顏 翔

（昆明市環(huán)境監(jiān)測中心，云南昆明650228）

滇池藻生物量與水環(huán)境因子逐步回歸分析及初步預(yù)測

顏 翔

（昆明市環(huán)境監(jiān)測中心，云南昆明650228）

使用滇池外海3年水質(zhì)監(jiān)測數(shù)據(jù)，應(yīng)用逐步回歸分析藻生物量與水環(huán)境因子關(guān)系，初步建立藻生物量預(yù)測方程，用于預(yù)測滇池藻生物量變化情況。結(jié)果表明，葉綠素a、水溫、溶解氧、總氮、pH、五日生化需氧量、透明度為滇池藻生物量的顯著相關(guān)因子。方程不能預(yù)測大多數(shù)峰值，變化趨勢大體可以預(yù)測。應(yīng)在預(yù)測方程的后續(xù)研究中相應(yīng)地加入氣象、水文參數(shù)。

藻生物量；逐步回歸分析；藻生物量預(yù)測；滇池

滇池屬長江流域金沙江水系，位于昆明市西南，屬斷陷構(gòu)造湖泊，是云貴高原湖面最大的淡水湖泊，平均水深4.5m，湖水面積309.5km2［1］。20世紀(jì)90年代以來，伴隨著滇池富營養(yǎng)化程度的日益加重［2］，藍(lán)藻水華已從每年季節(jié)性暴發(fā)發(fā)展到近幾年的幾乎周年性暴發(fā)，且越來越嚴(yán)重，已經(jīng)成為當(dāng)今世界的治理難題［3］。

本文以滇池外海8個水質(zhì)監(jiān)測點為基礎(chǔ)，應(yīng)用逐步回歸的統(tǒng)計方法對滇池常規(guī)監(jiān)測的12項水質(zhì)指標(biāo)進(jìn)行分析，以期在此基礎(chǔ)上建立滇池藻生物量預(yù)測方程，從一定程度上為藍(lán)藻水華的暴發(fā)起到預(yù)警作用。

1 分析方法

1.1 采樣點布設(shè)

滇池湖體有水質(zhì)監(jiān)測點位12個，其中例行常規(guī)監(jiān)測點位10個。本次研究選取滇池外海8個常規(guī)監(jiān)測點 （暉灣中、羅家營、觀音山東、觀音山中、觀音山西、白魚口、滇池南、?？谖鳎鶕?jù)優(yōu)化布點原則分布于全湖，見圖1。

1.2 監(jiān)測項目及頻次

監(jiān)測項目以滇池常規(guī)例行監(jiān)測為主，分別為水溫、pH、溶解氧、高錳酸鹽指數(shù)、化學(xué)需氧量、五日生化需氧量、氨氮、總磷、總氮、透明度、葉綠素a、藻生物量。監(jiān)測頻次為每月1次。除藻生物量采用快速熒光法外［4］，其余各項目的分析均采用標(biāo)準(zhǔn)方法［5］。

2 回歸方程建立

2.1 數(shù)據(jù)標(biāo)準(zhǔn)化處理

本次研究統(tǒng)計了滇池2011—2013年滇池例行監(jiān)測數(shù)據(jù)，首先對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，即對數(shù)據(jù)進(jìn)行去量綱［6］，過程如下：

2.2 方程參數(shù)選定

以藻生物量為因變量，水溫、pH、溶解氧、高錳酸鹽指數(shù)、化學(xué)需氧量、五日生化需氧量、氨氮、總磷、總氮、透明度、葉綠素a為自變量，運用SPSS 19.0并采用線性逐步回歸篩選自變量，最終得出多元回歸方程，過程見圖2、圖3。

從圖3可知，SPSS篩選出與藻生物量顯著相關(guān)的葉綠素a、水溫、溶解氧、總氮、pH、五日生化需氧量、透明度。

2.3 回歸方程建立

經(jīng)過以上步驟，建立標(biāo)準(zhǔn)化回歸方程為：

因sig＜0.05，本回歸方程有意義，可以使用。由圖4可知，因變量基本符合正態(tài)分布，圖5中各點基本在一條直線上，進(jìn)一步證明所建立方程是有意義的。

3 方程驗證

將標(biāo)準(zhǔn)化水質(zhì)因子輸入方程做相關(guān)性分析，選用Pearson相關(guān)系數(shù)做計算可得滇池水質(zhì)因子與藻生物量的線性相關(guān)矩陣表。

將水質(zhì)因子實測數(shù)據(jù)代入方程，預(yù)測所得藻生物量值與實測值折線圖如圖7所示，回歸方程計算所得預(yù)測值與實測值二者在變化趨勢上基本保持一致，計算二者相關(guān)系數(shù)為0.597426，對于單純依靠水質(zhì)參數(shù)作為輸入因子的預(yù)測方程基本可以接受。

4 結(jié)論

通過預(yù)測方程的求解與建立，發(fā)現(xiàn)藻生物量與葉綠素a、水溫、溶解氧、總氮、pH、五日生化需氧量、透明度等水質(zhì)參數(shù)較其他水質(zhì)參數(shù)有明顯相關(guān)性，依據(jù)回歸方程所得預(yù)測值在判別藻生物量變化趨勢上也基本符合實測情況，因此預(yù)測方程具有一定的實用價值。

但藻類的分布在水體中是不均勻的，特別是不同氣象、水文條件下，其在水面的聚集度也差別巨大，有的地方聚集密度高，有的地方聚集密度低［7］，這些情況都在一定程度上影響著測量的準(zhǔn)確度，相同水環(huán)境條件下各測點藻類生物量都有很大差別，因此單用水質(zhì)參數(shù)作為預(yù)測輸入因子不能很好地反映實測數(shù)值，這能很好解釋方程為何不能預(yù)測大多數(shù)峰值，而變化趨勢大體可以預(yù)測。因此要實現(xiàn)數(shù)值的精確預(yù)測該方程顯得力不從心，應(yīng)在預(yù)測方程的后續(xù)研究中相應(yīng)地加入氣象、水文參數(shù)，使方程能更客觀地反映情況、更具實用性。

［1］支國強(qiáng)，張亮，楊育華，和蘭娣，劉蜀治，張妮妮.滇池流域水資源綜合平衡管理研究［J］.長江流域資源與環(huán)境，2013，22（9）.

［2］倪兆奎，王圣瑞，金相燦，焦立新，李躍進(jìn).云貴高原典型湖泊富營養(yǎng)化演變過程及特征研究［J］.環(huán)境科學(xué)學(xué)報，2011（12）.

［3］黃煒.藍(lán)藻水華與水體富營養(yǎng)化綜合治理 ［J］.中國農(nóng)村水利水電，2014（4）.

［4］翁建中，王亞超，李繼影，徐恒省.熒光技術(shù)在太湖藍(lán)藻水華預(yù)警監(jiān)測中的應(yīng)用［J］.中國環(huán)境監(jiān)測，2009（4）.

［5］本書編委會.水和廢水監(jiān)測分析方法：第4版 ［M］.北京：中國環(huán)境科學(xué)出版社，2002.

［6］劉元波，高錫蕓.太湖北部梅梁灣水域水質(zhì)因子聚類 ［J］.湖泊科學(xué)，1997（3）.

［7］馬健榮，鄧建明，秦伯強(qiáng)，龍勝興.湖泊藍(lán)藻水華發(fā)生機(jī)理研究進(jìn)展［J］.生態(tài)學(xué)報，2013（10）.

Algae Biomass Prediction Using Stepw ise Regression Analysis based on the Algae Biomass and W ater Quality Factors in Dianchi Lake

YAN Xiang
（Kunming Center of Environmental Monitoring，Kunming Yunnan 650228，China）

The algae biomass prediction equation was built up based upon the relationship between the algae biomass and water quality factors using stepwise regression analysismethod based on three years'water qualitymonitoring data ofWaihaiof Dianchi Lake.The results showed that chlorophyll a，water temperature，total nitrogen，pH，BOD5，and transparency have significant correlations with the algae biomass.The equation could not predict the peak value.But it can predict the trend.Themeteorological factors and hydrologic factors should be involved in the equation in order to getmore precise prediction results.

algae biomass；stepwise regression analysis；prediction of algae biomass；Dianchi Lake

X52

A

1673-9655（2015）05-0017-05

2015-04-09