环境科学  2014, Vol. 35 Issue (9): 3408-3416   PDF    
引用本文
李璐璐, 江韬, 卢松, 闫金龙, 高洁, 魏世强, 王定勇, 郭念, 赵铮. 利用紫外-可见吸收光谱估算三峡库区消落带水体、土壤和沉积物溶解性有机质(DOM)浓度[J]. 环境科学, 2014, 35(9): 3408-3416.
LI Lu-lu, JIANG Tao, LU Song, YAN Jin-long, GAO Jie, WEI Shi-qiang, WANG Ding-yong, GUO Nian, ZHAO Zheng. Using Ultraviolet-Visible (UV-Vis) Absorption Spectrum to Estimate the Dissolved Organic Matter (DOM) Concentration in Water, Soils and Sediments of Typical Water-Level Fluctuation Zones of the Three Gorges Reservoir Areas[J]. Environmental Science, 2014, 35(9): 3408-3416.
利用紫外-可见吸收光谱估算三峡库区消落带水体、土壤和沉积物溶解性有机质(DOM)浓度
李璐璐1, 江韬1,2 , 卢松1, 闫金龙1, 高洁1, 魏世强1,2, 王定勇1,2, 郭念1, 赵铮1    
1. 西南大学资源环境学院, 重庆 400716;
2. 重庆市农业资源与环境研究重点实验室, 重庆 400716
收稿日期: 2014-2-24; 修订日期: 2014-4-16.
基金项目： 国家自然科学基金项目（41171198）；中国博士后科学基金项目（2013M542238）；中央高校基本科研业务费专项基金项目（XDJK2013C151）；西南大学博士基金项目（SWU112098）
作者简介：李璐璐（1988~），女，硕士研究生，主要研究方向为污染控制化学，E-mail：lululee407@gmail.com
通讯联系人,江韬,E-mail: Jiangtower666@163.com
摘要：溶解性有机质（DOM）是陆地和水生生态系统的重要物质，有色溶解性有机质（CDOM）是可用光谱测定的DOM组分. 基于2012年7月采集的土壤和沉积物样品以及2012年11月采集的水体样品，通过单波长、双波长、吸收光谱斜率（S值）和三波长模型建立CDOM与DOM浓度之间的关系. 结果表明，4种模型中三波长模型效果最佳，水体数据模型的决定系数为0.788，土壤数据模型的决定系数为0.933，沉积物模型的决定系数为0.856. 同时，利用2013年随机采集的32个土壤样品和36个水体样品对模型精度进行检验，结果表明，土壤DOM浓度的相对均方根误差（RRMSE）和平均相对误差（MRE）分别为16.5%和16.9%，水体分别为10.32%和9.06%，相比土壤DOM而言，三波长模型对水体DOM的预测精度更高.
关键词： 紫外-可见光谱     三峡库区     消落带     溶解性有机质     有色溶解性有机质    
Using Ultraviolet-Visible (UV-Vis) Absorption Spectrum to Estimate the Dissolved Organic Matter (DOM) Concentration in Water, Soils and Sediments of Typical Water-Level Fluctuation Zones of the Three Gorges Reservoir Areas
LI Lu-lu1, JIANG Tao1,2 , LU Song1, YAN Jin-long1, GAO Jie1, WEI Shi-qiang1,2, WANG Ding-yong1,2, GUO Nian1, ZHAO Zheng1    
1. College of Resources and Environment, Southwest University, Chongqing 400716, China;
2. Chongqing Key Laboratory of Agricultural Resources and Environment, Chongqing 400716, China
Abstract: Dissolved organic matter (DOM) is a very important component in terrestrial ecosystem. Chromophoric dissolved organic matter (CDOM) is a significant constituent of DOM, which can be measured by ultraviolet-visible (UV-Vis) absorption spectrum. Thus the relationship between CDOM and DOM was investigated and established by several types of models including single-wavelength model, double-wavelength model, absorption spectrum slope(S value) model and three-wavelength model, based on the UV-Vis absorption coefficients of soil and sediment samples (sampled in July of 2012) and water samples (sampled in November of 2012) respectively. The results suggested that the three-wavelength model was the best for fitting, and the determination coefficients of water, soil and sediment data were 0.788, 0.933 and 0.856, respectively. Meanwhile, the nominal best model was validated with the UV-Vis data of 32 soil samples and 36 water samples randomly collected in 2013, showing the RRMSE and MRE were 16.5% and 16.9% respectively for soil DOM samples, 10.32% and 9.06% respectively for water DOM samples, which further suggested the prediction accuracy was higher in water DOM samples as compared with that in soil DOM samples.
Key words: UV-Vis spectra     Three Gorges Reservoir areas     water-level fluctuation zones     dissolved organic matter (DOM)     chromophoric dissolved organic matter (CDOM)    

溶解性有机质(dissolved organic matter,DOM)是水体和土壤中广泛存在的物质，主要来源于植物残体以及人类活动，由于其结构复杂使得目前对它的了解仍有限[1]. 水生和陆地生态系统中，DOM在污染物生物地球化学过程中扮演着重要角色[2,3]，此外,DOM作为重要碳库对全球碳循环和气候变化产生着深远影响[4,5]. 因此，了解DOM含量在生态系统中的时空变化，具有十分重要的意义[6,7]. 三峡库区消落带作为重要的生态系统一直广受关注，其独特的“干湿交替”特征，使库区污染物质的环境化学行为不同于其他生态系统，而了解三峡库区消落带土壤和沉积物DOM地化特征有助于人们认识其在库区的环境生态效应.

溶解性有机碳(dissolved organic carbon,DOC)是DOM组成部分之一，其含量常用来表征DOM浓度. 国内外关于DOC的测定方法多样，有些测试方法操作繁琐，不便于长期或较大区域范围监测[8]. 有色溶解性有机质(chromophoric dissolved organic matter,CDOM)是DOM的重要组成部分，在紫外-可见波段有强烈吸收，是能用吸收光谱进行表征的DOM组分之一，其吸收系数随波长呈指数型递减[9]. 对于不同来源的DOM，吸收光谱曲线不同，特征参数及光谱斜率(S值)也就不同，以往研究对于S值计算较少考虑波段差异因素，造成对于相同研究对象也得出不同S值，不能辨别S值的差异原因是波段选择还是DOM组成差异[10]造成的. 尽管如此，在辨析DOM结构特征的手段方面，紫外-可见光谱分析作为一种快速简便的方法，已得到越来越多的重视和研究[11, 12, 13].

目前，DOM紫外-可见光谱研究主要集中在水体DOM光学特性、 来源和时空分布特征等方面[14, 15, 16, 17]. 一些研究表明CDOM与DOM浓度(DOC)存在很好的相关性[18, 19, 20].，故利用CDOM吸收光谱与DOM浓度之间的经验关系反演，已成为湖泊[21,22]、 海洋[23, 24, 25]等水体DOM遥感反演的主要方式. 但CDOM浓度无法测定，在水体研究中常用355、 375和440 nm等处波长的吸收系数来表示CDOM浓度，这几处波长与CDOM的相对分子质量有关，可以反映CDOM浓度差异[26]. 另一方面，利用紫外-可见光谱(包括S值)对土壤和沉积物DOM的研究也相对较少，研究方向也主要集中在DOM结构特征，对该类型DOM浓度估算未像水体研究丰富. 而且土壤及沉积物DOM具有明显区域性差异的特点[27, 28, 29]，特别是针对大型消落带土壤和沉积物DOM浓度估算还未见报道，应逐步受到重视.

基于此，本研究测定了三峡库区水体、 土壤和沉积物DOM紫外-可见吸收光谱，通过几种估测模型的建立来表征DOM紫外-可见吸收系数与DOM浓度的关系，一方面进一步验证是否可以用紫外-可见光谱来预测不同来源DOM的浓度，评估模型的优劣性； 另一方面，旨在为今后三峡库区水体、 土壤和沉积物中大样本量的DOM浓度估算，提供一种快速方法，以期为进一步认识三峡库区消落带DOM的特征、 评估DOM对消落带生态环境影响提供理论基础，丰富紫外-可见光谱在表征DOM地化特征中的应用.

1 材料与方法 1.1 采样时间和地点

于2012年7月在三峡库区消落带5个地区(巫山、 奉节、 云阳、 丰都、 万州)选择了11个地点(图 1)，分别采集34个土壤样品和34个土壤上层的表层沉积物样品. 所有样品采集后，立即封袋带回实验室. 于2012年11月在三峡库区消落带3个地区(涪陵、 忠县、 开县)采集了24个水体样品，放入低温箱中运回实验室，4℃下保存. 2012年~2013年期间在三峡库区消落带采集的土壤、 水体样品中随机抽取32个土壤样品和36个水体样品用于模型评价.

图 1 采样点示意 Fig. 1 Distribution of the sampling sites

1.2 样品制备与光谱测定

称取一定量风干土样，按土水比1 ∶5加入Millipore水，在25℃下振荡24 h后，4000 r ·min-1离心10 min，上清液过0.45 μm滤膜，得到土壤DOM溶液[30,31]. 采用GE InnovOx TOC分析仪测定DOC浓度(mg ·L-1)，用以表示DOM浓度. 用Hitachi U-1800型紫外-可见分光光度计测定DOM吸收光谱(Millipore水作空白)，扫描波长范围200~800 nm(2 nm间隔)，根据式(1)计算吸收系数：

式中，ag(λ)是波长λ处的吸收系数(m-1)； A为吸光度； l为光程路径(m).

根据式(2)计算吸收光谱斜率[24]：

式中，S是吸收光谱斜率(nm-1)； λ0为参考波长，本研究选286 nm[32]； ag(λ)是在波长λ的吸收系数(m-1).

DOM比吸收系数a*g(λ)按(3)式计算[24]：

式中，a*g(λ)是比吸收系数[L ·(mg ·m)-1]； ag(λ)为波长λ的吸收系数(m-1)； DOC为溶解性有机碳浓度(mg ·L-1). 1.3 模型评价

采用观测值与模拟值之间的相对均方根误差(RRMSE)和平均相对误差(MRE)来检验模型精度.

式中，xest为预测值，xobs为观测值，n为样本数.

全文数据统计分析采用Origin 8.5软件进行. 2 结果与分析 2.1 水体和土壤DOM浓度和光谱信息

表 1给出了本研究区域DOM浓度描述统计. 其中水体DOM浓度为7.990mg ·L-1±2.060 mg ·L-1，土壤DOM浓度为37.665 mg ·L-1±6.412 mg ·L-1，沉积物DOM浓度为39.166 mg ·L-1±8.376 mg ·L-1，土壤和沉积物DOM浓度近乎为水体含量的5倍，说明土壤和沉积物较水体而言是有机碳的主要碳库[1]. 水体中DOM一部分是土壤DOM经地表径流和淋溶等途径进入(外源输入)，另一部分是水体中浮游植物经光照和细菌等腐烂降解产生(内源输入)； 土壤DOM主要来自植物残体、 根系分泌物、 以及土壤有机质中的腐殖质等[8,33].

表 1 DOM浓度、 a*g(355)、 E2/E3均值的描述统计 Table 1 Descriptive statistics of average concentration of DOM,a*g(355),E2/E3

a*g(355)是355 nm吸收系数与DOC浓度之比，其大小反映出CDOM在DOM中所占比例，a*g(355)均值最大的是沉积物，这可能是由于沉积物较新鲜，受到光漂白影响较小，光降解程度较小，故其CDOM所占比例较大[34]. 而250 nm和365 nm吸光度之比(E2/E3)可以较好示踪DOM分子量大小[35,36]，水体E2/E3值大于土壤和沉积物的值2倍以上，说明水体中主要以内源输入的较低分子量DOM为主，且水体和土壤/沉积物DOM分子量差异显著. 2.2 估算模型 2.2.1 单波长模型

通过紫外-可见光谱系数来预测DOM浓度的本质，是利用CDOM来反映整体DOM的量，因此CDOM组分越稳定，该方法精度越高. 有研究表明，单一波长吸收系数，如ag(254)和ag(355)与DOM浓度有很好的线性关系[16, 37, 38, 39, 40]. Ferrari等[41]认为通过催化燃烧法测定的DOC有70%在350~750 nm吸收为负，因此短波吸收组分更适合代表CDOM. 而本研究中，ag(254)与DOM浓度相关性普遍好于ag(355)，这与文献[42]研究结果一致，即用单一波长对DOM浓度进行线性回归时，短波段波长(250~270 nm)更适合[43]. 整体而言，ag(254)和ag(355)与DOM浓度之间相关性仍较差，但水体DOM浓度与ag(254)、 ag(355)相关性好于土壤和沉积物DOM(表 2). 原因可能是水体DOM分子量较小，组成较为简单，在短波段(芳香性组分)的吸收明显较强，而土壤和沉积物DOM的共轭结构增加使其吸收带红移，因此长波范围CDOM系数普遍高于水体CDOM. 另外，DOM中生色团或助色团的取代、 分子结构复杂程度差异，会使土壤和沉积物DOM与CDOM的线性关系出现波动[44]. 此外，推测本研究中水体DOM应不属于发育程度较浅的“新鲜”DOM，而是经过较多地化过程的“老”产物[32]； 而土壤和沉积物DOM，在自然环境中，受光降解和微生物降解影响，分子结构会发生较大改变，某些生色基或助色基占DOM的比例也随之发生变化，因此单一波长估算陆源DOM浓度的效果相对较差.

表 2 DOM浓度与ag(254)、 ag(355)的相关性 1) Table 2 Correlations between the concentration of DOM,ag(254),ag(355)

尽管如此，上述结果仍说明本研究中水体和土壤CDOM与DOM线性关系不稳定，采用单一波长吸收系数[45]难以准确估算DOM的含量[27,46].

图 2 a*g(365)与E2/E3的关系 Fig. 2 Relationship between a*g(365) and E2/E3

2.2.2 双波长模型

DOM吸收系数呈指数衰减趋势，通常描述为ag(λ)=ag(λ0)exp[-S(λ-λ0)]，吸收曲线斜率S可反映DOM组成特征，包括富里酸(humic acid,HA)/胡敏酸(fulvic acid,FA)比例、 分子量大小以及光化学反应活性(光漂白)等[34, 47, 48, 49]. 以往研究工作发现UVB段(275~320 nm)S值与E2/E3呈显著正相关，而275~295 nm段S值(S275~295)与a*g(365)也有较好关系[22]，故分别建立水体、 土壤及沉积物DOM的a*g(365)、 E2/E3与S275~295关系. 由表 3可知，不同来源DOM的 a*g(365)、 E2/E3与S275~295拟合效果差异较大，a*g(365)与S275~295拟合效果最好是沉积物，其次是水体； 而E2/E3与S275~295拟合效果最好的沉积物，其次是土壤； 将土壤和沉积物分别进行拟合，可以使拟合的决定系数R2分别提高0.235(土壤)、 0.188(沉积物). 进一步，建立a*g(365)与E2/E3的关系(图 2)，发现除土壤数据外，水体和沉积物数据均用幂函数形式拟合效果最好(水体R2=0.783，沉积物R2=0.618)：

式中，E、 F为拟合系数. 公式两端取对数，化简即：

式中，G、 H、 J为拟合系数. 该模型中自变量即250 nm和365 nm处的吸收系数.
表 3 ag(365)、 E2/E3与S275~295的关系式 Table 3 Relational equations of ag(365),E2/E3 and S275~295

表 4给出了公式(7)的拟合系数值和决定系数R2. 总体上，拟合效果均较差，其中水体决定系数最高(R2=0.273)，土壤最低(R2=0.001).

表 4 ln(DOM)、 ln[ag(250)]、 ln[ag(365)]的回归系数 Table 4 Regression coefficients of ln(DOM),ln[ag(250)],ln[ag(365)]
2.2.3 S值模型 有研究提出，通过建立a*g(355)与S275~295关系可以估算DOM浓度[24]. 但不同来源的DOM，其a*g(355)与S275~295关系有所差别(图 3). 水体DOM用线性函数拟合的效果较好，而土壤和沉积物DOM则用幂函数或指数函数拟合的效果较好.
图 3 a*g(355)与S275~295的关系 Fig. 3 Relationship between a*g(355) and S275~295

表 5给出了水体、 土壤和沉积物DOM的a*g(355)与S275~295拟合函数和拟合系数值，从决定系数上看，沉积物拟合效果最佳(R2=0.748)，水体次之(R2=0.560)，土壤最差(R2=0.386). 内源(水体)和陆源(土壤和沉积物)DOM拟合方程差别较大； 土壤和沉积物拟合方程较为接近，可能因为二者来源较一致； 但沉积物拟合效果好于土壤，说明虽然DOM来源较为接近，该拟合方式更适合新鲜的沉积物DOM，用该模型拟合时应将土壤和沉积物进行区分.

表 5 a*g(355)与S275~295的回归系数 Table 5 Regression coefficients of a*g(355) and S275~295
2.2.4 三波长模型 上述模型较采用单一或双波长进行拟合的效果有较大提高，但式中引入S275~295，计算较为复杂. 为简化计算，考虑用吸收系数ag(275)、 ag(295)取代S275~295. 根据DOM吸收光谱曲线是一个类指数函数，分别建立ln[a*g(355)]与ln[ag(275)]、 ln[ag(295)]之间的关系(图 4). 结果表明水体ln[a*g(355)]与ln[ag(275)]、 ln[ag(295)]的决定系数R2分别为0.707和0.749，土壤和沉积物的决定系数R2分别为0.810和0.848，土壤的决定系数R2分别为0.843和0.898，沉积物的决定系数R2分别为0.638和0.687，相关性均较好. 故可建立多元线性模型：

式中，B、 C、 D为拟合系数.
图 4 ln[a*g(355)]与ln[ag(275)]、 ln[ag(295)]的关系 Fig. 4 Relationship among ln[a*g(355)],ln[ag(275)],ln[ag(295)]

表 6给出了方程(8)拟合系数值，各拟合系数值差异较大. 总体上，该模型对三类不同来源DOM浓度估算效果均较好，土壤拟合效果最佳(R2=0.933)，沉积物次之(R2=0.856)，水体最差(R2=0.788)； 而考虑将土壤和沉积物一并进行拟合，模型拟合效果仍较好(R2=0.887).

表 6 ln[a*g(355)]、 ln[ag(275)]、 ln[ag(295)]的回归系数 Table 6 Regression coefficients of ln[a*g(355)],ln[ag (275)],ln[ag (295)]

综上，根据上述4种估测模型的表现，可提出三峡库区DOM浓度估算模型表达式.

水体DOM浓度估算的模型表达式为：

土壤DOM浓度估算的模型表达式为：

沉积物DOM浓度估算的模型表达式为：

2.3 模型验证与评价

基于所述4种模型的决定系数R2，笔者认为三波长模型估算效果较适合，为此随机选取2013年在三峡库区采集的32个土壤样品和36个水体样品对模型精度进行检验. 结果表明土壤DOM的三波长模型预测值与实测值的RRMSE和MRE均值分别为16.5%和16.9%，水体分别为10.32%和9.06%. 说明该模型能较好地适用于三峡库区不同来源DOM浓度的反演.

相比土壤DOM而言，模型对水体DOM浓度的预测精度更高. 有研究表明，DOM浓度较低是预测精度较高的重要原因[41]，本研究中水体DOM浓度(7.990mg ·L-1±2.060 mg ·L-1)远低于土壤DOM浓度(37.665 mg ·L-1±6.412 mg ·L-1)和沉积物DOM浓度(39.166 mg ·L-1±8.376 mg ·L-1). 这种浓度差异可能是导致模型对不同来源DOM浓度预测精度差异性的重要原因，同时可能也与DOM分子结构复杂程度有关：水体DOM分子结构较为单一(以富里酸为主)，在光降解和微生物降解时，某些生色基在DOM中比例波动较小，其CDOM吸收系数与DOM浓度相关性较好； 而土壤和沉积物DOM分子结构较为复杂，特别用单一波长吸收系数预测DOM时会出现不稳定. 在本研究区域，消落带落干期的光照辐射以及微生物活动均会对土壤和沉积物DOM降解过程产生影响，不同地区的土壤和沉积物所经历的地化过程差异较大，这些都可能导致土壤和沉积物DOM和CDOM相关性稳定程度较差.

尽管如此，上述结果仍表明，三波长模型计算简便，方程自变量为3个波长的吸收系数； 对土壤、 沉积物和水体DOM拟合决定系数R2均较高，模型适用范围较广. 考虑到DOM组成复杂，且温度、 光照、 微生物活动等因素对CDOM和DOM关系均有较大影响，以后研究仍需针对不同生物地球化学特征、 不同季节分别建立CDOM与DOM之间的经验关系后再进行反演，可提高DOM浓度的估算精度. 本研究工作作为三峡库区消落带DOM地化特征长期观测工作的一部分，今后还将进一步对模型进行优化，以进一步全面评估在该研究区域内采用CDOM吸收系数估测DOM浓度的适用性.

利用光谱手段估算得到的DOM浓度对评价DOM时空分布、 遥感反演等较大尺度的研究范围可以适用； 也可在一定程度上表征不同来源DOM样本其浓度的相对差异性——这些对研究DOM在水生、 陆地生态系统中的产生与演化，以及对污染物环境行为的影响等具有重要意义. 但该方法仍旧无法替代更为准确的直接测定方法，例如TOC仪测定(包括超临界氧化法、 催化燃烧法等). 但在野外现场采样等无法直接测定DOM浓度时，利用吸收光谱系数的粗略估算仍不失为一种快速、 简便的补充方法[45]. 3 结论

(1) 利用三峡库区水体和土壤及沉积物DOM的紫外-可见光谱数据，以吸收系数和吸收光谱斜率(S值)为基础，建立了4种估算DOM浓度的模型，通过对比不同模型的拟合度，笔者认为，对于三峡库区DOM浓度估算的最适模型可通过在275 nm、295 nm、355 nm的吸收系数[ag(275)、 ag(295)、 ag (355)]建立三波长模型. 而造成不同模型对DOM浓度估算结果的差异，可以用DOM来源差异进行解释.

(2)对于模型中的回归系数，考虑到不同地区和季节DOM组成的差异性，本研究所得结果表明吸收光谱较适合于三峡库区水体和土壤及沉积物DOM浓度的估算，同时可为今后需大范围估算本研究区域的水体和土壤中DOM浓度、 探明DOM在库区淹水-落干条件下的消长变化规律、 以及在干湿交替环境下对污染物环境化学行为的潜在影响提供技术支撑.

参考文献
[1] Schmidt Michael W I, Torn Margaret S, Abiven S, et al. Persistence of soil organic matter as an ecosystem property[J]. Nature, 2011, 478 (7367): 49-56.
[2] Biasi C, Tavi N M, Oinonen M, et al. A novel 14C approach to follow fate of carbon in organic soils[A]. In: EGU General Assembly Conference Abstracts[C]. Geophysical Research Abstracts, 2012.
[3] 陈同斌, 陈志军. 土壤中溶解性有机质及其对污染物吸附和解吸行为的影响[J]. 植物营养与肥料学报, 1998, 4 (3): 201-210.
[4] Hopkinson Charles S, Vallino Joseph J. Efficient export of carbon to the deep ocean through dissolved organic matter[J]. Nature, 2005, 433 (7022): 142-145.
[5] Opsahl S, Benner R. Distribution and cycling of terrigenous dissolved organic matter in the ocean[J]. Nature, 1997, 386 (6224): 480-482.
[6] 刘纪远, 于贵瑞, 王绍强, 等. 陆地生态系统碳循环及其机理研究的地球信息科学方法初探[J]. 地理研究, 2003, 22 (4): 397-405.
[7] Tranvik L J, Downing J A, Cotner J B, et al. Lakes and reservoirs as regulators of carbon cycling and climate[J]. Limnology and Oceanography, 2009, 54 (6): 2298-2314.
[8] 吕国红, 周广胜, 周莉, 等. 土壤溶解性有机碳测定方法与应用[J]. 气象与环境学报, 2006, 22 (2): 51-55.
[9] Stedmon C A, Markager S, Kaas H. Optical properties and signatures of chromophoric dissolved organic matter (CDOM) in Danish coastal waters[J]. Estuarine, Coastal and Shelf Science, 2000, 51 (2): 267-278.
[10] Twardowski M S, Boss E, Sullivan J M, et al. Modeling the spectral shape of absorption by chromophoric dissolved organic matter[J]. Marine Chemistry, 2004, 89 (1-4): 69-88.
[11] Chen H, Zheng B H, Song Y H, et al. Correlation between molecular absorption spectral slope ratios and fluorescence humification indices in characterizing CDOM[J]. Aquatic Sciences, 2011, 73 (1): 103-112.
[12] Chen J, Gu B H, LeBoeuf E J, et al. Spectroscopic characterization of the structural and functional properties of natural organic matter fractions[J]. Chemosphere, 2002, 48 (1): 59-68.
[13] Rostan J C, Cellot B. On the use of UV spectrophotometry to assess dissolved organic carbon origin variations in the Upper Rh?ne River[J]. Aquatic Sciences, 1995, 57 (1): 70-80.
[14] Du C F, Shang S L, Dong Q, et al. Characteristics of chromophoric dissolved organic matter in the nearshore waters of the western Taiwan Strait[J]. Estuarine, Coastal and Shelf Science, 2010, 88 (3): 350-356.
[15] Granskog M A, Macdonald R W, Mundy C J, et al. Distribution, characteristics and potential impacts of chromophoric dissolved organic matter (CDOM) in Hudson Strait and Hudson Bay, Canada[J]. Continental Shelf Research, 2007, 27 (15): 2032-2050.
[16] Guéguen C, Guo L D, Tanaka N. Distributions and characteristics of colored dissolved organic matter in the western Arctic Ocean[J]. Continental Shelf Research, 2005, 25 (10): 1195-1207.
[17] He M C, Shi Y H, Lin C Y. Characterization of humic acids extracted from the sediments of the various rivers and lakes in China[J]. Journal of Environmental Sciences, 2008, 20 (11): 1294-1299.
[18] Vodacek A, Hoge F E, Swift R N, et al. The use of in situ and airborne fluorescence measurements to determine UV absorption coefficients and DOC concentrations in surface waters[J]. Limnology and Oceanography, 1995, 40 (2): 411-415.
[19] Kowalczuk P, Durako M J, Young H, et al. Characterization of dissolved organic matter fluorescence in the South Atlantic Bight with use of PARAFAC model: Interannual variability[J]. Marine Chemistry, 2009, 113 (3): 182-196.
[20] Laurion I, Ventura M, Catalan J, et al. Attenuation of ultraviolet radiation in mountain lakes: Factors controlling the among-and within-lake variability[J]. Limnology and Oceanography, 2000, 45 (6): 1274-1288.
[21] 陈楚群, 施平. 应用水色卫星遥感技术估算珠江口海域溶解有机碳浓度[J]. 环境科学学报, 2001, 21 (6): 715-719.
[22] 姜广甲, 马荣华, 段洪涛. 利用 CDOM 吸收系数估算太湖水体表层 DOC 浓度[J]. 环境科学, 2012, 33 (7): 2235-2243.
[23] Matsuoka A, Hooker S B, Bricaud A, et al. Estimating absorption coefficients of colored dissolved organic matter (CDOM) using a semi-analytical algorithm for southern Beaufort Sea waters: application to deriving concentrations of dissolved organic carbon from space[J]. Biogeosciences, 2013, 10 (2): 917-927.
[24] Fichot C G, Benner R. A novel method to estimate DOC concentrations from CDOM absorption coefficients in coastal waters[J]. Geophysical Research Letters, 2011, 38 (3), doi: 10.1029/2010GL046152.
[25] Liu Q, Pan D L, Bai Y, et al. The satellite reversion of dissolved organic carbon (DOC) based on the analysis of the mixing behavior of DOC and colored dissolved organic matter: the East China Sea as an example[J]. Acta Oceanologica Sinica, 2013, 32 (2): 1-11.
[26] 张运林, 秦伯强. 梅梁湾、大太湖夏季和冬季 CDOM 特征及可能来源分析[J]. 水科学进展, 2007, 18 (3): 415-423.
[27] Tipping E, Corbishley H T, Koprivnjak J F, et al. Quantification of natural DOM from UV absorption at two wavelengths[J]. Environmental Chemistry, 2009, 6 (6): 472-476.
[28] 张运林, 黄群芳, 马荣华, 等. 基于反射率的太湖典型湖区溶解性有机碳的反演[J]. 地球科学进展, 2005, 20 (7): 772-777.
[29] 冯龙庆, 时志强, 潘剑君, 等. 太湖冬季有色可溶性有机物吸收荧光特性及遥感算法[J]. 湖泊科学, 2011, 23 (3): 348-356.
[30] Yu G H, Wu M J, Wei G R, et al. Binding of organic ligands with Al(III) in dissolved organic matter from soil: implications for soil organic carbon storage[J]. Environmental Science and Technology, 2012, 46 (11): 6102-6109.
[31] Nierop K G, Jansen B, Verstraten J M. Dissolved organic matter, aluminium and iron interactions: precipitation induced by metal/carbon ratio, pH and competition[J]. Science of the Total Environment, 2002, 300 (1): 201-211.
[32] 李璐璐, 江韬, 闫金龙, 等. 三峡库区典型消落带土壤及沉积物中溶解性有机质(DOM)的紫外-可见光谱特征[J]. 环境科学, 2014, 35 (3): 933-941.
[33] 周艳翔, 吕茂奎, 谢锦升, 等. 深层土壤有机碳的来源、特征与稳定性[J]. 亚热带资源与环境学报, 2013, 8 (1): 48-55.
[34] Xiao Y H, Sara-Aho T, Hartikainen H, et al. Contribution of ferric iron to light absorption by chromophoric dissolved organic matter[J]. Limnology and Oceanography, 2013, 58 (2): 653-662.
[35] De Haan H, De Boer T. Applicability of light absorbance and fluorescence as measures of concentration and molecular size of dissolved organic carbon in humic Lake Tjeukemeer[J]. Water Research, 1987, 21 (6): 731-734.
[36] Summers R S, Cornel P K, Roberts P V. Molecular size distribution and spectroscopic characterization of humic substances[J]. Science of the Total Environment, 1987, 62: 27-37.
[37] Del Vecchio R, Blough N V. Spatial and seasonal distribution of chromophoric dissolved organic matter and dissolved organic carbon in the Middle Atlantic Bight[J]. Marine Chemistry, 2004, 89 (1): 169-187.
[38] 罗小三, 仓龙, 郝秀珍, 等. 原位土壤溶液采样及可溶性有机碳 (DOC) 的紫外吸收光谱直接测定探讨[J]. 土壤, 2007, 39 (6): 943-947.
[39] 张运林, 秦伯强, 马荣华, 等. 太湖典型草, 藻型湖区有色可溶性有机物的吸收及荧光特性[J]. 环境科学, 2005, 26 (2): 142-147.
[40] 陈锡超, 纪颖琳, 胡青, 等. "引江济太" 水系有色溶解有机质的特征与来源[J]. 湖泊科学, 2010, 22 (1): 63-69.
[41] Ferrari G M, Dowell M D, Grossi S, et al. Relationship between the optical properties of chromophoric dissolved organic matter and total concentration of dissolved organic carbon in the southern Baltic Sea region[J]. Marine Chemistry, 1996, 55 (3): 299-316.
[42] Asmala E, Stedmon C A, Thomas D N. Linking CDOM spectral absorption to dissolved organic carbon concentrations and loadings in boreal estuaries[J]. Estuarine, Coastal and Shelf Science, 2012, 111: 107-117.
[43] 张运林, 吴生才, 秦伯强, 等. 太湖梅梁湾有色可溶性有机物对光的吸收[J]. 中国环境科学, 2004, 24 (4): 405-409.
[44] Moran M A, Zepp R G. Role of photoreactions in the formation of biologically labile compounds from dissolved organic matter[J]. Limnology and Oceanography, 1997, 42 (6): 1307-1316.
[45] Zhang Y L, Qin B Q, Chen W M, et al. A preliminary study of chromophoric dissolved organic matter (CDOM) in Lake Taihu, a shallow subtropical lake in China[J]. Acta Hydrochimica et Hydrobiologica, 2005, 33 (4): 315-323.
[46] Carter H T, Tipping E, Koprivnjak J F, et al. Freshwater DOM quantity and quality from a two-component model of UV absorbance[J]. Water Research, 2012, 46 (14): 4532-4542.
[47] Tzortziou M, Osburn C L, Neale P J. Photobleaching of dissolved organic material from a tidal marsh-estuarine system of the Chesapeake Bay[J]. Photochemistry and Photobiology, 2007, 83 (4): 782-792.
[48] De Haan H. Solar UV-light penetration and photodegradation of humic substances in peaty lake water[J]. Limnology and Oceanography, 1993, 38 (5): 1072-1076.
[49] Bertilsson S, Tranvik L J. Photochemical transformation of dissolved organic matter in lakes[J]. Limnology and Oceanography, 2000, 45 (4): 753-762.