2023, Vol. 35 
(2: 农业农村部农业生态与资源保护总站, 北京 100125)
(2: Rural Energy and Environment Agency, Ministry of Agriculture and Rural Affairs, Beijing 100125, P. R. China)
湖泊是水生态系统的重要组成部分，承担着旅游休闲、防洪排涝、水产养殖和航运等多种生态系统的服务功能，在生物多样性保护和生态安全等方面发挥着重要的作用。从全球范围看，大部分湖泊属于小型浅水性湖泊[1]。经济的快速发展和人口迅速增加等因素导致了水体营养状态维持在较高水平[2]。至今，湖泊富营养化仍是全球关注的重大水环境问题之一[3-4]，富营养化湖泊的综合治理受到世界上多数国家的高度重视。长江中下游地区是我国淡水湖泊的密集分布区，但自1980s以来该地区湖泊的营养水平和富营养化风险持续增加。2016年以来，“长江大保护”上升为国家战略，解决长江流域湖泊富营养化的突出问题已成为各级政府的重要工作内容。然而，如何准确地评估水体营养水平是采取合适的湖泊综合治理对策的前提和基础[5-6]。
目前，用于评价湖泊营养水平的参数包括单个理化指标(总氮、总磷等)、营养状态指数和生物指标(如浮游植物叶绿素a浓度)等[7-10]，其中以综合营养状态指数得分高低来评价湖泊的营养状态是当前最常用的方法。这些指数包括Carlson指数(TSI)、修正后的Carlson指数(TSIm)、综合加权的营养状态指数(TLI)和湖库营养状态指数(EI)等[8, 11-17]。实际评估时，首先计算基于单个环境变量的营养状态指数(TSI、TSIm、TLI和EI)得分，然后再给予它们相应权重系数而获得基于多个环境变量的综合营养状态指数(TSIc、TSImc、TLIc和EIc)得分，并以此为依据来评估湖泊的营养状态。TSIc、TSImc和EIc得分常基于等权平均法[18]，而TLIc得分则基于加权平均法[19]。因此，基于单个环境变量的营养状态指数(TSI、TSIm、TLI和EI)得分是否合理对于准确判断湖泊的营养状态非常重要，但其的合理性取决于自身计算方程的科学性。
基于单个环境变量的营养状态指数(TSI/TSIm/TLI/EI)方程构建的原理和过程有所差异。TSI指数构建是以深水湖库为对象，基于SD构建基础方程，再根据lnSD-lnChl.a-lnTP的线性关系推导出TSI(Chl.a)和TSI(TP)方程[11]。与深水湖库不同，浅水湖泊的SD往往并不是藻类生物量的良好指示，而Chl.a可较好体现藻类生物量，因此日本学者设计了以Chl.a为核心的TSIm指数，该指数首先构建TSIm(Chl.a)函数，然后再依据lnSD-lnChl.a-lnTP的回归关系并通过替换获得TSIm(SD)和TSIm(TP)等的评估方程[12]。中国学者根据我国湖库藻类生产量常也受TN限制的现状，结合化学需氧量(CODMn)也是藻类生物量良好的间接体现，设计了包括TN、TP、SD、CODMn和Chl.a等监测项目的TLI指数，具体公式是TLIj=10(aj+bjCjx)，其中aj和bj是根据对数极差规格化公式计算出的常数, Cjx是第j个监测指标的实测值[13]。EI指数构建时，将EI设置为10~100且间隔为10的连续分值，每间隔10分设置各监测指标的浓度或者数值阈值，不同的阈值区间内采用线性插值法获得该指标的EI分值[17]。虽然TLI和EI的单参数营养状态指数表面上并不是直接通过各实测的理化参数与Chl.a之间的线性回归关系构建的，但TLIj方程的aj和bj值计算、EI指数得分计算所依赖的各理化参数与Chl.a的源数据阈值之间本身均存在线性回归关系。这就表明基于理化指标的TSI、TSIm、TLI和EI指数在湖泊营养水平评估中的可靠性与SD-Chl.a-TP(TN)间是否存在线性关系有很大关系。
然而，除了营养盐外，自然界水体中非藻类浊度、水文气象条件、光照条件等常也对藻类生长繁殖具有较大的影响，使得lnChl.a-lnSD、lnTP(TN)-lnChl.a间的线性关系有时并不存在[20-22]，这样可能会造成基于SD、TN和/或TP等理化指标的营养状态指数得分常显著高于或者低于基于Chl.a的营养状态指数分值。由于氮磷营养盐浓度增加并不会对水环境产生直接的负面影响，其导致的藻类异常增殖才是富营养化的核心问题，这使得Chl.a成为了评估湖泊富营养化现状和相关风险的最终指示[10, 23]。因此当基于水体理化指标(TN、TP和SD等)与基于Chl.a的营养状态指数得分间不匹配时，势必会造成基于理化指标的评估结果高估或者低估了实际富营养化水平和相关风险[10]，进而引起对部分本应是较低营养水平湖泊的过度保护或对本应是较高营养水平湖泊的保护不足等问题。邹伟等采集并分析了我国包括长江中下游在内的东部平原的非通江浅水湖泊、通江浅水湖泊和深水水库等重点中大型湖库的夏季水样，发现三种类型水体中基于水体理化指标(TN、TP、SD和CODMn)和基于Chl.a的TLI营养状态指数间均存在显著性差异，表现为高估或者低估了湖库的实际富营养化水平和相关风险[10]。
我国长江中下游地区湖泊众多，除了普遍关注的中大型湖库外[10]，还分布有大量的小型浅水湖泊，其中有些湖泊属于城市内湖，在调节局域小气候、净化城市空气和提高游览观赏价值等方面具有特别的生态功能[13, 23-24]。与中大型湖泊类似，这些小型浅水湖泊的富营养化问题也很突出[25]，但其实际富营养化水平评估方法可靠性的研究存在不足，从而难以确定TSI、TSIm、TLI和EI等营养状态指数在长江下游小型浅水湖泊富营养化水平及相关风险评估中的适宜性。
本研究以位于长江下游中小型湖泊群为研究对象，通过周年四季样品的采集，统计分析各湖泊营养状态指数，目的在于: (1) 探讨基于理化指标(SD、TN和TP)与基于Chl.a的TSI、TSIm、TLI和EI营养状态指数得分间的差异性及其形成的可能原因; (2) 若上述差异显著，则根据本研究的lnSD-lnTN(TP)-lnChl.a间的回归关系，重构相应的营养状态指数方程，比较依据重构后方程的各营养状态指数得分间差异并评判这些重构方程的合理性，旨在为筛选合适的、可较准确地评价长江下游小型浅水湖泊富营养化水平的营养状态指数提供依据。
1 材料与方法 1.1 采样湖泊群长江下游包括江西(湖口段以下)至长江口段，经过江西、安徽、江苏和上海，总长度约938 km，流域面积约12万km2; 流域内人口密集，城市化水平高。2019年，安徽、江苏和上海三省市平均人口密度达到1699人/km2，平均城镇化率达到71.51 %，总GDP达到17.35万亿，是我国长江经济带的龙头区，但同时也是生态承载力低、生态压力高的地区[26-27]。该区域内有大量的湖泊，多是由地质运动和河流冲淤作用形成的，湖盆浅平，大多属浅水湖[28]。由于快速的工业化和城市化等使得长江下游湖泊中氮磷等营养盐浓度长期维持在较高水平，加上该地区较高的年均温度和充足的光照等条件也有利于藻类繁殖[13, 28]，使得区域内湖泊的藻情较为严重，多数湖泊处于富营养化状态[29-31]。
本研究选择了安徽省和江苏省内的14个湖泊为研究水体，这些湖泊均位于长江下游且是浅水湖泊(平均深度 < 3.0 m)[32]。根据湖泊大小，于每个湖泊设置了1~3个采样点，共设置20个采样点(图 1)。
|
图 1 长江下游的采样湖泊群 (各数字代码对应的湖泊名称: 1菱湖、2平天湖、3上小湖、4天井湖、5西湖湿地、6镜湖、7雨山湖、8秀山湖、9玄武湖、10前湖、11珍珠湖、12宋剑湖、13五里湖、14尚湖) Fig.1 The sampling lakes in the lower reach of the Yangtze River |
于2019年4月底(春季)、2019年7月(夏季)、2019年10月(秋季)和2020年1月初(冬季)分别采集样品。为尽可能保证水体透明度测定的准确性，采样前查询天气情况，尽可能保证每次采样期为弱风无雨的天气状况[33]。为避免可能存在的藻类垂直分布对研究结果的影响，采样时，使用2.5 L采水器分别采集表层、中间水层和接近底层的水样各5.0 L后混合。接着，从15.0 L的混合湖水中随机各取1.0和0.5 L的水样，用冰块冷却，带回实验室用于叶绿素a(Chl.a)浓度、总氮(TN)和总磷(TP)浓度的测定等。Chl.a测定采用丙酮萃取法[34]，TN和TP浓度的测定参照文献进行[35]。
采集样品同时，现场用YSI Professional Plus手持式多参数水质分析仪测定水温(WT)、水体pH值、电导率等，用Secchi-Disk圆盘记录水体透明度(SD)。
1.3 数据分析基于理化参数(SD、TP和TN)和Chl.a的各营养状态指数值(TSI(SD/Chl.a/TP)，TSIm(SD/Chl.a/TP)，TLI(SD/Chl.a/TP/TN)和EI(SD/Chl.a/TP/TN))的计算分别参照文献进行[11-13, 17]，均取各营养状态指数的年均值用于后续的统计分析。
利用线性回归法分析各湖泊的Chl.a年均值与TN、TP和SD的年均值之间的关系，对不符合正态分布的数据进行了对数转化。运用单因素方差分析(One-way ANOVA)和多重比较法分析基于水体理化因子(SD、TN和TP)和基于Chl.a的营养状态指数得分间的差异性。多重比较采用Tukey-Test法(方差齐)或Games-Howell法(方差不齐)。若基于理化参数与基于Chl.a的TSI、TSIm、TLI和EI营养状态指数得分间的差异性显著，则基于TSI、TSIm和TLI的基础方程并根据本研究lnSD-lnChl.a-lnTP(TN)的回归关系，通过相互替换获得重构方程(TSIr、TSImr和TLIr)，并再次根据重构方程比较基于水体理化参数和基于Chl.a的营养状态指数得分间的差异性，统计分析方法同上。
方程重构后，假定基于理化参数与基于Chl.a的TSIr、TSImr和TLIr指数得分间均无显著性差异，则进一步分析各综合营养状态指数(TSIrc、TSImrc和TLIrc)得分间是否一致，统计分析方法同上。TSIrc和TSImrc计算时采用等权法[36]。TLIrc计算时采用相关加权法，各理化参数(TLIrc(SD)、TLIrc(TN)和TLIrc(TP))的权重系数根据公式
本研究各环境变量均获得了80个数据。SD在0.10~1.30 m之间变动(仅有2.5 % 的SD>1.0 m)，其年均值和中位数分别为(0.43±20.22)和0.40 m。Chl.a在3.64~312.13 μg/L之间变动(仅有15 % 的Chl.a < 10.0 μg/L，其中马鞍山秀山湖占5 %)，其年均值和中位数分别为(37.21±40.78)和26.57 μg/L。TN在0.59~9.89 mg/L间变动(仅有8.8 % 的TN < 0.7 mg/L)，其年均值和中位数分别为(1.67±1.33)和1.29 mg/L。TP在0.02~0.49 mg/L间变动(仅有5.0 % 的TP < 0.02 mg/L)，其年均值和中位数分别为(0.09±0.07)和0.07 mg/L。
2.2 lnSD-lnChl.a-lnTP(TN)间的回归关系线性回归分析结果表明，所研究湖泊中，lnSD-lnChl.a-lnTN(TP)间均呈显著的线性关系; TP解释了73 % 的Chl.a变化，TN解释了47 % 的Chl.a变化，Chl.a解释了50 % 的SD变化(图 2)。
|
图 2 长江下游小型浅水湖泊中SD-Chl.a-TP(TN)间的对数回归关系(**: P < 0.01) Fig.2 The linear regression models of lnSD-lnChl.a-lnTP(TN) of the small shallow lakes in the lower reach of the Yangtze River(**: P < 0.01) |
单因素方差分析和多重比较结果表明，所研究湖泊中，TSI(SD)得分显著高于TSI(Chl.a)的分值，而TSI(TP)与TSI(Chl.a)得分间无显著性差异(图 3A); TSIm(SD)和TSIm(TP)的得分均显著高于TSIm(Chl.a)得分(图 3B)。
|
图 3 长江下游小型浅水湖泊的TSI指数(A)、TSIm指数(B)得分(平均数±标准差) (不同小写字母表示不同营养状态指数得分间存在显著性差异。下同) Fig.3 The scores of TSI(A) and TSIm (B) indices (Mean±SD) of the small shallow lakes in the lower reach of the Yangtze River (Different lower-case letters indicate that there are significant differences among the scores of different trophic level indices. The same see below) |
单因素方差分析和多重比较结果表明，所研究湖泊中，TLI(SD)得分显著高于TLI(Chl.a)分值，TLI(TN)的得分与TLI(Chl.a)间无显著性差异，TLI(TP)的得分显著低于TLI(Chl.a)(图 4A); EI(SD)得分显著高于EI(Chl.a)得分，EI(TP)的得分显著低于EI(Chl.a)的分值，EI(TN)的得分显著高EI(Chl.a)(图 4B)。
|
图 4 长江下游小型浅水湖泊的TLI指数(A)、EI指数(B)得分 Fig.4 The scores ofTLI(A), EI(B) indices of the small shallow lakes in the lower reach of the Yangtze River |
湖泊中浮游植物生物量的时空变动受营养盐浓度、光照强度和水温等因素的影响，Chl.a是反映水体浮游植物生物量的间接指标。在包括长江下游在内的中国东部平原湖库中，Chl.a是否受氮磷营养盐和光照强度的限制取决于湖泊类型(湖泊深浅、水滞留时间长短等)[16, 37]，表现为当区分湖泊类型时，利用简单线性回归方程发现小型浅水性湖泊中的Chl.a受氮磷营养盐共同限制[16]; 当不区分湖泊类型时，利用分位数回归模型发现，湖泊Chl.a受何种营养盐限制与被研究湖泊的水深有关[37]。从本研究的简单线性回归方程看(图 2)，长江下游14个浅水湖泊的Chl.a可能更偏向于受氮磷共限制。当然，受人力等因素限制，本研究的湖泊数不多，每个湖泊设置的采样点数也偏少，客观上可能影响了对长江下游浅水湖泊Chl.a变动限制因子的判断。
水温对湖泊Chl.a变动具有较为明显的影响。一般认为，受低温影响，亚热带湖泊中冬季Chl.a浓度最低[33, 38]。正因为如此，为消除水温对TP(TN)-Chl.a关系的干扰，在探讨湖泊营养水平评估指数可靠性研究中多以夏季湖泊为研究水体[10]。但前期分析结果表明，本研究的14个浅水湖泊的Chl.a在4个季节间并没有显著性差异; 且在冬季，TP解释了76 % 的Chl.a变化[32]。有调查发现，尚湖中冬季浮游植物密度和生物量仅低于夏季[39]; 南京市玄武湖、月牙湖、琵琶湖的冬季浮游植物平均密度仅低于春季或夏季[40]，而前湖的冬季浮游植物平均密度低于秋季但与春季间差距并不大[41]; 长江下游干流中，浮游植物密度和生物量反而在冬季最高[41]。上述有关长江下游冬季水体中浮游植物现存量较高的原因与其中的浮游植物群落在冬季均以硅藻占优势有关[39-41]，因为研究发现硅藻适宜在低温环境中生存[42]。因此，推测本研究湖泊冬季Chl.a与其他3个季节间无显著性差异的原因可能是，冬季水体浮游植物群落中以硅藻占优势。当然, 需要今后进一步调查这些湖泊浮游植物物种组成及其现存量的季节动态予以证实。
3.2 基于理化指标(SD、TN和TP)与基于Chl.a的单参数营养状态指数得分差异的原因经典的TSI、TSIm、TLI和EI营养状态指数方程构建是以被研究的原初湖泊的SD-Chl.a-TP(TN)的线性关系为重要依据。然而，由于全球各地湖泊生态背景差异较大，造成了水体Chl.a和理化指标之间的响应关系有时偏离了TSI、TSIm、TLI和EI经典方程构建时的线性关系[43-45]。在此情况下，基于水体理化指标(TN、TP和SD等)和基于Chl.a的评估结果间常存在不匹配现象[10]，导致依据理化指标的评估结果常会误判湖泊的实际富营养化水平和相关风险[10]。
本研究湖泊中，TSI(SD)、TSIm(SD)、TLI(SD)和EI(SD)年均值均分别显著高于TSI(Chl.a)、TSIm(Chl.a)、TLI(Chl.a)和EI(Chl.a)，表明基于SD的评估结果高估了湖泊的实际富营养化水平。从本研究的lnChl.a-lnSD间的回归关系看，二者之间呈现显著的负相关关系，且Chl.a解释了50 % 的SD变化(图 2)，说明了藻类的“遮挡”效应仅能解释湖泊透明度下降的一半原因。有研究表明，在包括长江下游在内的中国东部平原湖库中，无机悬浮物浓度(ISS)与水深之间呈现显著负相关关系，且其在水深低于2.0 m的湖泊中更为明显[37]。本研究中的大多数湖泊水深均低于2.0 m[32]，因此可以推测在本研究的浅水湖泊中，沉积物的再悬浮导致水体中的ISS浓度较高，这种非藻浊度(non-algal turbidity)因素削弱了藻类对水体透明度影响的敏感性，从而导致了基于SD的各营养状态指数得分均显著高于基于Chl.a的得分。
营养盐是否具有富营养化现状及风险评估的意义首先取决于其是否是相应水体藻类生物量的限制因子[10]。本研究的湖泊中，尽管基于TN和Chl.a的年均值，发现TN解释了47 % 的Chl.a变化(图 2)。但若以各样点TN和Chl.a的测定值为依据，发现TN仅能解释24 % 的Chl.a变化(未发表数据); 且通过多元线性回归分析发现，仅TP对周年Chl.a变动影响最大，而TN被排除出回归方程[32]。这就说明了本研究湖泊中TN对Chl.a变动的影响并不是很大。究其原因，可能与本研究的湖泊数有限、每个湖泊的样点数不多有关。因此，尽管本研究发现TLI(TN)与TLI(Chl.a)得分间无显著差异，但并不能确定TLI(TN)的评估结果就能反映湖泊的实际富营养化水平，况且EI(TN)分值显著高于EI(Chl.a)分值。今后需要采集更多湖泊的样品，尽量增加采样湖泊的样点数，同时视情况采用分位数回归法在分布上界(95分位及以上)构建TN与Chl.a之间的回归方程[43]，以更加合理地探讨基于TN的营养状态指数在湖泊富营养化水平评估中的适宜性。
从基于TP的营养状态指数的评估结果看，基于TP与基于Chl.a的得分间的差异性取决于营养状态指数类型。本研究湖泊中，TLI(TP)与EI(TP)的得分分别显著低于TLI(Chl.a)和EI(Chl.a)的得分，这说明基于TP的TLI和EI指数均低估了湖泊的实际富营养化水平，表明Chl.a对营养盐的利用效率比TLI和EI指数构建所对应湖泊中的效率更高[10]。同时，从lnTP(TN)-lnChl.a的回归方程看，本研究湖泊中藻类偏向受氮磷共同限制(因为lnTN-lnChl.a回归方程的R2=0.47且P < 0.01)，TN对藻类生物量的影响可能削弱了Chl.a对TP响应的敏感性。然而，TSIm(TP)得分却显著高于TSIm(Chl.a)。由于TSIm方程构建时是以日本湖泊的监测数据为基础，而TLI和EI的相关方程构建所依赖的源环境变量均来自中国湖泊，两国湖泊间的背景差异使得SD-TP-Chl.a间的关系可能并不一致，这或许是导致本研究TSIm(TP)得分高于TSIm(Chl.a)得分的重要原因。值得注意的是，TSI(TP)与TSI(Chl.a)得分间无显著差异，但作者认为TSI(TP)并不一定适合于我国长江下游小型湖泊营养状态的评价，因为TSI指数构建原理是以SD指示Chl.a浓度，此指数主要适用于深水湖库的营养水平评估[11]，而本研究的湖泊均是浅水湖泊，SD不但受到Chl.a浓度影响，可能还与水体中较高ISS浓度密切相关。
3.3 长江下游中小型浅水湖泊营养水平评估的建议由于自然湖泊中SD-Chl.a-TP(TN)关系的多样性，使得基于理化指标的评估结果往往不能反映湖泊的真实营养状态，因此有学者建议建立“一类一策”的湖泊营养状态评估方法[10, 24]。本研究结果表明，不管采用哪个营养状态指数，基于理化指标的评估结果都难以反映湖泊的实际富营养化水平，因而根据本研究的lnSD-lnChl.a-lnTP(TN)的回归方程，重构获得了湖泊的TSIr、TSImr和TLIr指数方程(表 1)。需要说明的是，由于EI指数方程的构建并不是基于实测值的SD-Chl.a-TP(TN)关系，因此没有重构EI指数方程。
|
表 1 长江下游小型浅水湖泊营养状态指数的重构方程(TSIr/TSImr/TLIr) Tab. 1 Reconstruction models of the trophic state index (TSIr/TSImr/TLIr) of the small shallow lakes in the lower reach of the Yangtze River |
采用重构方程后，基于理化指标(SD、TN和TP)与基于Chl.a的营养状态指数得分间均无显著性差异(附图Ⅱ)，说明上述3个指数的重构方程在湖泊富营养化水平评估中具有一定的应用价值。但是在实际应用过程中，人们常用的是基于多个环境变量的综合营养状态指数(TSIc或TSImc或TLIc或EIc)得分，而不是基于单个环境变量的湖泊营养状态指数[8, 17-19]。基于重构方程，进一步通过等权平均法或者加权平均法获得基于TN、TP、SD和Chl.a的综合营养状态指数得分，发现TSIrc得分年均值显著高于TSImrc和TLIrc的分值，而后两者间无显著差异(附图Ⅲ)。然而，本研究湖泊中Chl.a浓度的年均值为37.21 μg/L[32]。从TSI、TSIm和TLI方程构建依据的源数据的营养状态指数赋分看，该Chl.a浓度对应的TSI、TSIm和TLI的分值均在60~70间[11-13]，而本研究的TSIrc年均值为73.00±4.32，这说明基于本研究重构方程的TSIc得分显然高估了湖泊的实际富营养化水平和相关风险。结合TSI指数构建的生态学原理(具体见本文前言部分)，建议在我国长江下游中小型浅水湖泊营养水平评估中，不宜采用TSI指数。
同样基于重构方程，发现本研究湖泊中的综合营养状态指数得分间(TSImrc vs. TLIrc)无显著性差异且其分值均在60~70之间，这与水体Chl.a浓度(37.21 μg/L)对应的TSIm(Chl.a)和TLI(Chl.a)得分区间一致。因此，建议考虑应用TSImrc和TLIrc指数来评估我国长江下游小型浅水湖泊的富营养化水平。需要特别说明的是，基于本研究环境因子实测值的归一化相关权重(Wj1)和基于直接引用文献数据的相关权重(Wj2)(表 2)，分别计算出了TLIrc-1与TLIrc-2的得分，并发现后两者间无显著性差异(附图Ⅲ)。从简便性角度出发，建议在利用TLIrc指数评估长江下游小型浅水湖泊富营养化水平时，可以考虑以直接引用文献数据获得的归一化相关权重(Wj2)计算TLIrc指数得分。
|
|
表 2 基于TLI湖泊营养状态指数的各评价参数的归一化相关权重 Tab. 2 Normalized correlation weight of each of the assessment parameters based on lake trophic level index of TLI |
当然，本文所有分析和讨论的前提是: Chl.a是湖泊富营养化状态的最终指示。因此，藻类Chl.a测定的准确性就显得尤为重要。当前藻类Chl.a浓度测定的方法较多，测定用的萃取剂有乙醇和丙酮等多种，藻类细胞的破碎方法也不尽相同，因而导致测定出的Chl.a浓度可能存在差异。比如: 有研究发现，以乙醇为萃取溶剂所获Chl.a浓度显著高于以丙酮作为提取溶剂的浓度[46]; 以采用反复冻融、浸提的方法提取出的Chl.a浓度比传统使用的研磨法的结果更准确[47]。尽管如此，近期不少研究仍然用丙酮作为萃取剂来测定藻类Chl.a浓度[48-49]。因此建议有关学术机构与政府部门联合发布湖泊藻类Chl.a提取和测定的标准方法，以避免因Chl.a浓度测定方法的偏差导致误判了湖泊的实际营养水平。并且，有研究表明，浅水湖泊的Chl.a浓度在较短的采样周期内甚至在同一天的不同时刻，都可能因环境因素的变化产生较大波动[50-51]。因此建议相关学者还要考虑制定统一的采样频次标准，以便能更准确地评估湖泊的营养状态。
4 结论1) 基于理化指标的营养状态指数普遍误判了长江下游小型浅水湖泊的实际营养状态。
2) 根据lnSD-lnChl.a-lnTP(TN)间的回归关系重构了长江下游小型浅水湖泊的营养状态指数方程(TSIr、TSImr和TLIr)。基于理化指标与基于Chl.a的TSImr和TLIr的营养状态指数得分间均无显著性差异。综合水体实测Chl.a浓度及基于多参数的综合营养状态指数(TSImrc和TLIrc)得分，建议考虑应用TSImrc和TLIrc指数来评估我国长江下游小型浅水湖泊的富营养化水平。
5 附录附图Ⅰ~Ⅲ见电子版(DOI: 10.18307/2023.0411)。
|
附图Ⅰ 本研究数据分析流程 AttachedFig1 The flowchart for data analysis in this study |
|
附图Ⅱ 长江下游小型浅水湖泊TSIr、TSImr和TLIr指数得分(平均数±标准差) (不同小写字母表示不同营养状态指数得分间存在有显著性差异. 下同) AttachedFig2 The scores of TSIr, TSImr and TLIr indices (Mean±SD) of the small shallow lakes in the lower reach of the Yangtze River (Mean±SD).Different lower-case letters indicate that there are significant differences among the scores of different trophic level indices. The same see below |
|
附图Ⅲ 长江下游小型浅水湖泊TSIrc、TSImrc、TLIrc-1和TLIrc-2指数得分(平均数±标准差) AttachedFig3 The scores of TSIrc, TSImrc, TLIrc-1 and TLIrc-2 indices (Mean± SD) of the small shallow lakes in the lower reach of the Yangtze River (Mean± SD) |
| [1] |
Downing JA, Prairie YT, Cole JJ et al. The global abundance and size distribution of lakes, ponds and impoundments. Limnology and Oceanography, 2006, 51(5): 2388-2397. DOI:10.4319/lo.2006.51.5.2388 |
| [2] |
Chang NN, Luo L, Wang XC et al. A novel index for assessing the water quality of urban landscape lakes based on water transparency. Science of the Total Environment, 2020, 735: 139351. DOI:10.1016/j.scitotenv.2020.139351 |
| [3] |
Conley DJ, Paerl HW, Howarth RW et al. Controlling eutrophication: Nitrogen and phosphorus. Science, 2009, 323(5917): 1014-1015. DOI:10.1126/science.1167755 |
| [4] |
Dodds WK, Smith VH. Nitrogen, phosphorus, and eutrophication in streams. Inland Waters, 2016, 6(2): 155-164. DOI:10.5268/iw-6.2.909 |
| [5] |
Ji PF, Xu H, Zhan X et al. Spatial-temporal variations and driving of nitrogen and phosphorus ratios in lakes in the middleand lower reaches of Yangtze River. Environmental Science, 2020, 41(9): 4030-4041. [季鹏飞, 许海, 詹旭等. 长江中下游湖泊水体氮磷比时空变化特征及其影响因素. 环境科学, 2020, 41(9): 4030-4041. DOI:10.13227/j.hjkx.202002017] |
| [6] |
Qin BQ. Shallow lake limnology and control of eutrophication in Lake Taihu. J Lake Sci, 2020, 32(5): 1229-1243. [秦伯强. 浅水湖泊湖沼学与太湖富营养化控制研究. 湖泊科学, 2020, 32(5): 1229-1243. DOI:10.18307/2020.0501] |
| [7] |
USEPA. National Lakes Assessment: A Collaborative Survey of the Nations Lakes. Technical Report, US Envrironmental Protection Agency, 2009. |
| [8] |
Wang JL, Fu ZS, Qiao HX et al. Assessment of eutrophication and water quality in the estuarine area of Lake Wuli, Lake Taihu, China. Science of the Total Environment, 2019, 650(Pt 1): 1392-1402. DOI:10.1016/j.scitotenv.2018.09.137 |
| [9] |
Liang ZY, Soranno PA, Wagner T. The role of phosphorus and nitrogen on chlorophyll a: Evidence from hundreds of lakes. Water Research, 2020, 185: 116236. DOI:10.1016/j.watres.2020.116236 |
| [10] |
Zou W, Zhu GW, Cai YJ et al. The limitations of comprehensive trophic level index (TLI) in the eutrophication assessment of lakes along the middle and lower reaches of the Yangtze River during summer season and recommendation for its improvement. J Lake Sci, 2020, 32(1): 36-47. [邹伟, 朱广伟, 蔡永久等. 综合营养状态指数(TLI)在夏季长江中下游湖库评价中的局限及改进意见. 湖泊科学, 2020, 32(1): 36-47. DOI:10.18307/2020.0104] |
| [11] |
Carlson RE. A trophic state index for lakes. Limnology and Oceanography, 1977, 22(2): 361-369. DOI:10.4319/lo.1977.22.2.0361 |
| [12] |
Aizaki M, Otsuki A, Fukushima T et al. Application of Carlson's trophic state index to Japanese Lakes and relationships between the index and other parameters. SIL Proceedings, 1922-2010, 1981, 21(1): 675-681. DOI:10.1080/03680770.1980.11897067 |
| [13] |
金相灿, 刘树坤, 章宗涉等. 中国湖泊环境. 北京: 海洋出版社, 1995.
|
| [14] |
Duan HT, Zhang YZ, Zhang B et al. Assessment of chlorophyll-a concentration and trophic state for Lake Chagan using landsat TM and field spectral data. Environmental Monitoring and Assessment, 2007, 129(1): 295-308. DOI:10.1007/s10661-006-9362-y |
| [15] |
Zheng XD, Teng YG, Song LT. Iron isotopic composition of suspended particulate matter in Hongfeng Lake. Water, 2019, 11(2): 396. DOI:10.3390/w11020396 |
| [16] |
Zou W, Zhu GW, Cai YJ et al. Relationships between nutrient, chlorophyll a and Secchi depth in lakes of the Chinese Eastern Plains ecoregion: Implications for eutrophication management. Journal of Environmental Management, 2020, 260: 109923. DOI:10.1016/j.jenvman.2019.109923 |
| [17] |
中华人民共和国水利部. 地表水资源质量评价技术规程: SL 395—2007. 北京: 中国水利水电出版社, 2007.
|
| [18] |
Lin JL, Karangan A, Huang YM et al. Eutrophication factor analysis using Carlson trophic state index (CTSI) towards non-algal impact reservoirs in Taiwan. Sustainable Environment Research, 2022, 32(1): 1-12. DOI:10.1186/s42834-022-00134-x |
| [19] |
Ji B, Liang JC, Chen R. Bacterial eutrophic index for potential water quality evaluation of a freshwater ecosystem. Environmental Science and Pollution Research, 2020, 27(26): 32449-32455. DOI:10.1016/j.jhydrol.2019.06.028 |
| [20] |
Philips EJ, Cichra M, Havens K et al. Relationships between phytoplankton dynamics and the availability of light and nutrients in a shallow sub-tropical lake. Journal of Plankton Research, 1997, 19(3): 319-342. DOI:10.1093/plankt/19.3.319 |
| [21] |
Lind OT. The effect of non-algal turbidity on the relationship of Secchi depth to chlorophyll a. Hydrobiologia, 1986, 140(1): 27-35. DOI:10.1007/BF00006726 |
| [22] |
Swift TJ, Perez-Losada J, Schladow SG et al. Water clarity modeling in Lake Tahoe: Linking suspended matter characteristics to Secchi depth. Aquatic Sciences, 2006, 68(1): 1-15. DOI:10.1007/s00027005-0798-x |
| [23] |
Huo SL, Ma CZ, Xi BD et al. Lake ecoregions and nutrient criteria development in China. Ecological Indicators, 2014, 46: 1-10. DOI:10.1016/j.ecolind.2014.06.014 |
| [24] |
宫莹. 城市小型浅水湖泊水环境预测方法应用研究[学位论文]. 南京: 河海大学, 2004.
|
| [25] |
Chang NN, Zhang QH, Wang Q et al. Current status and characteristics of urban landscape lakes in China. Science of the Total Environment, 2020, 712: 135669. DOI:10.1016/j.scitotenv.2019.135669 |
| [26] |
国家统计局. 中国第三产业统计年鉴——2019. 北京: 中国统计出版社, 2020.
|
| [27] |
Wang W, Zhang T, Wang XW et al. Spatial and temporal pattern of urban ecological carrying capacity in Yangtze River economic zone. Resources and Environment in the Yangtze Basin, 2017, 26(12): 1963-1971. [王维, 张涛, 王晓伟等. 长江经济带城市生态承载力时空格局研究. 长江流域资源与环境, 2017, 26(12): 1963-1971. DOI:10.11870/cjlyzyyhj201712004] |
| [28] |
王苏民, 窦鸿身. 中国湖泊志. 北京: 科学出版社, 1998.
|
| [29] |
Wu SK, Xie P, Liang SB et al. Relationships between microcystins and environmental parameters in 30 subtropical shallow lakes along the Yangtze River, China. Freshwater Biology, 2006, 51(12): 2309-2319. DOI:10.1111/j.1365-2427.2006.01652.x |
| [30] |
Wen XL, Xi YL, Qian FP et al. Comparative analysis of rotifer community structure in five subtropical shallow lakes in East China: Role of physical and chemical conditions. Hydrobiologia, 2011, 661(1): 303-316. DOI:10.1007/s10750-010-0539-6 |
| [31] |
Qin BQ, Gao G, Zhu GW et al. Lake eutrophication and its ecosystem response. Chinese Science Bulletin, 2013, 58(10): 855-864. [秦伯强, 高光, 朱广伟等. 湖泊富营养化及其生态系统响应. 科学通报, 2013, 58(10): 855-864. DOI:10.1360/csb2013-58-10-855] |
| [32] |
Wu BW, Dai SN, Wen XL et al. Chlorophyll-nutrient relationship changes with lake type, season and small-bodied zooplankton in a set of subtropical shallow lakes. Ecological Indicators, 2022, 135: 108571. DOI:10.1016/j.ecolind.2022.108571 |
| [33] |
Wen XL, Feng RN, Zhang G et al. Temporal variations of chlorophyll-a concentration and their relationships with abiotic and biotic factors in two small shallow lakes. J Lake Sci, 2017, 29(6): 1421-1432. [温新利, 冯若楠, 张根等. 两小型浅水湖泊水体叶绿素a浓度的季节变化及与理化因子和生物因子的关系. 湖泊科学, 2017, 29(6): 1421-1432. DOI:10.18307/2017.0614] |
| [34] |
黄祥飞. 湖泊生态调查观测与分析. 北京: 中国标准出版社, 2000.
|
| [35] |
American Public Health Association. Standard Methods for the Examination of Water and Wastewater. vol. 21.. Washington, DC: American public health association, 1995.
|
| [36] |
Kratzer CR, Brezonik PL. A carlson-type trophic state index for nitrogen in Florida lakes. Journal of the American Water Resources Association, 1981, 17(4): 713-715. DOI:10.1111/j.1752-1688.1981.tb01282.x |
| [37] |
Zou W, Zhu GW, Xu Hai et al. Elucidating phytoplankton limiting factors in lakes and reservoirs of the Chinese Eastern Plains ecoregion. Journal of Environmental Management, 2022, 318: 115542. DOI:10.1016/j.jenvman.2022.115542 |
| [38] |
Xun SP, Yang YJ, He BF et al. Analysis of relationship between spring water temperature and chlorophyll-a in Lake Chaohu. J Lake Scis, 2011, 23(5): 767-772. [荀尚培, 杨元建, 何彬方等. 春季巢湖水温和水体叶绿素a浓度的变化关系. 湖泊科学, 2011, 23(5): 767-772. DOI:10.18307/2011.0515.] |
| [39] |
杨金艳, 徐勇, 高晓平等. 尚湖浮游植物时空变化特征及影响因素分析. 江苏水利, 2017, 12: 1-6. |
| [40] |
许海. 河湖水体浮游植物群落生态特征与富营养化控制因子研究[学位论文]. 南京: 南京农业大学, 2008.
|
| [41] |
沈蓉蓉. 长江下游干流浮游植物分布格局及其与环境因子相关性[学位论文]. 上海: 上海师范大学, 2019.
|
| [42] |
Jung SW, Kwon OY, Lee JH et al. Effects of water temperature and silicate on the winter blooming diatom Stephanodiscus hantzschii (Bacillariophyceae) growing in eutrophic conditions in the lower Han River, South Korea. Journal of Freshwater Ecology, 2009, 24(2): 219-226. DOI:10.1080/02705060.2009.9664286 |
| [43] |
Xu YY, Schroth AW, Rizzo DM. Developing a 21st Century framework for lake-specific eutrophication assessment using quantile regression. Limnology and Oceanography: Methods, 2015, 13(5): 237-249. DOI:10.1002/lom3.10021 |
| [44] |
Cunha DGF, Calijuri M do C, Lamparelli MC. A trophic state index for tropical/subtropical reservoirs (TSItsr). Ecological Engineering, 2013, 60: 126-134. DOI:10.1016/j.ecoleng.2013.07.058 |
| [45] |
Pomari J, Kane DD, Nogueira MG. Application of multiple-use indices to assess reservoirs water quality and the use of plankton community data for biomonitoring purposes. International Journal of Hydrology, 2018, 2(2): 168-179. DOI:10.15406/ijh.2018.02.00065 |
| [46] |
Chen YW, Gao XY. Comparison of two methods for phytoplankton chlorophyll-a concentration measurement. J Lake Sci, 2000, 12(2): 185-188. [陈宇炜, 高锡云. 浮游植物叶绿素a含量测定方法的比较测定. 湖泊科学, 2000, 12(2): 185-188. DOI:10.18307/2000.0215] |
| [47] |
Lin SJ, He LJ, Huang PS et al. Comparison and improvement on the extraction method for chlorophyll a in phytoplankton. Ecological Science, 2005, 1: 9-11. [林少君, 贺立静, 黄沛生等. 浮游植物中叶绿素a提取方法的比较与改进. 生态科学, 2005, 1: 9-11. DOI:10.3969/j.issn.1008-8873.2005.01.003] |
| [48] |
Brezonik PL, Bouchard RW, Finlay JC et al. Color, chlorophyll a, and suspended solids effects on Secchi depth in lakes: Implications for trophic state assessment. Ecological Applications: a Publication of the Ecological Society of America, 2019, 29(3): e01871. DOI:10.1002/eap.1871 |
| [49] |
Mamun M, Kwon S, Kim JE et al. Evaluation of algal chlorophyll and nutrient relations and the N∶P ratios along with trophic status and light regime in 60 Korea Reservoirs. Science of the Total Environment, 2020, 741: 140451. DOI:10.1016/j.scitotenv.2020.140451 |
| [50] |
Zhang YC, Hu MQ, Shi K et al. Sensitivity of phytoplankton to climatic factors in a large shallow lake revealed by column-integrated algal biomass from long-term satellite observations. Water Research, 2021, 207: 117786. DOI:10.1016/j.watres.2021.117786 |
| [51] |
Xu YF, Chen LM, Chen LG et al. High temporal resolution remote monitoring of chlorophyll a concentration change after rainstorm based on GOCI data in Lake Taihu. Water Resources and Hydropower Engineering, 2020, 51(10): 151-158. [徐祎凡, 陈黎明, 陈炼钢等. 基于GOCI数据的暴雨后太湖水体叶绿素a浓度遥感反演研究. 水利水电技术, 2020, 51(10): 151-158.] |