环境科学  2015, Vol. 36 Issue (3): 936-945   PDF    
太湖水华期营养盐空间分异特征与赋存量估算
金颖薇1,2, 朱广伟1 , 许海1, 朱梦圆1    
1. 中国科学院南京地理与湖泊研究所湖泊与环境国家重点实验室, 南京 210008;
2. 中国科学院大学, 北京 100049
摘要:基于2013年7月的空间高密度采样数据,对太湖水华期水体营养盐进行了空间分异特征分析及赋存量估算,探讨了大型浅水湖泊不同生态类型湖区水华与营养盐的相关关系及样点设置的代表性. 结果发现,水华期太湖水体营养盐及叶绿素 a 浓度(CHL)总体上均呈现由西北向东南降低的趋势; 氮主要以溶解态存在,占总氮(TN)的76.28%,磷主要以颗粒态赋存,占总磷(TP)的66.38%. 采用主成分分析和聚类分析,可以将采样点分为相互之间具有显著性差异的4个区域:第一区位于西北湖区,代表水华严重的重富营养湖区; 第二区主要包括梅梁湾及南太湖的入湖河口一带湖区,代表水华和富营养化程度都相对中等的湖区; 第三区包括湖心区和西南湖区,代表中等污染但水华频现湖区; 第四区包括贡湖湾、胥口湾和东太湖等其他区域,代表水华影响较弱、水质较好湖区. 分区统计分析表明,不同湖区影响浮游藻类生长的因子也不同:从全湖来看,与CHL显著相关的营养盐指标为TP、TN、溶解性总氮(TDN)和硝态氮(NO3--N),而在第一区则为TP和TDN,第二区为TN和TDN,第三区为TP、磷酸盐(PO43--P)和TDN,第四区为PO43--P、溶解性总磷(TDP)和亚硝酸盐(NO2--N). 基于空间插值获得调查期间太湖水体TN、TDN、TP和TDP的赋存量分别为12800、9800、445和150 t. 研究表明,作为一个大型浅水湖泊,因蓝藻水华空间迁移积聚特征和生态类型异化等特征,太湖水华期的营养盐具有高度空间异质性,对于此类大型浅水湖泊的监测与评价,应当考虑点位的合理布设及结果的恰当解读,避免因监测布点和统计方法不当而以偏概全.
关键词大型浅水湖泊     蓝藻水华     营养盐赋存量     K-means聚类     多元逐步回归     分异性    
Spatial Distribution Pattern and Stock Estimation of Nutrients During Bloom Season in Lake Taihu
JIN Ying-wei1,2, ZHU Guang-wei1 , XU Hai1, ZHU Meng-yuan1    
1. State Key Laboratory of Lake Science and Environment, Nanjing Institute of Geography and Limnology, Chinese Academy of Sciences, Nanjing 210008, China;
2. University of Chinese Academy of Sciences, Beijing 100049, China
Abstract: Based on the data of high density spatial sampling in July 2013, we analyzed the spatial distribution pattern of nutrients and estimated their amount during bloom season in Lake Taihu to discuss the correlation of algal bloom in different types of ecological water and nutrients in large shallow lake and the representative of its sampling sites. The research showed that nutrients and chlorophyll-a concentration (CHL) in Lake Taihu tended to reduce from northwest to southeast in general during bloom season. Nitrogen was mainly present in dissolved form, accounting for 76.28 percent of the total nitrogen (TN), and phosphorus was mainly present in particulate form, accounting for 66.38 percent of the total phosphorus (TP). The sampling points in the whole lake could be divided into four sections with significant difference between each other using principal component analysis and cluster analysis: The first section was located in the district of northwestern Lake Taihu, which represented the heavy eutrophic lake areas with serious blooms; the second section mainly included Meiliang Bay and area of river inflow into lake in South of Lake Taihu, which stood for moderate eutrophication of water quality; The third section included the central area and the southwest of lake, which represented the water area with medium water pollution, but blooms were frequent; And the fourth area was the remainder areas including Gonghu Bay, Xukou Bay, and Eastern Taihu, which stood for the region of weaker blooms and better water quality. Different factors also affected the growth of planktonic algae in different sections: From the point of the whole lake, CHL was significantly correlated with TP, TN, total dissolved nitrogen (TDN) and nitrate nitrogen (NO3--N); while in the first section, CHL was significantly correlated to TP and TDN; CHL was correlated to TN and TDN in the second section; in the third section, the influencing factors were TP, reactive phosphate (PO43--P), TDN; PO43--P, total dissolved phosphorus (TDP) and nitrite nitrogen (NO2--N) were the influencing factors for the fourth section. The study showed that the values of TN, TDN, TP and TDP respectively were 12800 tons, 9800 tons, 445 tons and 150 tons during the research period. As a large shallow lake, Lake Taihu showed high spatial heterogeneity in nutrients during bloom season, which was resulted from the space migration accumulation characteristics of cyanobacteria blooms and the alienation characteristics of ecological type. Therefore, when monitoring and evaluating the large shallow lakes, sampling points should be set rationally and the results should be interpreted properly, to avoid overgeneralization due to improper monitoring points and statistical methods.
Key words: large shallow lake     cyanobacterial bloom     nutrients amount     K-means cluster     multiple stepwise regression     heterogeneity    

20世纪80年代后期,太湖北部的梅梁湾开始频繁暴发蓝藻水华,并且水华面积在 1997~2007年呈现逐年增大的趋势[1],太湖水质问题逐渐得到关注. 相关研究表明[2, 3, 4, 5],光照、 温度、 营养盐都是水华生发的重要影响因素. 从气候条件看,夏季是太湖蓝藻的过度繁殖期[4],也是蓝藻生长与氮、 磷营养盐供需矛盾最突出的季节. 因此,研究水华期水体营养盐与藻类生物量之间的关系对于蓝藻水华防控至关重要[3, 4, 5, 6]. 叶绿素 a 含量(CHL)是表征藻类现存量的重要指标之一,也是水体监测中的重要生物学参数[7],通过估算营养盐及CHL的赋存总量能够在一定程度上反映太湖水华期水质状况.

太湖面积约2238 m2,平均水深1.9 m,是一个典型的大型浅水湖泊[8]. 除了易受风浪扰动影响外[9],还连接200多条河流,湖汊众多,藻型生态类型与草型生态类型共存,导致水质存在很大的空间差异性[8]. 许多学者已经关注到太湖水质的这种空间异质性,对太湖不同湖区进行了一系列的研究[10, 11, 12, 13, 14, 15, 16]. 但是通常在小样本的基础上进行聚类或者用少量样点代表一个湖区,代表性不够. 本研究针对水华对营养盐空间分布的影响问题,在太湖蓝藻水华暴发严重的7月,相对均匀地布设138个采样点,对太湖水华期营养盐及CHL的空间异质性进行分析,并对各形态营养盐及CHL的赋存量进行了估算,分析水华期不同类型湖区营养盐与蓝藻水华之间的关系,探讨大型浅水湖泊营养特征监测和评估中存在的问题. 1 材料与方法 1.1 采样点布设与数据获取

2013年7月3~7日,在太湖均匀布设了138个采样点(图 1),采集表层水样进行CHL和各形态氮磷含量分析. 分析指标包括总氮(TN)、 溶解性总氮(TDN)、 硝态氮(NO3--N)、 亚硝态氮(NO2--N)、 氨氮(NH4+-N)、 总磷(TP)、 溶解性总磷(TDP)、 磷酸根(PO43--P)、 CHL. 这些指标也都是中国科学院太湖湖泊生态系统研究站(太湖站)的逐月常规监测指标. 同时获取太湖站夏季常规调查数据进行比较.

图 1 太湖采样点分布示意 Fig. 1 Distribution of sampling sites in Lake Taihu

1.2 测定与分析方法

水温、 pH、 水深采用 6600 V2 型多参数水质仪(美国Yellow Spring Instrument公司)现场测定. 水样带回实验室分析TN、 TDN、 NO3--N、 NO2--N、 NH4+-N、 颗粒态总氮(TPN)、 TP、 TDP、 颗粒态总磷(TPP)、 PO43--P、 CHL,TPN及TPP为TN与TDN及TP与TDP的差值,测定与计算方法见文献[17]. 1.3 数据处理

应用ArcGIS 9.3中克里金插值法,得到营养盐及CHL的空间插值图. 在浓度插值的基础上,同时为了考虑每个监测点位的空间代表性,运用ArcGIS的泰森多边形网格工具为每个监测点位划分代表区域,得到138个代表区域的面积,结合监测点的水深数据,计算出每个区域内的总水量,再根据代表该区域监测点各形态氮、 磷的浓度,采用加权平均的方法获得水华期太湖水体各形态氮、 磷的赋存量. 采用相同的方法,估算出全湖CHL赋存量,用于近似反映水体中浮游藻类的生物量.

运用SPSS 16.0将数据正态化,完成主成分分析[18]. 通过对多维空间降维处理,在系统变异信息损失最小的情况下,得到线性无关的几个主成分[19]. 根据距离代价函数公式:

式中,L为类际距离; D为类内距离; m为全部样本的均值; mi为簇Ci所含样本的均值; p为任一空间对象,即样本; k为所要聚类的个数,Fmin对应的k值为最优解(最小距离)[20]. 基于提取的主成分和k值最优解,采用SPSS 16.0实现K-means聚类[21]:首先选取有代表性的初始凝聚点作为聚类核心,根据欧氏距离将每个采样点归入到与其最近的凝聚点所代表的类,以构成暂时的类,再以暂时的类的重心作为新的凝聚点重新聚类,一直迭代至到达收敛标准为止,最后得到凝聚点间的距离. 类别间的差异需通过t检验有显著性差异,聚类结果才有效. 不同于系统聚类法,快速聚类法能够对大样本的样品进行聚类,避免了极大的计算工作量.

通过SPSS 16.0多元线性相关分析[21],比较营养盐与CHL之间的密切程度,并通过多元逐步回归统分析[21],计算统计量F值,经过F检验筛选不同湖区对藻类生长主要影响因子,F值的显著水平和各个回归系数的偏相关系数的显著水平P要小于0.05,才能建立最优多元逐步回归方程. 2 结果与分析 2.1 营养盐及CHL的空间分布

图 2为太湖水华期水体CHL、 各形态氮、 磷以及水深的空间分布插值状况. CHL总体呈自西北向东南逐步降低的特点,这一分布形式与太湖的营养盐入湖来源有关,也与太湖夏季盛行东南风,蓝藻水华在西北部的聚集和堆积有关. 调查期全湖CHL平均浓度为17.93 μg ·L-1,变幅为1.91~185.37 μg ·L-1. 最高值出现在西北湖区竺山湾50号点,该湖区CHL平均浓度高出其他湖区2~6倍; 梅梁湾和大浦口CHL仅次于竺山湾; CHL的最低值出现在胥口湾108号点,胥口湾和东太湖都属于草型区,是太湖水质最好的湖区.

图 2 太湖水华期营养盐及CHL的空间分布 Fig. 2 Spatial distribution of nutrients and CHL during bloom period in Lake Taihu

太湖水华期水体营养盐的空间分布与CHL空间分布联系密切. 从图 2中的各形态氮、 磷营养盐空间分布可以看出,主要营养盐指标也大体呈现出由西北向东南逐渐降低的趋势. 调查期间,TN平均浓度为2.26 mg ·L-1,变幅为0.68~5.79 mg ·L-1,最高值出现在西北湖区竺山湾50号点,最低值出现在贡湖湾30号点. TDN平均浓度为1.69 mg ·L-1,变幅为0.53~4.31 mg ·L-1,最高值出现在西北湖区53号点,最低值出现在胥口湾102号点. NO3--N平均浓度为0.85 mg ·L-1,变幅为0.03~2.95 mg ·L-1,最高值出现在南太湖85号点,最低值出现在贡湖湾29号点. NO2--N平均浓度为0.03 mg ·L-1,变幅为0.0001~0.16 mg ·L-1,最高值出现在西北湖区52号点,最低值出现在贡湖湾29号点. NH4+-N平均浓度为0.24 mg ·L-1,变幅为0.05~3.22 mg ·L-1,最高值出现在竺山湾51号点,最低值出现在西南湖区80号点. TPN平均浓度为0.57 mg ·L-1,变幅为0.01~3.51 mg ·L-1,最高值出现在竺山湾50号点,最低值出现在梅梁湾10号点.

TP平均浓度为0.093 mg ·L-1,变幅为0.011~0.590 mg ·L-1,最高值出现在西北湖区竺山湾50号点,最低值出现在贡湖湾30号点. TDP平均浓度为0.034 mg ·L-1,变幅为0.001~0.253 mg ·L-1,最高值出现在西北湖区竺山湾51号点,最低值出现在西南湖区99号点. PO43--P平均浓度为0.023 mg ·L-1,变幅为0.001~0.228 mg ·L-1,最高值出现在竺山湾51号点,最低值出现在贡湖湾30号点. TPP平均浓度为0.059 mg ·L-1,变幅为0.007~0.369 mg ·L-1,最高值出现在竺山湾50号点,最低值出现在胥口湾111号点.

TN、 TPN、 TP、 TPP和CHL最高值都出现在竺山湾同一采样点(50号点). TN、 TP的最低浓度也出现在相同位置,位于胥口湾30号点. 除了NO3--N浓度最高值出现在南太湖,溶解性氮磷的最高浓度也基本出现在西北湖区的同一采样点(51号点). 但是南部湖区的总溶解性氮浓度普遍比北部湖区高. 除了TPP最低浓度出现在梅梁湾,其他氮磷营养盐与CHL最低值均集中在胥口湾. 水华期太湖水体营养盐及CHL的空间分布规律大体相似,均呈现由西北向东南降低的趋势,但是不同形态氮、 磷的空间分布略有不同.

在对营养盐浓度进行插值的基础上,结合水华期太湖水体水深的插值,计算出2013年水华期太湖水体TN、 TDN、 NO3--N、 NO2--N、 NH4+-N、 TPN、 TP、 TDP、 PO43--P、 TPP、 CHL的赋存量分别为12800、 9800、 5300、 125、 881、 3000、 445、 150、 79、 295和85 t. 其中,TDN、 TPN分别占TN的77%、 23%,说明水华期太湖水体中的氮主要以溶解态赋存. 在溶解态氮中,NO2--N、 NH4+-N、 NO3--N分别占有1%、 9%和54%的比例,NO3--N、 NH4+-N对水体总氮的贡献较大. TP中含有34%的TDP和66%的TPP,主要赋存形态是颗粒态. 2.2 营养盐含量的空间分异 2.2.1 主成分分析

表 1为太湖水华期11个重点研究指标的Pearson相关系数矩阵,从中可以看出,11个水化指标中除了NO3--N以外,其他指标之间基本都呈极显著相关,每个指标都在不同程度上反映了太湖的差异性,因此将所有指标一起进行统计分析时提供的空间差异信息在一定程度上有所重叠,不能得到令人信服的排序结果[17]. 如果存在一定相关性的指标不能综合考虑,尤其是本研究中含有大量采样点和多项水化指标数据,会增加问题分析的复杂性,影响数据分析的准确性. 本研究采用主成分分析来概括11个指标的主要信息,转化为少数综合指标,以揭示大样本的内在关系.

表 1 太湖营养盐及CHL的Pearson相关性系数矩阵 1) Table 1 Pearson coefficient correlation matrix of nutrients and CHL in Taihu Lake

根据选取主成分个数的原则,特征值要求大于1且累计贡献率达80%~90%所对应的主成分[19]. 将11个水化指标的标准化数据通过主成分分析可以得到各综合指标所对应的特征根和方差贡献值,表 2是根据特征值选取的3个综合指标,已经可以解释原始变量91.155%的信息. 主成分主要是由11个研究指标的系数决定的,第一主成分主要反映了TN、 NO3--N和CHL的浓度,系数分别为0.41、 0.40、 0.40; 第二主成分主要反映了TDN、 TDP和PO43--P的情况,系数分别为0.42、 0.33、 0.48; 第三主成分主要反映了NO2--N、 NH4+-N和PO43--P,系数分别为0.24、 0.28、 0.69. 本研究基于主成分分析选取的3个综合指标,通过聚类将太湖进行分区.

表 2 主成分分析的总方差分解表 Table 2 Total variance decomposition of principal component analysis

2.2.2 K-means聚类及太湖分区

本研究中,聚类分析按照指标属性将具有相似性质的采样点聚为一类,差别较大的归为不同的类. 以往大多数从统计角度对太湖湖区的划分,基本上都采用Q型聚类的方法[7,11],但是当样本量较大时(一般大于100)[21],用系统聚类计算的工作量很大,而且作出的树状图也很复杂,不便于分析. 因此,基于以上的插值分析和主成分分析,本研究采用K-means聚类方法[21],即对138个采样点进行快速聚类,首先选取有代表的性的初始凝聚点作为聚类核心,根据欧氏距离将每个采样点归入到与其最近的凝聚点所代表的类,以构成暂时的类,再以暂时的类的重心作为新的凝聚点重新聚类,一直迭代至到达收敛标准为止. 与系统聚类的最大不同是快速聚类需要事先给定聚类数k,本研究借鉴杨善林等[20]k值优化问题研究中采用计算距离代价取最小值的方法来确定最优k值. 经验规则考虑到kn ,应有k≤ 138 ,即 k≤11. 根据距离代价函数[20]计算得出F(S,4)为最小值,k=4为最优解.

快速聚类分析,按照主成分空间关系的密切程度,将水华期太湖138个采样点分成四类湖区(图 3).

图 3 太湖分区示意 Fig. 3 Subareas of Lake Taihu

第一类湖区采样点主要位于竺山湾、 大浦口,属于入湖污染重、 蓝藻水华堆积严重的湖区. 在西北湖区有密集的入湖港口[22],包括太滆运河、 漕桥河、 陈东港、 大浦港和双桥港等,都是太湖主要的污染来源. 根据GB 3838-2002水质评价标准,水质劣V类的河流大都位于太湖西北区. 该区流域受到发达城市、 工农业、 生活污水的影响,入湖河道的污染问题严峻. 同时,夏季水华期太湖盛行东南风,造成该区出现蓝藻水华堆积严重,也加剧了该湖区水质的进一步恶化.

第二类湖区为梅梁湾及南太湖最南部的入湖河口区一带,该类湖区水质相对于第三类湖较差,污染程度仅次于第一类湖区. 梅梁湾是最早发生蓝藻水华的湖区,由于武进港、 直湖港和五里湖处在北湖区的入湖口处,也属于典型的污染型湖区,但是近年来由于加强了治理力度,水质情况逐年在好转,南部小部分湖区主要受到苕溪来水的影响,水质较差.

第三类湖区包括湖心区及西南湖区(不包括最南部部分水域). 湖心区不直接连接入湖河道,水域面积开阔,交换通畅,蓝藻水华不易堆积,因此该水域营养盐含量显著降低. 西南湖区只有西部区域直接与入湖港口相连,而且主要来水区的污染源密集度明显降低[22],污染程度相对较轻.

第四类湖区则为贡湖湾、 胥口湾和东太湖. 从整体水环境情况来看是水质最好的湖区. 贡湖湾在2007年饮用水危机之后成为太湖蓝藻水华防控的重点,在一系列治理工程措施之后,该水域水质情况得到了好转[11]. 胥口湾和东太湖是典型的草型湖区[23],自净能力强,较少发生水华.

四类湖区凝聚核心的距离见表 3. 将四类采样点的主成分经过t检验(双尾检验),得出的结果表明第一区与第二区采样点(t=9.16,P=0.000)、 第一区与第三区采样点(t=6.20,P=0.004)、 第一区与第四区采样点(t=12.18,P=0.000)、 第二区与第三区采样点(t=-2.85,P=0.006)、 第二区与第四区采样点(t=6.79,P=0.007),以及第三区与第四区采样点(t=6.46,P=0.002)在α=0.05的显著性水平上均有显著差异性.

将同一类采样点代表的区域进行合并,并给出明确界线,更有利于结果的分析比较,根据龙胤慧

表 3 K-means聚类最终核心点的距离 Table 3 Distances between final cluster centers of K-means cluster

[24]对泰森多边形法的研究结果,表明基于ArcGIS的泰森多边形网格工具可以避免人为主观划分的主观性和不确定性,且比人为划分更为便捷. 网格工具将太湖自动划分成138个区域,将同一类采样点所代表的区域合并,分区界限见图 3. 2.2.3 水华期不同湖区水质的空间分异性

不同类湖区营养盐与CHL浓度如表 4所示. 水华期第一类湖区TN、 TDN、 TPN、 TP、 TDP、 PO43--P、 TPP和CHL平均浓度均最高,分别为3.96 mg ·L-1、 2.71 mg ·L-1、 1.26 mg ·L-1、 0.259 mg ·L-1、 0.127 mg ·L-1、 0.105 mg ·L-1、 0.132 mg ·L-1和47.29 μg ·L-1,第四类湖区平均浓度最低,分别为1.54 mg ·L-1、 1.24 mg ·L-1、 0.30 mg ·L-1、 0.043 mg ·L-1、 0.009 mg ·L-1、 0.003 mg ·L-1、 0.034 mg ·L-1和7.52 μg ·L-1,高值区与低值区的差别很大. NO3--N平均浓度最高值出现在第二类湖区,为1.01 mg ·L-1,最低平均浓度也出现在第四类湖区,为0.72 mg ·L-1,总体差别不大. 而NO2--N和NH4+-N最高平均浓度分别为0.076 mg ·L-1和0.84 mg ·L-1,都出现在第一类湖区,最低值分别为0.012 mg ·L-1和0.098 mg ·L-1,NO2--N出现在第三类湖区,NH4+-N出现在第二区. 统计各指标在不同湖区的平均浓度可知,水体中TN、 TDN、 NO2--N、 NO3--N、 NH4+-N、 TPN、 TP、 TDP、 PO43--P、 TPP和CHL水平最大相对变幅为107%、 87%、 34%、 221%、 308%、 168%、 232%、 347%、 443%、 166%和222%,反映出极高的空间异质性.

表 4 太湖不同类湖区的营养盐及CHL统计 Table 4 Statistics of nutrients and CHL in the different regions of Lake Taihu
2.3 不同湖区营养盐与CHL的相关性

表 5可以看出,全湖层面上,太湖水华期水体CHL与TN、 NO2--N、 TPN、 TP、 TDP、 PO43--P、 TPP都呈极显著相关,与TDN、 NO3--N呈显著性相关,与NH4+-N不相关,总体上说明太湖蓝藻水华的严重程度与营养盐累积程度有关. 这种关系一部分是因为营养盐高导致蓝藻水华增殖多所致,更多地可能是蓝藻水华本身巨大的营养盐效应所致[25]. 从表 5的分区情况看,不同湖区CHL与各形态氮、 磷之间的相关程度差异显著,因此有必要分区进行统计分析.

表 5 太湖各湖区营养盐和CHL之间的Pearson相关系数 Table 5 Pearson correlation coefficients between nutrients and CHL in various types of sampling sites in Taihu Lake

为了进一步描述水华期太湖空间的差异,通过逐步回归分析筛选出太湖不同区域和整体湖区对CHL相对重要的水质影响因子,建立了不同湖区的CHL最优多元线性回归方程,并对方程显著性进行了检验[26],结果见表 6.

表 6 CHL与太湖营养盐的逐步回归统计 Table 6 Stepwise multiple regression between nutrients and CHL in Taihu Lake

水质因子没有通过F检验的就没有作为湖区水质的主控因子. 从表 6可以看出,对于水华严重的第一区,CHL的主控因子可能是TP和TDN,磷和溶解性氮的供给可能对水华赋存量影响最大. 第二区的主控因子可能是TP、 TDN、 PO43--P,与第一区的情况类似,增加了磷酸根的供给能力. 第三区的主控因子可能是TDN和TN,氮很可能成为决定蓝藻增殖量、 水体蓝藻生物量的主控因子,磷因补给充分而显得不重要了. 第四区主要相关因子则是PO43--P、 NO2--N和TDP影响,磷的补给能力对水体浮游植物生物量的影响更大,而不是氮. 3 讨论 3.1 太湖水华期CHL与营养盐的关系

图 2及前面的分析可以看出,东北湖区的望虞河入湖区、 西南湖区的苕溪湖小梅港入湖区、 西北湖区的陈东港、 北部的梁溪河入湖区和蠡湖等环湖河道入湖口CHL都相对较高,这表明水华期营养盐的外源供给对太湖藻类生长具有较大的影响. 此外,根据2009年环太湖入、 出湖河流水量及污染负荷通量的研究,外源净输入的TN、 TDN、 NO3--N、 NH4+-N、 TPN、 TP、 TDP、 PO43--P、 TPP、 CHL分别是水华期太湖水体赋存量的1.18倍、 1.29倍、 1.10倍、 4.89倍、 0.80倍、 1.83倍、 3.20倍、 4.18倍、 0.89倍、 0.76倍[27]. 由此可见,外源输入对NH4+-N和PO43--P的贡献较大,其次是TDP,这些形态营养盐也正是太湖蓝藻生长最重要的营养盐形态. 外源输入对TPN、 TPP以及CHL的贡献相对较小[27]. 本次调查显示太湖东北部贡湖湾CHL远低于高浓度营养盐湖区,说明该区域的水华受外来影响较大. 这与孔繁翔等[28]提出蓝藻的堆积很可能是受水文与气象条件的影响结论一致.

不同湖区水体藻类CHL的影响因素可能有很大不同. 钱昊钟等[11]研究过太湖水质因子的季节变化对CHL的影响,得出夏季氮、 磷营养盐的影响都较为显著,但是没有对夏季水华期进行深入研究. 另外有关湖泊环境理化因子与CHL的相关性也已有大量的研究[29, 30, 31, 32]. 但是对于一个具有高度空间异质性的大型浅水湖泊,如果只对湖泊整体氮磷营养盐与CHL的关系进行分析,可能因不同湖区间控制因子的巨大差异,总体分析反而会掩盖一些重要信息. 本研究在水质分区的基础上,分别研究四类湖区营养盐与CHL之间的关系,以获得不同水质湖区CHL受营养盐的影响情况.

从太湖四类湖区综合来看(表 5),水华期各形态磷基本都与CHL呈显著正相关,只有第三类湖区(湖心区和西南湖区)的CHL与TDP、 PO43--P、 TPP不存在显著相关,该区的固体悬浮物(SS)的平均浓度高于其他3个区,因此相关性不显著可能与湖心区和西南湖区的泥沙较多有关. 营养盐中TP对CHL的影响更为显著,这与以往大量研究得出的结果一致[11, 12, 13, 14, 15, 33],表明太湖无论是水华期还是非水华期磷浓度都与蓝藻生物量有良好的相关关系,在很大程度上,水华是水体磷的主要存在形态[25,34]. 蓝藻水华的适宜磷浓度范围为0.1~0.8 mg ·L-1[35],处于这个范围内的采样点多分布在第一区(西北湖区),第二区(梅梁湾及南太湖最南部)有少数几个,而另外两个湖区的磷浓度都低于最适生长浓度,并且许海等[10]的实验研究证明竺山湾蓝藻生长潜力相对于其他水域较大,西北湖区很容易成为蓝藻水华的生长区,蓝藻的大量生长需要吸收利用TDP和PO43--P,但是该湖区的TDP/TP和PO43--P/TDP相对于其他湖区的值较高,说明西北湖区的蓝藻水华堆积的磷释放作用显著,降解时沉积物和蓝藻体内都释放溶解态磷[33]. 底泥沉积物的释放也是造成营养盐空间分异的重要原因之一,太湖底泥主要分布在竺山湾、 梅梁湾、 湖西岸和入湖口附近以及贡湖湾[36],不仅造成了湖泊磷浓度的空间差异,也影响了氮浓度的空间分布.

第一类湖区(西北湖区)是唯一CHL与TN显著相关的湖区. 在TP与CHL的关系都很好情况下,从另一个方面证明,氮磷浓度都高的水域可以导致蓝藻更加严重地生长,也部分说明水华期水华的严重程度及TN可能同时还受外源输入的影响,外源补给加剧蓝藻水华. 第二区CHL只与颗粒氮显著相关,与其它各形态氮都无显著相关,由此表明该区域内发生水华很大一部分原因是由于受到气象条件的影响,第三区CHL与TDN、 NO3--N甚至呈负相关,藻类生物量并不随着溶解性氮的升高而增加,说明湖心区及西南湖区本身不适合藻类生长,蓝藻堆积受到水文与气象条件的影响比第二区更为明显. TDN和TPN的浓度会随着蓝藻生长而发生变化,TDN/TN平均值比较的结果为:第四区<第三区<第二区<第一区. 由此表明蓝藻生物体内的氮积蓄是造成氮形态比例空间差异的一个重要因素,这在梅梁湾和南太湖表现的尤为明显.

表 5还可以看出,TPN、 TPP在全湖与CHL呈极显著正相关,而且在太湖四类湖区分别分析时也基本都与CHL呈极显著正相关,水华期TPN、 TPP浓度均随CHL含量的增加而增高,从而进一步造成太湖水体潜在营养盐来源的空间差异. 从各湖区的营养盐与CHL的相关关系和全湖的对比来看,4个区分别都与整体湖区反映的情况有所不同,再次表明太湖水体分异性高,从而更加说明了太湖作为大型浅水湖泊进行合理分区分析的必要性.

根据表 6中逐步回归方程可以得知,全湖的主要影响因子并不能代表不同湖区的情况,而且各湖区之间的入选因子也差异较大,如不进行分区分析,统计分析结果的信息提取可能会给出错误的解释. 因此,对于太湖这种水质、 污染源及生态系统类型都存在较大差异的浅水湖泊而言,分区研究意义重大. 这与朱广伟[37]提出水质空间分异的基础是湖泊形态差异等观点一致. 3.2 采样点布设对评价结果的影响

采样点的布设应尽可能完整准确地反映监测水体的水质状况[38]. 太湖作为典型的大型浅水湖泊,具有高度异质性,采样点布设的数量越多、 分布越平均,代表性可能越好,更能反映湖区真实的水环境情况. 然而,考虑到监测成本与可行性,监测布点数量不可能无限增多. 不同的评价,选用的监测点情况可能不同. 为了解不同监测布点对评价结果的影响,利用本次138个采样点结果,与太湖湖泊生态系统研究站2005年以来实施的29个采样点(除去蠡湖梁溪河入口3个采样点)及2005年以前的12个采样点(除去蠡湖及梁溪河入口2个采样点)数据进行对比,监测点如图 4,对比结果如表 7.

其中2005年之前采样点延用至今 图 4 太湖29个采样点和12个采样点示意 Fig. 4 Schematic diagram of 29 sampling sites and 12 sampling sites in Lake Taihu

表 7 全湖不同采样点数的营养盐及CHL统计表 Table 7 Statistics of nutrients and CHL of the different number of sample sites in Lake Taihu

表 7可以看出,太湖29个采样点的TN、 TDN、 NH4+-N、 NO2--N、 NO3--N、 TPN、 TP、 TDP、 PO43--P、 TPP和CHL平均浓度与138个采样点平均浓度的相对差异分别为4.87%、 3.55%、 8.24%、 10.34%、 4.17%、 7.75%、 11.83%、 20.59%、 26.09%、 5.08%、 7.20%,12个采样点与138个采样点的平均浓度相对差异分别为5.65%、 7.28%、 9.41%、 16.67%、 8.33%、 10.74%、 15.38%、 32.35%、 39.13%、 8.47%、 7.60%. 对于大多数氮、 磷指标而言,采样点越少,所得平均值越低. 这表明较少的采样点可能低估了太湖的氮、 磷浓度. 另外,采样点的布设密度对描述各形态磷的空间差异方面影响较大,可能是由于浅水湖泊中磷含量受水华、 水动力的影响更大,波动性更高所致[39]. 这也与Banaszuk等[40]提出的磷被视为限制湖泊藻类生长的主要限制性营养因子相吻合. 而且不同湖区沉积物磷释放的变化较复杂[14],因此导致磷营养盐空间差异较大.

通过29个采样点与12个采样点分别与全部采样点的相对偏差比较,表明12个采样点各水化指标均值的代表性更差,一定程度上说明对于高度分异的大型浅水湖泊适度增加采样点密度更有助于准确描述水体空间分异性.

为了进一步说明问题,将29个采样点和12个采样点营养盐与CHL关系分别进行多元相关和逐步回归分析. 结果表明,29个采样点与CHL呈显著相关的营养盐因子只有TP(r=0.508,P=0.003)和NO3--N(r=0.368,P=0.038). 多元回归分析揭示的主要影响藻类生长的因子有TP、 TDN、 NH4+-N和NO2--N. 而12个采样点与CHL呈显著相关的营养盐因子又变成NH4+-N(r=-0.791,P=0.004)和TDN(r=0.437,P=0.028). 多元回归分析进入公式的则还是TP、 TDN和NH4+-N. 两组结果有明显差异,又与138个点的分析结果差异很大,特别是相关分析. 这表明,样点多少不但影响了水质指标的浓度值计算,还可能影响统计分析结果. 因此,对于大型湖泊的藻类影响因素评估中,样点的代表性和分析方法影响都很大. 采样点过少,对数据分析影响很大,评价结果的可信度就更低.

4 结论

(1)太湖水华期营养盐及CHL都具有明显的空间分异,西北高而东南低,全湖水体TN、 TDN、 NO3--N、 NO2--N、 NH4+-N、 TPN、 TP、 TDP、 PO43--P、 TPP和CHL平均浓度分别为2.26 mg ·L-1、 1.69 mg ·L-1、 0.85 mg ·L-1、 0.03 mg ·L-1、 0.24 mg ·L-1、 0.57 mg ·L-1、 0.093 mg ·L-1、 0.034 mg ·L-1、 0.023 mg ·L-1、 0.059 mg ·L-1和17.93 μg ·L-1,水体总赋存量分别为12800、 9800、 5300、 125、 881、 3000、 445、 150、 79、 295和85 t,水华期水体中氮主要以溶解态赋存,磷主要以颗粒态赋存.

(2)基于主成分分析和K-means聚类分析,太湖营养盐含量在空间上可以分为差异显著的4个区:西北湖区为第一区,湖心区和西南湖区为第二区,梅梁湾以及南太湖南部为第三区,东部等其余湖区为第四区,4个区之间主要营养盐指标均具有显著性差异性.

(3)不同湖区营养盐与CHL的统计相关关系差异显著:从全湖来看,CHL的主要相关因子有TP、 TN、 TDN、 NO3--N,但第一区内部的CHL主要相关因子为TP和TDN,第二区为TP、 PO43--P和TDN,第三区为TN和TDN,而第四区变为PO43--P、 TDP和NO2--N. 这表明,若不加以分区研究,评估藻类生物量的营养盐因素可能会出现较大的差异. 建议对于类似太湖这种大型浅水湖泊,开展水质监测和评估时,加强对监测样点代表性的关注.

致谢: 周健博士、 向速林博士、 庄榆佳同志参与了野外样品采集工作,在此表示感谢.

参考文献
[1] Duan H T, Ma R H, Xu X F, et al. Two-decade reconstruction of algal blooms in China's Lake Taihu[J]. Environmental Science and Technology, 2009, 43 (10): 3522-3528.
[2] 郑丙辉, 张佳磊, 王丽婧, 等. 大宁河水华敏感期浮游植物与环境因子关系[J]. 环境科学, 2011, 32 (3): 641-648.
[3] 周笑白, 张宁红, 张咏, 等. 太湖蓝藻的时空变化规律及治理方法[J]. 生态环境学报, 2013, 22 (12): 1930-1935.
[4] 赵秀侠. 太湖蓝藻水华形成过程中的浮游植物群落动态及其驱动因素研究[D]. 合肥: 安徽大学, 2013. 1-92.
[5] 陈宇炜, 秦伯强, 高锡云. 太湖梅梁湾藻类及相关环境因子逐步回归统计和蓝藻水华的初步预测[J]. 湖泊科学, 2001, 13 (1): 63-71.
[6] 陈永根, 刘伟龙, 韩红娟, 等. 太湖水体叶绿素a含量与氮磷浓度的关系[J]. 生态学杂志, 2007, 26 (12): 2062-2068.
[7] 张晓晶, 李畅游, 张生, 等. 乌梁素海叶绿素a与理化因子的统计分析[J]. 环境化学, 2010, 29 (2): 315-319.
[8] 秦伯强, 胡维平, 陈伟民. 太湖水环境演化过程与机理[M]. 北京: 科学出版社, 2004. 1.
[9] 胡开明, 王水, 逄勇. 太湖不同湖区底泥悬浮沉降规律研究及内源释放量估算[J]. 湖泊科学, 2014, 26 (2): 191-199.
[10] 许海, 秦伯强, 朱广伟. 太湖不同湖区夏季蓝藻生长的营养盐限制研究[J]. 中国环境科学, 2012, 32 (12): 2230-2236.
[11] 钱昊钟, 赵巧华, 钱培东, 等. 太湖叶绿素a浓度分布的时空特征及其影响因素[J]. 环境化学, 2013, 32 (5): 789-796.
[12] 沈爱春, 徐兆安, 吴东浩. 太湖夏季不同类型湖区浮游植物群落结构及环境解释[J]. 水生态学杂志, 2012, 33 (2): 43-47.
[13] 袁和忠, 沈吉, 刘恩峰, 等. 太湖水体及表层沉积物磷空间分布特征及差异性分析[J]. 环境科学, 2010, 31 (4): 954-959.
[14] 袁和忠, 沈吉, 刘恩峰. 太湖不同湖区沉积物磷形态变化分析[J]. 中国环境科学, 2010, 30 (11): 1522-1528.
[15] 庞兴红, 吕丽媛, 牛远, 等. 太湖夏季浮游细菌群落多样性的空间格局[J]. 水生生物学报, 2014, 38 (2): 335-340.
[16] 晁建颖, 高光, 汤祥明, 等. 生态系统结构对太湖有机聚集体理化性质的影响[J]. 环境科学, 2009, 30 (11): 3196-3202.
[17] 金相灿, 屠清瑛. 湖泊富营养化调查规范[M]. (第二版). 北京: 中国环境科学出版社, 1990.
[18] 郭显光. 如何用SPSS软件进行主成分分析[J]. 统计与信息论坛, 1998, (2): 60-64.
[19] 张毅. 主成分分析在综合评价中的应用[J]. 荆门职业技术学院学报, 2005, 20 (6): 62-65.
[20] 杨善林, 李永森, 胡笑旋, 等. K-means算法中的k值优化问题研究[J]. 系统工程理论与实践, 2006, 26 (2): 98-101.
[21] 张文彤, 闫洁. SPSS统计分析基础教程[M]. 北京: 高等教育出版社, 2004.
[22] 余辉, 燕姝雯, 徐军. 太湖出入湖河流水质多元统计分析[J]. 长江流域资源与环境, 2010, 19 (6): 696-701.
[23] 孙顺才, 黄漪平. 太湖[M]. 北京: 海洋出版社, 1993. 129.
[24] 龙胤慧, 廖梓龙. 基于泰森多边形法的庆阳市面雨量计算[J]. 河北工程大学学报(自然科学版), 2012, 29 (3): 64-67.
[25] Zhu M Y, Zhu G W, Zhao L L, et al. Influence of algal bloom degradation on nutrient release at the sediment-water interface in Lake Taihu, China[J]. Environmental Science and Pollution Research, 2013, 20 (3): 1803-1811.
[26] Danilov R, Ekelund N G A. The efficiency of seven diversity and one similarity indices based on phytoplankton data for assessing the level of eutrophication in lakes in central Sweden[J]. Science of the Total Environment, 1999, 234 (1-3): 15-23.
[27] 燕姝雯, 余辉, 张璐璐, 等. 2009年环太湖入出湖河流水量及污染负荷通量[J]. 湖泊科学, 2011, 23 (6): 855-862.
[28] 孔繁翔, 高光. 大型浅水富营养化湖泊中蓝藻水华形成机理的思考[J]. 生态学报, 2005, 25 (3): 589-595.
[29] Huang W J, Chen J F, Xu N, et al. Analysis of grey models {GM(1, n)} between lake water environmental essential factors and the incidence of chlorophyll a in Poyanghu Lake China[J]. Acta Hydrobiologica Sinica, 2001, 25 (4): 416-419.
[30] 崔毅, 陈碧鹃, 马绍赛. 乳山湾浮游植物与环境因子的相关关系研究[J]. 应用生态学报, 2000, 11 (6): 935-938.
[31] 王丽卿, 张军毅, 王旭晨, 等. 淀山湖水体叶绿素a与水质因子的多元分析[J]. 上海水产大学学报, 2008, 17 (1): 58-64.
[32] 吕唤春, 王飞儿, 陈英旭, 等. 千岛湖水体叶绿素a与相关环境因子的多元分析[J]. 应用生态学报, 2003, 14 (8): 1347-1350.
[33] 朱梦圆. 蓝藻水华影响下太湖营养盐的再分配机制[D]. 南京: 南京地理与湖泊研究所, 2014.
[34] Xie L Q, Xie P, Tang H J. Enhancement of dissolved phosphorus release from sediment to lake water by Microcystis blooms-an enclosure experiment in a hyper-eutrophic, subtropical Chinese lake[J]. Environmental Pollution, 2003, 122 (3): 391-399.
[35] Chen Y W, Fan C X, Teubner K, et al. Changes of nutrients and phytoplankton chlorophyll-a in a large shallow lake, Taihu, China: An 8-year investigation[J]. Hydrobiologia, 2003, 506-509 (1-3): 273-279.
[36] 邓建才, 陈桥, 翟水晶, 等. 太湖水体中氮、磷空间分布特征及环境效应[J]. 环境科学, 2008, 29 (12): 3382-3386.
[37] 朱广伟. 太湖水质的时空分异特征及其与水华的关系[J]. 长江流域资源与环境, 2009, 18 (5): 439-445.
[38] 屈宜春, 关庆利. 水质监测优化布点的物元分析法[J]. 黑龙江水利科技, 1998, 26 (1): 50-51, 55.
[39] Zhu G W, Wang F, Gao G, et al. Variability of phosphorus concentration in large, shallow and eutrophic Lake Taihu, China[J]. Water Environment Research, 2008, 80 (9): 832-839.
[40] Banaszuk P, Wysocka-Czubaszek A. Phosphorus dynamics and fluxes in a lowland river: The Narew Anastomosing River System, NE Poland[J]. Ecological Engineering, 2005, 25 (4): 429-441.