張艷會，李偉峰，陳求穩(wěn)

1 中國科學院南京地理與湖泊研究所，流域地理學重點實驗室，南京　210008　　2 中國科學院生態(tài)環(huán)境研究中心，城市與區(qū)域生態(tài)國家重點實驗室，北京　100085　　3 南京水利科學院，南京　210029

?

太湖水華程度及其生態(tài)環(huán)境因子的時空分布特征

張艷會1,2，李偉峰2,*，陳求穩(wěn)3

1 中國科學院南京地理與湖泊研究所，流域地理學重點實驗室，南京2100082 中國科學院生態(tài)環(huán)境研究中心，城市與區(qū)域生態(tài)國家重點實驗室，北京1000853 南京水利科學院，南京210029

湖泊水華是全世界面臨的嚴重生態(tài)環(huán)境問題之一，對人類和生態(tài)系統(tǒng)健康都有重大影響。由于湖泊水華受流域面源、點源污染、氣候、水文因子以及湖泊生態(tài)系統(tǒng)自身特征等眾多因素影響，水華是否爆發(fā)、其嚴重程度及時空分布特征呈現(xiàn)明顯的復(fù)雜性。以我國太湖為研究區(qū)域，基于近年的水華及水環(huán)境的監(jiān)測數(shù)據(jù)，用自組織特征映射神經(jīng)網(wǎng)絡(luò)對太湖不同監(jiān)測點的水華程度進行了自動聚類分析。結(jié)果表明，太湖水華程度呈現(xiàn)為明顯的無水華、輕度、中度和重度水華4類。不同程度水華的葉綠素a、水溫、CODMn、營養(yǎng)鹽、浮游植物生物量以及藻種(藍藻、綠藻、硅藻)結(jié)構(gòu)的時空差異顯著，不同變量間的關(guān)系復(fù)雜，有助于深入認識太湖近年水華發(fā)生的時空變異特性。

太湖；水華程度；自組織特征映射神經(jīng)網(wǎng)絡(luò)；環(huán)境因子；藻種結(jié)構(gòu)

湖泊水華是世界各國面臨的重要水環(huán)境問題之一，對人類和區(qū)域生態(tài)系統(tǒng)健康都有重要影響[1-3]，如太湖，2000年以來，其藍藻水華發(fā)生的次數(shù)越來越多、范圍逐年擴大、強度逐漸增強，造成重大危害[4]。由于水華的爆發(fā)機制非常復(fù)雜，受流域點源、面源污染、氣象條件以及湖泊生態(tài)系統(tǒng)自身特征的影響，水華是否爆發(fā)及其強度、頻率和范圍等具有很大的時空變異性和不確定性，因此，水華的防治一直是個難題。目前，雖然對湖泊水華問題開展了大量的研究工作，深入分析了水華的爆發(fā)機制及其主要影響因子，但由于水華產(chǎn)生的過程復(fù)雜，且時空變異很大，所以，即使對同一個湖泊水華問題，也難以有明確的定論。

要有效地減少藍藻水華的發(fā)生及其帶來的影響，必須全面、深刻地認識湖泊水華爆發(fā)的機理和機制。目前，湖泊水華研究多集中在以實驗為主的定點監(jiān)測和以模型為主的水華預(yù)測。其中，定點監(jiān)測有助于分析特定時空范圍內(nèi)藻類生長和水華的生消過程，但很難揭示不同時空尺度上的水華變化機制；模型方法多集中在水華的預(yù)測預(yù)警研究，主要是基于對水華生消過程的認識，來模擬水環(huán)境演變及水華的爆發(fā)過程，也是有助于揭示給定時空尺度內(nèi)水華的生消過程特征，但過程模型對參數(shù)變量的要求較高，對于環(huán)境多變、復(fù)雜的過程，模型的敏感性很高，很難對不同環(huán)境條件進行高精度模擬，不確定性很大。

本研究基于近年來覆蓋全太湖的不同監(jiān)測站點的水環(huán)境和水華狀況的實測數(shù)據(jù)，應(yīng)用基于人工智能的自組織神經(jīng)網(wǎng)絡(luò)方法，對全太湖水華發(fā)生特征進行了全面、綜合地評價，深入揭示了太湖不同程度水華的環(huán)境變量和藻類組成的時空變異特征。研究結(jié)果對太湖水環(huán)境監(jiān)測和水華災(zāi)害防治方案的制定具有一定的支撐意義。

1　研究區(qū)域和數(shù)據(jù)

太湖地處30°55′—31°34′N，119°53′—120°36′E，位于長江三角洲的南部，面積約為2338km2，平均水深不到2m[5]。該地屬于亞熱帶氣候類型，四季分明。20世紀后期以來，太湖藍藻水華問題日益突出，是國務(wù)院指定重點治理的富營養(yǎng)化水域之一。本研究所采用的數(shù)據(jù)是2008—2010年太湖每月1次的監(jiān)測數(shù)據(jù)，監(jiān)測站點共33個，覆蓋全太湖各個區(qū)域，數(shù)據(jù)來源于太湖流域管理局水文水資源監(jiān)測中心。

2　研究方法

2.1太湖藍藻水華程度評價

圖1　自組織特征映射神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.1　Structure of Self-organizing Neural Network

SOFM(Self-Organizing Feature Map)是由芬蘭學者、國際著名網(wǎng)絡(luò)專家Kohonen于1982年首次提出[6]。該網(wǎng)絡(luò)能夠?qū)崿F(xiàn)對輸入模式特征進行拓撲邏輯映射，和其它神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)不同的是該網(wǎng)絡(luò)沒有輸出層，所有的輸入信號經(jīng)網(wǎng)絡(luò)識別后根據(jù)其內(nèi)在的信息結(jié)構(gòu)被組織到一維或二維的平面圖上，形成特征圖(圖1)，進而具有很強的可視性。該方法通過判斷輸入樣本的屬性并對其進行輸出，每個輸出節(jié)點代表某一類樣本，根據(jù)樣本數(shù)據(jù)的本質(zhì)特征以自組織的方式對樣本進行聚類。SOFM已經(jīng)被廣泛地用于模式識別、聯(lián)想儲存、組合優(yōu)化和機器人控制等問題的解決，近年來，在生態(tài)環(huán)境領(lǐng)域，很多復(fù)雜、非線性的生態(tài)環(huán)境過程模擬研究應(yīng)用了該方法[7-8]。根據(jù)已有研究結(jié)果，藍藻水華發(fā)生主要受營養(yǎng)鹽、溫度等環(huán)境要素的共同影響[9]。同時，鑒于Chl-a與藍藻的關(guān)系，Chl-a被看是藍藻生物量的替代色素[10]，本研究選取了5個與水華爆發(fā)密切相關(guān)的因子作為輸入層指標，包括Chl-a、TN、TP、CODMn和T(水溫)，將水華分為無水華、輕度水華、中度水華和重度水華4個等級[11]，其中，Chl-a和CODMn是藍藻水華發(fā)生程度的指示因子，TN、TP是藍藻水華發(fā)生的主要營養(yǎng)鹽因素，溫度(T)是藍藻水華發(fā)生的關(guān)鍵性氣象因素，本文所選取的網(wǎng)絡(luò)結(jié)構(gòu)是2×3。

2.2不同程度水華的環(huán)境因子及藻種結(jié)構(gòu)時空分布

基于自組織特征神經(jīng)網(wǎng)絡(luò)對太湖水華特征的聚類分析結(jié)果，應(yīng)用統(tǒng)計學方法，定量分析不同程度水華對應(yīng)的葉綠素a、水溫、營養(yǎng)鹽、CODMn、浮游植物生物量和藻類種群結(jié)構(gòu)的時空分布及變異特征及不同環(huán)境因子之間的相互關(guān)系。分析在統(tǒng)計學軟件SPSS支持下完成。

3　研究結(jié)果

3.1太湖藍藻水華程度的時空分布特征

應(yīng)用自組織特征映射神經(jīng)網(wǎng)絡(luò)，對覆蓋全太湖33個監(jiān)測站點2008—2010年4—11月份的水環(huán)境及水華監(jiān)測數(shù)據(jù)的自動聚類分析結(jié)果表明，太湖不同區(qū)域水華的發(fā)生強度明顯分為4類：無水華、輕度水華、中度水華和重度水華。應(yīng)用2010年水華狀況的巡測數(shù)據(jù)對聚類結(jié)果進行了檢驗，根據(jù)采樣現(xiàn)場的調(diào)查記錄，太湖水華特征分為無水華、顆粒狀、條狀和帶狀，分別對應(yīng)于無水華、輕度、中度和重度水華，檢驗結(jié)果表明，無水華、輕度、中度和重度水華的聚類精度分布為96.1%，78.8%，63.0%和63.2%。

總體上，太湖水華的嚴重程度呈現(xiàn)從西北向東南遞減的趨勢，同2000年以來(2004—2008年)太湖水華總體空間分布特征一致(圖2—圖5)[4]。從空間分布上看，重度水華主要發(fā)生在太湖北部和西北部等河流入湖口區(qū)域，如梅梁灣(太湖北部)、西五里湖(太湖北)、竺山湖(太湖西北)、大浦口(太湖西北)和夾浦(太湖西北)等，這些區(qū)域營養(yǎng)鹽相對較高。其中，北部(梅梁灣)和西北部(竺山灣和大浦口)的營養(yǎng)鹽和CODMn濃度最高，揭示入太湖的河流水質(zhì)對太湖水環(huán)境的影響很大，是太湖水污染負荷的重要來源[12-13]；中度水華和輕度水華發(fā)生范圍類似，主要發(fā)生在太湖北部、西北部和西南部區(qū)域，東部漫山、胥湖和湖心區(qū)還未發(fā)生過水華；在不同的監(jiān)測時間點，全太湖不同監(jiān)測點都有無水華狀態(tài)?？偟膩碚f，除太湖的東部和湖心區(qū)以外的大部分湖區(qū)均有發(fā)生藍藻水華的可能性，其中，北部和西北部區(qū)域有發(fā)生重、中、輕度水華的可能性，而西南部和東南部有發(fā)生中度和輕度水華的可能性，這和太湖的營養(yǎng)鹽從西北到東南遞減的分布趨勢一致。另外，在重度、中度、輕度以及無水華的監(jiān)測樣本中，即北部及西北部地區(qū)，其營養(yǎng)鹽和CODMn的含量相對最高，進一步說明太湖的外源污染對太湖水環(huán)境及水華時空分布具有很大影響[12-13]。

圖2　重度水華監(jiān)測點及其藍藻分布特征[4]Fig.2　Spatial distribution of serve water bloom monitoring sites and blue green algae amount[4]

圖3　中度水華監(jiān)測點及其藍藻分布特征[4]Fig.3　Spatial distribution of middle water bloom monitoring sites and blue green algae amount[4]

圖4　輕度水華監(jiān)測樣點及其藍藻分布特征[4]Fig.4　Spatial distribution of light water bloom monitoring sites and blue green algae amount[4]

圖5　無水華監(jiān)測樣點及其藍藻分布特征[4]Fig.5　Spatial distribution of none water bloom monitoring sites and blue green algae amount[4]

從時間分布上看，太湖西北部的重度水華集中發(fā)生在7—10月份，但不同監(jiān)測點的重度水華出現(xiàn)和結(jié)束的時間有所不同，如太湖西北部竺山湖、大浦和西部的夾浦重度水華出現(xiàn)的時間較早(4、5月份)，而太湖北部，西五里湖、東五里湖和小灣里，重度水華發(fā)生的時間相對較晚(6月份)，但結(jié)束的也較晚，11月份還有重度水華發(fā)生；中度水華發(fā)生的時間分布比較廣泛，4—11月份都有發(fā)生；輕度水華發(fā)生的時間主要集中在4—9月份；無水華監(jiān)測到的時間覆蓋4—11月份。

3.2不同程度水華的環(huán)境因子特征分析

不同程度水華的葉綠素a含量、水溫、TN、TP和CODMn等因子的分布特征及變化特征不同(表1)?？傮w上，從無水華到重度水華各因子基本呈現(xiàn)遞增的趨勢。但重度水華的水溫較中度和輕度水華的水溫明顯低，據(jù)現(xiàn)場考察可知重度水華大多是片狀水華，其可能是跟風的聚集作用導(dǎo)致的結(jié)果有關(guān)，這與氣象和水文條件是影響太湖藻類漂移與堆積的重要因素等研究結(jié)果相一致[14-17]。此外，中度水華時TN的含量較低，這個可能是中度水華時TN消耗量達到較大有關(guān)，進一步說明，藻類生消過程中對氮磷的吸收和釋放是復(fù)雜變化的[18-20]。

據(jù)表1可知，各水華等級相對應(yīng)的葉綠素a和TP變異系數(shù)差異較為顯著，而水溫、TN和CODMn變異系數(shù)差異相對不明顯，這和太湖磷為限制性因子的研究結(jié)果一致以及葉綠素a是藍藻水華的表征因子的研究結(jié)果一致[11,21]，也間接表明Chl-a可表征太湖藍藻水華的程度等級。

表1　不同程度水華生態(tài)環(huán)境變量的范圍分布特征

CODMn：化學需氧量 Chemical Oxygen Demand

所有監(jiān)測樣本(包括各種程度水華)的葉綠素a、溫度、CODMn和營養(yǎng)鹽之間的相關(guān)關(guān)系分析結(jié)果表明，葉綠素a、溫度、CODMn、TN、TP和TN/TP之間均具有顯著的相關(guān)性(表2)，葉綠素a跟CODMn和TP的相關(guān)性最高，相關(guān)系數(shù)分別是0.78和0.6(n樣本數(shù)748，*差異顯著(P<0.05), **差異極顯著(P<0.01))。但不同程度水華的各影響因子間的關(guān)系差異很大，如重度水華的葉綠素a和TN、TP、CODMn具有明顯相關(guān)性，相關(guān)系數(shù)分別為0.42，0.33和0.60，中度和輕度水華，葉綠素a同各變量均無顯著相關(guān)性，無水華，葉綠素a和TP、CODMn呈現(xiàn)一定的相關(guān)性，相關(guān)系數(shù)分別是0.38和0.61。結(jié)果表明，不同程度水華狀態(tài)時，水體的藻類生長以及水華的生消過程非常復(fù)雜。

3.3不同程度水華的藻種結(jié)構(gòu)的時空特征

現(xiàn)階段，太湖的優(yōu)勢藻明顯為藍藻[22]，不同程度水華狀態(tài)下，藍藻均有絕對的優(yōu)勢(表3)。其中，無水華、輕度、中度和重度水華時藍藻數(shù)量呈現(xiàn)直線上升趨勢，其平均值分別為：761萬個/L、2192萬個/L、4074萬個/L、9223萬個/L，而綠藻和硅藻僅呈現(xiàn)微弱的上升趨勢，綠藻數(shù)量依次為：152萬個/L、138萬個/L、221萬個/L、249萬個/L，硅藻數(shù)量依次為：48萬個/L、69萬個/L、85萬個/L、160萬個/L。不同程度水華的浮游植物生物量和藻類構(gòu)成及變化范圍存在顯著差異(表3)，其變異系數(shù)均大于0.5，無水華和重度水華的變異系數(shù)大于中度水華和輕度水華，浮游植物生物量和藍藻、硅藻、綠藻的數(shù)量的變異系數(shù)大于葉綠素a的變異系數(shù)，這也在一定程度上說明，用葉綠素a表征水華的嚴重程度相對更為客觀。對于相同程度水華，其藻類組成和數(shù)量分布的空間差異明顯，基本上與3.1節(jié)討論的環(huán)境變量的空間分布相似，即太湖北部、西北和西部等有主要入湖河流處的密度相對更高，說明藻類的生長和營養(yǎng)鹽等環(huán)境變量密切相關(guān)[23-24]。

表2　不同程度水華的的生態(tài)環(huán)境變量的相關(guān)性

*差異顯著(P<0.05), **差異極顯著(P<0.01);樣本數(shù)n=748

表3　不同程度水華的藻類組成特征

樣本數(shù)量 Number of cases; 平均值 Mean; 標準差 Standard deviation;中間值 Median; 變異系數(shù) Coefficient of Variation

為了深入揭示太湖不同程度水華的葉綠素a、浮游植物生物量和藻類數(shù)量之間的關(guān)系，分別分析了所監(jiān)測樣本的葉綠素a、浮游植物生物量和藻類數(shù)量之間的相關(guān)性，以及不同程度水華的這些變量之間的相關(guān)性。結(jié)果表明，所有監(jiān)測樣本(包括各種程度水華)的葉綠素a、浮游植物生物量和藻類數(shù)量均具有顯著的的相關(guān)性(表4)。但不同程度水華時，其對應(yīng)的葉綠素a、浮游植物生物量和藻類數(shù)量之間的相關(guān)性差異很大。重度水華時，葉綠素a只同藍藻具有顯著的相關(guān)性，相關(guān)系數(shù)達0.685；中度水華時，葉綠素a同浮游植物生物量和藍藻數(shù)量呈相關(guān)性，相關(guān)程度分別為0.587和0.616；輕度水華時，葉綠素a和浮游植物生物量、藍藻和硅藻數(shù)量呈相關(guān)性，分別為0.403、0.346和0.412；無水華時，葉綠素a和浮游植物生物量、藍藻、綠藻和硅藻數(shù)量均呈相關(guān)性，分別為0.121、0.446、0.401和0.440。這個結(jié)果說明，不同程度水華時，其對應(yīng)的生態(tài)環(huán)境因子特征差異很大，即不同程度水華發(fā)生的過程與驅(qū)動機制存在差異。

表4　不同程度水華的葉綠素a和藻類組成的相關(guān)性

*差異顯著(P<0.05), **差異極顯著(P<0.01)

4　結(jié)論

針對太湖水華生消過程的復(fù)雜性和明顯的時空變異特征，本文運用自組織特征映射神經(jīng)網(wǎng)絡(luò)方法，自動聚類分析了太湖水華程度及其時空分布特征。結(jié)果表明，太湖水華程度可分為4類：無水華、輕度水華、中度水華和重度水華。不同程度水華發(fā)生時，其對應(yīng)的水環(huán)境變量、浮游植物生物量和藻類組成的時空分布特征變異很大，同時，不同程度水華時，不同生態(tài)環(huán)境因子之間的關(guān)系也存在很大差異。這個研究結(jié)果更加充分地說明太湖水華生消機理的復(fù)雜性和不確定性，因此，要有效地預(yù)測、預(yù)警和防治水華，必須針對不同程度水華和生態(tài)環(huán)境因子特征進行深入分析，即要全面地考慮水華程度及其驅(qū)動因子特征的時空變異性。

[1]商兆堂, 任健, 秦銘榮, 夏瑛, 何浪, 陳鈺文. 氣候變化與太湖藍藻暴發(fā)的關(guān)系. 生態(tài)學雜志, 2010, 29(1): 55-61.

[2]黃漪平. 太湖水環(huán)境及其污染控制. 北京: 科學出版社, 2001.

[3]秦伯強, 胡維平, 陳偉民. 太湖水環(huán)境演化過程與機理. 北京: 科學出版社, 2004.

[4]劉聚濤, 楊永生, 高俊峰, 姜加虎. 太湖藍藻水華分級及其時空變化. 長江流域資源與環(huán)境, 2011, 20(2): 156-160.

[5]孫順才, 黃漪平. 太湖. 北京: 海洋出版社, 1993.

[6]朱大奇, 史慧. 人工神經(jīng)網(wǎng)絡(luò)原理及應(yīng)用. 北京: 科學出版社, 2006.

[7]Chon T S. Self-Organizing maps applied to ecological sciences. Ecological Informatics, 2011, 6(1): 50-61.

[8]KaltehA M, Hjorth P, Berndtsson R. Review of the self-organizing map (SOM) approach in water 4 resources: Analysis, modelling and application. Environmental Modelling & Software, 2008, 23(7): 835-845.

[9]馬健榮, 鄧建明, 秦伯強, 龍勝興. 湖泊藍藻水華發(fā)生機理研究進展. 生態(tài)學報, 2013, 33(10): 3020-3030.

[10]馬榮華, 孔維娟, 段洪濤, 張壽選. 基于 MODIS 影像估測太湖藍藻暴發(fā)期藻藍素含量. 中國環(huán)境科學, 2009, 29(3): 254-260.

[11]Chen Q W, Han R, Li W F, Zhang Y H. Analysis of algal bloom risk with uncertainties in lakes by integrating self-organizing map and fuzzy information theory. Science of the Total Environment, 2014, 482-483: 318-324.

[12]朱廣偉. 太湖水質(zhì)的時空分異特征及其與水華的關(guān)系. 長江流域資源與環(huán)境, 2009, 18(5): 439-445.

[13]張曉晴, 陳求穩(wěn). 太湖水質(zhì)時空特性及其與藍藻水華的關(guān)系. 湖泊科學, 2011, 23(3): 339-347.

[14]徐恒省, 翁建中, 李繼影, 王亞超. 太湖藍藻水華預(yù)警監(jiān)測與風速風向的關(guān)系研究. 環(huán)境監(jiān)控與預(yù)警, 2009, 1(2): 5-7.

[15]高龍華, 謝龍. 太湖藍藻暴發(fā)的氣象條件影響及其治理措施. 中國資源綜合利用, 2011, 29(9): 35-38.

[16]吳挺峰, 朱廣偉, 秦伯強, 丁艷青, 吳善鋒. 前期風場控制的太湖北部湖灣水動力及對藍藻水華影響. 湖泊科學, 2012, 24(3): 409-415.

[17]陳黎明, 王成林, 李噙來. 特殊風場條件對太湖藍藻水華遷移的影響研究. 環(huán)境監(jiān)測管理與技術(shù), 2012, 24(3): 29-34.

[18]崔莉鳳, 游亮, 黃振芳, 劉載文. 北京城區(qū)水華發(fā)生氮磷比變化趨勢及原因分析. 環(huán)境科學與技術(shù), 2007, 30(10): 47-49.

[19]豐茂武, 吳云海, 馮仕訓(xùn), 吳云影. 不同氮磷比對藻類生長的影響. 生態(tài)環(huán)境, 2008, 17(5): 1759-1763.

[20]韓志萍, 邵朝綱, 張易祥, 楊志紅, 吳湘, 唐銘, 葉金云. 南太湖入湖口藍藻生物量與氮營養(yǎng)因子的年變化特征以及相關(guān)性研究. 水產(chǎn)學報, 2012, 36(6): 922-929.

[21]高光, 秦伯強, 朱廣偉, 范成新, 季江. 太湖梅梁灣中堿性磷酸酶的活性及其與藻類生長的關(guān)系. 湖泊科學, 2004, 16(3): 245-251.

[22]錢奎梅, 陳宇煒, 宋曉蘭. 太湖浮游植物優(yōu)勢種長期演化與富營養(yǎng)化進程的關(guān)系. 生態(tài)科學, 2008, 27(2): 65-70.

[23]顧蘇莉, 陳方, 孫將陵. 太湖藍藻監(jiān)測及暴發(fā)情況分析. 水資源保護, 2011, 27(3): 28-32.

[24]譚嘯, 孔繁翔, 曾慶飛, 錢善勤, 張民. 太湖中微囊藻群落的季節(jié)變化分析. 生態(tài)與農(nóng)村環(huán)境學報, 2009, 25(1): 47-52.

Spatial-temporal variance of the intensity of algal bloom and related environmental and ecological factors in Lake Taihu

ZHANG Yanhui1,2, LI Weifeng2,*, CHEN Qiuwen3

1KeyLaboratoryofWatershedGeographicSciences,NanjingInstituteofGeographyandLimnology,ChineseAcademyofSciences,Nanjing210008,China2StateKeyLaboratoryofUrbanandRegionalEcology，ResearchCenterforEco-EnvironmentalSciences，ChineseAcademyofSciences，Beijing100085，China3NanjingHydraulicResearchInstitute,Nanjing210029,China

Algal bloom, which results in significant adverse effects on aquatic ecosystem health, drinking water safety, and human beings, is one of the most serious environmental problems in lakes. Since many factors, such as non-point and point source pollution, meteorological and hydrodynamic conditions, and morphological features and characteristics of the lake ecosystem itself, can influence the outbreak of algal bloom, its mechanism is very complex and highly uncertain. In particular, large water bodies such as Lake Taihu have eco-environmental conditions with significant spatial and temporal variations. In the study, Lake Taihu was selectedand continuous monthly (2008—2010)on-site (33 sites) monitoring data were used. The self-organizing map (SOM) neural network approach was applied to automatically evaluate the algal bloom status according to long-term on-site monitoring data of the entire Lake. Then, for different intensities of algal bloom, the spatial and temporal distribution and variation of environmental and ecological factors (Chlorophyll-a, water temperature, CODMn, TN, TP, main algae composition) were analyzed. The relation between the intensity of water bloom and the environmental and ecological factors were assessed. The intensity of algal blooms in Taihu Lake was classified into four degrees, no, light, moderate, and severe water blooms. The spatial-temporal occurrence of algal bloom in Lake Taihu with different intensity was clearly different. Spatially, the algal bloom intensity of Lake Taihu decreased from the northwest to the southeast. The most severe bloom occurred in the north and northwest areas, which is the main entrance of major rivers flowing into Lake Taihu. Moderate bloom occurred in the north, west, and southwest areas but seldom occurred in the east and central areas. Light bloom appeared across the entire lake, except for the southeast. Temporally, the most severe bloom outbreaked occurred during July to October. Moderate, light, and no blooms appeared from April to November. For different degrees of algal blooms, the corresponding environmental-ecological variables of chlorophyll-a, water temperature, CODMn, TN, TP, and main algae composition (Cyanobacteria, Chlorophyta, Bacillariophyta) were clearly varied. The relations between these environmental-ecological variables were very complex. Generally, water temperature and the concentration of chlorophyll-a, CODMn, TN, and TP increased from no algal bloom to severe algal bloom. For all the algal blooms, distinct variations were observed among the concentrations of chlorophyll-a and TP, while there were no marked differences among the water temperature, CODMn, and TN. In relation to phytoplankton communities, cyanobacteria was dominant in all the algal blooms with different intensities. These findings are not only important for comprehensively understanding the spatial-temporal variations of algal bloom in Lake Taihu, but also support further identification of the mechanisms of algal bloom. In addition, this study might help the government and related decision-makers in establishing policies and practices on algal bloom monitoring and prevention.

Lake Taihu; intensity of algal bloom; self-organizing map (SOM) neural network; environmental factors; algal composition

中國科學院科技服務(wù)網(wǎng)絡(luò)計劃項目(STS):長江經(jīng)濟帶生態(tài)風險預(yù)測與保護對策

2014-12-11; 網(wǎng)絡(luò)出版日期:2015-10-30

Corresponding author.E-mail: li.wf@rcees.ac.cn

10.5846/stxb201412112468

張艷會，李偉峰，陳求穩(wěn).太湖水華程度及其生態(tài)環(huán)境因子的時空分布特征.生態(tài)學報,2016,36(14):4337-4345.

Zhang Y H, Li W F, Chen Q W.Spatial-temporal variance of the intensity of algal bloom and related environmental and ecological factors in Lake Taihu.Acta Ecologica Sinica,2016,36(14):4337-4345.