下载文档原格式
水生态修复构建技术研究中围隔的应用研究广州市黄龙带水库管理处 510690摘要：在水生态构建技术研究中，内源负荷受到广泛关注，内源负荷主要来自湖泊沉积物。
水力扰动引起的泥沙再悬浮是内源释放的主要途径。
围隔可以建立一个相对封闭的水域，减少内源负荷的释放和水体的交换。
围隔按应用领域、规模、生态系统类型、研究内容分成不同类型。
围隔的制作安装按施工便利程度，可以采用生态袋、土坝和PVC围隔。
对比生态袋、土坝和PVC围隔，生态袋安装最方便，成本低，景观效果好，便于维护，缺点是适用范围相对较窄，对水深和水流速有要求；土坝围隔围隔效果好，美观度受影响，在深水中施工难度较大，破坏后修复较难；PVC围隔使用范围最广，安装方便，便于维护，但由于在水体中可以移动，造成沉底结构出现缝隙，而影响水质改善效果。
关键字：水生态修复、构建、围隔、生态袋、PVC围隔鉴于湖泊水域面积较大、水深、流速情况复杂，且鱼类密度较高，为避免上述因素对水生态构建过程尤其是沉水植物群落构建产生干扰，可采取“分区围隔，逐步修复”的措施。
即利用湖中的小岛将湖区进行围分，目的是将缓流区和急流区分开，建立功能生态区，开展相应生态修复工程。
同时，采取围隔措施，使过流水体尽量沿湖区中间流走，不影响缓流区水质改善和水生态构建效果。
1. 围隔的意义1.1水体分隔与消浪稳流在浅湖生态系统的研究中，内源负荷受到广泛关注，内源负荷主要来自湖泊沉积物。
水力扰动引起的泥沙再悬浮是内源释放的主要途径。
研究沉积物再悬浮引起的内源性负荷，对于了解湖泊生态系统的演化具有重要意义。
由于实际条件下复杂多变的环境，沉积物再悬浮的研究包括风速、风向，湖的物理和化学因素、生物因素及其他条件，因此其研究是一个复杂的课题。
研究表明，风力产生的的波浪作用于沉积于湖泊底部的沉积物，是沉积物中的污染物在水的搅动下融入水体中，特别是磷的释放，进而增加水体污染负荷，水悬浮物含量高，透明度降低，悬浮物容易在植物表面粘附、使水生植物光合作用减弱，湖泊生态系统遭到破坏。
太湖大型水生植被及其环境效应研究大型水生植被是浅水湖泊的重要组成部分，它们是浅水湖泊重要的初级生产者，对其富营养化过程有重要的影响，在湖泊生态系统修复中占据重要的地位。
本研究采用野外调查、室外试验与室内分析相结合的手段，通过对太湖水体和沉积物的理化性质，沉水和浮叶植被的种类组成、生物量、群落类型及其植物体内的N、P含量等指标的全面调查与分析，探讨了水生植被的生长和分布对太湖湖水的透明度、TN、TP、叶绿素含量和沉积物的TN、TP、有机质含量等因子的影响；重点研究了轮叶黑藻（Hydrilla verticillata）、马来眼子菜（Potamogetonmalaianus）、苦草（Vallisneria natans）等三种沉水植物和莕菜（Nymphoidespeltatum）、四角菱（Trapa quadrispinosa）两种浮叶植物在太湖不同沉积物和上覆水条件下的生长状况及其对太湖湖水的净化效果。
主要研究结果如下：太湖现存沉水和浮叶植被有9个主要群落类型，其中主要为沉水植物群落：①微齿眼子菜群落（Ass. Potamogeton maackianus）②马来眼子菜群落（Ass.Potamogeton malaianus）③伊乐藻群落（Ass. Elodea nuttalli）④穗花狐尾藻群落（Ass. Myriophyllum spicatum）⑤金鱼藻群落（Ass.Ceratophyllum demersum）⑥苦草群落（Ass. Vallisneria natans）；浮叶植物群落有3个，它们是：①莕菜群落（Ass. Nymphoides peltatum）②金银莲花群落（Ass.Nymphoides indica）③野菱群落（Ass. Trapa maximowiczii）。
沉水和浮叶植物的生物量和分布范围在不同季节存在明显差异。
5月份以沉水植物占绝对优势，采样点平均生物量前三位是：微齿眼子菜(514.56g·m<sup>-2</sup>)、伊乐藻(341.26g·m<sup>-2</sup>)和马来眼子菜(151.38g·m<sup>-2</sup>)，按样方出现的频度排列为：马来眼子菜＞伊乐藻＞苦草＞黑藻＞微齿眼子菜＞金鱼藻＞狐尾藻＞莕菜＞菹草＞野菱；9月份时浮叶植物较5月有较大增长，尤其以莕菜增加最快。
《浅水湖泊内源磷释放及其生物有效性——以太湖、巢湖和龙感湖为例》篇一一、引言湖泊是地球水体的重要组成部分，它们对于人类社会的经济发展、生态保护及自然资源可持续利用具有重要的价值。
而磷元素是湖泊生态系统中不可或缺的营养元素，其释放和生物有效性对湖泊的富营养化、水体质量及生物群落结构有着深远的影响。
本文以我国典型的浅水湖泊——太湖、巢湖和龙感湖为例，探讨其内源磷的释放机制及其生物有效性。
二、研究区域概况1. 太湖太湖是我国著名的淡水湖之一，位于江苏省和浙江省的交界处。
近年来，由于城市化进程加快和农业活动的增加，太湖面临着严重的富营养化问题。
2. 巢湖巢湖位于安徽省，是我国东部重要的淡水湖之一。
随着社会经济的发展，巢湖的水质日益受到人类活动的干扰。
3. 龙感湖龙感湖位于湖北省境内，具有丰富的生态资源。
然而，由于湖泊周围环境的改变，龙感湖的生态环境也受到了一定的影响。
三、内源磷释放机制内源磷释放主要涉及到湖泊底泥中的磷元素在环境因素变化（如水温、pH值、氧化还原条件等）的作用下从底泥中释放进入水体的过程。
这一过程受多种因素的影响，包括湖泊的物理化学性质、生物活动及人类活动等。
四、实证研究本文以太湖、巢湖和龙感湖为例，对浅水湖泊内源磷的释放及其生物有效性进行实证研究。
我们选取了三个湖泊的典型区域，对其底泥的理化性质、磷的分布特征及释放规律进行了详细的研究。
同时，我们还通过实验室模拟实验和现场观测相结合的方法，探讨了内源磷的生物有效性及其对湖泊生态系统的潜在影响。
五、结果与讨论1. 磷的分布特征三个湖泊的底泥中磷的分布特征存在显著的差异。
其中，太湖和巢湖的底泥中磷含量较高，而龙感湖则相对较低。
这可能与湖泊的历史、人类活动及环境因素有关。
2. 内源磷的释放机制内源磷的释放受多种因素的影响。
在太湖、巢湖和龙感湖中，季节性变化、水温、pH值、氧化还原条件等都是影响内源磷释放的重要因素。
在春夏季节，由于水温升高、藻类繁殖等，内源磷的释放量明显增加。
中国环境科学 2018,38(4)：1517~1525 China Environmental Science 水华过程水质参数与浮游植物定量关系的研究——以太湖梅梁湾为例郭文景1,2,符志友2*,汪浩1,2,吴丰昌2 (1.北京师范大学水科学研究院,北京 100875；2.中国环境科学研究院,环境基准与风险评估国家重点实验室,北京 100012)摘要：考虑到太湖水华暴发过程中水质参数(如营养盐或水体理化参数)对浮游植物增殖的滞后效应,利用有滞后变量参与的格兰杰因果关系检验和向量自回归模型,分析了太湖梅梁湾湖区2000年~2012年的监测数据,探讨了湖泊水质参数对于水华暴发的影响和定量关系.结果发现,表征浮游植物生物量的叶绿素a(Chl-a)浓度与总磷(TP)、氮磷比(N/P)、水温(WT)之间存在长期的均衡关系,格兰杰因果关系模型和向量自回归模型(V AR)的结果显示,水体中TP浓度、N/P和WT是Chl-a含量变化的格兰杰原因,上述结果提供了湖泊水质参数与蓝藻生物量的定量关系,在其他水质参数保持不变的情况下,约1%湖泊TP含量、N/P和水温的变化分别造成0.97%、0.078%和0.55%的浮游植物生物量的变化.本研究为水华暴发研究过程中水质参数的定量化影响提供一个新颖的视角,考虑了时间滞后变量的时间序列分析方法也可以加深对水华暴发过程的理解.关键词：湖泊富营养化；营养盐；协整检验；格兰杰因果关系检验；向量自回归模型中图分类号：X524 文献标识码：A 文章编号：1000-6923(2018)04-1517-09The quantitative relation of aquatic parameters and phytoplankton biomass in the process of algal blooms—the case of Meiliang Bay in Taihu Lake. GUO Wen-jing1,2, FU Zhi-you2*, WANG Hao1,2, WU Feng-chang2(1.College of Water Sciences, Beijing Normal University, Beijing 100875, China；2.State Key Laboratory of Environment Criteria and Risk Assessment, Chinese Research Academy of Environmental Sciences, Beijing 100012, China ). China Environmental Science, 2018,38(4)：1517~1525Abstract：Considering the lag effects of various aquatic variables (nutrients, physical or chemical parameters) to proliferation of phytoplankton in algal blooms, time series analysis was applied in this study to analyze the influence and quantitative relation of aquatic variables to algal blooms by using monitoring data of Meiliang Bay in Taihu Lake (Ch: Taihu) from 2000 to 2012. The results showed that there was a long-run equilibrium relationship between concentration of Chl-a and total phosphorus (TP), N/P, water temperature (WT). The results of Granger causality models and vector autoregression model demonstrated that concentration of TP, N/P and WT were the Granger causes of Chl-a. The results also provided an accurate quantitative equation of these variables. Assuming that other variables remain constant, if concentration of TP, N/P and WT were increased by 1%, concentration of Chl-a would increase by 0.97%, 0.078% and 0.55% respectively. This study provided a new, alternative method to explore the influence of aquatic parameters to algal blooms and could advance the understanding of process of algal blooms by taking lagged variables of time series into account.Key words：eutrophication；nutrient；co-integration test；granger causality test；vector autoregression model湖泊富营养化及其可能造成的水华暴发问题可造成湖泊生态系统结构失衡和功能退化,因而一直受到关注[1-4].水华暴发中藻类产生的藻类毒素可以威胁流域内人体健康和供水安全[5-6],并可影响到湖泊的渔业价值和旅游价值,因此水华暴发一直是湖沼学研究的重点.对于水华暴发机制的探讨有助于深入理解水华暴发的过程并展开相应的控制和人为干预措施,但是对于水华暴发的发生过程以及湖泊水质参数对藻类增收稿日期：2017-09-17基金项目：国家自然科学基金资助项目(41630645,41521003)* 责任作者, 副研究员, zhiyoufu@1518 中国环境科学 38卷殖的影响一直有众多不同的研究.目前研究水华发生过程中湖泊水质参数与浮游植物的定量关系的途径主要有:基于气象/水文/营养盐指标响应的确定性的生态数学模型,对于该问题的研究从单一的营养盐限制关系逐渐发展到结合热力学或生物相互作用等的复杂系统[7-9],另一途径是基于观测数据的线性/非线性统计归纳方法,主要包括主成分分析、多元回归分析和人工神经网络等[10-13].已有研究的基本逻辑为:浮游生物指标存在对湖泊水质参数的及时响应,而不存在时间上的滞后性.随着对水华暴发过程认识的逐渐深入,湖泊水质参数和气候条件对于浮游植物增殖产生的滞后效应已有研究提及,研究[14]认为夏季常见的蓝藻在水面大量聚集的现象可能源自于春季藻类在湖泊水面下的大量增殖,在合适的气象和水温条件下,大量藻类上浮聚集形成通常意义上的蓝藻暴发.因此考虑到外界胁迫参数可能对藻类水华暴发产生的滞后效应,基于同时段检测数据的相关性分析得出的结论可能会有所缺陷,因此需要一种考虑滞后效应的数据分析方法用以研究水华暴发的过程,但截至目前,只有较少的研究将这一滞后效应考虑到目前水华暴发过程的研究中[15].时间序列分析方法普遍用于计量经济学领域,此外近年来也常用于环境经济学领域,如探讨经济增长和环境污染的相关关系等[16-18],其包括了格兰杰因果关系检验和向量自回归模型,其通过构建考虑到自变量滞后效应的回归模型对时间变量进行拟合,可以避免无关变量之间分析导致的伪相关关系的出现,其结果具有更高的准确性和更丰富的实际意义,也可以为经济学和环境领域的研究人员和政策制定者提供有效的政策建议和决策支持.因此本研究利用时间序列方法对太湖梅梁湾区域2000~2012年的监测数据进行分析,建立监测数据序列的格兰杰因果关系模型和向量自回归模型,探讨水华暴发中湖泊水质参数对于浮游植物生物量的定量影响.由于上述时间序列方法对于长时间尺度的时间变量有着较为严苛的要求,首先通过平稳性检验和协整检验对获得水质参数的时间序列进行筛选,满足条件的时间序列经过格兰杰因果关系检验验证因果关系,并构建向量自回归模型,建立水质参数和浮游植物生物量之间的定量关系.1方法和数据处理1.1研究区域太湖(30°90′N~31°54′N,119°55.3′E~120°59.6′E)是我国第三大淡水湖,位于我国经济发达的长江三角洲地区,湖泊水面面积为2427km2,平均深度为2m,是我国富营养化程度较高的湖泊之一.太湖流域快速的经济发展和人口增长带来的污染物输入导致了太湖从上世纪七八十年代的贫营养化退化为目前的富营养化状态[19].富营养化引起的藻类尤其是蓝藻水华暴发现象时有发生,其中在2007年发生在贡湖湾的蓝藻暴发事件更是引起了公众对于城市饮用水安全的关注[20].梅梁湾位于太湖的北部,湖区水域面积为100km2,水深 1.8~2.3m.作为无锡市重要的水源地和旅游区,梅梁湾在进入21世纪以来已经呈现了严重的富营养化状态,而水华暴发也在该区域频频出现.梅梁湾区域相对于中心湖区受太湖风浪作用的影响较小,因此该区域适合作为水华暴发的研究区域.1.2 数据收集和预处理监测数据来自于中国科学院太湖生态系统研究站的逐月监测数据(TLLER).梅梁湾湖区共设置5个采样点(图1),数据采样时间为2000~ 2012年,主要检测参数为:透明度(SD),酸碱度(pH 值),亚硝态氮(NO2--N),硝态氮(NO3--N),铵态氮(NH4+-N),总氮(TN),总磷(TP),水温(WT).浮游植物藻类生物量用水体叶绿素a(Chl-a)的含量来指示.为了防止水面风速、水气交换和人为活动等因素的干扰,水样的采集在水面下0.5m处进行.上述指标的检测均按照湖泊生态系统观测标准方法进行[21].NO x-N表示亚硝态氮(NO2--N)和硝态氮(NO3--N)的总含量.为了消除梅梁湾区域内风浪流和外源污染物造成的水质参数的差异,所有梅梁湾的逐月监测数据进行均值处理.为了消除数4期 郭文景等：水华过程水质参数与浮游植物定量关系的研究—以太湖梅梁湾为例 1519据可能产生的异方差波动,也为了使数据具有统计学意义,所有平均后的监测数据进行自然对数处理(pH 值除外),如时间序列TN 自然对数处理生成的数据记为lnTN.共得到9个时间序列,每个时间序列有n =156个逐月监测数据.120°00′E 120°20′E 31°30′N 31°20′N图1 太湖梅梁湾湖区监测点位置(共5个) Fig.1 Five sampling sites in Meiliang Bay of Taihu Lake1.3 平稳性检验Granger [22]和Sims [23]将数据必须满足的平稳性定义为:时间序列在时间尺度上的平均值、方差和自协方差无波动.由于对不满足平稳性时间变量的相关性分析可能会导致伪相关关系的出现,并得出错误的结论,因此建立变量之间格兰杰因果关系模型和向量自回归模型的必要条件是参与的所有时间序列必须通过平稳性检验.平稳性检验的常见方法是增广的Dickey -Fuller test(ADF test)[24-25],其基本原理是检验时间序列是否存在单位根,如果时间序列不存在单位根,则该时间序列具有平稳性,反之,则不具有平稳性.主要基于以下回归方程进行检验:1(1)pt t i t j t ix ρx x εα−−Δ=−+Δ+∑ (1) 式中: x t 代表时间序列的变量; t 为时间;Δ表示一阶差分; ρ为单位根存在与否(赋值0或1); p 代表模型的滞后阶数; αi 为系数;εt 表示均值为0、方差为σ2的白噪声.ADF 检验的零假设设定为“该时间序列存在一个单位根”,当检验中的P 值大于设定的显著性水平值,零假设被接受,该时间序列存在一个单位根,时间序列不平稳,反之,则时间序列平稳. 1.4 协整检验 对于未通过平稳性检验的非平稳序列, Granger [22]和Sims [23]认为,因为若干非平稳时间变量的线性组合可能会保持平稳,这些非平稳变量之间仍然可以进行因果关系检验并建立向量自回归模型,但是这些非平稳变量须满足:1)时间序列为同阶不平稳,2)时间序列须通过协整性检验.其中,非平稳序列进行n 次差分后的残差通过平稳性检验,则称该序列为n 阶单整,记为I (n ),相同阶数的非平稳序列称同阶不平稳.而协整性检验主要基于最小二乘法(OLS)进行,其方程为:t t t y αβx μ=++ (2)式中: t 是指时间; μt 表示随机扰动,如果随机扰动项μt 表现出平稳性,则时间序列y t 和x t 之间具有协整性.关于协整检验的更多原理和模型方法参见Engle [26]的文献.目前常见的协整检验的方法是Johansen -Juselius co -integration 检验(JJ 检验),其主要方法是通过最大特征根检验和迹检验进行判断[27].协整检验的零假设设定为“时间序列中最多存在n (n =0,1,2…)个协整方程”.1.5 格兰杰因果关系检验和向量自回归模型满足平稳性要求或通过协整检验后,时间序列可以建立格兰杰因果关系模型和向量自回归模型.Granger [22]从概率论的角度解释了格兰杰因果关系检验的实质:时间序列X 是Y 的格兰杰原因意味着在一定的滞后期内X 可以在一定程度上解释和预测Y 的变化.其建立的方程如下:111m mt i t i i t-i t i i Y X Y µαβ−===++∑∑ (3) 211m mt i t i i t i t i i X λY δX μ−−===++∑∑ (4) 式中: αi , βi , λi 和δi 为系数; μ1t 和μ2t 为白噪声; m 为最大滞后阶数.格兰杰因果关系检验的零假设设定为“X 不是Y 的格兰杰原因”.关于格兰杰因果关系的介绍参考文献[28]. 通过了格兰杰因果关系检验的时间变量构建稳定的解释力较强的向量自回归模型(V AR),其可以定量解释时间序列之间在时间尺度上的定量关系,这一模型考虑了时间尺度上自变量对1520 中 国 环 境 科 学 38卷于因变量的滞后效应,因此更具有说服力. 1.6 数据分析平稳性检验、协整检验、格兰杰因果关系检验和向量自回归模型的建立均通过常用的时间序列分析软件—Eviews(Econometrics Views 6.0)进行.在构建平稳性检验、协整检验和格兰杰因果关系模型时,零假设的显著性临界值设定为0.05.进行时间序列分析时,滞后阶数对于模型的解释能力十分重要,在本研究中,N =12确定为最大滞后阶数,而最优滞后阶数基于赤池信息准则(AIC)和施瓦茨准则(SC)确定[29-30]. 2 结果和讨论2.1 Chl -a 浓度和水环境指标的时间变化趋势0100200300400500C h l -a 的含量(m g /m 3)20132012201120092008200720062005200420032010200020022001图2 梅梁湾湖区水体中Chl -a 含量逐月平均数据的变化趋势(2000~2012年)Fig.2 Long -term monthly variation of concentration ofChl -a in Meiliang Bay from 2000 to 20120.0 0.4 0.8 1.2 1.6 7.27.68.08.48.89.20.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 0123456780 2 4 6 8 10 12 0.00.10.20.30.40.50.60.70 5 10 15 20 25 30 35 S D (m )abp H 值N O x -N (m g /L )c dN H 4+-N (m g /L ) eT N (m g /L )2013fT P (m g /L )20122011200920082007200620052004200320102000200220012013gW T (℃)2012201120092008200720062005200420032010200020022001图3 2000~2012年间梅梁湾区域若干水质参数逐月均值数据的变化趋势Fig.3 Long -term monthly variations of several aquatic parameters and concentrations of nutrients in Meiliang Bay from2000 to 2012图2显示的是梅梁湾湖区Chl -a 含量在2000~2012年之间的月度变化,其最小值为4期 郭文景等：水华过程水质参数与浮游植物定量关系的研究—以太湖梅梁湾为例 15210.56mg/m 3(2001年2月),最大值为491.15mg/m 3 (2009年7月).Chl -a 含量的逐月数据在表现出波动性的同时也表现出年际的增长性,其中在夏季达到峰值,而在冬季达到最低值.湖泊水质参数的变化趋势见图3,主要趋势为在冬季和夏季达到极值. 2.2 平稳性检验结果太湖梅梁湾区域时间序列的平稳性检验结果如表1所示,其中水质参数变量lnTN 、lnSD 、pH 值、lnNH 4+-N 、lnNO x -N 和lnNH 4+-N/NO x -N 平稳性模型的P 值都小于0.05,因此零假设被拒绝,上述时间序列具有平稳性,Chl -a 含量的时间变量(lnChl -a)由于零假设被接受,因此呈现出非平稳性.由于平稳性变量难以解释非平稳性变量的变化趋势,因此平稳性变量不认为是非平稳性变量Chl -a 含量变化的格兰杰原因,所以lnTN 、lnSD 、pH 值、lnNH 4+-N 、lnNO x -N 和lnNH 4+-N/ NO x -N 在接下来的分析中被剔除.对非平稳序列lnTP 、lnN/P 、lnWT 和lnChl -a 进行一阶差分,并分别记为dlnTP 、dlnN/P 、dlnWT 和 dlnChl -a.对上述序列的残差进行平稳性检验,结果表明,其一阶差分表现出平稳性,因此lnTP 、lnN/P 、lnWT 和lnChl -a 为一阶单整变量(记为I (1)),符合进行后续协整检验的要求.表1 梅梁湾水质参数时间序列的ADF 检验结果 Table 1 Results of ADF unit root test for various aquaticparameters时间变量最优滞后阶数P结论lnTN 10 0.0000 平稳 lnTP 11 0.1500 不平稳, I (1) lnN/P 12 0.1649 不平稳, I (1) lnSD 5 0.0000 平稳 pH 值 0 0.0000 平稳 lnNH 4+-N 8 0.0000 平稳 lnNO x -N 10 0.0000 平稳 lnNH 4+-N/NO x -N3 0.0000 平稳lnWT 12 0.3715 不平稳, I (1) lnChl -a 11 0.1864 不平稳, I (1) dlnTP 10 0.0000 平稳 dlnN/P 1 0.0000 平稳 dlnWT 0 0.0000 平稳 dlnChl -a 0 0.0000 平稳2.3 协整检验结果对梅梁湾水质参数和叶绿素变量lnTP 、lnN/P 、lnWT 和lnChl -a 进行协整分析,使用方法为JJ 协整分析,通过迹检验和最大特征根检验进行判断是否存在协整关系.表2 梅梁湾监测数据的JJ 协整检验结果Table 2 Results of the Johansen -Juselius co -integration test for environmental parameters迹检验最大特征根检验零假设迹检验统计值5%置信水平结论最大特征根统计值5%置信水平结论无协整方程 136.9792 47.8561 91.5449 27.5843最多存在1个协整方程 45.4343 29.7971 27.8671 21.1316 最多存在2个协整方程 17.5671 15.4947 13.328314.2646 最多存在3个协整方程 4.23883.8415存在4个 协整方程 4.2388 3.8415存在2个 协整方程注:迹检验统计值和最大特征根统计值由零假设“时间变量中至多存在n 个协整方程”获得.水质参数和叶绿素变量lnTP 、lnN/P 、lnWT和lnChl -a 的协整检验结果如表2所示,迹检验的统计值均大于5%的临界值,迹检验和最大特征根的结果表明上述变量在时间尺度上分别存在4个和2个协整方程,即上述时间变量之间至少存在1个协整方程.2.4 格兰杰因果关系检验结果对梅梁湾湖区的时间序列lnTP 、lnN/P 、lnWT 和lnChl -a 呈现了同阶不平稳,且通过了协整检验,满足进行格兰杰因果关系检验的条件,因此使用Eviews 软件对水质参数lnTP 、lnN/P 、lnWT 和Chl -a 含量lnChl -a 的因果关系进行检验,结果如表3所示:零假设“lnTP 不是lnChl -a 的格兰杰原因”的P 值为0.0001,因此该假设被拒绝,湖泊水体中TP 的变化是Chl -a 变化的格兰杰原因.另一个零1522 中 国 环 境 科 学 38卷假设“lnChl -a 不是lnTP 的格兰杰原因”的P 值为0.8473,零假设被接受,因此,从统计学意义上湖泊水体中Chl -a 的变化不是TP 变化的格兰杰原因,存在从湖泊总磷变化到Chl -a 含量变化的单向格兰杰因果关系.格兰杰因果关系的结果表明在滞后期n =2的时间尺度内,总磷的增加对浮游植物的增殖有促进作用,即表示研究区域冬季TP 的变化可能会影响到春季浮游植物的生物量.表3 Chl -a 含量与湖泊水质参数变量的格兰杰因果关系检验结果Table 3 Results of the Granger causality test for lnChl -a and various independent parameters零假设最优滞后阶数P结论格兰杰因果关系lnTP 不是lnChl -a 的格兰杰原因 0.0001 拒绝 lnTP →lnChl -alnChl -a 不是lnTP 的格兰杰原因 20.8473 接受 lnChl -a →lnTPlnN/P 不是lnChl -a 的格兰杰原因 0.0098 拒绝 lnN/P →lnChl -alnChl -a 不是 lnN/P 的格兰杰原因 110.6253 接受 lnChl -a →lnN/P检验湖泊水体N/P 和Chl -a 含量之间关系时,其零假设“lnN/P 不是 lnChl -a 变化的格兰杰原因”的P 值为0.0098,因此lnN/P 是lnChl -a 变化的格兰杰原因.而“lnChl -a 不是lnN/P 变化的格兰杰原因”零假设的P 值为0.6253,零假设被接受,lnChl -a 不是lnN/P 变化的格兰杰原因,因此存在长期时间尺度内的从N/P 到Chl -a 的单向格兰杰因果关系.在检验湖泊水温WT 和Chl -a 之间的因果关系时,“lnWT 不是lnChl -a 的格兰杰原因”的零假设被拒绝(P =0.0424),因此从统计学意义上水体温度是Chl -a 含量变化的格兰杰原因,“lnChl -a 不是lnWT 的格兰杰原因”的零假设被接受(P =0.1053),因此可以认为lnChl -a 不是lnWT 的格兰杰原因.因此同样存在长期时间尺度内的从水温WT 到Chl -a 的单向格兰杰因果关系.格兰杰因果关系结果表明在研究区域内,湖泊水温的变化可以在长期尺度上影响Chl -a 浓度,因此研究区域冬季的温度变化可能会影响次年秋季或冬季湖泊中水华暴发的强度. 2.5 向量自回归模型建立向量自回归模型可以从时间尺度上定量检验自变量对于因变量的影响[31-32],同样使用Eviews 软件建立格兰杰因果关系模型中自变量TP 、TP 和WT 与因变量Chl -a 之间的向量自回归模型(5)(括号内的数字为系数的标准差).Chl -a=0.97TP(0.17)+0.078N/P(0.06)+ 0.55WT(0.12) +3.1, R 2=0.67(0.57) (5)长时间尺度内的向量自回归模型显示,如果其他条件保持不变,水体中TP 的含量变化±1%,Chl -a 的含量将会有±0.97%的变化,而1%的N/P 变化只会造成0.078%Chl -a 浓度的变化,1%水体温度的变动会导致0.55%Chl -a 含量的变化.即水体中TP 浓度对于研究区域内浮游植物生物量的变化影响较大,水温的影响次之,而N/P 的影响较小.2.6 解释和讨论在方程(5)中,研究区域湖泊水体中水质参数TP 、N/P 、水温和Chl -a 含量呈现了长期均衡关系.关于营养盐对于浮游植物增殖的影响一直存在争议[4,33],本研究中格兰杰因果关系检验的结果表明在研究时间段内存在单向的TP 到Chl -a 的格兰杰因果关系,即梅梁湾湖区TP 的浓度对水体中浮游植物生物量存在较为显著的促进作用,且对于浮游植物的影响远大于其他水质参数.在太湖的相关研究中,Guo 等[34]使用冗余分析和TITAN 分析研究了太湖梅梁湾和五里湖地区营养盐对浮游植物的影响,发现TP 可能是影响该区域藻类生长的限制因子.Xu 等[35]通过原位实验和野外采样,估计了藻类暴发的营养盐阈值为0.20mg TP/L .在本研究区域中,营养盐的浓度为0.14mg TP/L (0.006~4.89mg/L ).因此在该地区长4期郭文景等：水华过程水质参数与浮游植物定量关系的研究—以太湖梅梁湾为例 1523时间尺度内富营养化过程的浮游植物增殖更多受到TP的影响,且长时间的监测数据进一步表明TP的影响最大.对于N/P来说,格兰杰因果关系检验表明N/P存在对Chl-a浓度变化的单向影响,但是向量自回归模型的结果表示,1%的N/P 的变化只会造成0.078%Chl-a含量的变化,相关性分析的结果也表明N/P与Chl-a浓度之间的相关关系不明显(相关系数为0.32,P>0.05,n=156,文章中未显示).另外,研究区域内氮磷比为35.07 (0.03~127.86),高于Redfield[36]对水体中藻类生长适宜氮磷比(N/P=16)的阈值.因此N/P的变化并不是影响湖区中Chl-a含量变化的主要因素.而对于水温而言,格兰杰因果关系检验的结果表明存在从湖泊水温到浮游植物生物量的单向格兰杰因果关系.温度对藻类增殖的影响早有研究提及,Abrantes等[37]研究表明温度是影响浮游植物生长的主要因素,LÜRLING等[38]在对蓝藻增殖的研究中也得出了相似的结论.向量自回归模型的结果进一步表明在该研究区域湖泊水温对浮游植物生物量的影响要小于TP的变化,但是远大于N/P的变化.TP、N/P、WT和Chl-a指标在平稳性检验中呈现了不平稳性(I(1)),而梅梁湾区域其他水质参数(lnTN、lnSD、pH、lnNH4+-N、lnNO x-N 和lnNH4+-N/NO x-N)的原始数据呈现平稳性(I(0)),对于不同阶时间序列的相关性分析可能会导致伪回归的产生,并且导致错误的结论,因此从统计学意义上,上述参数不作为水体中Chl-a含量的格兰杰原因.对于氮源来说,梅梁湾区域研究时段内TN的含量为 3.45(0.02~ 13.56mg/L),而在该区域的研究结果显示,水华现象发生的TN阈值为0.8mg/L[35,39].因此梅梁湾区域内氮源对于浮游植物生长的限制作用可能十分有限.而对于pH值和SD来说,本研究的结果可以解读为水体中pH值和SD的变化无法预测和影响水体中浮游植物生物量的变化,事实上水体中pH值和SD的变化可能是浮游植物增殖的结果,主要原因分别为浮游植物增殖消耗水体中CO2和HCO3-从而增加水体pH值[40]以及藻类增殖减少水体透明度.在已有的对太湖区域藻类生物量进行模型预测工作时,陈宇炜等[10]也利用长时间的太湖水质参数和藻类生物量进行回归统计,结果发现水体中TP和水温对于藻类生物量具有显著影响,与本文结果较为相似.邓建明等[41]利用广义可加模型和太湖监测数据,分析自变量对于因变量的非线性关系,发现除总磷和温度外,化学需氧量和电导率也是影响微囊藻生物量的关键环境因子,可能原因是模型选择的差异.在少量时间序列分析方法在湖沼学领域的应用中,Lui等[15]利用向量自回归模型拟合了香港吉澳岛附近海域叶绿素荧光与相关水质参数的时间趋势模型,该研究同样也发现了时间变量之间的滞后效应.龚绍琦等[42]使用时间序列方法中的自回归滑动平均模型(ARMA)建立了太湖不同湖区内叶绿素浓度的时间序列模型,并对一定时间内叶绿素浓度进行预测,取得了较好的预测精度.本文研究利用时间序列方法对太湖梅梁湾监测数据进行分析,发现了在一定滞后期内湖泊水质参数对于浮游植物生物量的影响,这一结论佐证了孔繁翔等提出的蓝藻水华暴发的四阶段假说-休眠、复苏、生物量增加(生长)、上浮及聚集等四个阶段[14].向量自回归模型的结果定量的阐述了在该研究区域内不同水质参数的影响大小,梅梁湾湖区水华增殖过程中,TP的变化强烈导致了水体中Chl-a的变化,说明湖泊水体中TP的输入有利于水华暴发的形成,且TP发挥的作用大于水体温度和其他营养盐,这可能和该流域内污染物的排放特征有关.而相对于其他营养盐(如氮源),控制流域内的P输入和湖泊内源P释放对于抑制水华暴发可能会起到更大的作用.另外水温的变化也导致了浮游植物生物量的变化,表明在长时间尺度内水温的升高可能会提高水体中Chl-a的含量.因此在全球气候变暖的前提下水温对藻类水华暴发的促进作用暗示了在气候变暖的全球趋势下,升高的水体温度将提高该区域藻类水华暴发的概率和强度[43].3结论3.1太湖梅梁湾区域湖泊水质参数中TN、SD、1524 中国环境科学 38卷pH、NH4+-N、NO x-N和NH4+-N/NO x-N不能解释Chl-a含量变化的原因,而TP、N/P和WT与Chl-a之间均存在单向的格兰杰因果关系.3.2研究区域内TP、N/P、WT和Chl-a含量之间存在长期均衡关系,在保持其他条件不变的基础上,1%TP、N/P和WT的变化将会导致0.97%、0.078%和0.55%Chl-a含量的变化.水体中TP的浓度在水华暴发过程中的作用可能高于其他营养盐(如不同形式的氮源),水温的影响次之.值得注意的是,时间序列方法较少在湖泊富营养化领域中应用,其表述的因果关系可以在数理统计学上对应用的场景进行解释,同时模型的意义也需要结合实际的状况进行阐述.另外本研究由于缺少对应的水文和气象数据,因此未将上述因素考虑在内,但是水位、降水量和风力条件等因素对于水华暴发也有重要影响,因此在下一步的研究中应将这些因素考虑在内.参考文献：[1] Heisler J, Glibert P M, Burkholder J M, et al. Eutrophication andharmful algal blooms: a scientific consensus [J]. Harmful algae, 2008,8(1):3-13.[2] Paerl H W, Otten T G. Harmful cyanobacterial blooms: causes,consequences, and controls [J]. M icrobial Ecology, 2013,65(4): 995-1010.[3] M erel S, Walker D, Chicana R, et al. State of knowledge andconcerns on cyanobacterial blooms and cyanotoxins [J].Environment International, 2013,59(3):303-327.[4] 马健荣,邓建明,秦伯强,等.湖泊蓝藻水华发生机理研究进展[J]. 生态学报, 2013,33(10):3020-3030.[5] Jochimsen E M, Carmichael W W, An J, et al. Liver failure anddeath after exposure to microcystins at a hemodialysis center in Brazil [J]. New England Journal of Medicine, 1998,338(13):873- 878.[6] De Figueiredo D R, Azeiteiro U M, Esteves S M, et al.Microcystin-producing blooms—a serious global public health issue [J]. Ecotoxicology and Environmental Safety, 2004,59(2): 151-163.[7] V ollenweider R A. Input-output models [J]. SchweizerischeZeitschrift für Hydrologie, 1975,37(1):53-84.[8] Ye C, Shen Z, Zhang T, et al. Long-term joint effect of nutrientsand temperature increase on algal growth in Lake Taihu, China [J].Journal of Environmental Sciences, 2011,23(2):222-227.[9] 李博,孙冬梅,冯平,等.于桥水库浮游藻类时空分布规律的数值模拟研究 [J]. 中国环境科学, 2013,33(3):508-515.[10] 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.[11] Rigosi A, Hanson P, Hamilton D P, et al. Determining theprobability of cyanobacterial blooms: the application of Bayesian networks in multiple lake systems [J]. Ecological Applications A Publication of the Ecological Society of America, 2015,25(1): 186-199.[12] 陈云峰,殷福才,陆根法.富营养化水体水华暴发的突变模型 [J].中国环境科学, 2006,26(1):125-128.[13] 郑剑锋,焦继东.基于神经网络的城市内湖水华预警综合建模方法研究 [J]. 中国环境科学, 2017,37(5):1872-1878.[14] 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.[15] Lui G C, Li W K, Leung K M, et al. M odelling algal bloomsusing vector autoregressive model with exogenous variables and long memory filter [J]. Ecological M odelling, 2007,200(1): 130-138.[16] Bozoklu S, Yilanci V. Energy consumption and economic growthfor selected OECD countries: Further evidence from the Granger causality test in the frequency domain [J]. Energy Policy, 2013, 63(3):877-881.[17] Wang S, Li Q, Fang C, et al. The relationship between economicgrowth, energy consumption, and CO2 emissions: empirical evidence from China [J]. Science of the Total Environment, 2016, 542(Pt A):360-371.[18] Xiao F, Brajer V, Mead R W. Blowing in the wind: the impact ofChina's Pearl River Delta on Hong Kong's air quality [J]. Science of the Total Environment, 2006,367(1):96-111.[19] Chen Y, Fan C, Teubner K, et al. Changes of nutrients andphytoplankton chlorophyll-a in a large shallow lake, Taihu, China: an 8-year investigation [J]. Hydrobiologia, 2003,506(1-3):273- 279.[20] Qin B, Zhu G, Gao G, et al. A drinking water crisis in Lake Taihu,China: linkage to climatic variability and lake management [J].Environmental Management, 2010,45(1):105-112.[21] 金相灿,屠清瑛.湖泊富营养化调查规范 [M]. 北京:中国环境科学出版社, 1990:138-207.[22] Granger C W. Investigating causal relations by econometricmodels and cross-spectral methods [J]. Econometrica: Journal of the Econometric Society, 1969,37(3):424-438.[23] Sims C A. M oney, income, and causality [J]. The Americaneconomic review, 1972,62(4):540-552.[24] Dickey D A, Fuller W A. Distribution of the estimators forautoregressive time series with a unit root [J]. Journal of the American statistical association, 1979,74(366a):427-431.。
太湖是我国最大的淡水湖泊之一，位于长江下游的平原地带，地处江苏省和浙江省交界处。
太湖水域广阔，水质良好，是我国重要的淡水资源之一。
然而，由于人类活动和环境污染的影响，太湖水质出现了一定程度的问题，特别是浮游植物过度生长引发的水华现象。
在太湖的水体中，浮游植物是一种重要的生物裙落，它们与水体的水质关系密切，对太湖水环境的演变具有重要的意义。
针对太湖浮游植物功能裙季节演替特征及水质评价，我们有必要对相关内容进行深入的研究和分析。
1. 浮游植物功能裙特征浮游植物功能裙是指在浮游植物裙落中具有相似生理特征和生态特性的一类植物。
根据其形态和生态习性，可以分为四大功能裙：绿藻、硅藻、蓝藻和裸藻。
这四大功能裙在太湖中各自占有一定比例，且随着季节不同呈现出明显的演替特征。
春季浮游植物以硅藻为主，夏季以蓝藻和裸藻居多，秋季则以绿藻为主，冬季则为硅藻和蓝藻。
2. 季节演替特征对水质的影响浮游植物裙落的季节演替特征直接影响着太湖水体的水质。
不同功能裙的浮游植物在生长繁殖过程中会消耗水中的氧气和营养盐，影响水体的透明度和氧化还原条件，从而对水生物的生存环境产生影响。
夏季大量的蓝藻和裸藻生长，消耗大量的氧气，导致水体缺氧，对水生物造成危害。
蓝藻会产生有毒物质，对水质产生不利影响。
3. 水质评价根据浮游植物的功能裙特征及季节演替特征，可以通过对太湖水体中浮游植物裙落的结构和数量进行分析，评价水质的优劣。
一般可以采用浮游植物数量指标、功能裙比例指标和特定功能裙指标等来评价水质。
在太湖水体中，如果绿藻功能裙的比例较高，且水华现象不明显，则可以认为水质良好；反之，如果蓝藻或裸藻功能裙的比例较高，且出现大面积的水华现象，则说明水质较差。
太湖浮游植物功能裙季节演替特征及水质评价是对太湖水体生态环境进行科学评估和监测的重要内容。
只有深入了解浮游植物的功能裙特征及其对水质的影响，才能更好地制定保护和治理太湖水质的对策，为太湖的生态环境保护和修复提供科学依据。
五里湖富营养水体生态重建试验Lake Ecological Restoration讯W u1i Lake陈开宁邹晶陈晓峰胡洪乙兰策介许海图分类号:X37文献标识码:B基金项日:科技部重大科技项日“太湖水污染控制与水体修复”课题(2002A A 601013)，973计划“湖州富营养化过程和蓝藻水华暴发机理研究”项日(2002CB412307)资助。
作者简介:陈开宁1964- ),博士，国科学院南京地理与湖州研究所湖州资源与环境研究室，主要从事湖州水生态学、水生杭物学、水域生态系统修复等方而研究。
邹晶（1970一)，工程师，无锡市太湖湖泊治理有限责任公司，从事太湖水污染治理与管理。
陈晓峰，南京农业大学生命科学院硕士研究生。
1五里湖概况五里湖是太湖北部的一个湖湾，随着无锡市城市规模的扩大，城市重心逐渐向五里湖周边地区转移，该湖已发展成为一个城市湖泊。
她是无锡市重要旅游景点之一，具有调节水文、接纳排水、泄洪、发展水产、沟通航运、调节小气候，维护生物多样性等多种功能。
该湖东西长6km，南北宽0. 3～1. 5 km，面积约6. 4km 2，常年水位3. 07m，平均水深1. 60m,蓄水量824万m3，换水周期为400d。
五里湖与太湖连接处建有犊山防洪枢纽工程，通过节制闸和太湖连通。
因中心湖区建有宝界桥，五里湖被划分为东五里湖和西五里湖。
2004年4月，梅梁湖泵站建成，设计流量为50m3/s，目前，节制闸已经基本关闭，水的交换卞要通过新建的梅梁湖泵站进行人工调节。
1960年代后，五里湖富营养化日益严重，是太湖污染最严重的水域，2001年的水质监测结果为劣V类，CODMn ,BODS,TN,TP,Ch1碑平均值分别为全太湖平均值的1. 39, 2. 63,1. 93, 2. 44, 2. 61倍。
外源污染输入量大，接纳的城市污水量约10万t/d.另外五里湖四周约有鱼塘2.0km2,每年有约580万t养鱼后的肥水排入五里湖，成为该湖重要的污染源。
湖泊环境与生态”专题j专题沪SPECIAL TOPIC 湖泊污染底泥治理修复实践—以太湖为例»范成新陈开宁张路祌继承古小治刘成在深人研究太湖底泥污染特性和水生生物适生性低下等突出的环境和退化问题基础上.探索污染底泥环保疏浚，底质适生性构建等关键技水唯题，为有效控制富营养化湖泊内源污染.修复底质生境.提高湖泊水体质量提供新方法太湖是无锡、苏州和上海市的主要或备用饮用水源，在地区的生产和生活中具有举足轻重的地位。
近三四十年来，以水体氮、磷含量高企而形成的富营养化问题，成为太湖水污染最主要的特征在舂夏季，太湖一些滨岸还常出现一种被称为“湖泛(black bloom)”的极端水污染现象，其本质是藻类泛滥成灾。
这些污染问题不仅会制约周边流域的社会和国民经济可持续发展，更严重的 是对太湖水源地的供水安全构成威胁：太湖底泥污染及底质退化状况湖泊的污染不外乎外源和内源两大来源。
就太湖 而言，外源污染主要来自工业点源、农业面源、生活废 水、大气沉降、养殖投饵及旅游航运等污染排放；内源 则主要来自湖泊底部的底泥，底泥又称底质或沉积物，在太湖底泥中蓄积着湖体约90%以上的污染物，其中 含量偏高的是氮、磷等营养性污染物，主要来自入湖的范成新.研究员；陈汗宁，研究员；张路，研究员；钟继承，副研究员；占小治，副研究员；刘成，助理研究M,中国科学院南京地理与湖泊研 究所湖?〖丨1；1'环境国家觅点实验室，南获，210008 €\&11@1^丨35』(：.〇1 Fan Chengxin. Professor; Chen Kaining, Professor; Zhang Lu, Professor; Zhong Jicheng, Associate Professor; Gu Xiaozhi, Associate Professor; Liu Cheng, Assistant Professor, State Key Laboratory of Lake Science and Environment, Nanjing Institute of Geography and Limnology, Chinese Academy of Sciences, Nanjing, 210008.太湖滨岸底泥污染及恶化退化问题环境影响示意图外源污染，以及湖体内藻类和水生植物等生物死亡残体 等。
第19卷第1期2010年1月长江流域资源与环境Resources and Env iro nm ent in the Yang tze Basin Vol.19No.1Jan.2010文章编号:1004 8227(2010)01 0030 07太湖蠡湖浮游植物群落特征及其对水质的评价孟顺龙,陈家长*,胡庚东,瞿建宏,吴 伟,范立民,马晓燕(中国水产科学研究院淡水渔业研究中心内陆渔业生态环境和资源重点开放实验室,江苏无锡214081)摘 要:2007年冬季(1月30日)和春季(3月27日)对太湖蠡湖进行两次全面调查。
采用种类相似性指数、优势指数、多样性指数和污水生物系统等多项生物学指标分析浮游植物群落特征;并结合理化指标评价蠡湖水质营养状况。
结果表明:蠡湖共检出浮游植物8门,88种;其中以绿藻门种类最多,共48种,占总种数的54 55%;硅藻门次之,共15种,占总种数的17 05%。
两次调查中各个站位的优势种均为绿藻门种类,其中冬季的优势种为小球衣藻(Chlamy domonas micros p haer a),优势指数变化在71 43%~96 28%,春季优势种为小形平藻(Pedinomonas mi nor )和小球藻(Chlor ella v ulgar is ),优势指数变化在67 02%~82 59%,优势种非常明显。
浮游植物相似性指数测算结果显示,冬季和春季的浮游植物种类组成差异很大,相似性指数仅为0 30。
同时,生物学评价显示,蠡湖冬季水质劣于春季,与化学评价结果相一致;但从评定级别看,生物评价认为,2007年冬、春季节蠡湖水质分别处于重污染和中度污染状态,较化学评价的污染程度重,显示出两种方法的差异性。
关键词:蠡湖;浮游植物;群落特征;水质评价文献标识码:A收稿日期:2008 12 05;修回日期:2009 02 16基金项目:无锡市发展和改革委员会资助项目(2115019)作者简介:孟顺龙(1982~ ),男,安徽省颍上人,硕士,研究实习员,研究方向为渔业环境保护.E mail:mengsl@ *通讯作者:E mail chenjz@ffr 浮游植物是水生态系统的初级生产者,是整个水生态系统物质循环和能量流动的基础,对水体营养状态变化能迅速做出响应[1]。
