小型人工湖藻类变化特征及主要驱动因子研究

窦 明，孟 猛，毛豪林，张 彦，李桂秋

(1.郑州大学水利与环境学院，郑州 450001；2.河南省郑州水文水资源勘测局，郑州 450000；3.中国农业科学院农田灌溉研究所，河南 新乡 453002)

0 引 言

小型人工湖作为一种能够调节局部气候、美化环境的景观水体，近年来在城市景观设计和地方水生态文明建设规划中受到高度重视，然而由于其水域面积狭小、水体循环缓慢等特点，使得进入其中的污染物难以降解，并容易引发水体富营养化等水环境恶化问题。近年来，国内外学者在人工湖泊水体富营养化预防与治理方面开展了大量研究工作，例如刘春光[1]、Fernandez[2]、Luciana[3]等对各自研究区域不同时期浮游植物的分布、动态规律、生长特性进行了探究，张洁[4]、沈勇[5]、ChoSohyun[6]等研究了自然状况下环境因子与藻类的变化过程，并采用不同方法分析了环境因子之间存在的相关关系及其对藻类生长繁殖的影响。本文以郑州大学眉湖为研究对象，根据现场监测和实验室检测数据，在藻类和环境因子变化特征分析的基础上，剖析小型人工湖藻类动态变化与各因子之间的相关关系，并通过相关分析和主因子分析来识别影响小型人工湖藻类动态变化的主要驱动因子，可为小型人工湖泊环境保护提供决策依据。

1 材料与方法

郑州大学眉湖水面宽30～60 m，长约500 m，水域面积约为2.2 万m2。湖水分为北、中、南三段，中段较长且水流缓慢，北端地势较高，南端设有高低阶梯。供水水源以地下水补给为主、以处理后贮存的雨水为辅，水源输入口位于眉湖北端，出水口位于眉湖南部的2号桥下。眉湖配置了水循环系统，包括局部喷泉和上扬式曝气管循环及整体的南北流动，并设置了11个潜入式曝气机和3个上扬式曝气机，采用交叉方位安置[7]。

1.1 实验设计及数据采集

笔者于2016年5-9月期间在眉湖进行了5次取样监测。由于眉湖湖体呈狭长状，故从南到北设置5个监测断面(如图1所示)。其中，Ⅰ断面位于桥1南侧，此处水体受喷泉的影响较大；Ⅱ断面位于桥1与桥2之间，此处有圈养动物及大量观赏鱼类；Ⅲ断面位于桥2与桥3之间，即湖中心位置；Ⅳ断面位于桥3与桥4之间，此处有少量的水生植物；Ⅴ断面位于湖北端，此处有大量的水生植物。在每次取样监测时，在每个监测断面测5～10次，并取平均值。

图1 监测断面及取样点分布Fig.1 Distribution of monitoring sections and sampling points

采用现场监测和取样检测相结合的方式对1个水动力指标、15个水质指标进行数据采集。现场监测指标有9个，其中流速由FlowTracker声学多普勒流速仪测定，叶绿素a、溶解氧(DO)、pH值、水温、电导率、浊度由YSI-EXO水质多参数分析仪测定，光照强度由ST102型便携式光照度计测定，透明度由SD-20塞氏盘测定，悬浮物由JC-SS-1Z型悬浮物测试仪测定。实验室检测指标6个，包括化学需氧量(COD)、生化需氧量(BOD5)、氨氮(NH4-N)、总磷(TP)、总氮(TN)、硝酸盐氮(NO3-N)，送往相关环境检测机构进行检测。

1.2 研究方法

研究表明[8]，藻类的群落结构变化规律受相关物理、化学及生物等环境因子的制约，这些因子对藻类生长和分布的影响并不是孤立的。结合笔者已开展的监测工作，将可能对藻类浓度产生影响的驱动因子分为以下五类：①热力因子，包括水温、光照强度。②氧平衡因子，包括溶解氧、生化需氧量、化学需氧量等指标的浓度。③营养盐因子，包括总磷、总氮、硝酸盐氮、氨氮等指标的浓度。④浊度因子，包括浊度、透明度、悬浮物含量。⑤其他驱动因子，包括电导率、pH值。

为从上述因子中筛选出影响眉湖藻类浓度变化的关键驱动因子，本文采取如下研究思路：对藻类及各水环境因子的变化趋势进行分析，对水质状况进行评价；其次，根据对各藻类浓度影响驱动因子的分类，采用皮尔逊相关分析来衡量藻类浓度与各驱动因子以及驱动因子内部间的相关性强弱以进行第一轮筛选，首先根据各驱动因子与藻类的相关度从每类中筛选出几个高相关性因子，而后根据驱动因子间的相关度，结合机理上的定性分析将其余相互之间存在高相关性的环境因子进一步精简，在每类中筛选出1～2个独立性高的代表性驱动因子；第三，根据筛选出来驱动因子采用主成分分析法进行第二轮筛选，主成分分析法可将多个藻类浓度变化的驱动因子进行降维，经过主成分分析和因子旋转后，多个驱动因子简化为几个主因子，每个主因子由各项环境因子线性表出，将高方差贡献率的主因子中的高荷载因子留存，低方差贡献率主因子中的高荷载因子筛去[9]；最后，以藻类浓度作为因变量、筛选出来的主要驱动因子作为自变量，采用多元线性回归分析建立藻类浓度动态变化的定量表达式。

2 结果与分析

2.1 藻类变化规律分析

(1)藻类动态变化特征分析。根据实验监测数据，眉湖水体中藻类细胞浓度变化较大，呈现较为明显的南北差异(如图2)。在水流缓慢、水质较差的Ⅰ、Ⅱ断面(可综合为“南部断面”)，藻类浓度在6月16日、9月28日分别出现了两次峰值；而在水流较快、水质较好的Ⅳ、Ⅴ断面(可综合为“北部断面”)，其水质随时间的变化相对Ⅰ、Ⅱ、Ⅲ断面较为平缓，在5月12日到6月12日间藻类浓度以较为平稳的趋势由约400 个/mL上升约三倍，到1 500 个/mL，在9月末又下降到1 000 个/mL左右。北部断面与南部断面的藻类动态变化有着不同的特征，南部断面的藻类峰值发生在7月初、9月末，呈波动状变动趋势，南部断面则呈先增后减的丘状变化趋势，波动幅度也较南部断面平缓。可见由于眉湖狭长的水体形态，使南北部藻类动态变化规律没有明显相关性，在某些时期内甚至出现相反的变动趋势。

图2 各断面藻类细胞浓度变化情况Fig.2 Changes of algae cell concentrations in various sections

(2)水体藻类含量与相关驱动因子间的变化规律分析。根据实验期的监测数据，对眉湖藻类含量与相关驱动因子之间的变化趋势进行分析(图3)。两个热力因子中，温度与藻类含量之间的变化趋势关联不太显著，光照强度仅在北部断面较为显著。从成因上分析，由于实验期均在夏季进行，热量充裕，水温多在26 ℃左右，而水体中的主要藻类，如铜绿微囊藻、小环藻、汉斯冠盘藻、斜生栅藻等，其适宜生长温度大多在15～30 ℃间，故温度变化对藻类生长作用不明显；光照强度对藻类的影响在南部断面较为明显，而在北部断面不明显，可能原因是由于眉湖南北部不同的水生植物覆盖率及不同的水体透明度导致了藻类能够接受到的光照强度也不同，而北部断面处于一个对藻类生长促进作用更强的光照强度区间中。

在氧平衡因子中，由于湖中设有多处曝气系统，溶解氧含量一直处于较高水平，与藻类变化相关性不明显。化学需氧量浓度与藻类含量之间的变化趋势较为一致，特别是在南部断面更为显著，峰值与低谷的出现时期均与藻类相同。从成因上分析，自5月份以来气温逐渐升高，微生物、浮游动物等活动增强，湖底沉积的有机质在生物分解作用下加快进入水体，而进入8月校区放假，眉湖周边的人类活动减少，致使在南部断面投喂鱼类、鹅类而进入水体的有机质也相应减少，因而8月份化学需氧量出现了一个小低谷；北部断面化学需氧量峰值虽然与藻类有所差别，但增减趋势也较为相似。

在营养盐因子中，总氮浓度的变化趋势与藻类含量在南部断面较为接近；而在北部断面，当藻类含量达到峰值时总氮浓度却跌入低谷。相对于总氮，总磷浓度与藻类含量之间的相关性不显著，可能是除虫期喷洒农药飘入湖中导致，其在9月末浓度突然升高，这一时期藻类含量并无明显升高，说明在眉湖中，相较于磷，氮元素是藻类生长更主要的限制性营养元素。在南北部断面，藻类与氨氮均呈一定程度的负相关，在南部断面更为明显，由于氨氮是水质恶化的一个指示性因子，水体流动不畅时，水体中氧含量不足，厌氧菌的滋生会使氨氮增高。

浊度、悬浮物、透明度3个浊度因子的变化趋势与藻类含量相关性较强，它们在南部断面与藻类浓度趋势的重合度较高，表明在这一水域中固体悬浮物主要为浮游藻类，而在北部断面则为泥沙和有机质。水体电导率与藻类的变动趋势呈一定程度的正相关，其相关关系在南部断面较明显。电导率与水体的掺杂程度有关，高电导率意味着水体中无机盐等营养成分更为充足，更利于藻类生长[10]。pH与藻类浓度呈正相关，可能的原理是碱性条件下，大气中的CO2在水体中的溶解度更强，从而光合作用也会加快，利于藻类繁殖[8]。

总体来看，南部断面藻类含量变化在趋势上相关度高的因子有COD浓度、总氮浓度及pH值；而北部断面则为浊度和COD浓度。对比南、北断面的水环境特征，南部断面水体富营养程度高、水质较差，且经常有营养物外源输入(集中在开学期间和周末)；而北部断面水体富营养程度低、水质都较好，水中及岸边植被茂盛，水体自净能力较强。这些水循环条件、周边环境的不同造成了藻类与各营养因子变化趋势的差别。

2.2 主要驱动因子识别

在测量了眉湖不同断面和点位的水体流速后发现，眉湖水体呈现流速缓慢，流向无序的特点，风力及曝气机运行对水体流速存在着明显的扰动作用。各监测点的平均流速在0.01 m/s以下，流向频繁变化，采用实际监测数据用于研究中的意义不大，因此决定不将流速实测数据应用于驱动因子识别中。但通过对眉湖的观测和调查，发现水动力因素可能对眉湖存在着一定的影响，表现为北部地势高因而水体循环流畅，南部Ⅳ断面以南地势较低且出水口设置较高，可能导致较深部分的水体不能排出而使富营养化比北部明显。

图3 各环境因子变化情况Fig.3 The trend of environmental factors

本节主要采用两种方法分析眉湖藻类动态变化的主要驱动因子。首先采用皮尔逊相关分析法进行相关度较强的因子的初步筛选；进而采用主成分分析法进行进一步筛选，采用最大方差法进行主因子旋转后，每个主因子都代表几个环境因子，方差贡献率较低的主因子中的代表因子可视为非关键因子。

2.2.1 基于相关分析方法主要驱动因子识别

(1)藻类与各驱动因子的相关性分析。统计藻类在眉湖南北部的含量变化，做出与环境因子之间的相关分析，以此为依据筛选出主要的驱动因子，相关分析结果如表1所示。

表1 藻类细胞浓度与各环境因子相关系数Tab.1 Correlative coefficient between algae cell concentration and environmental factors

由表1可见，藻类细胞浓度与某些环境因子的相关度较高，然而这些与藻类存在高相关度的环境因子彼此间可能互为因果，还需结合环境因子间的相关矩阵，在机理上分析的基础上进行进一步精简。

(2)基于环境因子相关矩阵的主要驱动因子筛选。为了分析环境因子间的相互作用，建立环境因子间的皮尔逊相关系数矩阵，相关关系较高的因子间可能存在较密切的机理联系，应分析其机理并将其中之一筛去，分析结果见表2。

表2 各因子之间皮尔逊相关系数矩阵Tab.2 Pearson correlation coefficient matrix between factors

由表2可见，以下环境因子间相关性较高：COD与BOD5的相关系数为0.855。BOD5与总磷的相关系数为0.656，电导率与总氮的相关系数为-0.677，溶解氧与浊度的相关系数为-0.549，溶解氧与氨氮的相关系数为-0.546，pH与电导率的相关系数为0.518等。这些相关性较高的因子之间可能存在一定的机理之间的联系，例如COD与BOD5，这两个指标表征意义相似；溶解氧与氨氮，氨氮含量的升高表明发生了厌氧菌的滋生，氧含量也会下降。pH与电导率，pH含量的升高表明水体中溶解性无机盐含量的上升，此时电导率也会提升。结合数据分析环境因子之间可能存在的机理联系后，将其中一些具有代表性的驱动因子筛选出来。

在热力因子中，南部断面温度与藻类生长相关性较明显，而北部断面光照强度与藻类生长相关性较明显，故南部断面选取温度、北部断面选取光照强度作为热力因子的代表因子。在氧平衡因子中，溶解氧与藻类变化相关关系不明显，生化需氧量与化学需氧量两个指标表征意义相似，变化趋势及与藻类的相关性也相似，应将其中之一舍去，故南北断面都选取COD作为氧平衡因子的代表因子。在营养盐因子中，总氮与藻类浓度的相关性高于总磷，是眉湖水体中藻类生长的限制性营养元素；此外，眉湖南部氨氮浓度较高，其与藻类呈较明显的负相关。因此南部断面选取总氮和氨氮、北部断面选取总氮营养盐因子中的代表因子。在浊度因子中，浊度、透明度、悬浮物3个指标意义近似且相互间相关性较高，故选取浊度作为浊度因子的代表因子。在其他环境因子中，pH与藻类生长相关关系较电导率明显，故南北部断面都选取pH为代表因子。

经第一轮筛选后，共筛选出于6个与藻类生长相关关系较密切的几个因子，南部断面是热力因子1个(即温度)，氧平衡因子1个(即COD)、营养盐因子2个(即总氮、氨氮)、浊度因子1个(即浊度)、其他因子1个(即pH)。北部断面是热力因子1个(即光照强度)，氧平衡因子1个(即COD)、营养盐因子1个(即总氮)、浊度因子1个(即浊度)、其他因子1个(即pH)。

2.2.2 基于主成分分析的主要驱动因子识别

将筛选出来的几个环境因子进行KMO和Bartlett球形检验，其KMO南部断面为0.664，北部断面为0.608；而Bartlett球度检验给出的相伴概率南北部均为0，小于显著性水平0.05，可认为适合做主成分分析。将南北部断面监测的环境因子筛选出来的对藻类生长影响较为明显的几个因子进行主成分分析，以获得信息更为综合的因子，并在此基础上对各类因子的影响程度进行研究。为使每个主成分的意义更加明确，采用最大方差法对因子进行旋转，按照累计方差贡献率不低于80%的原则，南部断面提取了3个主成分，北部断面提取了2个主成分(如见表3)。其因子荷载矩阵如表4所示。

表3 变量的方差解释Tab.3 Explained variances of variables

由方差解释表及荷载矩阵可以看出，南部断面第一主因子的方差贡献率最高，为32.277%。光照强度、总磷在第一主因子上的载荷较高。第一主因子主要反映光强和磷元素对藻类生长的综合作用。第二主因子方差贡献率也较高，为31.460%，COD、浊度、pH在此主因子上的荷载较高，眉湖水体中泥沙含量较少，固体悬浮质主要是有机质，故COD和浊度都可以看做是水体中固体有机悬浮质的浓度。因此第二主因子主要反映有机悬浮质和pH对藻类生长的综合作用。第三主因子方差贡献率为18.595%，相对于其他两个主因子贡献较少。高荷载因子为氨氮。主要反映氨氮对藻类生长的作用。综合来看，南部断面第三主因子相对第一和第二主因子的方差贡献率较小，仅有18.595%，可以认为氨氮对藻类生长的影响作用不显著，可能原因是在水体中含量过低，无论是为藻类生长供给氮元素的正面作用或是改变水体pH影响藻类生存的负面作用都不显著，将其筛去。至此，筛选出了5个对眉湖藻类生长起明显作用的因子，分别是温度、COD、总氮、浊度、pH。

表4 因子荷载矩阵Tab.4 Factor load matrix

北部断面第一主因子贡献率44.499%，COD、总氮、浊度在第一主因子上的荷载较高，第一主因子主要反应有机营养物质对藻类的生长作用。第二主因子贡献率40.061%，光照强度、pH在此主因子上荷载较高，光照强度影响藻类光合作用强度，pH也与藻类光合作用互为影响因素。第二主因子主要反映光合作用条件对藻类生长的总和作用。综合来看，北部断面两个主因子方差贡献率相似，且都超过了40%，可认为北部断面经第一轮筛选过后的光照强度、COD、总氮、浊度、pH 5个环境因子中，没有不显著的因子。

2.3 定量关系式建立

将经过相关分析和主成分分析的筛选的因子与藻类数据建立多元回归方程，并检验显著性，其中显著性检验的概率值P>0.05的自变量可以认为与因变量关系不显著，应该被剔除。如表5，南部断面剔除温度、COD和氨氮，北部断面剔除浊度和pH后，剩余的自变量再次建立多元回归方程并进行显著性检验，无不显著的自变量。最终得到多元回归方程为：

表5 回归系数与显著性分析Tab.5 Regression coefficient and significance analysis

南部断面：

Ca=-7 803.161+2 515.812TN+54.333Tu+957.315P

(1)

北部断面：

Ca=-398.29+26.38I+9.83COD+166.73TN

(2)

式中：Ca为藻类细胞浓度，个/mL；I为光照强度，Lux；COD为化学需氧量浓度，mg/L；TN为总氮浓度，mg/L；Tu为浊度，NTU；P为水体pH值。

利用2015年4-9月在眉湖进行的水生态综合监测实验的数据对回归模型进行验证，南北断面平均相对误差分别为17.60%和19.34%，可以看出拟合程度较好。该回归模型根据2016年5-9月的眉湖水生态监测实验数据建立，采用2015年同时期的实验数据进行验证，验证结果表明该模型基本可靠，适用于对眉湖夏季藻类生长情况的研究，而春冬秋季节藻类与各环境因子的关系与夏季可能有所不同，该模型在这些季节的适用性有待验证。

3 结 语

本文结合眉湖现场监测与实验室检测数据，分析了水体中藻类及各水质因子的变化趋势及其影响因素；利用相关分析和主因子分析的结果筛选出影响藻类生长的主要环境因子；采用筛选出的环境因子建立了关于藻类的多元回归方程，描述了几个主要环境因子与藻类细胞浓度间的相关性，其中较高的有南部断面总氮、浊度和pH，北部断面的光照强度、COD和总氮，并使用实测数据进行了验证。研究中识别的眉湖藻类生长的主要驱动因子，可以作为该湖的藻类爆发防治工作的参考，丰富了国内关于小型人工湖藻类动态变化规律的研究。