奥奈达(Oneida)湖营养状态变化趋势及影响因素

高珊珊, 张曙光, 刘阳, Lars G. Rudstam, 梅雪英, *

奥奈达(Oneida)湖营养状态变化趋势及影响因素

高珊珊1, 张曙光1, 刘阳1, Lars G. Rudstam2, 梅雪英1, *

1. 安徽农业大学资源与环境学院, 合肥 230036 2. 康奈尔大学自然资源系, 康奈尔大学野外生物站, 美国，纽约 13030

营养状态是湖泊生态系统的基本特征, 也常是全面认识湖泊生态系统的关键。为了解奥奈达湖营养状态演变, 根据1975—2012年5—10月奥奈达湖水体叶绿素()、总磷()、透明度()等指标, 采用修正的卡尔森营养状态指数法(TSIM), 计算了奥奈达湖营养状态指数, 分析了其营养状态演变规律及其影响因素。结果显示: 1975—2012年间奥奈达湖、、溶解氧()和硝态氮(NO-N)总体呈下降趋势, 下降幅度分别为2.6 µg·(L·10a)-1、1.5 µg·(L·10a)-1、0.3 mg·(L·10a)-1和4.0 µg·(L·10a)-1;和水温()呈上升趋势, 上升幅度分别为0.7 m·10a-1和0.5 ℃·10a-1; 溶解性活性磷()变化不明显; 此外、、、和均具明显季节变化。1975—2012年奥奈达湖的综合呈下降趋势, 范围为37.8—51.3, 总体呈中营养状态; TSI的月均值也具明显季节变化;、以及斑马贻贝()和斑驴贻贝()的入侵是影响奥奈达湖营养状态的重要因素。该研究结果可为全面了解奥奈达湖营养状态演变提供参考。

奥奈达湖; 营养状态; 叶绿素;

0 引言

富营养化是当前水体面临的最具挑战性的环境问题之一, 水体富营养化是由于过量的营养物输入, 导致藻类等浮游植物大量生长繁殖, 水质变坏, 进而引起水体生态系统的一系列变化[1]。水体富营养化评价用以评价水体所处的营养状态, 进而为富营养化防治提供科学依据。近年来国内外学者提出多种水体富营养化的评价方法, 主要包括营养状态指数法[2]、评分法[3]、模糊综合评价法[4]、神经网络评价法[5-6]、集对分析评价法[7]等。其中营养状态指数法最为常用, 已在许多湖泊如千岛湖[8]、阳澄西湖[9]、鄱阳湖[10]、洱海[11]等进行应用。

奥奈达湖是美国纽约州中部一个浅水湖泊, 也是纽约州单独管辖的面积最大、研究最多的内陆浅水湖泊之一, 面积207 km2，长约33.6 km，宽约6.1 km, 平均水深6.8 m，该湖被广泛用于旅游、垂钓和娱乐[12]。奥奈达湖具有长期的历史监测数据, 对其营养状态的变化趋势和影响因素仍需深入研究。分析奥奈达湖多年来营养状态变化, 明确水体营养状态的关键影响因子, 对了解湖泊水体营养状态演变及营养化治理具有重要意义。本文通过对奥奈达湖1975—2012年5—10月的和、等水体理化因子的统计分析, 采用修正的卡尔森营养状态指数(TSIM)法, 计算奥奈达湖营养状态指数, 分析奥奈达湖的营养状态变化趋势, 并通过相关性分析找出影响水体营养状态的关键因素, 为全面了解奥奈达湖生态系统演变和湖泊治理提供参考。

1 材料与方法

1.1 数据来源与筛选

数据来源于康奈尔大学野外生物站的监测数据(https://knb.ecoinformatics.org/knb/metacat/kgordon. 35.49/default), 该站对奥奈达湖具有长期监测数据, 监测频率为每周1 次, 选取1975—2012年5—10月间(因其他月份被冰覆盖)奥奈达湖的叶绿素()、总磷()、透明度()、水温()、溶解氧()、溶解性活性磷()和硝态氮(NO-N)等指标, 全湖四个监测点如图1。

1.2 营养状态指数

采用修正的卡尔森营养状态指数法(TSIM)计算奥奈达湖的营养状态等级。该方法将湖泊营养状态用0—100的连续数值进行分级, 评价标准为:＜37为贫营养, 38＜＜53为中营养,＞54为富营养[11,13-14]。

计算公式:

式中: TSIM()、TSIM()、TSIM() 分别是以叶绿素()、透明度()、总磷()为基准的营养状态指数, 叶绿素()单位为µg·L-1, 透明度()单位为m, 总磷()为mg·L-1。

1.3 统计分析方法

利用SPSS 19.0统计软件, 分析奥奈达湖水体各指标间的Pearson相关性系数。数据处理和做图使用Microsoft Excel 2016软件、Origin 9.0软件和ArcGIS 10.2软件完成。文中水质指标的“年均”值指1975—2012每年5—10月的平均值, “月均”值指该期间的每月的平均值, 文中所有数据均是四个监测点的平均值。

2 结果

2.1 叶绿素a、透明度、水温和溶解氧的时间变化特征

1975—2012年奥奈达湖叶绿素()年均值变化范围为3.2—13.3 µg·L-1, 平均6.7 µg·L-1; 2010年最低, 为3.2 µg·L-1, 1977年最高, 达13.3 µg·L-1, 整体呈下降趋势, 下降幅度为2.6 µg·(L·10a)-1(图2)。具有明显季节变化, 5—6月份低, 平均为3.0 µg·L-1, 之后升高, 到9月达最大11.6 µg·L-1, 9月份之后又呈下降趋势(图3)。

图1 奥奈达湖监测点位置

Figure 1 Monitoring sites of Oneida Lake

1975—2012年奥奈达湖透明度()年均值变化范围为2.1—4.5 m, 平均3.3 m, 其中1985年最低2.1 m, 2008年最高达4.5 m, 整体呈波动上升趋势, 上升幅度为0.7 m·10a-1(图2)。奥奈达湖和的年变化存在明显的负相关关系, 随着降低, 相应的上升。和间也具明显季节变化趋势: 随着浓度上升,相应下降, 从6月份4.3 m, 下降到最低9月份2.1 m(图3)。因此, 奥奈达湖和呈明显负相关关系。

1975—2012年奥奈达湖水温()呈上升趋势, 上升幅度为0.5 ℃·10a-1, 波动范围为19.4—23.3 ℃, 平均为21.3 ℃, 最低值出现在1976年为19.4 ℃, 最高值在2005年为23.3 ℃(图2)。呈明显的季节变化, 其中7、8月份水温高, 达23 ℃, 5、10月份水温较低, 最低为13.4 ℃(图3)。

奥奈达湖溶解氧()年均值变化范围为3.4—7.1 mg·L-1, 平均为5.5 mg·L-1; 整体呈波动下降趋势, 下降幅度为0.3 mg·(L·10a)-1(图2);季节性变化明显, 7月份最低, 平均为4.7mg·L-1, 8、9月份呈明显上升趋势(图3)。因此, 奥奈达湖和存在明显的年际变化和季节性变化。

同时, 1975—2012年间随着的上升, 相应的降低; 季节变化中5—7月份,逐渐上升,下降; 8—10月份逐渐下降,上升, 两者间呈负相关关系, 也表明是影响变化的重要因子。

2.2 水体营养盐时间变化特征

1975—2012年奥奈达湖总磷()呈波动下降趋势, 下降幅度为1.5 µg·(L·10a)-1。1982年达到最大值44.1 µg·L-1, 1993年最低值为15.0 µg·L-1(图4)。TP也呈明显季节变化, 5—6月份低, 之后逐渐上升, 9月份达到峰值后略有下降, 其变化范围为17.6—45.1 µg·L-1(图5)。该变化与的变化趋势较为一致。

溶解性活性磷()年度变化趋势不明显, 年均值变化范围为1.9—18.7 µg·L-1, 最高值出现在1988年为18.7 µg·L-1, 最低值出现在1990年仅1.9 µg·L-1(图4)。也具有显著的季节变化, 从5月(3.5 µg·L-1)到10月(22.4 µg·L-1) SRP浓度显著升高(图5)。

图2 奥奈达湖Chl a浓度、SD、DO和WT的年变化

Figure 2 Annual variation ofconcentration, SD,andin Oneida Lake

图3 奥奈达湖Chl a、SD、DO、WT的月变化

Figure 3 Monthly variation of,,,in Oneida Lake

年度变化呈缓慢上升趋势, 上升幅度为0.1·10a-1,说明在中的贡献率在上升;也具有明显季节变化, 从5月(0.2)到10月(0.5)显著升高(图5)。

1975—2012年奥奈达湖硝态氮(NO-N)浓度年均值波动幅度较大, 为70.4—288.5 µg·L-1, 整体呈下降趋势, 下降幅度为4.0 µg·(L·10a)-1, 在1981年出现最低值为70.4 µg·L-1, 2001年出现最大值为288.5 µg·L-1, 特别是从2001年开始, 下降趋势明显(图4)。NO-N浓度月均值随季节变化明显, 5—9月份明显降低, 月均值最大值出现5月份298.9 µg·L-1, 最低值出现在9月份84.4 µg·L-1(图5)。

图4 奥奈达湖营养盐的年均值变化

Figure 4 Annual variation of nutrients in Oneida Lake

图5 奥奈达湖营养盐的月均值变化

Figure 5 Monthly variation of nutrients in Oneida Lake

2.3 水体营养状态变化趋势

1975—2012年间奥奈达湖总体呈持续下降趋势, 下降幅度为2.5·10a-1; 1975—2012年间奥奈达湖变化范围37.8—51.3, 绝大部分时间处于中营养状态波动, 平均42.5, 呈中营养状态, 特别是1990年后, 一直在低位波动。月均值也呈现出明显的季节变化, 即5、6月份水质较好, 呈贫营养状态, 7—10月份呈中营养状态, 8—9月份虽营养状态指数较高, 但仍处于中营养状态(图6)。

2.4 水体营养状态与生境因子的关系

奥奈达湖1975—2012年间5—10月浓度、、与相关营养盐的相关关系可以看出,与、和均有极显著正相关性(P<0.01), 与NO-N和有极显著负相关性(P<0.01), 与和的相关性不显著。与、NO-N、、均有极显著相关性(P<0.01), 与相关性不显著(表1)。

1991年斑马贻贝入侵奥奈达湖, 入侵之后和均呈下降趋势、相应的逐渐增加。2006年斑驴贻贝入侵之后进一步降低和, 并提高了水体(表2)。

3 讨论

本研究表明奥奈达湖总体呈下降趋势, 在37.8—51.3之间, 说明奥奈达湖总体属于中营养型湖泊, 这与Hetherington等[15]发现奥奈达湖大部分时间都被认为是中营养型的研究结果一致。月均值呈明显的季节变化,月均值变化趋势与、月均值变化趋势类似, 与的月均值变化趋势相反。与、、、NO-N和均有极显著相关性(P<0.01)。

图6 奥奈达湖TSI时间变化

Figure 6 Variation ofin Oneida Lake

表1 1975—2012年奥奈达湖Chl a浓度、TSI和相关营养盐的相关系数

*表示显著相关;**表示极显著相关; n=1824.(相关系数是建立在月尺度上的同步参数间的相关关系)

水体浓度能反映浮游植物生物量的高低, 作为浮游植物现存量的重要指标, 也是水体富营养化水平的重要指标[16]。是浮游植物生长必不可少的营养元素, 常限制浮游植物生长。OECD[17]对浓度和营养盐相互关系进行大量的研究, 发现80%的水体中受的限制, 9%的水体受、共同影响。贾振睿等[18]研究发现P营养盐是天津水上公园景观湖的潜在限制因子。本研究表明与浓度、的季节变化趋势一致,与、、呈极显著的正相关关系(P<0.01), 表明是影响奥奈达湖浮游植物生物量的重要营养盐因素, 且与均是影响奥奈达湖营养状态的关键因素; 同时湖泊中NO-N是水体浮游植物生长可利用的N源[19], 浮游植物生长过程中会吸收利用NO-N。张智渊等[20]研究发现NO-N是太湖浮游植物生长的限制因子。本研究中奥奈达湖水体中NO-N与、均呈极显著负相关关系(P<0.01), 因此,NO-N也是影响奥奈达湖营养状态的关键因素。

表2 斑马贻贝和斑驴贻贝入侵前后Chl a、SD、TSI年均值

湖泊中浮游植物的大量增加会增加光的衰减, 降低水体透明度。透明度是评价水体富营养化的一个重要指标, 透明度的下降会导致水质恶化, 加速湖泊富营养化[21]。梁丽娥等[22]发现是呼伦湖富营养化的主要表现指标。本研究显示奥奈达湖与呈极显著负相关关系(P<0.01)(表1), 表明也是影响奥奈达湖营养状态的关键因素。

温度也是影响浮游植物生长的重要因素之一。适宜的可以促进浮游植物的生长繁殖[23]。本研究表明奥奈达湖浓度与呈极显著正相关关系(P<0.01)(表1), 表明的升高对浮游植物的生长起到了促进作用。水体的是反映水体生物生长状况和污染状态的重要指标[24]。梁丽娥等[22]发现呼伦湖是湖泊营养化的驱动因子,是水体营养状态的主要表现指标, 然而在本研究中、与相关性较差。

除了水环境因子之外, 斑马贻贝和斑驴贻贝可显著影响淡水生态系统的结构和功能[25]。它们对水体的影响包括浮游植物生物量、水体透明度、底层物理结构改变、底栖藻类生物量等[26], 这些都可能影响水体的营养状态。Rudstam等[27]发现奥奈达湖水体透明度的增加是由斑马贻贝和斑驴贻贝的入侵造成的, 从而降低了其富营养化程度。Karatayev等[28]也发现斑马贻贝和斑驴贻贝对河流和湖泊的水体透明度也有类似的变化。本研究表明斑马贻贝和斑驴贻贝入侵之后,和均呈下降趋势、相应的逐渐增加。说明斑马贻贝和斑驴贻贝的入侵可能是奥奈达湖水体减少、增加和营养状态降低的重要因素。

4 小结

(1)1975—2012年间奥奈达湖、、和NO-N呈下降趋势, 下降幅度分别为2.6 µg· (L·10a)-1、1.5 µg·(L·10a)-1、0.3 mg·(L·10a)-1和4.0 µg·(L·10a)-1,和呈上升趋势, 上升幅度分别为0.7 m·10a-1和0.5 ℃·10a-1,变化不明显; 此外、、、和均具显著的季节变化:5—6月份低, 之后升高, 9月份达最大后下降; 该趋势与的变化一致; 相应的同一时期随浓度的变化而呈反向变化。

(2)奥奈达湖的综合营养状态指数()呈持续下降趋势, 年均值变化范围为37.8—51.3, 平均42.5, 呈中营养状态,的月均值存在明显季节变化, 其中5—6月份呈贫营养状态, 7—10月份呈中营养状态, 8—9月份营养状态指数虽较高, 但仍处中营养状态。同时、以及斑马贻贝和斑驴贻贝的入侵等是影响奥奈达湖水体营养状态的重要因素。

[1] 金相灿, 屠清英. 湖泊富营养调查规范[M]. 北京: 中国环境科学出版社, 1990: 198–210.

[2] 鲍广强, 尹亮, 余金龙, 等. 基于综合营养状态指数和BP神经网络的黑河富营养化评价[J]. 水土保持通报, 2018, 38(1): 264–269.

[3] 邓大鹏, 刘刚, 李学德, 等. 湖泊富营养化综合评价的坡度加权评分法[J]. 环境科学学报, 2006, 26(8): 1386– 1392.

[4] 钟文武, 王文玉, 孙昳, 等. 模糊综合评价法在抚仙湖种质资源保护区水质评价中的应用[J]. 水产科学, 2015, 34(3): 182–187.

[5] DEMIRDAG O, YURDUSEV M A, SOLMAZ B. Application of artificial neural networks to the estimation of water quality parameters of River Gediz[M]. Minnesota: Joint Conference on Water Resource Engineering and Water Resources Planning and Management, 2000．

[6] 胡明星, 郭达志. 湖泊水质富营养化评价的模糊神经网络方法[J]. 环境科学研究, 1988, 11(4): 40–42.

[7] 陈丽燕, 付强, 魏丽丽. 五元联系数在湖泊水质综合评价中的应用[J]. 环境科学研究, 2008, 21(3): 82–86.

[8] 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.

[9] 葛优, 周彦锋, 吕大伟, 等. 阳澄西湖叶绿素a的时空分布及其与环境因子的关系[J]. 长江流域资源与环境, 2017, 26(7): 1068–1075.

[10] 匡武名, 张萌, 张金美, 等. 鄱阳湖外围湖泊水体营养波动周年特征的比较湖沼学研究[J]. 湖泊科学, 2016, 28(6): 1293–1305.

[11] 杨威, 邓道贵, 张赛, 等. 洱海叶绿素a浓度的季节动态和空间分布[J]. 湖泊科学, 2012, 24(6): 858–864.

[12] MILLS E L, FORNEY J L, CLADY M D, et al. Oneida Lake. Lakes of New York State[M]. New York: Academic Press, 1978, 367–451.

[13] CARLSON R E. A trophic state index for lakes[J]. Limnology and Oceanography, 1977, 22(2): 361–369.

[14] AIZAKI M, OTSUKI A, FUKUSHIMA T. Application of Carlson’s trophic state index to Japanese lakes and relationships between the index and other parameters[J]. Proceedings-International Association of Theoretical and Applied Limnology, 1981, 23: 13–31.

[15] HETHERINGTON A L, RUDSTAM L G, SCHNEIDER R L, et al. Invader invaded: population dynamics of zebra mussels () and quagga mussels () in polymictic Oneida Lake, NY, USA (1992-2013) [J]. Biol Invasions, 2019, 21: 1529–1544.

[16] 胡韧, 林秋奇, 段舜山, 等. 热带亚热带水库浮游植物叶绿素a与磷分布的特征[J]. 生态科学, 2002, 21(4): 310– 315.

[17] 经济合作与发展组织(OECD). 水体富营养化监测评价与防治[M]. 北京: 中国环境科学出版社, 1989: 92–95.

[18] 贾振睿, 孙力平, 钟远, 等. 天津水上公园景观湖叶绿素a与水质因子的主成分线性多元回归分析[J]. 生态科学, 2015, 34(4): 125–130.

[19] 刘健康. 高级水生生物学[M]. 北京: 科学出版社, 2000: 9–10.

[20] 张智渊,牛远,余辉, 等. 基于GAM模型的太湖叶绿素ａ含量与环境因子相关性分析[J]. 环境科学研究, 2018, 31(5): 886–892.

[21] 潘继征, 熊飞, 李文朝, 等. 云南抚仙湖透明度的时空变化及影响因子分析[J]. 湖泊科学, 2008, 20(5): 681–686.

[22] 梁丽娥, 李畅游, 史小红. 2006-2015年内蒙古呼伦湖富营养化趋势及分析[J]. 湖泊科学, 2016, 28(6): 1265–1273.

[23] 张光贵. 洞庭湖水体叶绿素a时空分布及与环境因子的相关性[J]. 中国环境监测, 2016, 32(4): 84–90.

[24] 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

[25] MEI Xueying, ZHANG Xiufeng, KASSAM S S, et al. Will the displacement of zebra mussels by quagga mussels increase water clarity in shallow lakes during summer? results from a mesocosm experiment[J]. PLoS ONE, 2016, 11(12): e0168494.

[26] KARATAYEV V A, KARATAYEV A Y, BURLAKOVA L E, et al. Eutrophication and Dreissena invasion as drivers of biodiversity: a century of change in the mollusc community of Oneida Lake[J]. PloS ONE, 2014, 9(7): e101388.

[27] RUDSTAM L G, MILLS E L, JACKSON J R, et al. Oneida Lake: long-term dynamics of a managed ecosystem and its fishery[M]. USA: American Fisheries Society, 2016: 227–244.

[28] KARATAYEV A Y, BURLAKOVA L E, PADILLA D K.Impacts of zebra mussels on aquatic communities and their roles as ecosystem engineers[J]. Invasive Aquatic Species of Europe. Distribution, Impacts and Management, 2002: 433–446.

Dynamics of trophic state in Oneida Lake and their corresponding influencing factors

GAO Shanshan1, ZHANG Shuguang1, LIU Yang1, Lars G. Rudstam2, MEI Xueying1,*

1. College of Resources and Environment, Anhui Agricultural University, Hefei 230036, P.R. China 2. Department of Natural Resources, Cornell University, Cornell University Biological Field Station, New York 13030, USA

Trophic state is one of the basic characteristics of lakes and is also key in understanding lake ecosystems dynamics. Based on the metrics of chlorophyll a (), total phosphorus () and secchi depth () for May-October 1975-2012, Carlson trophic state index method (TSIM) was used to calculate thes of Oneida Lake. The time trends of its trophic state were evaluated with the main influencing factors. The results showed that,,andNO-Ndecreased in 1975-2012, with decreasing rates of 2.6 µg·(L·10a)-1, 1.5 µg·(L·10a)-1, 0.3 mg·(L·10a)-1and 4.0 µg·(L·10a)-1, respectively.andshowed an increasing trend with rates of 0.7 m·10a-1and 0.5 ℃·10a-1, respectively. In addition,,,,andchanged significantly with season during 1975-2012. The comprehensiveof Oneida Lake decreased from 1975-2012, ranged from 37.8 to 51.3 indicating a mesotrophic state. The mean value ofalso changed seasonally and indicated an oligotrophic state from May to June during the spring clear water phase. This example shows thatcan be used to detect changes in a lake over time, but that thechanges with season that needs to be accounted for when using this index for long term trends. In addition,,and the invasion of zebra mussel () and quagga mussel () were the important factors influencing the trophic state of Oneida Lake. The results of this study may throw light on understanding the dynamics of trophic state in Oneida Lake.

Oneida Lake; trophic state; chlorophyll;

10.14108/j.cnki.1008-8873.2020.04.004

高珊珊, 张曙光, 刘阳, 等. 奥奈达(Oneida)湖营养状态变化趋势及影响因素[J]. 生态科学, 2020, 39(4): 26–32.

GAO Shanshan, ZHANG Shuguang, LIU Yang, et al. Dynamics of trophic state in Oneida Lake and their corresponding influencing factors[J]. Ecological Science, 2020, 39(4): 26–32.

X522S157.

A

1008-8873(2020)04-026-07

2019-12-18;

2020-01-27

安徽高校自然科学研究项目(KJ2017A161); 国家自然科学基金项目(41771100, 41811530056)和国家水体污染与治理科技重大专项(2017ZX07603-005)联合资助.

高珊珊(1994—), 女, 山西临汾人, 硕士研究生, 主要从事生态环境方面的研究, E-mail: g1142448389@163.com.

梅雪英, 女, 博士, 副教授, 主要从事生态环境方面的研究, E-mail: qxxmxy@163.com.