青山水库藻类分布特征及相关性研究

金丹娟 童群 许振波 施思 王洁屏 石芳明

摘要：青山水库是杭州的饮用水源之一，其水质受生活污水、工业和农业等方面的影响。研究、跟踪调查了2018年4月至2019年3月青山水库藻类在水体中的分布情况，并分析了叶绿素a与藻类、环境因子的相关性。结果表明，青山水库的藻类常年以绿藻、蓝藻、硅甲藻为主，夏季以蓝藻为主;藻类主要集中在表层水中（水面下1～2 m）;叶绿素a含量与绿藻、蓝藻、硅甲藻均呈极显著正相关;叶绿素a含量与水温、高锰酸盐指数呈极显著正相关，与pH呈显著正相关，与氨氮、硝酸盐氮、总铁、三价铁离子、锰呈显著负相关;逐步回归分析得出高锰酸盐指数、硝酸盐氮和水温是影响青山水库叶绿素a含量的主要因子，叶绿素a计算值与实测值拟合的相关性较好（R=0.920，P<0.01）。

关键词：青山水库;叶绿素a;藻类;逐步回归分析

中图分类号：X524;X832         文献标识码：A

文章编号：0439-8114（2019）20-0072-04

DOI：10.14088/j.cnki.issn0439-8114.2019.20.015           开放科学（资源服务）标识码（OSID）：

Distribution characteristics and correlation analysis of algae in Qingshan reservoir

JIN Dan-juan1，TONG Qun1，XU Zhen-bo1，SHI Si1，WANG Jie-ping1，SHI Fang-ming2

（1.Lin'an Environmental Monitoring Station，Hangzhou 311300，China;

2.Lin'an Science & Technology Bureau of Hangzhou City，Hangzhou 311300，China）

Abstract： Qingshan reservoir is one of the drinking water sources in Hangzhou， and the water quality is affected by domestic sewage， industry and agriculture. The distribution of algae in Qingshan reservoir from April 2018 to March 2019 was investigated， and the correlation between chlorophyll a and algae and environmental factors was analyzed. The analysis showed that the main algae in Qingshan Reservoir were green algae， blue-green algae and diatoms all the year round. Blue-green algae were the main species in summer. Algae were mainly distributed in surface water （1～2 m below the surface）. Correlation analysis indicated that green algae， blue-green algae and diatoms were extremely significant correlated with chlorophyll a. Chlorophyll a was  extremely significant associated with water temperature， CODMn and was a significant positive correlation with pH， and it had a negative correlation with ammonia nitrogen， nitrate nitrogen， total iron， trivalent iron ion and manganese. Stepwise regression analysis showed that CODMn， nitrate nitrogen and water temperature were the most important factors， which influenced the concentration of chlorophyll a in Qingshan reservoir. The calculated and measured values of chlorophyll a have a good correlation （R=0.920，P<0.01）.

Key words： Qingshan reservoir; chlorophyll a; algae; stepwise regression analysis

大量工業、生活污水以及在农业上使用的化肥等营养物质不断排入江河湖泊等水体，造成水体的富营养化问题日益严重，并引发藻类爆发[1-3]。藻类爆发引起的水华及其危害是一个全球性的环境问题，而藻类在饮用水源地爆发引起的供水安全问题对人类的影响最为深刻。影响藻类生长的因素众多，包括水温、光照、水的流速等物理因素和营养盐、金属等化学因素[4-7]。目前，对于藻类爆发的机制多为假说成因，在实践中应用性不强。

青山水库是隶属太湖源流域，水库集雨面积603 km2，主源长46 km，集流时间10 h，总库容2.15亿m3[8]。青山水库主要入库水源有南苕溪、锦溪、横溪及灵溪等地表径流，其水质受生活污水、工业和农业等方面的影响。自五水共治开始，青山水库整体水质持续改善，但富营养化依然严重。本研究基于2018年4月至2019年3月青山水库的监测数据，旨在跟踪调查青山水库藻类在水体中的分布特征，进一步研究叶绿素a与藻类、环境因子的相关性分析，并采用多元线性回归中的逐步回归分析建立叶绿素a含量的预测模型，以期为青山水库水体富营养化预警提供参考。

1  材料与方法

1.1  采样布点

本研究共设10个表层水采样点（图1）。水温（WT）、溶解氧（DO）、透明度（SD）、叶绿素a（Chl-a）、藻密度、绿藻密度、蓝藻密度、硅甲藻密度、隐藻密度等指标为现场测定指标，并记录当天采样时间、天气状况、水样外观等参数供研究参考。采样时间控制在9：30—11：00，采样频率为每月1次，且采样前1～2 d的天气均未下雨。水样采集完成后，立即送实验室，当天完成其他化学指标的测定。

另外，选取湖中心采样点（图1中的4号），监测了该点位藻类垂直分布情况，现场监测指标包括水温、叶绿素a、藻密度、绿藻密度、蓝藻密度、硅甲藻密度、隐藻密度。采样频次为每季度1次，监测时，将仪器匀速缓慢的放入水下（约3 s测量1次），测量深度最深为10 m。

1.2  监测项目与方法

水温、溶解氧用HQ30d型美国哈希便捷式溶解氧测定仪进行现场测定;透明度用塞氏盘法测定;pH、高锰酸盐指数（CODMn）、总氮（TN）、氨氮（NH3-N）、硝酸盐氮（NO3-N）、亚硝酸盐氮（NO2-N）、总磷（TP）、总铁（TFe）、锰（Mn）、亚铁离子（Fe2+）参照国家标准（GB/T 6920-1986、GB/T 11892-1989、HJ 636-2012、HJ/T 195-2005、HJ 84-2016、GB/T 11893-1989、GB 11911-1989、HJ/T 345-2007）进行测定;电导率、磷酸盐（PO43-P）参照《水和废水监测分析方法（第四版增补版）》进行测定[9];叶绿素a、藻密度、绿藻密度、蓝藻密度、硅甲藻密度、隐藻密度采用BBE FluoroProbe野外藻类分析仪监测。

1.3  数据分析

对青山水库叶绿素a与藻类、环境因子进行Pearson相关性分析[10]和逐步回归分析[11-12]，并选用与叶绿素a相关性显著的环境因子建立多元线性回归方程，以预测叶绿素a含量变化及趋势。采用SPSS 19.0软件对水样数据进行统計分析。

2  结果与分析

2.1  青山水库藻类季节分布特征

青山水库常年生长的藻类主要是绿藻、蓝藻、硅甲藻，各藻类种群结构的季节变化规律如图2所示。自2008年4月开始，藻类数量开始上升，8月达到最高值，然后开始下降;11月至次年2月，藻类数量较低且波动不大。2018年4月、2019年1—3月青山水库水体中以硅甲藻为主，分别占总细胞数的62.5%、51.8%、79.9%和62.6%;2018年5、10、11、12月以绿藻为主，分别占总细胞数的52.8%、40.1%、48.8%和37.5%;2018年6—9月以蓝藻为主，分别占总细胞数的53.1%、49.1%、47.8%、46.3%。

2.2  青山水库藻类数量的时空分布特征

选取湖中心点位（4号）监测青山水库藻类垂直分布特征。从垂直分布上看（图3和图4），1月随深度的增加，藻类数量增加;5、8、11月藻类主要集中在表层水（水面下1～2 m）;底层水中，1、5、8、11月藻类数量相差不大。1月、8月和11月，表层水、中层水和底层水的水温变化不大，1月水温变化范围为7.38～7.51 ℃，8月水温变化范围为27.3～30.37 ℃，11月水温变化范围为15.13～15.66 ℃;5月，表层水、中层水和底层水的水温变化较大，范围为18.01～28.12 ℃，表层水水温高于中、底层。5月和8月，表层水水温均高于24 ℃，且表层光照、溶解氧相对充足，为藻类生长提供了有利条件。

2.3  叶绿素a含量变化与藻类、环境因子的相关性分析

水体中叶绿素a含量受诸多因子的制约，选取2018年4月至2019年3月青山水库湖中心点位的数据，对水库水体中叶绿素a含量与藻类、环境因子等进行Pearson相关性分析。叶绿素a与藻类生物量的Pearson相关性分析表明，叶绿素a含量与绿藻、蓝藻、硅甲藻均呈极显著正相关，相关系数为0.975、0.859、0.871;叶绿素a含量与隐藻无显著相关性，相关系数为0.506，这表明研究期间绿藻、蓝藻、硅甲藻对生成叶绿素a贡献较大。叶绿素a与环境因子的Pearson相关性分析表明（表1），叶绿素a含量与水温、高锰酸盐指数均呈极显著正相关，与pH呈显著正相关，与氨氮、硝酸盐氮、总铁、三价铁离子、锰呈均显著负相关;与其他指标无显著相关。

2.4  叶绿素a含量的预测

根据Pearson相关性分析结果，选择与叶绿素a相关性较大的高锰酸盐指数、水温、总铁、锰、三价铁离子、pH、氨氮、硝酸盐氮8个环境因子，采用多元线性回归中的逐步回归分析，预测叶绿素a含量（表2）。逐步回归分析结果表明，极显著水平下高锰酸盐指数、硝酸盐氮和水温这3个因子入选，因此高锰酸盐指数、硝酸盐氮和水温是影响青山水库叶绿素a含量的主要环境因子;多元线性回归方程为y=46.773 X1+16.221 X2-1.277 X3-121.259（X1、X2、X3分别表示CODMn、NO3-N、WT），R为0.989，F为116.215，显著性检验P=0.000<0.01，表明该方程有较好的拟合度，回归结果有效。

将2018年5月10个采样点的高锰酸盐指数、硝酸盐氮和水温实测值带入多元线性回归方程计算叶绿素a的含量，叶绿素a含量实测值与计算值（表2）对比发现，最大相对偏差为10.53%，最小相对偏差为0，平均相对偏差为5.13%。对叶绿素a含量的计算值与实测值进行相关性分析，两者相关性较好（R=0.920，P<0.01）。

3  结论

青山水库藻类数量从2018年4月开始上升，8月达到最高值，然后开始下降;11月至次年2月，藻类数量较低且波动不大。青山水库的藻类常年以绿藻、蓝藻、硅甲藻为主，夏季以蓝藻为主。从青山水库湖中心藻类垂直分布的监测结果来看，藻类主要集中在表层水（水面下1～2 m）。

基于2018年4月至2019年3月青山水库湖中心点位的数据，对水库水体中叶绿素a含量与藻类、环境因子等进行Pearson相关性分析。叶绿素a含量与绿藻、蓝藻、硅甲藻均呈极显著正相关;叶绿素a含量与水温、高锰酸盐指数呈极显著正相关，与pH呈显著正相关，与氨氮、硝酸盐氮、总铁、三价铁离子、锰均呈显著负相关。藻类通过光合作用产生大量的有机物，水体中高锰酸盐指数含量升高[13]。青山水库叶绿素a含量与高锰酸盐指数呈极显著正相关（R=0.964，P<0.01），说明高锰酸盐指数是影响叶绿素a的被动因子，有机物不是青山水库藻类生长的制约因素[14]。一般情况下，pH是影响叶绿素a含量的被动因子、非限制因子，藻类光合作用大量吸收水体中的二氧化碳，释放氧气，进而增加了pH[10，15]。因此，青山水库叶绿素a含量与pH呈极显著正相关（R=0.657，P<0.05），但pH是影响叶绿素a含量的被动因子。

逐步回归分析得到的多元线性回归方程，高锰酸盐指数、硝酸盐氮和水温为该方程的自变量，该方程的拟合度较好（R=0.989，P<0.01）;多元线性回归方程得出的叶绿素a含量计算值与实测值拟合的相关性较好（R=0.920，P<0.01），且实测值和计算值之间的相对偏差范围为0～10.53%。叶绿素a含量平行样的相对偏差要求≤20%[16]。表明用高锰酸盐指数、硝酸盐氮和水温为自变量所建立的多元回归方程可以较为准确地拟合青山水库叶绿素a的含量，以预测青山水库叶绿素a含量的变化趋势，其结果可为水体富营养化预警提供参考。

参考文献：

[1] ZHU W，WAN L，ZHAO L F. Effect of nutrient level on phytoplankton community structure in different water bodies[J].Journal of environmental sciences，2010，22（1）：32-39.

[2] 孙玉平，于恒国，周  钦，等.典型富营养化城市河流——浙江温瑞塘河的浮游植物群落类型与季节变化[J].湖泊科学，2018， 30（2）：375-384.

[3] 胡光偉，张  明，刘  珍，等.洞庭湖水质变化及其形成机制分析[J].水资源与水工程学报，2019，30（3）：39-45.

[4] ELMGREN R，LARSSON U. Nitrogen and the Baltic sea：Managing nitrogen in relation to phosphorus[J].The scientific world journal，2001，1：371-377.

[5] XU H，PAERL H W，QIN B，et al. Nitrogen and phosphorus inputs control phytoplankton growth in eutrophic Lake Taihu，China[J].Limnology and oceanography，2010，55（1）：420-432.

[6] HOWARTH R W，MARINO R. Nitrogen as the limiting nutrient for eutrophication in coastal marine ecosystems：Evolving views over three decades[J].Limnology and oceanography，2006，51（12）：364-376.

[7] ZHANG W，XU Q J，WANG X X，et al. Spatiotemporal distribution of eutrophication in Lake Tai as affected by wind[J].Water，2017，9（3）：1-20.

[8] 黄再荣，王治新，卞良根，等.临安市水利志[M].南京：河海大学出版社，2001.

[9] 国家环境保护总局水和废水监测分析方法编委会.水和废水监测分析方法[M].第四版增补版.北京：中国环境科学出版社，2006.

[10] 罗宜富，李  磊，李秋华，等.阿哈水库叶绿素a时空分布特征及其与藻类、环境因子的关系[J].环境科学，2017，38（10）：4151-4159.

[11] 田午子，孙  泽，孙  润，等.基于SPSS多元线性回归对城市用水量的分析[J].华北科技学院学报，2019，16（2）：114-117.

[12] 周鹏飞，卢泽雨.基于SPSS多元线性回归模型在城市用水量的预测[J].水利科技与经济，2018，24（5）：6-10.

[13] 王之明，王  堃，刘绥华，等.草海丰水期chl-a空间分布与环境因子相关关系[J].人民长江，2018，49（14）：34-39.

[14] 王玉珏，刘  哲，张  永，等.2010—2011年胶州湾叶绿素a与环境因子的时空变化特征[J].海洋学报，2015，37（4）：103-116.

[15] 周贝贝，王国祥，徐  瑶，等.南京秦淮河叶绿素a空间分布及其与环境因子的关系[J].湖泊科学，2012，24（2）：267-272.

[16] HJ 897-2017，水质 叶绿素a的测定 分光光度法[S].