王玉琳，汪　靚，華祖林**，丁士明

(1:河海大學(xué)淺水湖泊綜合治理與資源開發(fā)教育部重點(diǎn)實(shí)驗(yàn)室, 南京 210098)(2:河海大學(xué)環(huán)境學(xué)院, 南京 210098)(3:河海大學(xué)水資源高效利用與工程安全國家工程研究中心, 南京 210098)(4：中國科學(xué)院南京地理與湖泊研究所湖泊與環(huán)境國家重點(diǎn)實(shí)驗(yàn)室, 南京 210008)

?

巢湖南淝河口黑水團(tuán)區(qū)流速和溶解氧與Fe2+、S2-濃度的空間關(guān)聯(lián)性*

王玉琳1,2,3，汪靚1,2,3，華祖林1,2,3**，丁士明4

(1:河海大學(xué)淺水湖泊綜合治理與資源開發(fā)教育部重點(diǎn)實(shí)驗(yàn)室, 南京 210098)(2:河海大學(xué)環(huán)境學(xué)院, 南京 210098)(3:河海大學(xué)水資源高效利用與工程安全國家工程研究中心, 南京 210098)(4：中國科學(xué)院南京地理與湖泊研究所湖泊與環(huán)境國家重點(diǎn)實(shí)驗(yàn)室, 南京 210008)

黑臭現(xiàn)象在我國東部地區(qū)淺水湖泊頻繁發(fā)生，已經(jīng)嚴(yán)重影響環(huán)湖地區(qū)的社會經(jīng)濟(jì)發(fā)展. 厭氧環(huán)境和高濃度Fe2+、S2-是引起黑臭現(xiàn)象的必要條件. 本文解析巢湖南淝河口區(qū)黑臭水團(tuán)范圍內(nèi)Fe2+、S2-與DO、流速的分布特性；基于空間計(jì)量模型重點(diǎn)探討了流速、DO和Fe2+、S2-分布的空間關(guān)聯(lián)性. 結(jié)果發(fā)現(xiàn)，水體流動在黑臭水團(tuán)中主要有兩個作用：使Fe2+、S2-和DO彼此產(chǎn)生空間相關(guān)性以及通過分散作用改變局部Fe2+、S2-濃度分布；同時流速通過增強(qiáng)復(fù)氧間接影響Fe2+及S2-總體濃度的作用較小. 流速與Fe2+、S2-之間均滿足線性空間滯后模型；而線性回歸模型中流速對Fe2+的影響低估了約7%，對S2-的影響則低估了12%.

黑臭；Fe2+；S2-；流速；溶解氧；空間計(jì)量模型；巢湖；南淝河

隨著我國經(jīng)濟(jì)社會快速地發(fā)展，城鎮(zhèn)化快速推進(jìn)和工農(nóng)業(yè)污染排放總量激增，東部發(fā)達(dá)地區(qū)淺水湖泊的水環(huán)境形勢更加嚴(yán)峻，湖泊水體近年來黑臭現(xiàn)象頻繁發(fā)生[1-3]. 特別是太湖、巢湖等水體中黑臭問題尤為嚴(yán)重，成為當(dāng)?shù)卣c民眾關(guān)注的熱點(diǎn).

湖泊的黑臭主要由有機(jī)物大量快速聚集、分解和水體嚴(yán)重缺氧引起[4-5]：大量暴發(fā)、聚集的藻類死亡后其有機(jī)殘?bào)w在適宜的氣象、水文條件下發(fā)生厭氧分解消耗水體中的溶解氧(DO)，使水體和沉積物快速進(jìn)入?yún)捬鯛顟B(tài)；這導(dǎo)致水-沉積物界面附近發(fā)生還原反應(yīng)，大量高價態(tài)的Fe、Mn和S被還原成低價態(tài)的Fe2+、Mn2+和S2-并向表層水體釋放，此過程中形成的FeS是主要的致黑物質(zhì)[6-8]，揮發(fā)性有機(jī)硫化物則是主要的致臭物質(zhì)[9-11]，F(xiàn)e2+和S2-濃度的變化對黑臭形成和發(fā)展至關(guān)重要[12-14]. 此前黑臭水體定量關(guān)系研究多以氮磷等營養(yǎng)元素以及化學(xué)需氧量、生化需氧量等化學(xué)計(jì)量的變化為主，研究方法則主要以普通的線性回歸為主[15-16]，這顯然不足以定量揭示黑臭現(xiàn)象的變化規(guī)律. 此外，這些研究完全忽略了湖水流動特性對黑臭的影響，相關(guān)方面的研究較少.

水體流動對黑臭現(xiàn)象可能造成的影響分為3種：一是相同空間不同地點(diǎn)的DO、Fe2+和S2-等物質(zhì)通過水體流動而發(fā)生聯(lián)系，使得這些物質(zhì)的變化存在空間相關(guān)性；二是水體流動對污染物的分散作用，可能改變Fe2+、S2-等物質(zhì)在空間上的具體分布；三是流速會影響水中DO的復(fù)氧過程，進(jìn)而影響水中Fe2+、S2-等黑臭相關(guān)物質(zhì)的濃度. 總之，水體流動對黑臭現(xiàn)象的影響是重要而復(fù)雜的.

全面系統(tǒng)研究水體流動、DO、Fe2+、S2-等對黑臭現(xiàn)象的影響，除實(shí)驗(yàn)觀測等方法以外，環(huán)境生態(tài)水力學(xué)模型是運(yùn)用較多的數(shù)學(xué)模型. 這類模型雖然能夠較準(zhǔn)確地考慮水體流動、湖底地形、環(huán)境因子等要素的空間和時間變化對黑臭現(xiàn)象的影響，但建立這種模型需要多年累積的水文、氣象和環(huán)境的觀測數(shù)據(jù)，以率定和驗(yàn)證模型中涉及的幾十甚至上百個參數(shù)[17-19]；因此，在太湖[18-21]、長江[22-23]等有長期觀測數(shù)據(jù)的水域中，較多使用這類模型研究營養(yǎng)鹽循環(huán)及富營養(yǎng)化問題. 此外，環(huán)境生態(tài)水力學(xué)模型是基于機(jī)理的模型，運(yùn)用此類模型需要明晰黑臭水團(tuán)物質(zhì)與各種環(huán)境因子相互作用的機(jī)制，并將這些機(jī)制準(zhǔn)確地定量化；而且求解模型需要專門的大型程序配合，這種程序的編制工作量非常巨大. 相比之下巢湖的觀測數(shù)據(jù)略有不足，巢湖黑臭現(xiàn)象發(fā)生的環(huán)境機(jī)制研究也不夠成熟，難以運(yùn)用環(huán)境生態(tài)水力學(xué)模型研究巢湖的黑臭現(xiàn)象. 目前，巢湖的數(shù)學(xué)模型多是生態(tài)[24-25]及水華暴發(fā)預(yù)測模型[26-27]的研究，與水動力結(jié)合的環(huán)境數(shù)學(xué)模型研究較少，僅有的環(huán)境生態(tài)水力學(xué)案例大都集中于研究“引江濟(jì)巢”工程對巢湖[17,28]的影響. 相對而言，空間計(jì)量模型能在一定程度上考慮湖水流動對環(huán)境變量的影響，這種方法需要的數(shù)據(jù)較少，求解過程也沒有環(huán)境水力學(xué)模型那么復(fù)雜，非常適用于對黑臭現(xiàn)象空間分布的初步探索性研究[29-30]，在環(huán)境污染的研究領(lǐng)域也有成功的應(yīng)用[31].

本文使用空間計(jì)量模型，以巢湖南淝河口匯流灣區(qū)黑臭暴發(fā)時的情況為例，研究流速對該區(qū)域DO、Fe2+、S2-濃度和分布的影響，結(jié)果可以為黑臭治理提供理論參考.

1 空間計(jì)量模型

相較于假設(shè)變量相互獨(dú)立的統(tǒng)計(jì)學(xué)方法，空間計(jì)量模型能夠考慮變量之間在空間分布等方面的關(guān)系；適合于探索環(huán)境變量的空間分布規(guī)律.

1.1 空間相關(guān)性度量

變量之間空間相關(guān)性有多種指數(shù)可以度量，如Moran’sI指數(shù)、Geary’s比率等方法. 其中，Moran’sI指數(shù)由于其物理清楚，計(jì)算相對簡單而得到廣泛應(yīng)用. 若隨機(jī)變量X的具體觀測值為x1、x2、……、xn，則其自相關(guān)Moran’sI指數(shù)計(jì)算方法由公式(1)計(jì)算：

(1)

空間權(quán)重矩陣W的存在是Moran’sI指數(shù)與普通相關(guān)系數(shù)的重大區(qū)別；空間權(quán)重矩陣用于衡量同一變量的采樣點(diǎn)分布在純粹地理空間上的相關(guān)性. 生成空間權(quán)重矩陣需要先生成空間鄰接矩陣用于表達(dá)不同采樣點(diǎn)之間的鄰居關(guān)系. 有很多不同的鄰接矩陣生成方式,如傳統(tǒng)的“后”式或“車”式鄰接方法生成；也有較為先進(jìn)的K-Nearest方法生成. 生成鄰接矩陣后只需要指定權(quán)重方式，即可生成空間權(quán)重矩陣，具體過程可參考文獻(xiàn)[29]. 在此考慮觀測點(diǎn)分布并不是完全規(guī)則，所以用K-Nearest方法生成空間鄰接矩陣，鄰接點(diǎn)個數(shù)為4，經(jīng)過實(shí)驗(yàn)鄰接點(diǎn)個數(shù)對空間權(quán)重矩陣的結(jié)果影響不大.

Moran’sI指數(shù)與普通的相關(guān)系數(shù)一樣，取值范圍為[-1,1]，但并非越接近于0其相關(guān)性就越小. 正確的解讀方式：若相鄰單元的環(huán)境變量相關(guān)性越差，則計(jì)算的Moran’sI指數(shù)越接近于隨機(jī)分布的Moran’sI指數(shù). 環(huán)境變量的n個觀測值若為空間隨機(jī)分布，則Moran’sI指數(shù)表達(dá)式為：

(2)

若兩個環(huán)境變量X、Y對應(yīng)的觀測值分別為x1、x2、…、xn和y1、y2、…、yn，則它們之間的互Moran’sI指數(shù)由公式(3)計(jì)算：

(3)

Moran’sI指數(shù)的統(tǒng)計(jì)顯著性不能直接計(jì)算，必須用自助法(Bootstrap)抽樣計(jì)算得到.

1.2 空間回歸模型

考慮變量空間相關(guān)性之后，一般的二階空間回歸模型可以表達(dá)為:

Y=ρW1Y+Xβ+U

U=λW2U+ε

ε～N(0,σ2)

(4)

式中，ρ、β、λ為待定系數(shù)；W1和W2分別為因變量Y和殘差U的空間權(quán)重矩陣，它們可以相同也可以不同. 根據(jù)情況的不同，這一模型又包含了3大類空間模型，即一階空間自回歸模型：

Y=ρW1Y+ε

ε～N(0,σ2)

(5)

空間滯后模型：

Y=ρW1Y+βX+ε

ε～N(0,σ2)

(6)

空間誤差模型：

Y=Xβ+U

U=λW2U+ε

ε～N(0,σ2)

(7)

對于具體環(huán)境變量的觀測值，可以通過拉格朗日算子法計(jì)算最適合，且統(tǒng)計(jì)上也顯著成立的空間回歸模型. 對于具體的空間回歸模型，需要使用極大似然法估計(jì)其中的系數(shù)[29-30].

以上2種空間計(jì)量模型在研究中的作用有所不同. 相關(guān)性度量衡量的是環(huán)境因素之間總體的空間相關(guān)程度，空間回歸模型則側(cè)重于環(huán)境因素之間局部的相關(guān)關(guān)系.

2 數(shù)據(jù)來源

數(shù)據(jù)來源于2013年5月河海大學(xué)和中國科學(xué)院南京地理與湖泊研究所在巢湖南淝河口發(fā)生黑臭現(xiàn)象時，聯(lián)合采樣所得數(shù)據(jù)及水樣分析結(jié)果. 采樣點(diǎn)以南淝河口為中心，呈扇形分布(圖1). 由于南淝河是該區(qū)域主要的污染源，在表觀上河口區(qū)黑臭較嚴(yán)重，所以在南淝河口附近對采樣點(diǎn)進(jìn)行加密.

圖1 巢湖南淝河口采樣點(diǎn)分布Fig.1 The distribution of sampling sites in Nanfei River estuary of Lake chaohu

表1 采樣結(jié)果統(tǒng)計(jì)

在每個監(jiān)測點(diǎn)同時采集水樣,同于測定流速、溶解氧以及Fe2+和S2-指標(biāo). 流速采用美國YSI公司的YR-1型聲學(xué)多普勒流速儀(Flow Tracker)測定；DO濃度采用日本HORIBA公司U-53型多參數(shù)水質(zhì)分析儀監(jiān)測；S2-濃度在實(shí)驗(yàn)室采用對氨基二甲基苯胺光度法測定[32]；Fe2+濃度按Tamura等[33]改進(jìn)的鄰菲啰啉光度法測定；共得到62組有效數(shù)據(jù)；采樣結(jié)果的主要統(tǒng)計(jì)特征見表1.

采樣時該區(qū)域肉眼即可觀察到明顯的黑色水團(tuán)，并伴有強(qiáng)烈惡臭氣味；說明該地區(qū)正處于黑臭現(xiàn)象較為嚴(yán)重的時期；因此，所得數(shù)據(jù)可用于研究巢湖湖灣區(qū)黑臭水體的水質(zhì)狀態(tài).

3 結(jié)果與分析

Fe2+、S2-、DO和流速的空間相關(guān)Moran’sI指數(shù)及其顯著性檢驗(yàn)結(jié)果見表2. 其空間權(quán)重矩陣以距離倒數(shù)為空間權(quán)重，顯著性檢驗(yàn)結(jié)果則由自助法計(jì)算得到.

若S2-、Fe2+、DO和流速這4個量的觀測值在空間上完全隨機(jī)，即無空間相關(guān)性，則公式(2)中的n取62，可得對應(yīng)的Moran’sI指數(shù)為-0.016. 4個量的自相關(guān)系數(shù)遠(yuǎn)遠(yuǎn)高于該值，其顯著性檢驗(yàn)結(jié)果也表明在95%的概率上這4個量的分布在空間上自相關(guān)性顯著. S2-、Fe2+、DO和流速在某采樣點(diǎn)的值與其周圍采樣點(diǎn)的值有較強(qiáng)的正相關(guān)性，這說明由水體流動引起物質(zhì)對流擴(kuò)散作用，導(dǎo)致水質(zhì)等物理化學(xué)量的空間相關(guān)顯著. 因此，在研究黑臭現(xiàn)象及黑臭水體的運(yùn)動規(guī)律時，不能孤立研究暴發(fā)黑臭的樣點(diǎn)處水體變化規(guī)律，必須將這種空間相關(guān)性納入考慮，同時需要關(guān)注黑臭水體區(qū)域整體的水體水質(zhì).

與空間自相關(guān)Moran’sI指數(shù)的結(jié)果不同，F(xiàn)e2+、DO和流速的二元Moran’sI指數(shù)結(jié)果表明，F(xiàn)e2+與DO和流速均存在著顯著負(fù)相關(guān)(表2)，即Fe2+濃度不僅與采樣點(diǎn)本身的DO和流速有關(guān)，而且與其附近的DO和流動情況有關(guān). 這是由于水體的流動不斷改變黑水團(tuán)的位置，而DO與Fe2+之間的化學(xué)反應(yīng)則相對較慢，所以湖灣區(qū)某點(diǎn)Fe2+濃度情況一定與黑水團(tuán)從南淝河口至采樣點(diǎn)的整個漂移路徑上DO的分布有關(guān)，不僅只受采樣點(diǎn)本地DO濃度的影響. Moran’sI指數(shù)的結(jié)果也表明，F(xiàn)e2+濃度受其周圍DO濃度的影響要高于周圍流速對其的影響. Fe2+與S2-濃度呈顯著正相關(guān)，這是由于2種離子均是引起黑臭的主要原因，因此在黑臭水體中Fe2+和S2-中一種離子的濃度較高可能伴隨著另一種離子濃度也很高.

表2 Moran’s I指數(shù)

S2-濃度的相關(guān)性與Fe2+濃度的情況有所不同：S2-濃度與流速也呈顯著負(fù)相關(guān)，但其與DO濃度之間不存在相關(guān)性. 這是由于水體流動對水中的離子主要是物理作用，流動對S2-濃度的作用與其對Fe2+濃度的作用類似；而生成S2-和Fe2+所需的缺氧還原條件不同，因此造成它們與DO濃度的相關(guān)性顯著不同. 增加DO濃度對去除Fe2+效果比去除S2-的效果好.

通過流速和DO濃度之間的顯著性檢驗(yàn)，在95%置信水平上不能發(fā)現(xiàn)這兩者之間存在關(guān)系. 雖然理論上流速會影響DO的復(fù)氧速率，但由于湖灣區(qū)域污染較嚴(yán)重，水中耗氧物質(zhì)的濃度對DO濃度的影響占絕對主導(dǎo)地位；再加上采樣時天氣情況良好，湖流流速絕對值較小. 湖流的最大速度僅為10.9 cm/s，絕大多數(shù)采樣點(diǎn)的流速小于10 cm/s(表1)；因此實(shí)際上湖流的復(fù)氧作用不強(qiáng)，其對DO濃度的影響較小. 這也進(jìn)一步說明湖灣區(qū)的湖流對Fe2+濃度分布的影響主要是通過分散作用，而并非是通過對DO來影響Fe2+濃度.

為更好地分析各變量之間的空間分布關(guān)系，可利用觀測值分位點(diǎn)對采樣點(diǎn)的DO、Fe2+、S2-濃度和流速的情況進(jìn)行分類. 分位點(diǎn)雖然不能表示采樣點(diǎn)環(huán)境變量的絕對狀況，但是能反映采樣點(diǎn)環(huán)境變量的相對情況；便于同一采樣條件下不同樣點(diǎn)情況的比較. 考慮到采樣點(diǎn)的數(shù)目不多，以及更清楚地表現(xiàn)DO、Fe2+、S2-濃度和流速在匯流灣區(qū)分布規(guī)律的要求，采用三分法表示，即利用觀測值1/3分位點(diǎn)和2/3分位點(diǎn)將結(jié)果分隔為高、中和低3種情況；分位點(diǎn)使用經(jīng)驗(yàn)分布函數(shù)法確定[34]，計(jì)算結(jié)果見表1. 圖2是Fe2+、S2-、DO濃度和流速的分布情況，其多邊形用泰森多邊形方法生成.

圖2 南淝河實(shí)測值分位數(shù)分布Fig.2 The distribution of Fe2+,S2-,DO concentrations and velocity’s quantiles in Nanfei River

南淝河口湖灣區(qū)的Fe2+和S2-濃度分布表現(xiàn)為東高西低；DO濃度的分布則表現(xiàn)為西高東低. 而流速在河口很高，當(dāng)遠(yuǎn)離南淝河時其入河動量迅速消散，且受地形較高和風(fēng)吹程不足的影響，流速迅速減小；當(dāng)離河口較遠(yuǎn)，風(fēng)吹程逐漸增大，流速又隨之增大(圖2).

總體上，F(xiàn)e2+和DO濃度的分布相反：若DO濃度高，則Fe2+濃度較低，反之亦然. 這一關(guān)系在DO濃度最高的區(qū)域表現(xiàn)的尤其明顯；而在DO濃度相對較低的區(qū)域表現(xiàn)的相對并不明顯. 一方面是因?yàn)镈O濃度對Fe2+的氧化速率受水體中其它化學(xué)因素，如pH值的影響非常大[11]. 另一方面則是因?yàn)楹w流動對Fe2+濃度分布有明顯的影響：從圖中可以看到，南淝河作為污染的主要來源之一，其DO濃度很低，但河口并非是Fe2+濃度最高的區(qū)域；這是因?yàn)楹涌诹魉俑?，使得南淝河排出含高濃度Fe2+的污水團(tuán)被迅速地推離河口；由于受地形等因素影響，南淝河口東部區(qū)域的流速很慢，使得污染水團(tuán)堆積于東部區(qū)域，并進(jìn)一步造成該區(qū)域DO濃度的減少；遠(yuǎn)離南淝河口的地方在DO濃度不高的情況下，其大部分區(qū)域Fe2+濃度也較低，這也可以部分歸結(jié)為該區(qū)域相對較高的流速，使得各種污染物分散，從而濃度迅速減小；同時水體的復(fù)氧過程則需要一個相對較長的時間才能使DO濃度明顯上升，這造成該區(qū)域DO濃度并未隨著Fe2+濃度的減小而立刻上升. 這表明，雖然在總體上DO濃度對Fe2+濃度的影響要高于流速對Fe2+濃度的影響，但在局部區(qū)域湖體流速對Fe2+的濃度分布有著重要的影響. S2-濃度的分布和Fe2+濃度分布非常類似，這也與S2-和Fe2+的強(qiáng)正相關(guān)結(jié)果符合.

通過拉格朗日算子法的檢驗(yàn)，在空間滯后模型、空間誤差模型和空間通用模型這3種空間關(guān)系模型中，只有空間滯后模型的顯著性系數(shù)小于0.05；其余兩種模型的顯著性系數(shù)均大于0.05，因此只需要用空間滯后模型進(jìn)行回歸分析. 以Fe2+和S2-為因變量，以DO為自變量時，線性回歸模型與空間滯后模型的回歸系數(shù)都不能通過統(tǒng)計(jì)檢驗(yàn)，即無論是Fe2+或是S2-濃度都與DO濃度之間不符合這2種模型(表3). 這一結(jié)果反映了DO對Fe2+、S2-的影響復(fù)雜，并不是線性關(guān)系.

表3 線性回歸與空間滯后模型比較

當(dāng)流速為自變量時，對Fe2+和S2-的線性結(jié)果則相反，其線性回歸模型和空間滯后模型的回歸系數(shù)均能通過顯著性檢驗(yàn)(表3). 線性回歸模型與空間滯后模型相比較，空間滯后模型的顯著性更好；且其相應(yīng)的空間滯后項(xiàng)系數(shù)也通過顯著性檢驗(yàn). 這進(jìn)一步說明周邊水體中Fe2+和S2-濃度分布對本地離子的濃度影響很大. 空間滯后模型與線性回歸模型的結(jié)果比較表明，流速對Fe2+和S2-濃度的影響主要是依靠其對污染物質(zhì)的分散作用，即水體流動減小Fe2+和S2-濃度；而水體流動對DO復(fù)氧產(chǎn)生影響，但影響Fe2+和S2-濃度的作用較小. 較之空間滯后模型，線性回歸模型低估了水體流動對減小Fe2+和S2-濃度的作用,低估程度分別為7%和12%.

Moran’sI指數(shù)側(cè)重的是Fe2+、S2-與流速、DO在空間整體的相關(guān)性，而空間回歸則反映了三者在局部空間上的關(guān)系. 空間計(jì)量模型結(jié)果清楚地表明，在觀測期間DO的作用是減小Fe2+的總體濃度，而對S2-濃度總體影響不大. 流速主要改變Fe2+、S2-在空間上的局部分布. 由于南淝河口湖灣區(qū)流速較小，因此該區(qū)域水體的流動不足以影響Fe2+和S2-總體濃度.

4 結(jié)論

使用空間相關(guān)分析和空間回歸模型分析巢湖南淝河口區(qū)黑臭水體中流速和DO對Fe2+、S2-濃度的分布. 結(jié)果表明：

1)該區(qū)域流速、DO和Fe2+、S2-濃度的分布都有較強(qiáng)的自空間相關(guān)性. 互空間相關(guān)性研究表明，DO和流速對Fe2+濃度在空間上都有較強(qiáng)的互相關(guān)性；流速與S2-也有較強(qiáng)的空間互相關(guān)性，但DO與S2-之間無顯著相關(guān)性.

2)增加DO可以在總體上減小Fe2+濃度，但對S2-濃度效果較弱. 水體流動使不同地點(diǎn)的DO、Fe2+及S2-產(chǎn)生空間相關(guān)性，并改變Fe2+和S2-的局部分布. 水體流動通過增強(qiáng)DO復(fù)氧，間接影響Fe2+濃度的作用較小.

3)流速與Fe2+和S2-之間均滿足線性空間滯后模型. 空間滯后模型結(jié)果顯示，線性回歸模型中水流分散Fe2+濃度的作用低估7%左右，對S2-濃度的作用則低估12%左右.

[1]Yang M, Yu JW, Li ZLetal. Taihu Lake not to blame for Wuxi’s woes.Science, 2008, 319(5860):158. DOI 10.1126/science.319.5860.158a.

[2]Yu Jianwei, Li Zonglai, Cao Nanetal. Analyses on cause for odor and potential problems in water source during odor episode event in Wuxi.ActaScientiaeCircumstantiae, 2007, 27(11):1771-1777(in Chinese with English abstract). DOI 10.13671/j.hjkxxb.2007.11.025. [于建偉, 李宗來, 曹楠等.無錫市飲用水嗅味突發(fā)事件致嗅原因及潛在問題分析. 環(huán)境科學(xué)學(xué)報(bào), 2007, 27(11): 1771-1777.]

[3]Guo L. Doing battle with the green monster of Taihu Lake.Science, 2007, 317(5842):1166. DOI 10.1126/science.317.5842.1166.

[4]Lu Guihua, Ma Qian. Monitoring and analysis on “Black Water Aggregation” in Lake Taihu, 2009.JLakeSci, 2010, 22(4):481-487(in Chinese with English abstract). DOI 10.18307/2010.0402. [陸桂華, 馬倩.2009年太湖水域“湖泛”監(jiān)測與分析. 湖泊科學(xué), 2010, 22(4):481-487.]

[5]Lu G, Ma Q, Zhang J. Analysis of black water aggregation in Taihu Lake.WaterScienceandEngineering, 2011, 4(4): 374-385. DOI 10.3882/j.issn.1674-2370.2011.04.002.

[6]Liu Guofeng, He Jun, Fan Chengxinetal. Environment effects of algae-caused black spots: impacts on Fe-Mn-S cycles in water-sediment interface.EnvironmentalScience, 2010, 31(11):2652-2660(in Chinese with English abstract). [劉國鋒, 何俊, 范成新等.藻源性黑水團(tuán)環(huán)境效應(yīng):對水-沉積物界面處Fe、Mn、S循環(huán).環(huán)境科學(xué), 2010, 31(11):2652-2660.]

[7]Liu Guofeng, Fan Chengxin, Zhang Leietal. Environment effects of algae-caused black spots Ⅲ: impacts on Fe-S-P cycle in water-sediment interface.ChinaEnvironmentalScience, 2014, 34(12):3199-3206(in Chinese with English abstract). [劉國鋒, 范成新, 張雷等.藻源性黑水團(tuán)環(huán)境效應(yīng)Ⅲ:對水-沉積物界面處Fe-S-P循環(huán)的影響. 中國環(huán)境科學(xué), 2014, 34(12):3199-3206.]

[8]Shen Qiushi, Fan Chengxin. Identification of black suspended particles in the algae-induced black bloom water colum.JLakeSci, 2015, 27(4):583-590(in Chinese with English abstract). DOI 10.18307/2015.0405. [申秋實(shí), 范成新.藻源性湖泛水體顯黑顆粒的元素形態(tài)分析與鑒定.湖泊科學(xué), 2015, 27(4):583-590.]

[9]Zhang XJ, Chen C, Ding JQetal. The 2007 water crisis in Wuxi, China: analysis of the origin.JournalofHazardousMaterials, 2010, 182(1-3):130-135. DOI 10.1016/j.jhazmat.2010.06.006.

[10]Lu Xin, Feng Ziyan, Shang Jinggeetal. Black water bloom induced by different types of organic matters and forming mechanisms of major odorous compounds.EnvironmentalScience, 2012, 33(9):3152-3159(in Chinese with English abstract). [盧信, 馮紫艷, 商景閣等.不同有機(jī)基質(zhì)誘發(fā)的水體黑臭及主要致臭物質(zhì)(VOSCs)產(chǎn)生機(jī)制研究. 環(huán)境科學(xué), 2012, 33(9):3152-3159.]

[11]Shen QS, Zhou QL, Shang JGetal. Beyond hypoxia: Occurrence and characteristics of black blooms due to the decomposition of the submerged plant Potamogeton crispus in a shallow lake.JournalofEnvironmentalSciences, 2014, 26(2):281-288. DOI 10.1016/S1001-0742(13)60452-0.

[12]Fan Chengxin. Progress and prospect in formation of black bloom in Lake Taihu: A review.JLakeSci, 2015, 27(4):553-566(in Chinese with English abstract). DOI 10.18307/2015.0401. [范成新.太湖湖泛形成研究進(jìn)展與展望. 湖泊科學(xué), 2015, 27(4):553-566.]

[13]Li Zhen, Huang Minsheng, He Yanetal. The relationship between the form transformation of iron and sulfur and the black-odor water body.EnvironmentalScience&Technology, 2010, 33(6E):1-7(in Chinese with English abstract). DOI 10.3969/j.issn.1003-6504.2010.6E.001. [李真, 黃民生, 何巖等.鐵和硫的形態(tài)轉(zhuǎn)化與水體黑臭的關(guān)系.環(huán)境科學(xué)與技術(shù), 2010, 33(6E):1-7.]

[14]Jacob K ed. Limnology: Inland water ecosystems. Beijing: Higher Education Press, 2011:289-296(in Chinese). [Jacob K. 湖沼學(xué): 內(nèi)陸水生態(tài)系統(tǒng). 北京：高等教育出版社, 2011: 289-296.]

[15]Hao Xiaoming, Hu Zhanbo, Liu Chengetal. Development of a black-odour prediction model for Nanning Zhupai Creek.JournalofEastChinaNormalUniversity:NaturalScience, 2011, (1):163-171(in Chinese with English abstract). DOI 10.3969/j.issn.1000-5641.2011.01.019. [郝曉明, 胡湛波, 劉成等. 南寧市竹排沖河道水體黑臭評價模型建立研究. 華東師范大學(xué)學(xué)報(bào):自然科學(xué)版, 2011, (1):163-171.]

[16]Hu Rongmei, Ju Hua. Studies on comprehensive prevention and control of water pollution among main cities in Lake Taihu region, south of Jiangsu Province.EnvironmentalScience, 1986, 7(5):14-23(in Chinese with English abstract). [胡榮梅, 鞠華.蘇南太湖地區(qū)主要城市水環(huán)境污染綜合防治研究(下). 環(huán)境科學(xué), 1986, 7(5):14-23.]

[17]Hua Zulin, Liu Xiaodong, Chu Kejianetaleds. Numerical simulation of flow and pollution based on boundary fitted grid. Beijing: Science Press, 2012:181-212(in Chinese). [華祖林, 劉曉東, 褚克堅(jiān)等. 基于邊界擬合下的水流與污染物質(zhì)數(shù)值模擬.北京：科學(xué)出版社, 2012:181-212.]

[18]Li Yiping, Tang Chunyan, Yu Zhongboetal. Uncertainty and sensitivity analysis of large shallow lake hydrodynamic models.AdvancesinWaterScience, 2012, 23(2):271-277(in Chinese with English abstract). DOI 10.14042/j.cnki.32.1309.2012.02.013. [李一平, 唐春燕, 余鐘波等.大型淺水湖泊水動力模型不確定性和敏感性分析.水科學(xué)進(jìn)展, 2012, 23(2):271-277.]

[19]Chen Yongcan, Liu Zhaowei, Zhu Dejun eds. Hydrodynamics and water environmental simulation:methods and applications. Beijing: Science Press, 2012:103-158(in Chinese). [陳永燦, 劉昭偉, 朱德軍.水動力及水環(huán)境模擬方法與應(yīng)用. 北京：科學(xué)出版社, 2012:103-158.]

[20]Jiang Hengzhi, Cui Lei, Shi Fengetal. Study on influences of wind field, topography and inflow/outflow on flow in lake Tai.JournalofHydroelectricEngineering, 2013, 32(6):165-171(in Chinese with English abstract). [姜恒志, 崔雷, 石峰等. 風(fēng)場、地形和吞吐流對太湖流場影響的研究.水力發(fā)電學(xué)報(bào), 2013, 32(6):165-171.]

[21]Mao JQ, Chen QW, Chen YC. Three-dimensional eutrophication model and application to Taihu Lake, China.JournalofEnvironmentalSciences, 2008, 20:278-284. DOI 10.1016/S1001-0742(08)60044-3.

[22]Qiao Fei, Meng Wei, Zheng Binghuietal. Influence of pollutants exported from the Yangtze River Basin on water quality in the estuary.ResearchofEnvironmentalSciences, 2012，25(10):1126-1132(in Chinese with English abstract). DOI 10.13198/j.res.2012.10.53.qiaof.015. [喬飛, 孟偉, 鄭丙輝等.長江流域污染物輸出對河口水質(zhì)的影響.環(huán)境科學(xué)研究, 2012， 25(10):1126-1132.]

[23]Wang Xiaoqing, Guo Jinsong. Change of water environmental capacity in the Xiaojiang River after impoundment of the Three Gorges Reservoir.ResearchofEnvironmentalSciences, 2012, 25(1):36-42(in Chinese with English abstract). DOI 10.13198/j.res.2012.01.39.wangxq.010. [王曉青, 郭勁松.三峽水庫蓄水后小江水環(huán)境容量的變化.環(huán)境科學(xué)研究, 2012, 25(1):36-42.]

[24]Liu Ensheng, Li Yunkai, Zang Riweietal. A preliminary analysis of the ecosystem structure and functioning of Lake Chaohu based on Ecopath model.JournalofFisheriesofChina, 2014, 38(3): 417-425(in Chinese with English abstract). DOI 10.3724/SP.J.1231.2014.48961. [劉恩生, 李云凱, 臧日偉等.基于Ecopath模型的巢湖生態(tài)系統(tǒng)結(jié)構(gòu)與功能初步分析.水產(chǎn)學(xué)報(bào), 2014, 38(3): 417-425.]

[25]Xu FL, J?rgensen SE, Tao Setal. Modeling the effects of ecological engineering on ecosystem health of a shallow eutrophic Chinese lake (Lake Chao).EcologicalModelling, 1999, 117(2/3):239-260. DOI 10.1016/S0304-3800(99)00005-8.

[26]Chen Yunfeng, Yin Fucai, Lu Genfa. The catastrophic model of water bloom: a case study on Lake Chaohu.ActaEcologicaSinica, 2006, 26(3):878-883(in Chinese with English abstract). [陳云峰, 殷福才, 陸根法.水華爆發(fā)的突變模型——以巢湖為例.生態(tài)學(xué)報(bào), 2006, 26(3):878-883.]

[27]He Jun, Jin Juliang, Huang Shifengetal. Hazard evaluation of Lake Chaohu water bloom based on BP and GIS.WaterResourcesandPower, 2011, 29(5):34-36(in Chinese with English abstract). [何君, 金菊良, 黃詩峰等.基于BP神經(jīng)網(wǎng)絡(luò)與GIS的巢湖水華危險性評價.水電能源科學(xué), 2011, 29(5):34-36.]

[28]Xie Xingyong, Qian Xin, Qian Yuetal. Numerical simulation of hydrodynamics and water quality for water transfer from Yangtze River to Chaohu Lake.ChinaEnvironmentalScience, 2008, 28(12):1133-1137(in Chinese with English abstract). [謝興勇, 錢新, 錢瑜等.“引江濟(jì)巢”工程中水動力及水質(zhì)數(shù)值模擬.中國環(huán)境科學(xué), 2008, 28(12):1133-1137.]

[29]Wang Jinfeng ed. Spatial analysis. Beijing: Science Press, 2006: 62-96(in Chinese). [王勁峰.空間分析. 北京：科學(xué)出版社, 2006: 62-96.]

[30]Mark RTD, Marie JF. Spatial analysis: a guide for ecologists. Cambridge: Cambridge University Press, 2014:1-178.

[31]Kanaroglou PS, Adams MD, Deluca PFetal. Estimation of sulfur dioxide air pollution concentrations with a spatial autoregressive model.AtmosphericEnvironment, 2013, 79: 421-427. DOI 10.1016/j.atmosenv.2013.07.014.

[32]Wei Fusheng ed. The monitor and analysis methods of water and waste water(fourth edition). Beijing: China Environmental Science Press, 2002:246-248(in Chinese). [魏復(fù)盛.水和廢水監(jiān)測分析方法:第4版.北京：中國環(huán)境科學(xué)出版社, 2002:246-248.]

[33]Tamura H, Goto K, Yotsuyanagi Tetal. Spectrophotometric determination of iron(Ⅱ) with 1,10-phenan-throline in the presence of large amounts of iron(Ⅲ).Talanta, 1974, 21(4): 314-318. DOI 10.1016/0039-9140(74)80012-3.

[34]Jing Yongjin ed. Statistics. Beijing: China Renmin University Press, 2014:56-79(in Chinese). [金勇進(jìn). 統(tǒng)計(jì)學(xué). 北京：中國人民大學(xué)出版社, 2014:56-79.]

The relationships of velocity, dissolved oxygen with Fe2+,S2-in black bloom region on Nanfei River estuary of Lake Chaohu

WANG Yulin1,2,3, WANG Liang1,2,3,HUA Zulin1,2,3**& DING Shiming4

(1:KeyLaboratoryofIntegratedRegulationandResourceDevelopmentonShallowLakeofMinistryofEducation,CollegeofEnvironment,HohaiUniversity,Nanjing210098,P.R.China)(2:CollegeofEnvironment,HohaiUniversity,Nanjing210098,P.R.China)(3:NationalEngineeringResearchCenterofWaterResourcesEfficientUtilizationandEngineeringSafety,HohaiUniversity,Nanjing210098,P.R.China)(4:StateKeyLaboratoryofLakeScienceandEnvironment,NanjingInstituteofGeographyandLimnology,ChineseAcademyofSciences,Nanjing210008,P.R.China)

The black bloom, which happened frequently in shallow lakes in eastern China, had impacted the social and economic development of the regions around the lakes. Anaerobic condition and high concentration of Fe2+and S2-are prerequisites when black bloom occurs. The distributions of Fe2+, S2-, velocity and DO in black bloom region on Nanfei River estuary of Lake Chaohu were analyzed. The relationships among Fe2+, S2-, DO and flow velocity were discussed by spatial analysis model. The results indicated the flow velocity had two effects on water’s black bloom. There are spatial correlations of Fe2+, S2-and DO due to water flow, and local concentration distribution of Fe2+and S2-was changed by dispersion effect. However, the indirect effect on the values of concentration of Fe2+and S2-is small on account of that water movement enhances the re-oxygenation. Linear spatial lag model was satisfied between the velocity and Fe2+or S2-. Linear regression model could lead to 7% underestimation about the velocity effects on Fe2+concentration distribution, and 12% underestimation on S2-concentration distribution.

Black bloom; Fe2+; S2-; velocity; dissolved oxygen; spatial analysis model；Lake Chaohu;Nanfei River

*國家水體污染控制與治理科技重大專項(xiàng)(2012ZX07103-005)、國家自然科學(xué)基金項(xiàng)目(51379060, 51179052)、江蘇省“青藍(lán)工程”、普通高校研究生科研創(chuàng)新計(jì)劃(CXZZ13_0271, KYLX15_0474)和黃浦江水文數(shù)值預(yù)報(bào)與分析系統(tǒng)研究項(xiàng)目(滬水科2014-10)聯(lián)合資助.2015-03-26收稿；2015-10-26收修改稿. 王玉琳(1986～)，女，博士研究生；E-mail：wangyulin01986@126.com.

**通信作者；E-mail：zulinhua@hhu.edu.cn.