非冰封期叶绿素a的主导环境因子,旨在揭示水体演变状况,并为呼伦湖的生态治理提供理论支撑。结果表明:呼伦湖水体叶绿素a含量在冰封期与非冰封期内呈现由湖区四周向湖心区减小的空间变化特征,且2015—2017年水体叶绿素a含量的变化范围依次在0.985-25.220、0.707-14.545及0.160-3.530mg·m~(-3)之间,呈现逐年减小的变化趋势;叶绿素a受营养元素分布与水温差异性的影响,有非冰封期含量大于冰封期含量的特征,且非冰封期内叶绿素a含量表现为8月7月6月的变化特点。通过多元线性逐步回归分析建立的叶绿素a含量与环境因子之间的回归方程R~2在0.70以上,可以很好地反映叶绿素a含量与环境因子间的定量关系。基于3种方法综合分析,明确了TP和TN在冰封期与非冰封期均是影响叶绿素a的限制性环境因子,同时冰封期内水温是影响叶绿素a的限制性环境因子,溶解氧则为受叶绿素a影响的被动环境因子,而非冰封期内pH是受叶绿素a影响的被动环境因子。  相似文献   

4.
罗氏沼虾养殖塘叶绿素a与水质因子的灰色关联分析   总被引:1,自引:0,他引:1  
为研究罗氏沼虾养殖塘中影响叶绿素a的主要水质因子,于2011年6—10月对地处上海市金山区的某罗氏沼虾养殖场的3个养殖塘及水源的水温(T)、溶解氧(DO)、pH值、透明度、亚硝酸盐氮(NO2-N)、总氨氮(TAN)、总氮(TN)、活性磷(PO4-P)、总磷(TP)、叶绿素a和化学需氧量(CODMn)等因子进行监测,运用灰色关联分析方法分析了叶绿素a与水质因子的相互关系。结果发现,水质因子与叶绿素a的关联度由大到小依次为TN、TP、CODMn、DO、pH值、NO2-N、T、TAN、PO4-P和透明度,在罗氏沼虾养殖塘中影响叶绿素a的优势因子依次为TN、TP、CODMn、DO和pH值,通过进一步讨论分析发现,TN和TP是影响池塘叶绿素a最重要的水质因子。  相似文献   

5.
通过对泉州城区浅水湖泊水体生物有效磷及叶绿素a的采样分析,探讨水体中生物有效磷的分布特征及其与叶绿素a的相关性,结果表明:泉州东湖水体生物有效磷浓度在0.25 mg·l-1-0.38 mg·l-1之间,西湖水体生物有效磷浓度在0.05mg·l-1-0.10mg·l-1之间.东、西湖溶解态生物有效磷和颗粒态生物有效磷均与总生物有效磷的浓度有着相似的空间分布趋势.东湖水体叶绿素a与西湖水体叶绿素a含量相差悬殊.除东湖颗粒态生物有效磷之外,东湖和西湖各种生物有效磷浓度与叶绿素a含量之间有显著的线性相关关系.湖泊周边的地形、风浪和船只运行扰动是影响生物有效磷浓度和叶绿素a含量的重要原因.  相似文献   

6.
武汉莲花湖是典型的富营养化城市浅水湖泊.通过对其进行16mo的监测后发现,治理后的小莲花湖比大莲花湖水质有明显改善.监测期间小莲花湖底栖动物密度和生物量均值明显高于大莲花湖,Shannon多样性指数与Margalef多样性指数也高于大莲花湖.将大、小莲花湖的10种环境因子和底栖动物密度进行典型相关分析后,发现总磷、温度、总氮、叶绿素a、氨离子是对底栖动物群落具有显著性影响的环境因子.图8表3参20.  相似文献   

7.
太湖叶绿素a浓度分布的时空特征及其影响因素   总被引:8,自引:0,他引:8  
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.  相似文献   

8.
武汉市湖泊蓝藻分布影响因子分析   总被引:5,自引:0,他引:5  
对武汉市15个浅水湖泊在不同水期的浮游植物进行调查,同时监测相应的环境因子指标;以蓝藻物种多度及生物量数据和9个环境因子进行了典范对应分析(CCA).物种鉴定结果表明武汉市湖泊蓝藻的常见属有微囊藻(Microcystis)、螺旋藻(Spirulina)、平裂藻(Merismopedia)和色球藻(Chroococcus)等.CCA分析结果表明水温、水深、pH、浮游动物生物量是影响城市浅水小型湖泊蓝藻种类组成及分布的主要因子,同时绿藻生物量等对蓝藻组成分布也有一定的影响;由于武汉市浅水湖泊的高营养盐浓度,总磷及氮磷比不再是蓝藻生长的限制因子.#  相似文献   

9.
以典型工业城市湖泊——青山湖为研究对象,于2013年7月对其进行取样监测,研究叶绿素a空间分布特征及其影响因素.采用常规理化分析,结合多元统计方法,定量化探讨青山湖叶绿素a与水质因子间相互关系.结果表明,全湖区水体叶绿素a含量表现为Ⅳ区(34.00μg·L~(-1))Ⅱ区(32.96μg·L~(-1))Ⅲ区(32.85μg·L~(-1))Ⅰ区(21.46μg·L~(-1)),整体呈现明显的空间异质性;相关性分析显示,主要相关因子为T、pH、NH_4~+-N和Pb;PCA排序分析结果显示,影响叶绿素a含量变化的水质因子主要包括T、pH、DO、Zn和TP;逐步回归分析发现,叶绿素a含量与NH_4~+-N相关关系显著;综合而言,水温、总磷和Zn分别为藻类生长和分布驱动、限制性和毒性因子.因此,应当长期监测水温的时空序列变化,采取外源性营养盐削减措施,高度关注重金属污染的生态风险;研究可为湖泊富营养化阻控和生态安全提供有价值的信息.  相似文献   

10.
华南沿海地区小型水库叶绿素a浓度的影响因子分析   总被引:6,自引:1,他引:5  
在华南沿海地区,小型水库是重要的供水水源.于2006年4月、8月、12月3次对珠海市12座小型水库的叶绿素a(Chl.a)、浮游植物、总氮(TN)、总磷(TP)、透明度(SD)等进行采样测定,分析了叶绿素a浓度的分布、动态及其与浮游植物和环境因子的关系.12座水库叶绿素a浓度分布范围为1.3~33.2 μg/L,抽水水库的叶绿素a浓度在8月份最低,而非抽水水库的叶绿素a浓度在8月份最高.12座水库TN浓度分布范围为0.18~1.76 mg/L,TP浓度分布范同为0.01~0.79 mg/L.总磷与叶绿素a浓度显著相关,In(Chl.a)=0.55961n(TP)+4.5581(R2=0.2337,P<0.01).总氮与叶绿素a浓度呈正相关关系,In(Chl.a)=0.60771n(TN)+2.6199(R2=0.2004,P<0.01).浮游植物生物量为0.135~8.759 mg/L.非抽水水库主要以绿藻、硅藻、甲藻为优势类群,但木头冲水库12月份以蓝藻为优势种类.抽水水库的浮游植物优势种变化较大,叶绿素a浓度与浮游植物生物量呈显著正相关,In(Chl.a)=0.27921n(biomass)+2.1083(R2=0.245,P<0.01).叶绿素a浓度与环境因子的相关性具有明显的季节变化,这主要是由营养盐负荷和水文条件的季节变化所决定.抽水与非抽水水库的叶绿素a浓度与环境因子的相关性具有明显的差别,这主要是由于涮水改变了水体的营养盐负荷和水文节律.叶绿素a浓度与浮游植物生物量具有正相关关系,这种相关性的季节变化随浮游植物组成的变化(特别是优势种类的变化)而变化.图7表1参29  相似文献   

11.
珠江口叶绿素a时空分布及初级生产力   总被引:2,自引:0,他引:2  
2006年5月至2008年2月季度性对珠江口叶绿素a的时空分布特征及其与环境因子的关系以及珠江口水域初级生产力等进行研究。结果表明,表层叶绿素a含量分别与底层、上游叶绿素a含量间无显著差异;表层叶绿素a含量在夏、春季明显大于秋、冬季,但各口门间无显著差异。珠江口水域初级生产力水平夏、秋季明显高于春、冬季,但各口门间无显著差异。表层叶绿素a含量分别与浮游植物细胞密度、初级生产力间相关显著。不同口门及不同季节间影响叶绿素a含量的环境因子存在较大差异。  相似文献   

12.
不同氮磷比对淡水藻类生长的影响及水环境因子的变化   总被引:9,自引:0,他引:9  
在实验室水族箱内建立微型生态系统,研究氮磷比[m(N)/m(P)]对微型生态系统中叶绿素-a、总有机碳、溶解氧、pH的影响,并用多重比较检验法分析试验所得数据。试验发现,Chl-a、TOC、DO、pH在不同氮磷比的处理间均有一定的差异,其中DO、pH在不同处理间的变化比Chl-a、TOC更为显著。但它们随氮磷比的变化均没有表现出明显的规律性。还发现在各处理中,Chl-a与DO、pH间存在明显的正线性相关性;与TOC的相关性不显著。结果认为,氮磷比对这些环境因子的影响主要还受制于它对处理中浮游植物生长的影响,氮磷比对这些环境因子的影响并不显著。  相似文献   

13.
赤潮多发区深圳湾叶绿素a的时空分布及其影响因素   总被引:6,自引:0,他引:6  
于2008年2月至2008年11月分四个季度调查了赤潮多发区深圳湾叶绿素a的时空分布,并分析了叶绿素a与主要环境因子之间的关系.结果表明,深圳湾叶绿素a质量浓度范围为3.07~309.94 mg·m~(-3),年平均值为42.29 mg·m~(-3).四季叶绿素a平均质量浓度由高到低排列分别为:春季(108.33 mg·m~(-3))>夏季(35.2 mg·m~(-3))>秋季(16.68 mg·m~(-3))>冬季(8.96 mg·m~(-3)).叶绿素a的质量浓度在冬季和春季呈现由湾内向湾外递减的分布特征,而夏季和秋季呈现由西岸向东岸递减的分布特征,整体则呈现由湾内向湾外递减的分布特征.相关分析显示深圳湾叶绿素a与水温、COD、TOC、PO_4~(3-)-P和浮游植物密度因子显著正相关,与DIN因子极显著正相关,说明叶绿素a与水温、DIN、PO_4~(3-)-P、COD、TOC和浮游植物密度之间有着比其它因子更为密切的关系.以叶绿素a作为富营养化评价标准,发现深圳湾海域富营养化严重,存在随时爆发赤潮的潜在风险.  相似文献   

14.
《Ecological modelling》2005,183(4):425-434
A generalized logistic model (GLM) was developed to determine occurrence of submerged macrophytes in shallow Lake Eymir, and the model was tested independently on the upstream shallow Lake Mogan using the data collected fortnightly from both lakes during 1997–2002. The independent variables included concentrations of chlorophyll-a (chl-a), suspended solids (SS) and total phosphorus (TP), Secchi disc transparency and z-scores of water levels. The dependent variable was the binary index of submerged plant occurrence. We used bootstrapping to determine the maximum number of epochs to train the model and to execute training when the corrected average cross entropy (c-index) leveled off. The model predicted that SS concentration, z-scores of water levels and TP concentration were the most important variables for determining occurrence of submerged plants. Sensitivity analyses showed that the probability of submerged plant occurrence followed a strong hysterisis response to varying water levels and the concentrations of SS and TP, with the break points being ±50 cm, 12–17 mg l−1 and 200–300 μg l−1, respectively. This observed sensitivity was in accordance with the alternative stable states hypothesis of shallow lakes. For occurrence of submerged plants, chlorophyll-a concentration and Secchi disc transparency had low significance. This was in concert with both relevances of input variables and the field results. The model gave a good definition of the system since the c-index and corrected c-index on the training data were high (0.970 and 0.963, respectively). Testing the model on Lake Mogan produced a c-index of 0.815 with around 80% of the cases being correctly classified. This showed that the model had a high ability to generalize over a spatially independent test set; therefore, it had a great reliability as well. In addition, the predictive power of the model was indeed very high. Consequently, the model captured the relationships between the input and output variables successfully and consistently with alternative stable states hypothesis.  相似文献   

15.
Algal blooming has become one of the key fields of study on eutrophication of water body recently. The mechanism of algal blooming is still not understood well. However, it is obvious to understand that algal blooming has close relationship with chlorophyll-a. Therefore, if the trends of chlorophyll-a concentration can be simulated accurately, it will be helpful for the prediction of algal bloom events. In this study, a model named Environmental Fluid Dynamics Code (EFDC), which was developed by U.S. Environmental Protection Agency, was described and used to simulate the eutrophication process in the Daoxiang Lake, Beijing. To run the eutrophication model for the Lake, a field sampling was conducted in March-October of 2008 with interval of 10-20 days. Meanwhile, the algal bloom assessment criteria were investigated and the indicator of chlorophyll-a concentration was selected as input for the prediction of algal bloom in the Daoxiang Lake. After model calibration and validation, traditional statistics has been done between modeled results and observed values. The modeled results show that the simulated chlorophyll-a concentration basically agrees with the observed concentration except the later period of station 2# and the average algal bloom prediction accuracy is 63.43%. It was verified that the EFDC model can be used for chlorophyll-a concentration simulation and algal blooming prediction in the Daoxiang Lake.  相似文献   

16.
应用典范对应分析(Canonical correspondence analysis,CCA)研究了乳山湾外海21个样点中的32种大型底栖动物与包括化学耗氧量、溶解氧等在内的11个沉积物和底层水体环境因子间的相关关系.作出种类分布与环境因子关系的二维排序图,排序图直观地反映了主要大型底栖动物种类分布与环境因子间的关系.排序图中环境因子与前两个排序轴的相关系数大小表明,总氮、溶解氧、盐度、pH、水深和总磷是影响乳山湾外海大型底栖动物群落分布的主导因素.排序图还揭示了大型底栖动物物种对生态环境的需求以及它们在不同资源维上的生态分化现象,不同生境中大型底栖动物分布的种类不同.根据对环境因子的生态需求不同,32种大型底栖动物可分为6组:组Ⅰ,8种,分布在高总氮生境;组Ⅱ,4种,分布在高溶解氧、高盐度、低总氮生境;组Ⅲ,10种,分布在水浅、高pH生境;组Ⅳ,4种,分布在水深、低pH生境;组Ⅴ,仅1种,分布在高总磷生境;组Ⅵ,5种,分布在水深、低总磷生境.图2表5参29  相似文献   

17.
周毅频  李绪录  夏华永  周凯 《生态环境》2011,20(12):1886-1891
依据1998-2009年145个航次的调查资料,简要描述和分析大鹏湾海水中叶绿素-a含量的空间分布和时间变化,并对其与各环境因子之间的灰关联进行分析。结果表明大鹏湾海水中的叶绿素-a含量夏、秋季较高,而冬、春季较低,且表层高于底层,平均为4.6μg-L^-1;由于受到香港和深圳陆源排放的影响,终年吐露港和沙头附近海域的叶绿素-a含量明显高于其他区域。lla(1999-2009)调查期间,香港海区叶绿素-a含量各航次均值的年际变化略呈下降趋势,表明大鹏湾海水的生态环境质量有所改善。灰关联分析结果表明各因子对叶绿素-a含量影响大小的排序为:亚硝酸盐≥硝酸盐≥5d生化需氧量≥磷酸盐≥酸碱度≥氨≥可溶性总氮≥盐度兰可溶性总磷≥溶解氧≥可溶性硅兰温度。  相似文献   

18.
A method was proposed to identify the main influence factors of soil heavy metals. The influence degree of different environmental factors was ranked. Parent material, soil type, land use and industrial activity were main factors. Interactions between some factors obviously affected soil heavy metal distribution. Identifying the factors that influence the heavy metal contents of soil could reveal the sources of soil heavy metal pollution. In this study, a categorical regression was used to identify the factors that influence soil heavy metals. First, environmental factors were associated with soil heavy metal data, and then, the degree of influence of different factors on the soil heavy metal contents in Beijing was analyzed using a categorical regression. The results showed that the soil parent material, soil type, land use type, and industrial activity were the main influencing factors, which suggested that these four factors were important sources of soil heavy metals in Beijing. In addition, population density had a certain influence on the soil Pb and Zn contents. The distribution of soil As, Cd, Pb, and Zn was markedly influenced by interactions, such as traffic activity and land use type, industrial activity and population density. The spatial distribution of soil heavy metal hotspots corresponded well with the influencing factors, such as industrial activity, population density, and soil parent material. In this study, the main factors affecting soil heavy metals were identified, and the degree of their influence was ranked. A categorical regression represents a suitable method for identifying the factors that influence soil heavy metal contents and could be used to study the genetic process of regional soil heavy metal pollution.  相似文献   

19.
新疆博斯腾湖表层沉积物中硅藻分布特征及影响因素分析   总被引:1,自引:0,他引:1  
通过采集新疆博斯腾湖不同水深、矿化度、营养盐浓度及pH环境下的湖泊表层沉积物,提取硅藻并进行种属组合分析,研究了中国西北干旱区半封闭淡水湖泊中硅藻的分布特征,并且运用降维对应分析(DCA),探讨了影响博斯腾湖现生硅藻组合特征的主要水质环境因子及硅藻种属对水体理化性质变化的响应。研究结果表明,在博斯腾湖硅藻组合受湖泊水深、矿化度影响明显分区:河口区受水体扰动作用影响明显,硅藻浓度变化大,以Fragilaria属为主;黄水湾区硅藻分布受矿化度及pH影响显著,以Mastogloia smithii、Navicula anglica、Gomphonema parvulum等底栖、喜碱性、微咸水种为主,淡水种Fragilaria属的含量明显低于其它区域,其含量的高低指示了水体矿化度的变化;在湖心区硅藻组合主要响应于水深变化,当水深增加时,Cyclotella radiosa、C.meneghiniana、Fragilaria bidens等浮游种含量显著增加,Mastogloria smithii、Gomphonema parvulum等底栖种含量明显降低或消失,且发现Fragilaria属在5.4~7.8m水深处生长繁盛。研究结果为建立中国西北干旱区的硅藻-环境因子关系数据库、重建本地区过去环境提供了理论依据。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号