典型湖泊水华特征及相关影响因素分析

于 洋，彭福利，孙 聪，董 昊，王业耀，何立环

1.中国环境监测总站，国家环境保护环境监测质量控制重点实验室，北京 1000122.安徽省环境监测中心站，安徽 合肥 230071

典型湖泊水华特征及相关影响因素分析

于 洋1，彭福利1，孙 聪1，董 昊2，王业耀1，何立环1

1.中国环境监测总站，国家环境保护环境监测质量控制重点实验室，北京 1000122.安徽省环境监测中心站，安徽 合肥 230071

通过2011—2015年对太湖、巢湖和滇池水华高发季节的连续监测，以藻类密度和水华面积为判据评价了3个湖体的水华情况及变化趋势，探讨了水华发生的主要影响因素。结果表明：太湖水华程度以“轻度水华”为主，巢湖水华程度以“轻微水华“为主，滇池水华程度以“中度水华”为主；太湖、巢湖和滇池水华规模均以“零星性水华”为主；太湖和巢湖藻类密度与水温、pH、溶解氧、总氮、总磷和高锰酸盐指数均呈显著正相关，与透明度呈显著负相关，与氨氮无显著相关性；滇池藻类密度与水温、总磷和高锰酸盐指数均呈显著正相关，与透明度和氨氮呈显著负相关，与pH、溶解氧和总氮无显著相关性。

淡水湖泊；藻类密度；水华评价；环境因子；相关分析

受全球变暖和人类活动影响，世界各国淡水湖泊、水库，甚至河流水体富营养化进程加快，并由此不断引发水华现象。20世纪70年代以来，包括中国在内的许多国家(如美国、日本、韩国、澳大利亚以及欧洲一些国家)都有大量关于藻类水华的报道[1-2]，水华引起湖泊水质在短时间内严重恶化，水体发黑发臭，大量鱼类死亡，使得水华问题逐渐成为社会各界关注的焦点。

水华发生机理相关假说表明，影响水华发生的环境因子主要为营养盐、氮磷比、微量元素、水文、气象等条件[3-6]，且一定的水文、气象条件有助于藻类聚集[7-9]。近年来，国内外很多学者针对水华评价及分级标准进行探索[10-16]，中国环境监测总站依据藻类在水体中存在状态将水华划分为显性水华和隐性水华(显性水华指藻类漂浮在水面上，呈现为片状或丝带状的藻席；隐性水华则是指藻类沉在水面之下，一般表现为水中颗粒较多或水体呈藻浆状)，并据此特点制定了藻类水华特征评价方法和分级标准，用于评价湖库水华程度和水华规模。

太湖、巢湖、滇池(简称“三湖”)是中国著名的三大湖泊，流域均属于人口集中、经济发达、社会活动较为活跃的区域[17]。自20世纪80年代起，“三湖”水体污染加剧，被列为国家重点治理的三大湖泊[18]，如何防控水体污染引起的蓝藻水华暴发现象成为湖泊治理的主要任务。

随着监测技术的发展，现场监测、自动监测以及卫星遥感监测等多种技术手段为湖库水华预警和防控提供了有力支撑[19-21]。本文采用人工现场监测与卫星遥感监测相结合的方式在蓝藻水华高发期[22]对“三湖”开展监测，并根据藻类密度和水华面积定量评价其水华程度和水华规模，同时对影响水华暴发的相关因素进行探讨和分析，以期为中国湖泊治理提供基础信息和帮助。

1 实验部分

1.1 采样时间和地点

采样时间：2011—2015年，每年4—9月。

采样地点：20个太湖湖体监测点位，12个巢湖湖体监测点位(东、西半湖各6个)，10个滇池湖体监测点位(外海8个，草海2个)。现场监测频次为1次/周；卫星遥感监测频次为太湖和巢湖1次/d，滇池2～3次/周。

1.2 样品的采集和分析鉴定

“三湖”湖体监测项目：水温、透明度、pH、溶解氧、氨氮、高锰酸盐指数、总氮、总磷、叶绿素a(Chla)、藻类密度；卫星遥感监测水华面积。

水温、pH、溶解氧指标使用 YSI-6600型多功能水质分析仪现场测定；透明度采用塞氏盘法测定；使用5 L深水采水器于水面下0.5 m处采集水样作为营养盐浓度的测定样品，测定方法参照国家标准方法。采用0.45 μm的纤维滤膜对藻类进行抽滤，参照国家标准纳氏试剂分光光度法、碱性过硫酸钾消解紫外分光光度法和钼酸铵分光光度法分别对氨氮、总氮和总磷进行测定；Chla含量的测定采用反复冻融-浸提改进的丙酮萃取方法。

浮游植物定量样品采集和鉴定: 采集1 L水样用于定性检测浮游植物丰度和生物量。水样加入4%的甲醛溶液和1%的鲁哥氏液，在实验室用柱形瓶静置沉淀3d后，用绑有20 μm筛绢的虹吸管将上清液去除，保留20～30 mL水样与沉积物一起转移至50 mL聚乙烯瓶保存，用于定量计数。取0.1 mL浓缩样品，在显微镜400倍镜下进行鉴定和计数。

太湖和巢湖水华面积采用MODIS影像解译数据，分辨率为250 m；滇池水华面积采用HJ-CCD影像解译数据，分辨率为30 m。选取的单幅或多幅拼接后的遥感影像至少包括监测水体90%以上的面积方为有效。针对卫星遥感监测数据进行几何校正、辐射校正和大气校正，利用监测水体大气层的NDVI数据判别水华和正常水体，NDVI高于0的像元为蓝藻水华。

1.3 评价方法

执行中国环境监测总站制定的藻类水华特征评价方法和分级标准，采用藻类密度和水华面积对湖库水华程度和水华规模进行判定。

水华程度主要分为5个级别:无明显水华，0≤藻类密度<2.0×106个/L；轻微水华，2.0×106≤藻类密度<1.0×107个/L；轻度水华，1.0×107≤藻类密度<5.0×107个/L；中度水华，5.0×107≤藻类密度<1.0×108个/L；重度水华，藻类密度为大于或等于1.0×108个/L。

水华规模主要分为5个级别:未见明显水华，水华面积占总水域面积比例为0%；零星性水华，0<水华面积比例<10%；局部性水华，10%≤水华面积比例<30%；区域性水华，30%≤水华面积比例<60%；全面性水华，水华面积比例大于或等于60%。

2 结果与讨论

2.1 太湖水华监测结果

2011—2015年4—9月，太湖湖体藻类密度平均值分别为1.036×107、0.987×107、1.021×107、0.754×107、1.090×107个/L，年际间呈波动式变化。根据每次藻类密度监测结果进行评价，太湖湖体水华程度为“轻微水华”至“轻度水华”，其中“轻微水华”出现频次比例为40.0%～75.0%，最大频次比例出现在2014年；“轻度水华”出现频次比例为25.0%～60.0%，最大频次比例出现在2011年和2013年(图1)。从时间尺度看，2013年和2015年藻类密度在4—5月无明显变化，6月起呈现明显增加的趋势。2011、2012、2014年藻类密度在4—6月上旬趋于稳定，7月开始呈现显著增加的趋势。2011—2015年“轻度水华”主要出现在8—9月(图2)。

图1 2011—2015年4—9月太湖水华程度Fig.1 Degree of water bloom in the Taihu Lake from Apr to Sep during 2011 to 2015

图2 2011—2015年4—9月太湖藻类密度Fig.2 Algae density in the Taihu Lake from Apr to Sep during 2011 to 2015

根据水华面积进行评价的结果显示，2011—2015年4—9月，太湖水华规模为“未见明显水华”至“局部性水华”，其中“未见明显水华”出现比例为9.2%～26.9%，“零星性水华”为66.7%～87.0%，“局部性水华”为1.1%～11.8%；从时间尺度看，“未见明显水华”最大频次比例出现在2011年，“零星性水华”最大频次比例出现在2013年，“局部性水华”最大频次比例出现在2015年(图3)。水华面积最大值主要出现在7—9月，在此期间监测到的最大水华面积为690 km2,出现在2015年7月13日，占太湖水域面积的29.5%。

图3 2011—2015年4—9月太湖水华规模Fig.3 Scale of water bloom in the Taihu Lake from Apr to Sep during 2011 to 2015

2.2 巢湖水华监测结果

2011—2015年4—9月，巢湖湖体藻类密度平均值分别为0.400×107、0.451×107、0.325×107、0.434×107、0.690×107个/L，2011—2014年相对平稳，2015年明显升高。根据每次藻类密度监测结果进行评价，巢湖湖体水华程度为“无明显水华”至“轻度水华”，其中“无明显水华”出现频次比例为5.7%～25.9%，最大频次比例出现在2015年；“轻微水华”出现频次比例为51.9%～92.5%，最大频次比例出现在2011年；“轻度水华”出现频次比例为1.9%～22.2%，最大频次比例出现在2015年(图4)。“轻度水华”主要出现在7—9月(图5)。

图4 2011—2015年4—9月巢湖水华程度Fig.4 Degree of water bloom in the Chaohu Lake from Apr to Sep during 2011 to 2015

图5 2011—2015年4—9月巢湖藻类密度Fig.5 Algea density in the Chaohu Lake from Apr to Sep during 2011 to 2015

根据水华面积进行评价的结果显示，2011—2015年4—9月，巢湖水华规模为“未见明显水华”至“区域性水华”，主要以“零星性水华”为主。“未见明显水华”出现频次比例为15.5%～49.1%，“零星性水华”为43.9%～77.5%，“局部性水华”为4.1%～13.0%；“区域性水华”为0%～6.4%。“未见明显水华”最大频次出现在2011年，“零星性水华”最大频次比例出现在2014年，“局部性水华”最大频次出现在2012年，“区域性水华”最大频次比例出现在2015年(图6)。水华面积最大值主要出现在7—9月，在此期间监测到的最大水华面积为322 km2, 出现在2015年8月14日，占巢湖水域面积的42.2%。

图6 2011—2015年4—9月巢湖水华规模Fig.6 Scale of water bloom in the Chaohu Lake from Apr to Sep during 2011 to 2015

2.3 滇池水华监测结果

2011—2015年4—9月，滇池湖体藻类密度平均值分别为8.963×107、6.579×107、5.335×107、5.174×107、5.277×107个/L，呈明显的逐年下降趋势。根据每次藻类密度监测结果进行评价的结果显示，滇池湖体水华程度为“轻度水华”至“重度水华”，其中“轻度水华”出现频次比例为26.9%～40.7%，最大频次比例出现在2015年；“中度水华”出现频次比例为16.7%～63.0%，最大频次比例出现在2014年；“重度水华”出现频次比例为0%～54.2%，最大频次比例出现在2011年(图7)。“重度水华”主要出现在6—9月(图8)。

图7 2011—2015年4—9月滇池水华程度情况Fig.7 Degree of water bloom in Dianchi Lake from Apr to Sep during 2011 to 2015

图8 2011—2015年4—9月滇池藻类密度情况Fig.8 Algae density in the Dianchi Lake from Apr to Sep during 2011 to 2015

根据水华面积进行评价的结果显示， 2011—2015年4—9月，滇池水华规模为“未见明显水华”至“局部性水华”，其中“未见明显水华”出现频次比例为0%～61.1%，“零星性水华”为35.3%～97.7%，“局部性水华”为0%～8.9%。“未见明显水华”最大频次比例出现在2015年；“零星性水华”最大频次比例出现在2012年；“局部性水华”最大频次比例出现在2011年(图9)。水华面积最大值主要出现在7—9月。在此期间监测到的最大水华面积为53 km2，出现在2011年7月9日，占滇池水域面积的18.5%。

图9 2011—2015年4—9月滇池水华规模Fig.9 Scale of water bloom in the Dianchi Lake from Apr to Sep during 2011 to 2015

3 分析

在科学意义上，水华就是藻类的快速增长繁殖。因此，要探讨水华发生的相关影响因素，就是要寻找与藻类生长繁殖有关的环境因子。研究以2012年4—9月太湖、巢湖和滇池现场监测数据为基础，分析了藻类密度与环境因子之间的相关性(表1)。

表1 藻类密度与环境因子之间相关系数及检验结果

注：“*”表示P<0.05，显著相关；“**”表示P<0.01，极显著相关。

3.1 藻类密度与总磷、总氮的相关性

国际上公认的湖泊发生富营养化的总磷和总氮质量浓度分别为0.02、0.2 mg/L[23]。太湖总磷浓度平均值为0.052 mg/L，总氮为1.85 mg/L；巢湖总磷为0.131 mg/L，总氮为1.82 mg/L；滇池外海总磷为0.167 mg/L，总氮为2.04 mg/L。可见，太湖、巢湖和滇池总磷和总氮浓度已经达到了富营养化水平。相关性分析结果表明，太湖和巢湖的藻类密度与总氮、总磷浓度呈显著正相关；滇池藻类密度与总磷呈显著正相关，与总氮呈负相关。导致这一现象的原因可能是受到水体中氮磷比的影响。相关研究指出，当水体中总氮和总磷浓度比为10～15时，藻类生长与氮磷浓度呈线性相关关系，其中湖水中最适宜藻类生长的总氮和总磷浓度比为12～13，小于该值时藻类增殖可能受到影响[23]，而太湖、巢湖和滇池的总氮和总磷浓度比分别约为36、14和12，可能影响了藻类增殖。

3.2 藻类密度与水温、pH的相关性

太湖、巢湖和滇池的藻类密度与水温均呈显著正相关，表明水温对藻类的生长具有一定的促进作用。关于蓝藻暴发时水体的最适宜温度范围当前还有很大争议，但比较一致的认识是24～30 ℃，大于30 ℃的高温对蓝藻增长有明显的抑制作用[17]。

太湖、巢湖和滇池pH范围为7.0～9.5，大于9的情况出现在个别点位。相关性分析结果表明，藻类密度与pH呈正相关，这主要是由于藻类光合作用过程中吸收二氧化碳，改变水体酸碱平衡导致pH上升。因此，当监测到pH迅速上升时，应该着重关注该现象是否是因藻类快速生长繁殖引起。

3.3 藻类密度与高锰酸盐指数的相关性

高锰酸盐指数是反映水体受到有机污染物和还原性无机物污染程度的综合指标，也是水体富营养化评价的基本参数之一。相关性分析结果表明，太湖、巢湖和滇池藻类密度与高锰酸盐指数呈显著正相关关系，相关系数分别为0.217、0.561、0.138。

3.4 藻类密度与透明度的相关性

透明度是用来评价水体富营养化程度的一个基本参数，因此可作为间接反映湖库水华情况的一个环境因子。相关性分析结果表明，太湖、巢湖和滇池藻类密度与透明度存在显著负相关关系，相关系数分别为-0.154、-0.254、-0.372。

3.5 藻类密度与溶解氧的相关性

溶解氧作为体现湖库水体营养水平的重要参数，不仅是浮游植物生长的重要条件，也是浮游植物代谢过程所必需的[24]。相关性分析结果表明，太湖和巢湖藻类密度与溶解氧存在显著正相关关系，相关系数分别为0.171和0.378。通常情况下，藻类光合作用使得水体中的溶解氧浓度增加，所以藻类密度与溶解氧变化具有较高的一致性。水华暴发期间，往往表现为水体中溶解氧浓度异常偏高，而后又可能因藻类大量死亡分解消耗溶解氧而使水体出现溶解氧迅速下降的现象。所以，当水体中溶解氧异常变化时，应该提高警惕，加密监测，以防因水华发生影响水环境安全。

3.6 藻类密度与气象条件的相关性

在营养条件具备的情况下，气象条件往往是蓝藻漂浮和聚集产生的关键因素。研究普遍认为，蓝藻暴发的最适水温为24～30 ℃。另外，降雨量和雨日数偏少，日照时数偏多，均有利于蓝藻生长和在水面上聚集。

4 结论

1)藻类密度监测与评价结果显示，2011—2015年太湖湖体水华程度以“轻度水华”为主，巢湖水华程度以“轻微水华”为主，滇池水华程度以“中度水华”为主。太湖水华程度无明显变化，巢湖水华程度略有加重，滇池水华程度有所减轻。

2)水华面积监测与评价结果显示，2011—2015年太湖、巢湖和滇池水华规模均以“零星性水华”为主；太湖最大水华规模为“局部性水华”，巢湖为“区域性水华”，滇池为“局部性水华”。

3)从时间尺度看，太湖、巢湖和滇池藻类密度最大值均出现在7月以后，且7—9月藻类密度显著高于4—6月；最大水华面积也主要出现在7—9月。

4)藻类密度与环境因子相关性分析结果显示，藻类密度与水温、pH、总氮、总磷和高锰酸盐指数基本呈现显著的正相关；与透明度呈显著负相关。

[1] 宋立荣,张婷,郑凌凌. 水华蓝藻何以肆虐[J]. 生命世界,2007(8):36-41.

SONG L R,ZHANG T,ZHENG L L.Why cyanobacteria blooms[J]. Life World，2007(8):36-41.

[2] 秦伯强,王小冬,汤祥明,等. 太湖富营养化与蓝藻水华引起的饮用水危机——原因与对策[J]. 地球科学进展,2007，22(9)：896-906.

QIN B Q, WANG X D, TANG X M, et al. Drinking water crisis caused by eutrophicationand cyanobacterial bloom in lake Taihu:cause and measurement[J]. Earth Science Progress,2007，22(9)：896-906.

[3] 黄佳聪,吴晓东,高俊峰,等. 蓝藻水华预报模型及基于遗传算法的参数优化[J]. 生态学报,2010,30(4):1 003-1 010.

HUANG J C, WU X D,GAO J F,et al. Cyanobacteria bloom prediction model and parameters optimization based on genetic algorithm[J]. Acta Ecologica Sinica，2010，30(4):1 003-1 010.

[4] 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.

KONG F X, GAO G. Hypothesis on cyanobacteria bloom-forming mechanism in large shal low eutrophic lakes[J]. Acta Ecologica Sinica,2005,25(3):589-595.

[5] 吴光应,刘晓霭. 大宁河水体营养盐状况与水华爆发之间关系分析[J]. 中国环境监测, 2009,25(4):98-101.

WU G Y,LIU X A. Analysis on the relationship between nutrients and water blooms in the Daning river[J]. Environmental Monitoring in China,2009,25(4):98-101.

[6] 王兆群,张宁红,张咏.洪泽湖藻类与环境因子逐步回归统计和蓝藻水华初步预测[J]. 中国环境监测, 2012，28(4):17-20.

WANG Z Q，ZHANG N H，ZHANG Y. Prediction of blue-green algae bloom using stepwise multiple regression between algae & related environmental factors in Hongze lake[J]. Environmental Monitoring in China,2012,28(4):17-20.

[7] 王成林,张宁红,张咏,等.基于气象条件的太湖湖泛预警研究[J].环境监控与预警,2010,2(5):1-4.

WANG C L, ZHANG N H, ZHANG Y,et al. The research on warning of black water clusterin Taihu Lake based on meteorological factors[J]. Environmental Monitoring and Forewarning,2010,2(5):1-4.

[8] 徐恒省,翁建中,李继影,等. 太湖蓝藻水华预警监测与风速风向的关系研究[J]. 环境监控与预警, 2009,1(2):5-7.

XU H S, WENG J Z, LI J Y, et al. Study on correlation between data for cyanobacteria bloom early warning monitoring and for wind speed and direction in Taihu Lake[J]. Environmental Monitoring and Forewarning,2009,1(2):5-7.

[9] 郑庆锋,孙国武,李军,等. 影响太湖蓝藻爆发的气象条件分析[J]. 高原气象, 2008，27(增刊1):218-223.

ZHENG Q F, SUN G W, LI J, et al. Analysis on meteorological conditions which influence the blue algae outbreak in Taihu lake[J]. Plateau meteorological,2008，27(supplement 1):218-223.

[10] ANZECC & ARMCANZ. Australian and New Zealand guidelines for fresh and marine water quality[EB/OL]. (2000-10-01)[2014-10-5]. http://www.doc88.com/p-6781172684772.html.

[11] 刘聚涛,高俊锋,赵家虎,等.太湖蓝藻水华灾害程度评价方法[J].中国环境科学,2010,30(6): 829-832.

LIU J T,GAO J F,ZHAO J H, et al. Method of cyanobacteria bloom hazard degree evaluation in Taihu lake[J]. China Environmental Science,2010,30(6):829-832.

[12] 国家环境保护总局，国家质量监督检验检疫总局.地表水环境质量标准: GB 3838—2002 [S/OL].[2003-04-28].http://www.nthb.cn/standard/standa rd02/20030428174340.html.

[13] 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(第四版)[M]. 北京:中国环境科学出版社,2002.

The state environmental protection administration,water and wastewater monitoring method editorial board.Water and wastewater monitoring analysis method (4th edition)[M].Beijing: China Environmental Science press, 2002.

[14] INGRID C, BARTRAM J. Toxic Cyanobacteria in Water: A Guide to their Public Health Consequences, Monitoring and Management[M].London:E&FN Spon,1999.

[15] CRACKNELL A P, NEWCOMBE S K, BLACK A F, et al. The ABDMAP (Algal bloom detection, monitoring and prediction) concerted action[J]. International Journal of Remote Sensing,2001,22: 205-247.

[16] CHANG K W, SHEN Y, CHEN P C.Predicting algal bloom in the Techi reservoir using landsat TM data[J]. International Journal of Remote Sensing,2004,25:3 411-3 422.

[17] 叶上扬,喻国良,庞红犁. 太湖蓝藻成因分析与清淤方法探讨[J].水资源保护,2012，28(2):30-41.

YE S Y, YU G L, PANG H L. Analysis of formation of blue-green algae and dredging methods in Taihu Lake[J]. Water Resources Protection,2012，28(2):30-41.

[18] 李原,张梅,王若南. 滇池的水华蓝藻的时空变化[J]. 云南大学学报：自然科学版,2005,27(3): 272-276.

LI Y, ZHANG M, WANG R N. The temporal and spation variation of the cyanobacteria which caused the water bloom in the Dianchi Lake, Kunming, China[J]. Journal of Yunnan University(Natural science edition),2005,27(3):272-276.

[19] 徐恒省,王亚超,孙艳,等. 湖泊蓝藻水华监测与评价探讨[J]. 环境监测管理与技术, 2012，24(5):69-71.

XU H S，WANG Y C，SUN Y，et al. Monitoring and evaluation of cyanobacteria bloom in the Lake[J]. The environmental Monitoring Management and Technology,2012，24(5):69-71.

[20] 吴传庆,王桥,杨志峰,等. 太湖水华的遥感分析[J].中国环境监测,2007，23(3):52-56.

WU C Q, WANG Q, YANG Z F,et al. Remote sensing analysis of algae bloom in Taihu Lake[J].Environmental Monitoring in China, 2007，23(3):52-56.

[21] 徐恒省,洪维民,王亚超,等. 太湖蓝藻水华预警监测技术体系的探讨[J]. 中国环境监测, 2008，24(2):62-65.

XU H S,HONG W M, WANG Y C,et al. Discuss on early warning monitor system to cyanobacteria bloom-forming in Taihu Lake[J]. Environmental Monitoring in China，2008，24(2):62-65.

[22] 杨丽标,韩小勇,孙璞,等.巢湖藻类组成与环境因子典范对应分析[J]. 农业环境科学学报，2011，30(5):952-958.

YANG L B, HAN X Y, SUN P, et al.Canonical correspondence analysis of algae community and its environmental factors in the lake Chaohu,China[J]. Journal of Agro-Environment Science，2011，30(5):952-958.

[23] 彭近新, 陈慧君. 水质富营养化与防治[M].北京: 中国环境科学出版社,1988.

PENG J X, CHEN H J. Prevention and Control of Water Eutrophication[M]. Beijing: China Environmental Science Press,1988.

[24] 张宁红,黎刚,郁建桥,等.太湖蓝藻水华暴发主要特征初析[J].中国环境监测,2009，25(1):71-74.

ZHANG N H,LI G, YU J Q,et al. Character of blue green algal blooms outbreak in Taihu Lake[J]. Environmental Monitoring in China，2009，25(1):71-74.

Analysis on the Characteristics and Impact Factors of Water Bloom in the Lake

YU Yang1,PENG Fuli1,SUN Cong1,DONG Hao2,WANG Yeyao1,HE Lihuan1

1.State Environmental Protection Key Laboratory of Quality Control in Environmental Monitoring, China National Environmental Monitoring Centre,Beijing 100012,China2.Environmental Monitoring Centre of Anhui Province,Hefei 230071,China

Through continuous monitoring work on the Taihu Lake, Chaohu Lake and Dianchi Lake during bloom season in 2011—2015, the water bloom status and trend of the three lakes were described by algae density and water bloom area, and then the main factors on blooms occurred were explored. The results showed that: Water bloom degree of the Taihu Lake was priority to mild blooms, the Chaohu Lake was priority to slight blooms, the Dianchi Lake was priority to moderate blooms. The bloom scales of three lakes were priority to sporadic blooms. There was a significant positive correlation between algae density and water temperature, pH, dissolved oxygen, total nitrogen, total phosphorus and potassium permanganate index in Taihu Lake and Chaohu Lake, but significant negative correlation with transparency, and not significant correlation with ammonia. There was a significant positive correlation between algae density and water temperature, total phosphorus, and potassium permanganate index in the Dianchi Lake, but a significantly negative correlated with transparency and ammonia nitrogen, there was no significant correlation between algae density and pH, dissolved oxygen and total nitrogen.

freshwater lake;algae density;water bloom evaluation;environmental factor;correlation analysis

2016-03-18;

2016-08-24

环境保护标准项目“水华遥感监测与评价技术规范”(2011-30)；中国环境监测总站转型发展科研支撑项目(CNEMC-ZXKY2009-033)

于 洋(1983-)，女，吉林松原人，硕士，高级工程师。

何立环

X826

A

1002-6002(2017)02- 0088- 07

10.19316/j.issn.1002-6002.2017.02.14