第二阶梯湖泊富营养化自然地理因素及效应

曹金玲,许其功,2*,席北斗,2,高如泰,姜 磊,丁京涛,毛敬英,3,孙雪松,4 (.中国环境科学研究院,水环境系统工程研究室,北京 0002；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 0002；3.西南交通大学环境科学与工程学院,四川 成都 6003；4.重庆交通大学河海学院,重庆 400074)

第二阶梯湖泊富营养化自然地理因素及效应

曹金玲1,许其功1,2*,席北斗1,2,高如泰1,姜 磊1,丁京涛1,毛敬英1,3,孙雪松1,4(1.中国环境科学研究院,水环境系统工程研究室,北京 100012；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；3.西南交通大学环境科学与工程学院,四川 成都 610031；4.重庆交通大学河海学院,重庆 400074)

为了明晰影响我国地形地貌第二级阶梯湖泊富营养化的主要自然地理驱动因素,为湖泊富营养化的有效治理提供参考,采用曲线回归方法分析了位于我国第二级阶梯的云南和新疆湖泊中Chl-a以及营养状态综合指数(TLI)与自然地理特征的相关性.结果表明,平均水深、海拔以及年均温与TLI指数具有较好的相关性,拟合模型分别符合三次/对数模型、二次模型和三次模型.Chl-a与年平均日照时数具有较好的相关性,拟合模型符合二次/三次模型.分析富营养化效应,藻类生长对透明度的影响以及营养物质对浮游藻类的生态效应(Chl-a/TP),结果发现,新疆湖泊中Chl-a与透明度呈倒数关系,云南湖泊中Chl-a与透明度呈幂函数关系;Chl-a与总磷的线性方程的斜率分别为177.595(云南)和222.758(新疆).影响我国第二级阶梯湖泊富营养化的主要自然地理驱动因素是湖泊的平均水深、海拔、年均温度及年平均日照时数,透明度与Chl-a含量的相关性以及营养物质TP对浮游藻类的生态效应存在区域差异.

湖泊富营养化；驱动因素；富营养化效应；综合营养状态指数；曲线估计；拟合模型

随着社会经济的发展,人类过度开发利用湖泊资源并不断向湖泊中排放污水,造成氮、磷等营养物质过剩、江湖关系阻断[1]、流域清水产流机制破坏[2],使湖泊自净能力下降或者丧失,导致水体中藻类以及其他水生生物异常繁殖,水体透明度和溶解氧下降[3],加速湖泊由贫营养到中营养到富营养、沼泽化,最后走向消亡的过程[4-5].为了减缓日趋严重的富营养化现象,制定湖泊富营养化控制标准已成为治理湖泊富营养化的当务之急,而湖泊营养物基准是制定湖泊富营养化控制标准的基础和依据.目前,我国尚无明确的湖泊营养物基准和富营养化控制标准[6],湖泊富营养化的管理与控制仍然参照《地表水环境质量标准》或者其他发达国家的相关基准值.但我国湖泊数量众多、分布广泛、类型多样、成因复杂[3,7],不同区域湖泊的富营养化成因、类型、演变过程以及物理、化学、生物学特性等方面存在显著差异,致使我国湖泊营养物水平和富营养化效应具有明显的区域差异性.因此,对处于不同区域、营养状态各异的湖泊,采用同一水平的营养物基准和富营养化控制标准,缺乏针对性、科学性和指导性.因此,从分区控制和科学管理出发,把我国的湖泊按其生态系统特征进行科学分区,针对不同分区湖泊系统特点、生态特征和营养物生态效应,结合湖泊参照状态,分别制定相应的营养物基准和富营养化控制标准,是目前我国湖泊富营养化控制的主要任务之一.对我国湖泊进行科学分区的基础是明晰处于不同区域的湖泊富营养化效应及驱动因素的差异性,然而对于全国大尺度湖泊富营养化区域差异性的研究资料较为罕见.本研究针对位于我国地形地貌第二级阶梯的湖泊,分析影响这一区域湖泊营养状态的主要自然地理因素,为探讨全国大尺度湖泊富营养化驱动因素的区域差异性以及营养物生态分区提供基础和依据,为实现湖泊富营养化的“分区、分类、分级、分期”管理提供技术支持.

1 材料与方法

1.1 湖泊自然地理要素数据的收集

湖泊的水深(Depth)及所在区域的海拔(Altitude)、年均温(Tem)、年平均降水量(AAP)、年平均日照时数(ASH)、年平均无霜期(AFFP)以及年平均蒸发量(AAE)7项自然地理要素及湖盆形态的数据来源于《中国湖泊志》[7]以及其他相关的文献.

1.2 水质监测

CODMn、TP、TN的测定采用《水和废水监测分析方法》[8]的方法进行测定.透明度(SD)采用塞氏盘测定.Chl-a的测定采用丙酮萃取分光光度计法.

1.3 统计分析

利用 SPSS17.0中的曲线估计功能,分别对营养状态综合指数(TLI)与平均水深、海拔、年均温、年平均降水量、年平均日照时数、年平均无霜期以及年平均蒸发量进行回归分析,探讨影响该阶梯内湖泊富营养化的主要自然地理驱动因素.

2 结果与讨论

2.1 第二阶梯主要湖泊自然地理特征及营养状态评价

位于中国地形地貌第二级阶梯的省份主要包括:新疆维吾尔自治区、内蒙古自治区、宁夏回族自治区、甘肃省、山西省、四川省、陕西省、重庆市、云南省、贵州省.湖泊分布比较集中的省份是新疆维吾尔自治区、内蒙古自治区和云南省.利用综合营养状态指数法评价以上3个省份典型湖泊的营养状态,评价项目选取反映水体营养程度的5项指标:叶绿素a(Chl-a)、总磷(TP)、总氮(TN)、透明度(SD)、高锰酸盐指数(CODMn).综合营养状态指数计算公式为:

式中:TLI(Σ)为综合营养状态指数;Wj为第j种参数的营养状态指数的相关权重;TLI(j)为第j种参数的营养状态指数.

以Chl-a作为基准参数,则第j种参数的归一化的相关权重计算公式为:

式中:rij为第j种参数与基准参数Chl-a的相关系数;m为评价参数的个数.营养状态指数计算式为:式中:C(j)为第 j种污染物的浓度;其他污染指标的参数值如表1所示.

采用 0～100的一系列连续数字对湖泊营养状态进行分级: TLI(Σ)＜30为贫营养;30≤TLI(Σ)≤50为中营养; TLI(Σ) ＞50为富营养.评价结果如表2所示.其中内蒙古的乌梁素海,云南的浅水湖泊滇池、星云湖、异龙湖、长桥海、大屯海和个旧湖处于富营养状态,其他湖泊均处于贫营养和中营养状态.

表1 营养状态指数计算公式中各水质指标的参数值Table 1 Parameter values of water qualities in TLI equation

表2 中国第二级阶梯典型湖泊自然地理特征及营养状态评价Table 2 Physical geography characteristics and trophic level in the second ladder of lakes in China

2.2 TLI指数与湖盆形态(水深)的相关性分析

对位于我国地形地貌第二级阶梯的19个湖泊的TLI指数与平均水深进行曲线回归分析,探讨湖盆形态对湖泊营养状态的影响.由表3和图1可知,拟合度较高的回归模型如下:

二次模型:

三次模型:

统计量对比分析:比较以上5个模型的修正R2值,由大到小的顺序依次为三次模型＞二次模型＞对数模型＞幂模型＞倒数模型,由此可以判断拟合最好的是三次模型.方差分析的F值概率均小于0.000,因此比较F值,F值由大到小的顺序依次为对数模型＞幂模型＞倒数模型＞二次模型＞三次模型.通过以上判断得出最佳模型为三次模型和对数模型.

图1 TLI指数与平均水深的5种模型拟合Fig.1 Five fitted models of TLI and depth

2.3 TLI指数与自然地理特征的相关性分析

对位于中国地形地貌第二级阶梯的19个湖泊的 TLI指数与自然地理特征进行曲线回归分析,结果(表4和图2)可知,拟合度较高的回归模型如下:

二次模型:

图2 TLI指数与海拔的两种模型拟合Fig.2 Two fitted models of TLI and altitude

表4 TLI指数与海拔的模型汇总和参数估计值Table 4 Model summary and coefficients of TLI and altitude

三次模型:

统计量对比分析:二次和三次模型的R2相等,但二次模型的F值较三次模型的大,而P值较三次模型的小,因此,二次模型的模拟效果较三次好.同理,复合、增长、指数和 Logistic模型的修正R2值及 F值相等,方差分析的 F值概率均小于0.05,拟合曲线重合为一条曲线,另外,4个模型的F值较二次模型的大,而P值较二次模型的小,因此,复合、增长、指数和Logistic模型的模拟效果最佳.

表5 TLI指数与年均温的模型汇总和参数估计值Table 5 Model summary and coefficients of TLI and temperature

图3 TLI指数与年均温度的模型Fig.3 Fitted model of TLI and temperature

藻类的生长与繁殖需要适宜的温度,因此,温度同样是影响湖泊营养状态的重要气候因素,通过分析TLI指数与年均温的相关性发现,TLI指

数与年均温度的模拟曲线符合三次模型(表5和图3):

而在分析 TLI指数与其他自然地理因素相关性时发现, TLI指数与年平均降水量、年平均日照时数、年平均无霜期及年平均蒸发量无任何相关性.

2.4 Chl-a与自然地理特征的相关性分析

表6 Chl-a与年平均日照时数的模型汇总和参数估计值Table 6 Model summary and coefficients of Chl-a and ASH

图4 Chl-a与年平均日照时数的模型Fig.4 Fitted model of Chl-a and ASH图中二次模型与三次模型重合

湖泊水体中Chl-a的浓度可以反映藻类的生长量,从而表征湖泊的营养状态.对 19个湖泊的Chl-a与平均水深、海拔、年均温、年平均降水量、年平均日照时数、年平均无霜期及年平均蒸发量进行曲线回归分析,发现 Chl-a仅与平均日照时数拟合度较好,符合二次/三次模型(表 6和图4):

加拿大学者Rawson[16]提出影响湖泊富营养化的主要因素有人类活动、地质地形和纬度等因素,其中地质地形包括湖泊的湖盆形态,水深和面积等;湖泊所处的纬度决定湖泊所在区域的气候,包括降水、温度、日照等.由于我国地域辽阔,湖泊所处的地理位置、地形地貌特点不尽相同,导致富营养化的主要驱动因素及富营养化效应存在显著差异.通过分析位于我国地形地貌第二级阶梯的19个湖泊的湖盆形态、气候特征与湖泊中 Chl-a浓度及营养状态综合指数(TLI)之间的关系,发现 Chl-a浓度与年平均日照时数具有较好的相关性,TLI指数与水深、海拔及年均温的拟合模型分别符合三次/对数、二次和三次模型.说明位于我国地形地貌第二级阶梯的湖泊富营养化主要驱动因素为水深、海拔、年均温及年平均日照时数.

2.5 中国地形地貌第二级阶梯湖泊富营养化效应特征

湖泊富营养化发生过程中会产生一系列的效应,包括透明度下降、溶解氧下降等,但不同的湖泊富营养化效应的类型及程度存在差异,因此湖泊营养物基准和富营养化控制标准的制定应以富营养化效应的区域差异性为基本依据.

藻类的生长对湖泊透明度的影响是富营养化效应的主要指标,通过分析2007年云南和新疆湖泊中 Chl-a与透明度之间的关系,发现新疆湖泊中 Chl-a与透明度呈倒数关系,而云南湖泊中Chl-a与透明度呈幂函数的关系,即透明度随Chl-a浓度的降低而升高,模拟方程如图5所示.

以 Chl-a/TP代表营养物对浮游藻类的生态效应,其生态学含义为高营养水平将对应高营养利用效率[17].云南湖泊中Chl-a与TP线性模型的斜率为177.595而新疆的为222.758,如图6所示,这说明,同样位于我国第二级阶梯,新疆和云南湖泊中浮游藻类利用营养物质的效率存在差异.

图5 中国地形地貌第二级阶梯湖泊Chl-a与透明度之间的关系(2007年数据)

图6 中国地形地貌第二级阶梯湖泊浮游藻类利用营养物质的效率比较(2007年数据)

3 结论

3.1 位于我国地形地貌第二级阶梯的湖泊富营养化主要自然地理驱动因素为水深、海拔、年均温及年平均日照时数.

3.2 我国地形地貌第二级阶梯湖泊,透明度与Chl-a有较强的相关性,但存在区域差异性.新疆的湖泊,Chl-a与透明度呈倒数关系,透明度随Chl-a浓度的升高缓慢降低;云南的湖泊Chl-a与透明度呈幂函数关系,透明度随 Chl-a浓度的升高,降低的较迅速.新疆湖泊藻类对营养物质总磷的利用效率(即Chl-a/TP)高于云南湖泊.

[1] 刘永定.湖泊富营养化成因知多少？[EB/OL]. http://www. cenews.com.cn/xwzx/gd/qt/200910/t20091029_624023.html.2009-10-29.

[2] 金相灿,胡小贞.湖泊流域清水产流机制修复方法及其修复策略[J]. 中国环境科学, 2010,30(3):374-379.

[3] 金相灿,刘树坤,章宗涉,等.中国湖泊环境(第一册) [M]. 北京:海洋出版社, 1995.

[4] 日本水污染研究会编.湖泊环境调查指南 [M]. 谢其明,王恕蓉译.北京:中国环境科学出版社, 1989:22.

[5] 范成新,王春霞.长江中下游湖泊环境地球化学与富营养化[M]. 北京:科学出版社, 2007:9.

[6] 霍守亮,陈 奇,席北斗,等.湖泊营养物基准的制定方法研究进展 [J]. 生态环境学报, 2009,18(2):743-748.

[7] 王苏民,窦鸿身.中国湖泊志 [M]. 北京:科学出版社, 1998.

[8] 国家环境保护总局.水和废水监测分析方法 [M]. 北京:中国环境科学出版社, 2002.

[9] 王明翠,刘雪芹,张建辉.湖泊富营养化评价方法及分级标准 [J].中国环境监测, 2002,18(5):47-49.

[10] 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.

[11] 许秋瑾,郑丙辉,朱延忠,等.三峡水库支流营养状态评价方法[J]. 中国环境科学, 2010,30(4):453-457.

[12] 金相灿,刘鸿亮,屠清瑛,等.中国湖泊富营养化 [M]. 北京: 中国环境科学出版社, 1990.

[13] 饶 娟,傅超英.体现新疆地域特色的小城镇绿地系统规划——以新疆达坂城镇区为例 [J]. 河北农业科学, 2009,13(11):81-83.

[14] 金相灿,刘树坤,章宗涉,等.中国湖泊环境(第二册) [M]. 北京:海洋出版社, 1995.

[15] 石昱祯.四川省泸沽湖地区地下水水化学特征研究 [J]. 山西建筑, 2010,36(2):146-148.

[16] Rawson D S. Some physical and chemical factors in the metabolism of lakes [J]. American Association for the Advancement of Science Public, 1939,10:9-26.

[17] 王海军.长江中下游中小型湖泊预测湖沼学研究 [D]. 武汉:中国科学研究院水生生物研究所, 2008.

Physical geography drivers of lake eutrophication and the characteristics of eutrophication effects in the secondary topography ladder in China.

CAO Jin-ling1, XU Qi-gong1,2*, XI Bei-dou1,2, GAO Ru-tai1, JIANG Lei1, DING Jing-tao1, MAO Jing-ying1,3, SUN Xue-song1,4(1.Laboratory of Water Environmental System Engineering, Chinese Research Academy of Environmental Sciences, Beijing 100012, China；2.State Key Laboratory of Environmental Criteria and Risk Assessment, Chinese Research Academy of Environmental Sciences, Beijing 100012, China；3.School of Environmental Science and Engineering, Southwest Jiaotong University, Chengdu 610031, China；4.School of River and Ocean Engineering, Chongqing Jiaotong University, Chongqing 400074, China). China Environmental Science, 2011,31 (11)：1849～1855

In order to investigate the key physical geography drivers of lake eutrophication in the secondary topography ladder in China, curve estimation in SPSS was used to analyze the relationships between tropic level index (TLI)/Chl-a and physical geography characteristics of lakes. relationships between TLI and depth, altitude, temperature were fit to cubic/logarithm, quadratic and cubic model, respectively. The relationship between Chl-a and annual sunshine hours (ASH) was fit to quadratic/cubic model. It indicated that the key physical geography drivers of lake eutrophication in the second geography ladder were depth, altitude, temperature and ASH. Lake eutrophication effects, the relationship between Chl-a and transparency and the slopes of linear equation for Chl-a and TP were also analyzed. Transparency was the reciprocal of Chl-a in the lakes in Xinjiang Province, and in the lakes in Yunnan Province transparency and Chl-a were in power function. The slopes of linear equation for Chl-a and TP were 177.595 and 222.758 in lakes in Yunnan and Xinjiang, respectively. This results indicated that the efficiencies of nutrients used by algae were different in the second geography ladder in China.

lake eutrophication；drivers；eutrophication effects；trophic level index；curve estimation；model fitting

X144

A

1000-6923(2011)11-1849-07

2011-03-01

国家“973”项目(2008CB418006);国家水体污染控制与治理科技重大专项(2009ZX07106-001)

* 责任作者, 研究员, xuqigong@tom.com

曹金玲(1981-),女,黑龙江齐齐哈尔人,中国环境科学研究院水环境系统工程研究室博士后,主要从事湖泊富营养化区域差异性研究.发表论文10篇.