赤潮发生关键控制要素识别研究*——以渤海为例

林国红， 董月茹,2， 李克强**， 王淑萍， 王修林

(1.中国海洋大学海洋化学理论与工程技术教育部重点实验室，化学化工学院，山东 青岛 266100;2.南京大学生命分析化学国家重点实验室，化学化工学院，江苏 南京 210023)

赤潮发生关键控制要素识别研究*
——以渤海为例

林国红1， 董月茹1,2， 李克强1**， 王淑萍1， 王修林1

(1.中国海洋大学海洋化学理论与工程技术教育部重点实验室，化学化工学院，山东 青岛 266100;2.南京大学生命分析化学国家重点实验室，化学化工学院，江苏 南京 210023)

本文以渤海为例，建立了赤潮发生关键控制因子的识别方法，主要包括文献因子检索汇总、备选因子筛选、备选因子关联性分析、影响因子独立性、变动性分析、关键控制因子的识别等环节。通过对1990—2009年20年间与渤海赤潮发生相关要素进行关联性分析，熵值法和变异系数法分析要素的波动性，通过灵敏度分析，将主成分分析和层次分析结合起来确定关键控制要素。结果显示，有14个要素累计贡献率达到了90%，命名为备选因素。基于横向和纵向关联性分析，保证了有9个可以量化的要素，通过变异性系数和熵值法计算要素的权重，表明N/P、DIN、DIP、COD和降水具有较强的信息分辨能力。基于主成分分析和层次分析的结果，渤海赤潮发生的关键控制要素主要是DIN、DIP和N/P。它表明在渤海海域赤潮频发的主要原因可能与养分的输入，尤其是过量的氮养分输入所造成的营养结构失衡有关。因此，一些措施例如增加控制污染，减少陆源养分输入和减轻水体富营养化程度为渤海赤潮的治理和预测提供了依据。

赤潮；控制因子；识别方法；富营养化；渤海

渤海(37°07′N～41°N、117°35′S～122°15′S)是中国唯一的半封闭内海，南北长约556 km，东西宽约300 km，海域面积达77 283 km2，平均水深为18 m。渤海水交换能力、扩散能力和稀释能力都比较差，随着环渤海经济区经济的高速发展、滨海城市化、临海工业化进程不断加快，导致沿海地区工业、农业和生活污水排放负荷增大，水体富营养化程度逐年加剧，表现在渤海赤潮发生的频次和面积在逐年上升，赤潮规模仅次于东海，已经成为中国赤潮高发区之一。据文献记录，近20年来，渤海发生赤潮的次数、面积分别占中国近海发生赤潮次数和面积总量的约1/8和1/4[1]，据统计，1995—2015年的21年间，渤海累计发生赤潮179次，累计面积达64 384 km2，平均每年发生赤潮8.5次，每年发生赤潮面积平均超过3 066 km2[1-2](见图1)。其中，在1998年，渤海锦州湾发生了自1993年中国首次报道发生赤潮以来面积最大的一次赤潮，单次赤潮面积超过3 000 km2。

渤海赤潮的危害性也在逐渐增大。据统计，1995—2015年的21年间，渤海海域引发大规模赤潮的优势藻类主要有15种，其中主要以夜光藻、中肋骨条藻、赤潮异弯藻、球形棕囊藻、红色中缢虫、抑食金球藻、叉角藻、海洋卡盾藻为主，由它们引起的赤潮次数与累计面积分别约占总次数和总累计面积的约83%和87%[1]。而在1990年代以前，引发渤海赤潮的藻类主要是夜光藻、原甲藻、裸甲藻等无毒性赤潮生物。进入21世纪后出现了赤潮异弯藻、球形棕囊藻和米氏凯伦藻等有毒赤潮[3]。其中，赤潮异弯藻赤潮次数为7次，约占6%，累计面积约4 689 km2，约占10%。对于无毒赤潮，虽然赤潮生物本身没有毒性，但是由于该赤潮生物的大量繁殖，消耗大量CO2，改变海水酸碱度，降低海水透明度，与其他海洋生物竞争海域中的营养盐、溶解氧等，可能会导致水体缺氧、近岸软体动物和甲壳类生物的死亡[4-5]。对于有毒赤潮，赤潮生物本身会产生毒素，例如棕囊藻可以产生DMS(二甲基硫化物)，DMS的前体DMSP可以形成硫酸盐气溶胶[6-8]。这种气溶胶通过影响云凝结核的形成，导致云层对阳光的反射增大，从而影响地球气候，由此看来，有毒赤潮的爆发不仅会危害海洋环境，也会对大气环境造成影响[9-10]。

(来源于郭皓(2015)和中国海洋灾害公报(2016)。collected from Guo et al., 2015 and China ocean disasters communique(2016).)

图1 1995—2015年渤海海域赤潮发生情况

Fig.1 Theoccurrence of red tide in Bohai sea with duration from 1995 to 2015

赤潮发生成因随赤潮生物种类不同而有所差异，营养盐的增加是赤潮形成的基础，并且与地理位置、地质状况、水温、盐度、降雨等水文气象要素等自然环境因素有密切的关系[11-15]，据统计，渤海赤潮的高发期主要集中在6～8月，不同类型赤潮发生的区域性比较明显，赤潮异弯藻、中肋骨条藻、裸甲藻等赤潮多发生在渤海湾，而夜光藻、抑食金球藻等赤潮多发生在辽东湾西部、秦皇岛近岸[16-17]，张志峰认为这些海域对应的河流提供了丰富的氮、磷营养物质，为赤潮的爆发奠定了基础[18]。2009年在秦皇岛近岸海域发现褐藻赤潮[19]，可能与陆源输入下DON的浓度升高有关[20]。同时，氮磷比的变化与赤潮生物的生长有很大关系，会影响赤潮的形成[21-22]。齐雨藻等对1991年大鹏湾海洋褐藻胞赤潮进行分析，认为铁离子和风速是形成此次赤潮的主要要素，营养盐的增加是当时赤潮形成的基础[23]。钱宏林等对1980—1992年广东沿海发生的赤潮分析表明，广东沿海赤潮生物种类繁多可能是赤潮发生的主要原因，海水富营养化和季风转换也会影响赤潮的发生[24]。赤潮发生的机理非常复杂，是相关海域水文、气象、物理化学、生物等各方面要素综合作用的结果[25]。

当前，针对渤海赤潮防控提出了多项措施，但是实际上效果并不显著，甚至危害在进一步加大。主要是由于不同防控措施针对的要素不同，结果导致不能综合防控赤潮，因此，对于渤海赤潮的防控，需要全面系统科学地分析赤潮发生关键控制要素，建立一套科学合理的指标评估体系。但是目前大多数研究并没有提到具体的指标筛选过程或者筛选过程单一，对于要素的识别主要分为主观识别和客观识别，主观识别以层次分析法和Delphi法为主[26-27]，多依据专家的主观经验，缺乏客观标准,常用于定性分析；客观识别以主要素分析法，熵值法，变异系数法为主，其使指标权数与指标变量值相联系，是一种动态的赋权方法[28]，常用于定量分析。

因此，本文目的是以渤海为例，在赤潮发生影响要素中构建一套科学、合理的指标评价体系，识别出赤潮发生的影响要素、潜在控制要素、关键控制要素，为更加有效的进行赤潮防控提供科学依据。

1 材料与方法

1.1 数据来源

数据来自于渤海水文、气象、化学和生物相关的正式发表的科技论文，结合国家海洋局自1990年代初分别开始发布的《中国海洋环境年报(1990—1998)》及自21世纪初开始发布的《中国海洋环境质量公报(1999—2015)》等(国家海洋局，1991—2016)，国家环境保护部自20世纪80年代末开始发布的《中国环境状况公报(1990—2015)》(国家环境保护部，1991—2016)等，选取其中与赤潮发生相关的因子，在时间上要有连续性，对于极个别年份数据缺失且确有必要补齐的要素，采用临近1或2年数据内插法，但对于起始年份需要采用类比法补齐。具体数据来源见表1。

1.2 赤潮发生关键控制要素识别方法

根据已有研究文献，综合运用频次统计[41-42]、变异系数[43-44]、熵值[44-45]、层次分析[46]、主成分分析[47]等方法对要素进行筛选，按照对赤潮发生影响效应的大小找出赤潮发生的影响要素、潜在控制要素、关键控制要素。主要包括检索汇总文献要素、备选要素筛选、要素关联性建构、影响要素独立性和变动性分析、关键要素识别等步骤(见图2)。在要素识别中，要求要素具有可测量性并且有可用的调查监测统计数据[48]，同时还要能够体现综合性与代表性、客观性与可操作性、独立性与可比性、层次性与可测性、时效性与前瞻性[42]。

表1 统计数据来源Table 1 Data and statistics

图2 渤海控制要素识别流程Fig.2 Work flow for the recognition of control factors in Bohai Sea

1.2.1 检索汇总文献要素 在文献要素检索统计中，主要通过中国知网(http://www.cnki.net)和Web of Science(http://apps.webofknowledge.com)这两个数据库，检索数据库中相关的中英文文献，检索关键词主要有“赤潮”、“要素”、“red tides”、“HABs”、“factors”、“effect”等。从检索出的文献中，统计列出与赤潮发生有关的要素并记录其在文献中出现的频次。

1.2.2 备选要素筛选 对汇总文献要素根据使用频次进行排序，取使用频次占累积总频次前90%的文献要素作为备选要素。

1.2.3 要素关联性建构 要素关联性建构是对文献汇总统计的赤潮发生要素进行整理分类，并将综合要素细化到具体可测要素。在要素关联性建构中，既要体现要素的纵向关联性，也要体现出要素之间的横向关系。在要素纵向关联性上，按相关要素自身性质可分为不同集群，不同集群又可分为不同指标的组团，再根据是否可以直接测量将组团分为若干具体要素。将汇总要素按此原则进行要素关联性构建。

1.2.4 影响要素独立性、变动性分析 在潜在控制要素独立性分析中，既要判别要素的纵向独立性，也要判别其横向独立性。根据建构的赤潮发生要素纵向关联性判别各要素的纵向独立性，采用Bartlett球型度检验结合相关性分析判别要素的横向独立性。Bartlett球型度检验和相关性分析通过软件SPSS19.0(IBM Statistical Package for the Social Sciences Inc)进行。

在潜在控制要素变动性分析中，采用变异系数法和熵值法评价要素的变动性[28]。要素的变异系数和熵值权重越大，说明该要素的变动性越大[43]，该要素的信息分辨能力越强，而变异系数小或熵值很大的要素的变动性差，对于指标的分辨能力差，应予以剔除。

1.2.5 关键控制要素的识别 在关键控制要素识别中，既可采用主观赋权法，也可采用客观赋权法。

主观赋权法一般采用层次分析法进行赤潮发生关键控制要素的识别[43]，为了降低层次分析法的主观片面性，这里根据要素的变动性代替专家的主观赋值，借助MATLAB(Matrix Laboratory)软件结合相关程序进行各要素权重的计算。

客观赋值法采用目前使用最广泛、最成熟的是主成分分析法[49]。通过要素综合载荷对要素进行筛选，其绝对值越接近1，说明其对赤潮发生的贡献越大。一般我们认为载荷值小于0.45的要素的影响可以忽略，载荷值大于0.9的要素贡献突出[50]。综合载荷的计算公式为：

(1)

其中：m表示提取的综合指标的个数；i表示原始数据指标；j表示提取的综合指标；∂ij表示第i个原始指标在第j个综合指标中的载荷数。

本文因数据量大且计算繁琐，借助SPSS 19.0统计分析软件运行主成分分析结果，设定显著性水平P<0.05[51]。

层次分析法表征的是要素自身的变动性，而主成分分析表征的是要素对赤潮发生的影响，结论上有可能出现矛盾，利用灵敏度分析将二者结合，可确定对系统有较大影响的要素[52]。这样，参照灵敏度分析的思路，以层次分析中要素的变异系数为变动幅度，通过主成分分析所得的主成分与要素之间的关系式，可得系统(这里指赤潮发生)的相对变异系数，即灵敏度[53]。灵敏度越大，要素对赤潮发生的影响就越大，进而可筛选出赤潮发生的关键控制要素。灵敏度采用如下计算公式：

(2)

其中：S为赤潮发生相对于要素Xi的相对灵敏度；γFjXi为主成分分析中的因子载荷，即要素Xi对主成分Fj的相关系数；λj为第j个主成分的特征值；∂j为第j个主成分的贡献率；CV为要素的变异系数。一般认为，S≥0.1为较灵敏，这里，因计算的值是相对变异系数，灵敏度阈值可根据计算结果上下浮动。

2 结果与讨论

2.1 赤潮文献要素

文献检索统计表明，自1980年以来在中国知网和Web of Science所涉及的相关文献中，共统计与赤潮发生要素相关的中英文文献187篇，共涉及赤潮发生要素36个，其中气象要素有7个，水文要素13个，海水理化要素10个，生物要素4个，还有2个其他类型的要素。

2.2 赤潮发生备选要素

经统计分析，文献检索得到的36个文献要素，累计使用频次为795次。其中海流、潮流、涌升流、沉降流实质上是海水由于天体引力、密度、风力等原因导致的流动，所以合并为海流，同样将淡水输入与径流合并为径流。其中营养盐的出现频次最高(134次)，其次是水温(104次)。

检索统计所得的赤潮发生要素总体上可分为气象要素、水文要素、海水理化要素、生物要素和其他要素五大类(见图3)。海水理化要素占的比例最大，约占总体的60%，其次为气象要素，约占20%。

图3 赤潮发生要素大类分布图Fig.3 Distribution of red tides occur factor types

进一步按由高到低的使用频次统计分析表明，占累计使用频率前90%的赤潮文献要素有14个(见图4)，依次是营养盐、水温、盐度、富营养化、有机物、光照、风、微量元素、赤潮生物、降雨、气温、海流、潮汐、溶解氧，将这14个要素作为赤潮发生备选要素。

2.3 赤潮发生要素关联性构建

赤潮发生要素关联性既要体现纵向关联性，也要体现横向关联性。根据文献检索汇总要素自身性质总体上可分为水文要素、气象要素、海水理化要素、生物要素和其他五大集群，在关联性构建中属于第一主层次，其中以气象要素集群为例，文献汇总要素中光照、风、降雨等要素属于气象要素，属于第二层次，而具体到可测要素时，风组团又可细分为风速、风向、风力，属于第三层次。在根据各要素所属的分类层次原则的同时，去掉DO和赤潮生物等赤潮后置响应要素，建构赤潮发生要素之间的横向纵向关联性(见图5)。

图4 赤潮发生文献要素频次分布图Fig.4 Frequency of literature factors for red tide occurrence

2.4 影响要素独立性、变动性分析结果

要素独立性应体现在纵向和横向独立性两方面。按照赤潮发生要素横向纵向关联性(见图5)，在选取指标时，只选取同一类别中最小的可计量单元，避免在同一类别不同层次选取要素造成要素重叠的混乱现象。根据这一原则，具有纵向独立性的要素一共有38个，结合文献要素频次统计结果，属于备选要素且可计量的要素有9个，分别是DIN、DIP、氮磷比、水温、盐度、光照、降雨、气温、COD。根据1990—2009年渤海海域的调查监测数据，应用球形分析结合同一类别要素相关性(P<0.05)分析备选要素的横向独立性。根据图5，DIP、DIN和氮磷比可能存在横向关联，因此仅对这三个要素进行横向独立性检验(见表2)，DIN、DIP和氮磷比两两之间的P值均大于0.05，可断定这三个要素之间不存在横向关联性。

图5 赤潮发生要素横向和纵向关联性框架Fig.5 The framework of horizontal and vertical correlation for factors

运用变异系数法和熵值法计算要素的权重(见图6)，这9种独立要素的变异系数权重与熵值权重大小排序基本一致，最大值和最小值均分别为氮磷比和气温，其中水温、盐度、光照和气温的变动性不显著，说明这四个要素的信息分辨能力较弱，应该剔除。即赤潮发生的潜在控制要素有氮磷比、DIN、DIP、COD、降雨。

2.5 渤海赤潮发生关键控制要素识别

综合主成分分析和层次分析，参照灵敏度分析方法对关键控制因子进行识别。

表2 独立性检验Table 2 Independence test

图6 渤海赤潮发生影响要素权重Fig.6 Weight of the factors affecting the occurrence of red tide in Bohai Sea

2.5.1 主成分分析法结果 利用1990—2009年间渤海海域的备选要素数据作主成分分析，结果表明Kaiser-Meyer-Olkin值(0.523)<0.7，同时Bartlett 的球形度检验sig=0.00<0.05，数据满足主成分分析的条件[54]。根据特征根大于1的原则[50]，元素分为4个主成分，对渤海赤潮累计贡献率达到了78%。其中第一主成分包括DIP和COD，对渤海赤潮发生贡献率达23%；第二主成分有盐度、光照、降雨，对渤海赤潮发生累计贡献率达44%；第三主成分包括水温和气温，对渤海赤潮发生累计贡献率达61%；第四主成分包括DIN和氮磷比。

进一步计算要素综合载荷(见图7)，渤海赤潮发生影响程度从大到小的要素依次是水温(0.91)、DIP(0.87)、COD(0.85)、降雨(0.83)、DIN(0.80)、盐度(0.76)、光照(0.71)、气温(0.69)、氮磷比(0.61)。其中，水温、DIP和COD，三者的综合载荷都大于0.85。进一步分析，这三者平均综合载荷比后8个要素平均高15%。

2.5.2 层次分析结果 利用层次分析代替传统的专家打分，主要根据要素变动性的大小构造判断矩阵，从而建立要素变动性与渤海赤潮发生的关联性。借助MATLAB软件并结合相关程序进行运算，得到各要素相对于渤海赤潮发生的权重值(见图7)。结果表明，氮磷比、DIN、DIP、COD的变动性在渤海赤潮发生潜在控制要素中占有较大的比重(0.70)。

图7 赤潮发生潜在控制要素综合载荷和层次分析结果Fig.7 Combined load and hierarchical analysis results

2.5.3 渤海赤潮发生关键控制要素 主成分分析结果表明水温、DIP、COD三种要素的综合载荷达到了0.85及以上，表明这三种要素在渤海赤潮发生要素中贡献突出。层次分析法中，权重较大且大于平均值的要素有氮磷比、DIN、DIP、COD。二者在要素排序中存在差异，这主要与层次分析是根据要素的变动性确定得分，而主成分分析是根据要素对赤潮的影响程度确定得分有关，一般来讲，二者具有一致性，即变动性大的影响程度也大，例如，DIP和COD,二者在主成分分析中和层次分析结果中排名均靠前，然而，由于两种方法依据原理不同，也存在变动性大而综合载荷小的情况，例如氮磷比和DIN。因此需要综合主成分分析和层次分析，参照灵敏度分析确定关键控制要素。结果(见表3)表明，DIN和氮磷比相对灵敏度均超过0.1，DIP为0.05，其他均小于0.05。这样，以0.05为较灵敏阈值，DIN、DIP、氮磷比对渤海赤潮发生较灵敏，是关键控制要素。

表3 要素综合灵敏度Table 3 Factors overall sensitivity

3 结语

本文通过文献要素检索汇总、备选要素筛选、备选要素关联性分析、影响要素独立性、变动性分析、关键控制要素的识别等方法对渤海赤潮发生的影响要素进行分析，建立了赤潮发生控制要素识别方法。根据渤海1990—2009年20年的调查监测统计数据分析，表明赤潮发生关键控制要素是DIN、氮磷比和DIP。这样，造成渤海赤潮发生次数和面积逐年增加的主要原因可能是营养盐的输入，特别是含氮营养盐的过量输入所造成的营养盐结构失衡。因此，加大对渤海海域污染情况的治理，减少陆源营养盐，特别是含氮营养盐的输入，缓解渤海海域的富营养现状等方法，可有效防控渤海赤潮发生。

[1] 郭皓, 丁德文, 林凤翱, 等. 近20a我国近海赤潮特点与发生规律[J]. 海洋科学进展, 2015(4): 547-558.

Guo H, Ding D W, Lin F G, et al. Characteristics and pattern of Red Tide in China coastal waters during the last 20 a[J]. Advances in Marine Science, 2015(4): 547-558.

[2] 国家海洋局. 中国海洋灾害公报(2015)[R]. 2016.

http: //www. soa. gov. cn. China ocean disasters communique (2015). 2016.

[3] 林凤翱, 卢兴旺, 洛昊, 等. 渤海赤潮的历史、现状及其特点[J]. 海洋环境科学, 2008(S2): 1-5.

Lin F A, Lu X W, Luo H, et al. History, status and characteristics of red tide in Bohai Sea[J]. Marine Environmental Science, 2008(S2): 1-5.

[4] Horner R A, Garrison D L, Plumley F G. Harmful algal blooms and red tide problems on the U. S. west coast[J]. Limnology and Oceanography, 1997, 42(5part2): 1076-1088.

[5] Anderson D M, Glibert P M, Burkholder J M. Harmful algal blooms and eutrophication: nutrient sources, composition, and consequences[J]. Estuares, 2002, 25(4): 704-726.

[6] 齐雨藻, 徐宁, 王艳, 等. 中国赤潮研究的新进展——球形棕囊藻赤潮及其产硫的研究[J]. 中国基础科学, 2002(4): 25-30.

Qi Y Z, Xu N, Wang Y, et al. Progress of studies on Red Tide in China—Studies onPhaeocystisglobosared tide and its DMS(DMSP) production[J]. China Basic Science, 2002(4): 25-30.

[7] 朱蓉, 杨桂朋, 于娟, 等. 不同氮磷比及铁浓度对球形棕囊藻二甲基硫和二甲巯基丙酸内盐生产的影响[J]. 中国海洋大学学报(自然科学版), 2013(10): 67-75.

Zhu R, Yang G P, Yu J, et al. Effect of different N/P ratio and concentration of iron on DMS and DMSP production in the culture ofPhaeocystisglobosa[J]. Periodical of Ocean University of China, 2013(10): 67-75.

[8] Van Boekel J S W, Stefels W H M. Production of DMS from dissolved DMSP in axenic cultures of the marine phytoplankton speciesPhaeocystissp. [J]. Marine Ecology Progress Series, 1993, 97: 11-18.

[9] 邓坤. 光照、营养盐限制及硅藻和甲藻对球形棕囊藻生活史的影响[D]. 广东: 暨南大学, 2013: 66.

Deng K. The Life Cycle ofPhaeocystisGlobosaand the Effects of Light, Nutrient and Co-existing Diatom,Dinoflagellates[D]. Guang Dong: Jinan University, 2013: 66.

[10] Wang S, Elliott S, Maltrud M, et al. Influence of explicit Phaeocystis parameterizations on the global distribution of marine dimethyl sulfide[J]. Journal of Geophysical Research: Biogeosciences, 2015, 120(11): 2158-2177.

[11] 马志华, 杨翼. 渤海赤潮现象初探[C]. 广州: 第一届中国赤潮研究与防治学术研讨会论文摘要汇编, 2004, 1.

Ma Z H, Yang Y. Preliminary discussion on the red tide phenomena in the Bohai Sea[C]. Guangzhou: The first Chinese research and prevention and control of red tide academic conference papers in assembly, 2004, 1.

[12] Bricelj V M, Lonsdale D J. Aureococcus anophageflerens: Causes and ecological consequences of brown tides in US mid-Atlantic coastal waters[J]. American Society of Limnology and Oceanoraphy, 1997, 42(5part2): 1023-1038.

[13] 周名江, 于仁成. 有害赤潮的形成机制、危害效应与防治对策[J]. 自然杂志, 2007(2): 72-77.

Zhou M J, Yu R C. Mechanisms and impacts of harmful algal blooms and the countmeasures[J]. Chinese Journal of Nature, 2007(2): 72-77.

[14] 孙冷, 黄朝迎. 赤潮及其影响[J]. 灾害学, 1999(2): 52-55.

Sun L, Huang Z Y. Red tide and its impacts[J]. Journal of Catastrophology, 1999(2): 52-55.

[15] Kim D, Jo Y, Choi J, et al. Physical processes leading to the development of an anomalously largeCochlodiniumpolykrikoidesbloom in the East sea/Japan sea[J]. Harmful Algae, 2016, 55: 250-258.

[16] Zheng X S, Liu W Q. Red Tide characteristics and spatial-temporal variation of chlorophyll concentration in Bohai Sea[J]. International Conference on Remote Sensing(ICRS), 2010,24(1):178-187.

[17] 国家海洋局. 中国海洋灾害公报(2000～2015). 2001～2016.

http: //www. soa. gov. cn. China ocean disasters communique (2000～2015). 2001～2016, http: //www. coi. gov. cn.

[18] 张志锋. 渤海富营养化现状、机制及其与赤潮的时空耦合性[J]. 海洋环境科学, 2012(4): 465-483.

Zhang Z F. Eutrophication status, mechanism and its coupling effect with algae blooming in Bohai[J]. Marine Environmental Science, 2012(4): 465-483.

[19] Zhang, Q C, Qiu L M, Yu R C, et al. Emergence of brown tides caused byAureococcusanophagefferensHargraveset Sieburth in China[J]. Harmful Algae, 2012, 19: 117-124.

[20] Gobler C J, et al. Expansion of harmful brown tides caused by thepelagophyte,AureoumbralagunensisDeYoe et Stockwell, to the US east coast[J]. Harmful Algae, 2013, 27: 29-41.

[21] Hodgkiss I J, Ho K C. Are changes in N: P ratios in coastal waters the key to increased red tide blooms?[C]. //Asia-Pacific Conference on Science and Management of Coastal Environment Springer Netherlands, 1997: 141-147.

[22] 刘皓, 高永利, 殷克东, 等. 不同氮磷比对中肋骨条藻和威氏海链藻生长特性的影响[J]. 热带海洋学报, 2010(6): 92-97.

Liu H, Gao Y L, Yin K D, et al. Effects of N to P ratio on the growth of two red tide diatomSkeletonemacostatumandThalassiosiraweissflogii[J]. Journal of Tropical Oceanography, 2010(6): 92-97.

[23] 齐雨藻, 洪英, 吕颂辉, 等. 南海大鹏湾海洋褐胞藻赤潮及其成因[J]. 海洋与湖沼, 1994(2): 132-138.

Qi Y Z, Hong Y, Lv S H, et al. Outbreak of chattonella marina red tide and its relation to ecological parameters in Dapeng bay, South China Sea[J]. Oceanologia et limnologia sinica, 1994(2): 132-138.

[24] 梁松, 钱宏林, 齐雨藻. 中国沿海的赤潮问题[J]. 生态科学, 2000(4): 44-50.

Liang S, Qian H L, Qi Y Z. Problem on the ride tide in coastal China Sea[J]. Ecologic Science, 2000(4): 44-50.

[25] 唐洪杰. 长江口及邻近海域富营养化近30年变化趋势及其与赤潮发生的关系和控制策略研究[D]. 青岛: 中国海洋大学化学化工学院, 2009, 121.

Tang H J. Studies of Eutrophication Features and Eutrophication-HABs Relationships in the Changjiang Estuary and Its Adjacent Area During the past 30 Years and Strategies on Controlling Eutrophication[D]. Qingdao: chemistry college of Ocean University of China, 2009, 121.

[26] 冯兴刚, 李媛. 我国体育教师评价体系研究中指标权重确定方法综述[J]. 体育科技, 2014(1): 117-118.

Feng X G, Li Y. Overview of researches on the methods to determine the indicators weights evaluation system of PE teachers in China[J]. Sport Science and Technology, 2014(1): 117-118.

[27] 郭秀英, 陈义才, 张鉴, 等. 页岩气选区评价指标筛选及其权重确定方法——以四川盆地海相页岩为例[J]. 天然气工业, 2015(10): 57-64.

Guo X Y, Chen Y C, Zhang J, et al. Assessment index selection and weight determination of shale gas plays: A case study of marine shale in the Sichuan Basin[J]. Periodical of Gas, 2015(10): 57-64.

[28] 宋彦蓉, 张宝元. 基于地区现代化评价的客观赋权法比较[J]. 统计与决策, 2015(11): 82-86.

Song Y R, Zhang B Y. Comparison of objective evaluation method based on the regional modernization[J]. Statistics and Decision, 2015(11): 82-86.

[29] 孙培艳. 渤海富营养化变化特征及生态效应分析[D]. 青岛: 中国海洋大学化学化工学院, 2007: 80.

Sun P Y. Analysis of Eutrophication Variation Characteristic and Ecological Effect of Bohai Sea[D]. Qingdao: Chemistry College of Ocean University of China, 2007: 80.

[30] 王修林, 李克强. 渤海主要化学污染物海洋环境容量[M]. 北京: 科学出版社, 2006: 318.

Wang X L, Li K Q. Marine Environmental Capacity of Pollutants in Bohai Sea[M]. Beijing: Science Press, 2006: 318.

[31] 阚文静, 张秋丰, 石海明, 等. 近年来渤海湾营养盐变化趋势研究[J]. 海洋环境科学, 2010(2): 238-241.

Kan W J, Zhang Q F, Shi H M, et al. Study on variation trend of nutrient salts in Bohai Bay[J]. Marine Environmental Science, 2010(2): 238-241.

[32] 郁斢兰, 王诺, 刘忠波, 等. 自净作用下渤海海域COD环境容量研究[J]. 中国环境科学, 2015(5): 1579-1585.

Yu T L, Wang N, Liu Z B, et al. COD environmental capacity of different zones of the Bohai Sea with the consideration of self-purification[J]. China Environmental Science, 2015(5): 1579-1585.

[33] 石强. 渤海夏季温盐年际变化时空模态与气候响应[J]. 应用海洋学学报, 2015(4): 484-495.

Shi Q. Climate response and spatio-temporal model on the interannual temperature-salinity changes in summer of Bohai Sea[J]. Journal of Applied Oceanography, 2015(4): 484-495.

[34] 国家海洋局. 中国海洋环境年报(1990～1998). 1991～1999. http: //www. soa. gov. cn

State Oceanic Administration. China's Marine Environment report (1990～1998). 1991～1999. http: //www. soa. gov. cn

[35] 李明财, 熊明明, 杨艳娟, 等. 环渤海地区1961—2010年太阳总辐射时空变化特征[J]. 气候变化研究进展, 2012(2): 119-123.

Li M C, Xiong M M, Yang Y J, et al. Spatial-temporal variations of solar global radiation in the circum-Bohai-Sea region during 1961-2010[J]. Advances in Climate Change Research, 2012(2): 119-123.

[36] 郭全. 渤海夏季营养盐和叶绿素分布特征及富营养化状况分析[D]. 青岛: 中国海洋大学化学化工学院, 2005, 67.

Guo Q. Features in Distribution of Nutrients and Chlorophyll and Eutrophication Assessment in the Bohai Sea in Summer[D]. Qingdao: Chemistry College of Ocean University of China, 2005, 67.

[37] 许士国, 富砚昭, 康萍萍. 渤海表层叶绿素a时空分布及演变特征[J]. 海洋环境科学, 2015(6): 898-903.

Xu S G, Fu Y Z, Kang P P. Seasonal and interannual variation of Chlorophyll a in Bohai Sea[J]. Marine Environmental Science, 2015(6): 898-903.

[38] 石强. 渤海溶解氧和表观耗氧量季节循环时空模态与机制[J]. 海洋湖沼通报, 2015(1): 175-186.

Shi Q. The mechanism and spatial-temporal model on the seasonal cycle of dissolved oxygen and apparent oxygen utilization in Bohai Sea[J]. Transactions of Oceanology and Limnology, 2015(1): 175-186.

[39] 张志锋, 贺欣, 张哲, 等. 渤海富营养化现状、机制及其与赤潮的时空耦合性[J]. 海洋环境科学, 2012(4): 465-468.

Zhang Z F, He X, Zhang Z, et al. Eutrophication status, mechanism and its coupling effect with algae blooming in Bohai[J]. Marine Environmental Science, 2012(4): 465-468.

[40] 国家海洋局. 中国海洋环境质量公报. (2000～2008. 2001～2009), http: //www. soa. gov. cn

State Oceanic Administration. China's Marine environment quality bulletin. (2000～2008. 2001～2009), http: //www. soa. gov. cn

[41] 陈燕飞. 生态经济系统可持续发展评价指标体系研究及应用[J]. 科技信息(科学教研), 2008(8): 204-205.

Chen F Y. Research and application of ecological economic system of sustainable development evaluation index system[J]. Science and Technology Information, 2008(8): 204-205.

[42] 田富姣, 于鲁冀, 赵晴. 基于生态系统的水环境压力分区指标体系构建[J]. 环境科学与技术, 2011(10): 191-195.

Tian F J, Yu L J, Qing Zhao. Indicator system construction of water environment pressure zoning based on ecosystem[J]. Environmental Science and Technology, 2011(10): 191-195.

[43] 江强强, 方堃, 章广成. 基于新组合赋权法的地质灾害危险性评价[J]. 自然灾害学报, 2015(3): 28-36.

Jiang Q Q, Fang K, Zhang G C. Assessment of geological risk based on new combined weight method[J]. Journal of Natural Disasters, 2015(3): 28-36.

[44] 姜君. 基于熵权与变异系数组合赋权法的模糊综合评价模型-以白洋淀水环境质量评价为例[D]. 北京: 首都师范大学, 2011: 39.

Jiang J. Assessing Water Quality Using Fuzzy Theory and Information Entropy in Baiyangdian[D]. Beijing: Capital Normal University, 2011: 39.

[45] Zou Z H, Yun Y, Sun J N. Entropy method for determination of weight of evaluating in fuzzy synthetic evaluation for water quality assessment[J]. Journal of Environmented Sciences, 2006, 18(5): 1020-1023.

[46] Ocampo-Duque W, Ferré-Huguet N, Domingo J L, et al. Assessing water quality in rivers with fuzzy inference systems: A case study[J]. Environment International, 2006, 32(6): 733-742.

[47] Ouyang Y. Evaluation of river water quality monitoring stations by principal component analysis[J]. Water Research, 2005, 39(12): 2621-2635.

[48] Wei C, Guo Z, Wu J, et al. Constructing an assessment indices system to analyze integrated regional carrying capacity in the coastal zones-A case in Nantong[J]. Ocean & Coastal Management, 2014, 93: 51-59.

[49] Jiang H Y, Wang W X. Application of Principal Component Analysis in Synthetic Appraisal for Multi-objects Decision-making*[J]. Journal of Wuhan University of Technology, 2004, 28(3): 467-470.

[50] Simeonov V. Multivariate statistical study of simultaneously monitored cloud water, aerosol and rainwater data from different elevation levels in an alpine valley (Achenkirch, Tyrol, Austria)[J]. Talanta, 2003, 61(4): 519-528.

[51] Lau S S, Lane S N. Nutrient and grazing factors in relation to phytoplankton level in a eutrophic shallow lake: the effect of low macrophyte abundance[J]. Water Res, 2002, 36(14): 3593-3601.

[52] Demaria E M, Nijssen B, Wagener T. Monte Carlo sensitivity analysis of land surface parameters using the Variable Infiltration Capacity model[J]. Journal of Geophysical Research: Atmospheres, 2007, 112(D11):1-15.

[53] Hakanson, L. The role of characteristic coefficients of variation in uncertainty and sensitivity analyses, with examples related to the structuring of lake eutrophication models[J]. Ecological Modeling, 2000, 131: 1-20.

[54] Wu M, Wang Y, Sun C, et al. Identification of coastal water quality by statistical analysis methods in Daya Bay, South China Sea[J]. Marine Pollution Bulletin, 2010, 60(6): 852-860.

TheMethodtoIdentitytheKeyControlFactorofRedTide:ACaseStudyofBohaiSea

LIN Guo-Hong1, DONG Yue-Ru1, 2, LI Ke-Qiang1, WANG Shu-ping1, WANG Xiu-Lin1

(1.Key Laboratory of Marine Chemistry Theory and Technology, Ministry of Education, College of Ocean University of China, Qingdao 266100, China; 2.State Key Laboratory of Analytical Chemistry for Life Science, School of Chemistry and Chemical Engineering, Nanjing University, Nanjing 210023, China)

Red tide has caused great economic loses because of the increasing occurrence frequency, geographic scope and the damage degree in the Bohai Sea. In this case, it is urgently to take measures to prevent and control the occurrence of red tide, the key of which is to determine the key control factors. However, there is no specific factors screening method in current study, or the screening methods are too single. Meanwhile, the key control factors of red tide may have differences in different sea areas. Therefore, based on red tide in the Bohai Sea, we establish an identification method of key control factors which includes the literature factor retrieval summary, alternative factor screening, alternative factor association analysis, the impact factor independence analysis, fluctuation analysis, and key control factor identification etc. Factors fluctuationis analyzed through entropy value method and variance coefficient method by analyzing statistical data associated with red tide occurrence from 1990 to 2009 in the Bohai Sea. And finally, the key control factors are identified with the theory of sensitivity analysis method by combing the principal component analysis and analytic hierarchyprocess (AHP). Results show that there are 14 factors with cumulative frequency reaching 90%, named alternative factors. Independences of 9 quantifiable factors are assured based on the framework of horizontal and vertical association. And then, weight of factors are calculated by both variance coefficient method and entropy method. Result shows that N/P, DIN, DIP, COD and rainfall reflect stronger information resolution ability. Based on the results of principal component analysis and analytic hierarchy process, the key control factors of red tide primarily are DIN, DIP and N/P in Bohai Sea, indicating that the frequent occurrence of red tide in the Bohai Sea may be connected with the nutrient inputs, especially the imbalance of nutrient structure caused by the excessive input of nitrogenous nutrients. Therefore, some measures such as increasing control of pollution, reducing input of terrestrial nutrients and mitigating degree of eutrophication can provide the basis for the prediction and the governance of red tide in the Bohai Sea.

red tide; control factor; identification method; eutrophication; Bohai Sea

X43

A

1672-5174(2017)12-088-09

责任编辑 徐 环

10.16441/j.cnki.hdxb. 20160287

林国红， 董月茹， 李克强， 等. 赤潮发生关键控制要素识别研究——以渤海为例[J]. 中国海洋大学学报(自然科学版), 2017, 47(12)： 88-96.

LIN Guo-Hong, DONG Yue-Ru, LI Ke-Qiang, et al. The method to identity the key control factor of red tide: A case study of Bohai Sea[J]. Periodical of Ocean University of China, 2017, 47(12)： 88-96.

国家重点研发项目(2016YFC1402101)；国家基金委-山东省联合基金项目(U1606404)；国家减灾中心项目：“渤海典型赤潮灾害预防及减灾技术预研”资助

Supported by National Key Research and Development Program(2016YFC1402101);the NSFC-Shandong Joint Fund for Marine Ecology and Environmental Sciences(U1606404); National Marine Hazard Mitigation Service Fund: “Pre-Research on Disaster Prevention and Mitigation Technology for HABs in Bohai Sea”

2016-08-14；

2016-11-29

林国红(1991-)，女，硕士生。E-mail:1012134573@qq.com

** 通讯作者：E-mail:likeqiang@ouc.edu.cn