海南新村港和黎安港非点源污染负荷估算

周立柱, 杨顶田, 尹小青

1. 广东省海洋遥感重点实验室, 广州 510301

2. 热带海洋环境国家重点实验室(中国科学院南海海洋研究所), 广州 510301 3. 中国科学院大学, 北京 100049

1 前言

海岸带是人类活动密集区, 为人们提供了赖以生存的资源与环境。近年来, 随着社会经济的发展,人类活动对海洋环境的影响越来越大, 其中非点源污染已经成为中国海洋环境重要的污染[1]。海岸带非点源污染一般指在雨水作用下通过地表径流和地下渗透的方式进入沿海海域的污染, 非点源污染会导致水体富营养化, 有研究指出, 在控制了污水排放等点源污染之后, 水体质量并未有所改善[2], 同时,随着点源污染逐渐得到有效控制, 非点源污染对于水环境影响越来越受到重视。

由于非点源污染的发生具有随机性和复杂性,非点源污染负荷的计算难度比较大, 随着对于非点源污染控制的需求越来越大, 非点源污染的定量化尤为重要[3]。基于此, 国内外研究学者发展了多种方法进行定量化估算, 主要有径流曲线模型(SCSCN)、SWAT模型法、通用土壤流失方程(USLE)等模型方法和径流分割法、降雨插值法、平均浓度法、输出系数法等经验模型[4]。研究海岸带污染的过程中,海岸带尤其是海湾不同位置的水动力条件会有所不同, 对于污染物排放入海后的扩散存在影响, 因此,非点源污染物排放位置的模拟是海湾区域非点源污染调查的重要内容, 汇水区的划分是非点源污染物排放位置模拟的基础[5]。涂振顺在研究沿海港湾区域污染的过程中, 首先引入 GIS水文分析方法进行划分汇水区边界和汇水单元, 以汇水区对港湾区域陆源污染进行计算, 对于区域的环境规划和管理提供了帮助[6]。麻德明以莱州湾为例, 详细介绍了基于GIS的水文分析方法, 结合污染物排放系数和入河系数, 估算了农业污染物入海总量[7]。

本文基于海岸带不同地物的具体情况, 综合利用 SCS-CN模型方法和输出系数等方法, 结合遥感和 GIS方法, 以海南新村港和黎安港为例, 对该地区进行较为全面的非点源污染的估算, 通过汇水分析确定非点源污染的入海情况, 并对污染情况做简要评价。

2 材料与方法

2.1 研究区概况及数据

新村港位于海南省陵水黎族自治县(图1), 港内南北长约4公里, 东西宽约6公里, 面积约22.6平方公里。新村港口窄内宽, 南面南湾半岛地势较高,港湾内风平浪静, 适宜渔船避风, 是海南省重要的渔港。港口内海洋捕捞业、海水养殖业发达。从自然环境上来说, 新村湾是一个完全被潮汐所控制的近封闭状天然潟湖湾, 潟湖南部生长有大片海草,具有重要的生态保护价值, 2007年6月, 海南省人民政府批准建立“新村港和黎安港海草特别保护区”,是海南省首个海洋特别保护区。新村港地区雨量充沛, 多年平均降水量在2000 mm以上, 港内无较大河流汇入, 降雨多以地表径流的方式进入海域。研究区包含了新村港和黎安港两个区域, 黎安港与新村港相近, 自然环境和社会环境相似, 可以综合考虑。

图1 新村港和黎安港地理位置图Fig.1 The location of Xincun Bay and Li`an Bay

2.2 数据

主要应用的数据为(1)2014年1月Landsat 8多光谱数据, 用于土地利用类型的提取; (2)成像时间为2014年1月的Google Earth 2米影像数据, 用于土地利用类型的提取以及精度验证; (3)30米精度的ASTER GDEM数据, 用于汇水分析; (4)气象数据使用中国地面累年值数据集(1981—2010), 人口数据采用海南省2015年统计年鉴数据[8]。

2.3 研究方法

利用 GIS水文分析获得的汇水区作为研究区,结合SCS-CN模型和输出系数法等经验模型以及遥感解译获得的土地利用图对新村港、黎安港地区的非点源污染状况进行评估。

2.3.1 汇水区划分

非点源污染主要通过降雨径流、河网汇流进入海湾和近海区域, 所以在进行估算时大都以流域为单元进行估算, 但是在缺乏河网资料的地区, 如何确定污染来源范围是首先需要解决的问题。借助ArcGIS的水文分析模块, 利用数值高程模型(DEM)能够模拟重要的水文过程, 是水文研究和水资源管理中的一个重要手段[9]。同时, 汇水分析产生模拟河网, 由模拟河网入海口可以确定污染物在海岸带的排放位置, 这对于治理污染很有帮助。

汇水区的划分基于地表径流漫流模型, 模拟地表径流从地势高的地方流向地势低的地方来生成水系,即使用ArcGIS水文分析工具, 先对研究区DEM数据进行填洼处理, 然后根据坡降确定每个格网的水流方向的方法提取汇流网络, 最终形成汇水区(图2)。模拟河网的提取是根据汇流累积量的大小来确定的, 通过设定汇流累积量的阈值, 获取河网矢量。

图2 汇水分析技术流程图Fig.2 Technical flowchart for analyzing catchment

2.3.2 土地利用类型分类

土地利用分类使用神经网络分类方法, 神经网络算法是监督分类的一种, 灵活性较好, 具有综合分析的能力, 采用非线性拟合, 能够很好的解译出遥感影像中的非线性数据[10], 在一定程度上解决了“同物异谱”和“异物同谱”的现象, 对于海岸带具有水体和陆地混合光谱特征的地物识别精度较好。

分类数据选用Landsat 8 OLI多光谱数据, 结合Google影像确定分类地物区域, 作为神经网络分类方法的输入参数。

1) 影像预处理

利用ENVI自带的FLAASH校正模型对Landsat 8 多光谱数据进行大气校正, FLAASH是基于MODTRAN4的大气纠正模块, 它可以对多光谱影像进行大气校正, 能够较好的消除大气的影响[11]。然后根据汇水区结果裁剪出研究区范围, 同时裁剪出对应Google Earth影像的区域。

2) 地物类别划分

结合地表径流模型中需要的地物类别以及研究区的实际情况, 划分地物类别。由于Landsat 8空间分辨率较低, 直接提取分类类别较困难, 所以采用成像时间相近的Google Earth影响提取先验类别。即在将Landsat 8数据与Google Earth影响配准后,利用ENVI中ROI工具在Google Earth影像上做出每个地类的分类 ROI以及验证 ROI, 然后匹配到Landsat 8多光谱影像中, 以用于遥感分类和验证。

3) 神经网络分类

将分类 ROI匹配到 Landsat 8 多光谱数据中,使用神经网络分类方法对其进行分类。

2.3.3 非点源污染的估算方法

考虑到海岸带的实际情况, 主要估算四类非点源污染, 分别是地表径流污染、海水养殖、生活污染和渔港排污。

1) 地表径流污染的估算

不同土地利用类型造成的污染估算采用SCS模型及平均浓度方法。SCS模型是由美国农业部水土保持局开发用来模拟降雨径流的数学模型, 是目前应用最广泛的流域水文模型之一[12]。SCS模型其显著的特点是模型结构简单、所需输入参数少, 能够反映不同土壤类型以及不同土地利用类型对降雨径流量的影响, 对降雨的观测要求不严格, 利于数据资料获取[13], 是一种较好的小型集水区径流计算方法。

SCS模型的公式如下：

式中,Q为降雨产生的径流量, 单位mm;P为总的降雨量, 单位mm;S为水土保持参数。S能够反映不同土壤类型、土被结构和土壤利用方式的综合性特征,其取值通常使用整理后的简易方程式来表达：

式中,CN为径流曲线数。CN是综合反映地表产流能力的参数,CN值越大地表径流量Q越大, 它与流域前期土壤湿润状况、植被、坡度、农业耕作方式、水文条件、土地利用和土壤类型有关[6]。根据研究区的不同土地类型、水文条件和土壤情况, 参阅美国水土保持局提供的NEH-4表格和相关研究成果[14,15],可以确定土壤中等含水量条件下的CN值。不同干湿程度的土壤CN值不同, 根据土壤的干湿程度, 利用下述公式进行校正。

式中,CNⅠ为低含水量状态下的径流曲线数;CNⅡ为中等含水量状态下的径流曲线数;CNⅢ为湿润含水量状态下的径流曲线数。

根据中国土壤概图, 研究区土壤类型为砖红壤,质地偏砂, 对应NEH-4表格中的C类土壤类型。根据九龙江流域研究成果[16]及研究区月均降雨量, 划分为旱季(11月—次年3月)和雨季(4月—10月), 土壤的干湿程度依据前五天的降水量确定, 查找不同土地利用类型的 NEH-4表格数据, 结合公式(3)(4),获得不同土地利用类型在不同季节不同干湿状态下的CN值表(表1)。

污染物负荷的估算公式为：

其中,L是区域内年污染负荷kg·(hm2·a)-1;EMC为径流平均浓度, mg·L-1, 一般通过实测获得;Q为年径流量, mm·a-1;A为各土地利用类型面积, hm2。

利用获取的CN值表和降雨量数据带入公式(5)中求算不同土地利用类型的降雨径流量, 然后累加获取该土地类型的年径流量。

2) 海水养殖污染估算

海水养殖与海岸带富营养化污染关系最为密切,海水养殖中使用的饵料等有机成分随着排水进入海洋环境中, 增加了海水环境中的营养盐含量, 同时有机质的分解, 消耗了海水环境中的氧气, 对原生环境中的生物影响较大。海水养殖过程中产生的污染负荷的估算, 可以根据养殖面积来进行估算, 使用单位面积的污染负荷的方法来进行估算总的污染负荷, 即采用输出系数法(或称单位面积负荷法)。

输出系数法是20世纪70年代初期美国、加拿大在研究土地利用-营养负荷-湖泊富营养化的过程中提出并应用的估算方法。输出系数模型的公式：

式中：L为各类土地某种污染物的总输出量(kg·a-1);m为土地利用类型的数目;Ei为第i种土地利用类型的该种污染物输出系数kg·(hm2·a)-1;Ai为第i种土地利用类型的面积(hm2)。这种方法为人们研究非点源污染提供了一种新的途径 , 至今仍得到广泛应用[17]。

3) 生活污染的估算

表1 不同土地利用类型的CN值表Tab. 1 CN numbers of different land use type

生活污染主要是指生活污水, 随着社会结构的调整, 城镇居民的比例不断增加, 而之前作为肥料的人粪尿的利用率下降[18], 同时由于农村缺乏必要的污水处理措施, 造成生活污水和粪尿进入水环境,造成水环境污染。生活污染的估算主要根据人口数量, 采用单人年生活污染排放量来进行估算。

4) 渔港排污估算

渔港相对于货运港口陆地作业区较小, 作业区没有较大型的机械设备, 产生的污染物很少, 渔港的污染物来源主要是渔船产生的机舱含油污水、生活污水等, 因为生活污水的排放情况已考虑, 为避免重复计算, 这里只考虑渔船机舱含油污水。大多数的渔船污染物都是直接排放到渔港, 因此, 选用机舱含油污水的发生量代替含油污水排放量[19]。

渔船机舱含油污水发生量估算公式如下：

式中,Q是渔港的渔船机舱含油污水发生量, 单位： t;T是渔船在渔港的平均停泊天数, d/a;W停泊渔船的总吨位, t;η为渔船含油污水年产生量占渔船吨位的比率, 通常取0.1。

2.3.4 污染系数及入海系数

降雨径流的污染物径流平均浓度一般需要实测,国外研究学者指出, 至少要对15—20场降雨径流的实测计算得到的径流平均浓度才能确定该地的径流平均浓度[20], 但由于条件限制, 通常采用平均浓度的方法进行估算。本文结合流溪河流域、巢湖流域等研究成果[14,21,22], 获取不同土地利用类型下的污染物平均浓度(表2)。

对于海水养殖、生活污染以及渔船污染的污染系数和入海系数(表3), 根据相关研究文献确定[7,23-25]。其中海水养殖污染分为陆源的虾蟹池养殖和海上的网箱养殖两种情况, 虾蟹池养殖估算以养殖面积为单位进行估算, 网箱养殖以单个网箱产生的污染负荷为单位进行估算。

表2 不同土地利用类型的径流平均浓度 mg/LTab. 2 Runoff contamination concentrations of different land use tpye

表3 不同污染源排污系数及入海系数Tab. 3 Pollution output coefficients and the coefficients of discharged into the sea

3 结果

3.1 模拟汇流区及入海河网

新村港和黎安港地区无较大河流汇入, 陆源污染主要通过降水径流汇入受纳区, 使用水文分析的方法能够模拟出汇流河网以及汇流区, 同时, 该方法也提取出了对相关海域有影响的陆地范围。利用ASTER GDEM 数据对新村港和黎安港地区的进行模拟, 获得汇流河网及汇水区(图3)。对汇水分析后的区域进行适当合并, 减小计算量, 并对汇水区进行编号, 以便于统计。把汇水分析获得的汇水区作为研究区域, 用于提取各种土地利用类型等信息。

3.2 遥感影像提取土地利用类型

利用2014年1月的Landsat 8影像进行土地利用分类, 结合2014年1月成像的Google Earth影像进行验证, 获得汇水区范围内的土地利用分类图(图4)。然后, 根据按照每个汇水区提取各类土地利用面积。利用混淆矩阵方法进行精度验证, 分类精度达到 91%, Kappa系数达到 0.89, 分类结果符合应用需求。

3.3 不同汇水区域污染估算结果

以获得的汇水区为单位, 裁取遥感分类图像,分别统计各个汇水区内的土地利用类型, 基于排污估算方法和排污系数, 估算各个汇水区不同污染类型的负荷。在进行生活污染的估算时, 由于不同区域人口数量难以直接统计, 所以按照相关区域建筑面积的比例分配不同区域人口数量, 进而获得不同研究区域生活污染负荷量(图5)。

图3 汇水分析结果图Fig.3 The results of hydrological analysis

图4 遥感影像分类结果图Fig.4 Land coverage map interpreted from satellite image

新村港口门处有网箱443个[26], 获得网箱养殖的TN、TP污染负荷分别为8.31吨·年-1、0.91吨·年-1; 黎安港网箱的数量未知, 根据遥感影像获得新村港和黎安港网箱养殖区的面积之比, 估算黎安港网箱养殖的TN、TP污染负荷分别为4.95吨·年-1、0.54吨·年-1。

据统计, 新村港共有木质机动渔船 205艘, 其中50吨以上渔船66艘, 总吨位5700吨。考虑到休渔期等因素, 平均停泊天数取 100天, 计算获得渔港COD污染负荷为0.048吨/年。

3.4 新村港和黎安港污染物估算

图5 不同汇水区污染物年负荷量Fig.5 Annual contamination amounts of different catchment areas

研究区中包含了新村港和黎安港, 按照河网矢量的流向划分影响新村港和黎安港的陆地区域, 分别统计汇入新村港和黎安港的非点源污染总量。汇入新村港的有区域1、2、3、6、7、9、10、11(图6中橘红色部分); 汇入黎安港的区域有4、5、13、14(图6中绿色区域); 汇水区8、12和15其河网矢量流入外海, 不计入污染物负荷量(图6)。

新村港COD、TN、TP的年负荷量为565.55吨、89.68吨、9.55吨; 黎安港的COD、TN、TP的年负荷量为113.48吨、20.91吨、2.44吨, 新村港和黎安港的主要污染物为COD和TN。就污染物来源来看,在新村港的非点源污染构成中, 径流污染、生活污染和海水养殖污染分别占比 30%、38%和 32%; 而黎安港这一比例是14%、31%和55%。从单一污染物指标看, 海水养殖、生活污染、径流污染的COD贡献水平相当, 而对于TN、TP, 海水养殖和生活污染的贡献率较高, 径流污染相对较小(表 4、图7)。新村港受到的污染水平总体高于黎安港, 这与流入新村港的汇水区面积较大有关。

单从陆源污染的组成来看, 新村港和黎安港的差异较大, 新村港陆源污染物贡献量最大的是水田,黎安港污染物贡献量最大的是城镇生活污染(图8),这种差异的出现符合汇水区的土地利用情况。新村港汇水区较大, 汇水区内水田较多, 是造成水田污染贡献大的原因。黎安港总体汇水区域较小, 受到的陆源污染绝对值较小, 相比之下城镇生活污染的作用显现出来。

图6 新村港和黎安港非点源污染来源区域图Fig.6 Source area of contaminations in Xincun Bay and Liàn Bay

3.5 估算结果验证

在新村港和黎安港富营养化的研究中, 大多集中在海水养殖业对港湾内生态环境的影响, 而对于陆源污染的研究还没有开展, 对于污染物总量的估算鲜有提及, 估算结果的准确性只能从侧面来验证。水田的 TN流失量为每亩 0.933千克,在入河系数为 0.1的情况下, 估算获得整个研究区水田 TN的污染负荷为 5.54吨·年-1, 而通过SCS模型估算结果5.32吨·年-1; 根据《第一次全国污染源普查水产养殖业污染源产排污系数手册》, 海南省网箱养殖的排污系数为每千克76.472克, 以每个网箱养殖量在250 kg计算, 新村港地区网箱养殖的污染负荷为8.47吨·年-1, 与估算结果8.31吨·年-1相近, 故新村港的非点源污染负荷估算结果在合理范围内。

4 讨论

表4 新村港和黎安港污染物来源汇总 单位： 吨·年-1Tab. 4 Amounts of contaminations from different pollution type in Xincun Bay and Liàn Bay

在已有的新村港和黎安港富营养化的研究中, 大多采用现场采样的方式进行水体富营养化的评价[27-34],主要关注点在于海水养殖对港湾内生态环境的影响,而对于陆源污染的研究还没有开展, 对于污染物总量的估算鲜有提及。本文基于遥感和 GIS的方法对新村港和黎安港地区非点源污染的年负荷量进行了估算, 可以作为评价体系的补充, 有利于较为全面的了解新村港和黎安港地区水体富营养化的程度。

图7 新村港、黎安港污染物总量及污染源百分比Fig.7 Amounts and percentages of contaminations from different pollution type in Xincun Bay and Li`an Bay

图8 新村港、黎安港陆源污染各土地利用类型污染物所占比例Fig.8 Percentages of contaminations from different landcovers in Xincun Bay and Li`an Bay

SCS-CN模型是广泛应用的水文估算模型, 其综合考虑了汇水区土壤条件和降雨条件, 是一种比较简单快捷求算径流量的模型; 结合污染物径流平均浓度和入河系数可以有效的估算由于降水导致的径流污染, 这些污染在传统的监测体系中较难测量,使用这种估算方法能够从总体上掌握非点源污染的发生情况。径流平均浓度和入河系数采用的是相关研究的结果, 通过选取与研究区状况最为相似的系数来进行估算, 这在一定程度上保证了估算结果的精度。

5 结论

新村港和黎安港地区海水养殖业发达, 海水水质直接影响当地生产生活。本文利用遥感和GIS的方法, 对新村港地区的非点源污染进行了有效的估算。结果表明, 新村港 COD、TN、TP的年负荷量为565.55吨、89.68吨、9.55吨; 黎安港的COD、TN、TP的年负荷量为113.48吨、20.91吨、2.44吨。在新村港的非点源污染构成中, 径流污染、生活污染和海水养殖污染分别占比 30%、38%和 32%; 而黎安港这一比例是14%、31%和55%。从陆源污染物的来源来看, COD主要来自于海水养殖、生活污染和径流污染, 三者的贡献相当; TN主要来源于海水养殖和生活污染; TP主要来自于海水养殖和生活污染。

使用GIS对研究区进行汇水分析, 从机理上解释了陆源非点源污染的来源范围, 通过模拟河网确定非点源污染的去向, 进一步解释了陆源非点源污染物来源范围的合理性。同时, 基于遥感分类获得的土地利用现状能够很好的区分不同土地利用类型的影响, 直观展现非点源污染的分布情况。

[1] 李拴虎, 雷坤, 徐香勤, 等. 海岸带狭义非点源污染的研究现状[J]. 环境污染与防治, 2014(3)： 94-98.

[2] ARHONDITSIS G, TSIRTSIS G, ANGELIDIS M O, et al.Quantification of the effects of nonpoint nutrient sources to coastal marine eutrophication： applications to a semienclosed gulf in the Mediterranean Sea[J]. Ecological Modelling, 2000,129(2/3)： 209-227.

[3] 梁博, 王晓燕, 曹利平. 我国水环境非点源污染负荷估算方法研究[J]. 吉林师范大学学报(自然科学版),2004(3)： 58-61.

[4] 樊在义, 宋兵魁, 杨勇, 等. 非点源污染负荷估算方法探讨[J]. 环境科学导刊, 2011(3)： 1-6.

[5] 林志兰, 余兴光, 刘希, 等. 罗源湾区域入海非点源污染COD排放量估算[J]. 台湾海峡, 2006(2)： 209-215.

[6] 涂振顺, 黄金良, 张珞平, 等. 沿海港湾区域陆源污染物定量估算方法研究[J]. 海洋环境科学, 2009(2)： 202-207.

[7] 麻德明, 石洪华, 丰爱平. 基于流域单元的海湾农业非点源污染负荷估算——以莱州湾为例[J]. 生态学报,2014(1)： 173-181.

[8] 海南省统计局, 国家统计局海南调查总队. 海南统计年鉴[S].北京： 中国统计出版社, 2015.

[9] 郑畅, 倪九派, 魏朝富. 基于DEM和SCS模型的四川盆地丘陵区局地径流研究[J]. 水土保持学报, 2008(5)：73-77.

[10] 张辉. 基于 BP神经网络的遥感影像分类研究[D].济南：山东师范大学, 2013.

[11] 罗彩莲, 陈杰, 乐通潮. 基于 FLAASH 模型的 Landsat ETM+卫星影像大气校正[J]. 防护林科技, 2008(5)：46-48.

[12] 刘家福, 蒋卫国, 占文凤, 等. SCS模型及其研究进展[J].水土保持研究, 2010(2)： 120-124.

[13] 李润奎, 朱阿兴, 陈腊娇, 等. SCS-CN 模型中土壤参数的作用机制研究[J]. 自然资源学报, 2013(10)： 1778-1787.

[14] 温海广, 周劲风, 李明, 等. 流溪河水库流域非点源溶解态氮磷污染负荷估算[J]. 环境科学研究, 2011(4)：387-394.

[15] MISHRA S K, SINGH V. Soil conservation service curve number (SCS-CN) methodology[M]. Springer Science &Business Media, 2003

[16] 洪华生, 黄金良. 九龙江流域农业非点源污染机理与控制研究[M]. 北京： 科学出版社, 2008.

[17] THORNTON J A, RAST W, HOLLAND M M, et al.Assessment and control of nonpoint source pollution of aquatic ecosystems： a practical approach[M]. 1999.

[18] 王媛, 马继力, 吕川, 等. 吉林省辽河流域农业面源污染特征及趋势研究[J]. 吉林农业科学, 2012. 37(3)： 61-64.

[19] 贺新春, 黄燕, 张炯. 珠江口及毗邻海域海上污染源排污量估算及污染源评价研究[J]. 人民珠江, 2008(2)： 14-17.

[20] THOMSON, N R., MOSTRENKO I, MCBEAN E A., et al.Sample Size Needs for Characterizing Pollutant Concentrations in Highway Runoff[J]. Journal of Environmental Engineering, 1997, 123(10)： 1061-1065.

[21] 阎伍玫. 巢湖流域不同土地利用类型地表径流污染特征研究[J]. 长江流域资源与环境, 1998(3)： 83-86.

[22] 黄志伟, 曾凡堂, 石雷, 等. 东江流域不同地类非点源污染排放特征[J]. 农业环境科学学报, 2016(5)： 940-946.

[23] 黄小平, 温伟英. 上川岛公湾海域环境对其网箱养殖容量限制的研究[J]. 热带海洋, 1998(4)： 57-64.

[24] 刘庄, 李维新, 张毅敏, 等. 太湖流域非点源污染负荷估算[J]. 生态与农村环境学报, 2010(S1)： 45-48.

[25] 朱丹丹. 大庆地区农业非点源污染负荷研究与综合评价[D].哈尔滨： 东北农业大学, 2007.

[26] 吴钟解, 陈石泉, 蔡泽富, 等. 新村港海草床生态系统健康评价[J]. 中国环境监测, 2015(2)： 98-103.

[27] 黄道建, 黄小平. 海草污染生态学研究进展[J]. 海洋湖沼通报, 2007(S1)： 182-188.

[28] 黄道建, 黄小平. 网箱养殖对海南新村澙湖海菖蒲生物学与生态学特征的影响[J]. 台湾海峡, 2009(2)： 199-204.

[29] 李巧香, 黄文国, 周永召. 新村港水体富营养化与赤潮发生的初步研究[J]. 海洋湖沼通报, 2010(4)： 9-15.

[30] 黄道建, 黄小平, 黄正光. 海南新村湾海菖蒲 TN和 TP含量时空变化及其对营养负荷的响应[J]. 海洋环境科学,2010(1)： 40-43.

[31] 蔚枝沁, 邓泓, 吴可为, 等. 海南优势海草营养元素的含量及其影响因素研究[J]. 华东师范大学学报(自然科学版), 2012(4)： 131-141.

[32] 周永召, 王芬, 周湘彬. 新村港养殖的合理布局及麒麟菜养殖对其水质的影响[J]. 海洋开发与管理, 2012(1)：113-115.

[33] 王芬, 聂瑞. 新村水体富营养化及其养殖合理布局的探讨[J]. 海洋开发与管理, 2015(10)： 93-96.

[34] 陈娴, 黄文国. 陵水新村港海水环境质量状况分析与评价[J]. 广东化工, 2016(14)： 38-39..