孫 偉， 夏 瑞， 王 曉， 王 璐， 陳 焰， 馬淑芹， 張 遠(yuǎn)， 胡 泓

1.中國環(huán)境科學(xué)研究院， 環(huán)境基準(zhǔn)與風(fēng)險評估國家重點(diǎn)實驗室, 北京 100012

2.中國海洋大學(xué)環(huán)境科學(xué)與工程學(xué)院， 山東 青島 266100

DOM(溶解性有機(jī)質(zhì))對河湖水生態(tài)系統(tǒng)結(jié)構(gòu)與功能具有重要影響，研究多因素驅(qū)動下DOM的熒光特征與響應(yīng)關(guān)系是當(dāng)前環(huán)境科學(xué)的熱點(diǎn)和難點(diǎn). 達(dá)里湖是我國內(nèi)蒙古自治區(qū)重要的綜合性自然保護(hù)區(qū)和東北亞最大的候鳥集散地之一，近年來受自然氣候和人類活動多重影響下，湖泊生態(tài)退化嚴(yán)重、湖面持續(xù)萎縮、水質(zhì)持續(xù)惡化，嚴(yán)重影響周邊生態(tài)環(huán)境質(zhì)量和生態(tài)系統(tǒng)健康，受到當(dāng)?shù)卣椭苓厙业年P(guān)注[1-2]. DOM通常是指能夠通過0.45 μm濾膜的一類有機(jī)物質(zhì)，其廣泛存在于土壤、水體、沉積物中[3-4]，含有豐富的碳、氮、磷等湖泊生源要素，可以提供微生物繁殖活動所需的能源和碳源[5-7]. 此外，DOM的濃度和組成直接或間接影響著水環(huán)境中生物的活動，以及其他元素的遷移轉(zhuǎn)化過程，是表征河湖水生態(tài)環(huán)境演變和退化的重要參考指標(biāo)之一[8-9]. DOM測定過程相對簡單，僅需過濾即可檢測，可通過DOM的光譜特征來反映水質(zhì)狀況，在國內(nèi)外應(yīng)用較為廣泛. Heibati等[10]通過紫外和熒光光譜分析發(fā)現(xiàn)，DOM可以為水質(zhì)污染提供非常穩(wěn)定的背景信號，只要考慮到潛在的干擾物，DOM熒光是飲用水網(wǎng)絡(luò)中水質(zhì)變化的敏感指標(biāo). SHANG等[11]通過研究DOM熒光光譜與修改后的營養(yǎng)狀態(tài)指數(shù)之間的聯(lián)系，建立了一種新的水庫營養(yǎng)狀態(tài)監(jiān)測模式. 陳軍等[12]對太湖氮磷濃度與水質(zhì)因子關(guān)系的研究表明，太湖水體中ρ(TN)、ρ(TP)與ρ(DOC)、ρ(Chla)和濁度之間均存在較強(qiáng)的線性相關(guān)關(guān)系，可用DOM等參數(shù)預(yù)測ρ(TN)和ρ(TP). 這也證明了DOM的來源和濃度與富營養(yǎng)化有一定聯(lián)系.

河湖生態(tài)環(huán)境退化成因機(jī)制較復(fù)雜，通常涉及多個環(huán)境因子的復(fù)合影響和內(nèi)在交互作用，具有較大的非線性變化特性，難以用簡單的數(shù)學(xué)方法建立要素之間的響應(yīng)關(guān)系. 人工神經(jīng)網(wǎng)絡(luò)模型(ANN)因其優(yōu)秀的非線性映射能力和自我學(xué)習(xí)訓(xùn)練能力，對光譜特征的識別、提取、匹配和分類具有很好的輔助作用，并能推演有機(jī)質(zhì)組分與水質(zhì)之間的相關(guān)性[13]. Maurício等[14]利用人工神經(jīng)網(wǎng)絡(luò)模型建立ρ(TSS) 與DOM的響應(yīng)關(guān)系，結(jié)果表明人工神經(jīng)網(wǎng)絡(luò)模型驗證過程平均誤差低至19%，決定系數(shù)(R2)大于0.60，實現(xiàn)了利用低傳感器預(yù)測多光譜波段，從而進(jìn)行水質(zhì)監(jiān)測. 王娟等[15]通過平行因子法結(jié)合自組織映射神經(jīng)網(wǎng)絡(luò)，建立了pH、ρ(DO)、ρ(COD)、ρ(BOD5)等水質(zhì)參數(shù)與熒光組分的多元線性回歸方程，求得相關(guān)系數(shù)均大于0.50，發(fā)現(xiàn)各熒光組分可以在一定程度上模擬水質(zhì)參數(shù)的變化情況. 與一般數(shù)學(xué)模型相比，人工神經(jīng)網(wǎng)絡(luò)模型具有更強(qiáng)的適應(yīng)性和靈活性，對于科學(xué)診斷和預(yù)測現(xiàn)實流域水生態(tài)系統(tǒng)多要素相互作用的非線性關(guān)系具有較好的模擬精度和效率.

該研究以內(nèi)蒙古達(dá)里諾爾湖(簡稱“達(dá)里湖”)為研究對象，基于前期對達(dá)里湖DOM特征及來源的分析基礎(chǔ)上[16]，開展達(dá)里湖三維熒光特征分析，并進(jìn)一步利用人工神經(jīng)網(wǎng)絡(luò)模型方法，建立DOM與湖體主要水質(zhì)指標(biāo)的響應(yīng)關(guān)系，通過多參數(shù)敏感性分析識別DOM的主要環(huán)境驅(qū)動因子及其非線性響應(yīng)規(guī)律，以期為我國河湖生態(tài)環(huán)境問題診斷、溯源和預(yù)測提供科學(xué)參考.

1 材料與方法

1.1 研究區(qū)概況

達(dá)里湖(116°26′E～116°41′E、43°13′N～43°23′N)位于內(nèi)蒙古自治區(qū)赤峰市克什克騰旗境內(nèi)，東部是貢格爾草原，西邊為內(nèi)蒙古錫林郭勒草原自然保護(hù)區(qū)，南臨渾善達(dá)克沙地，是內(nèi)蒙古自治區(qū)東部主要的水資源地. 達(dá)里湖南北長21 km，東西寬15 km，周長約79 km，湖面積約190.09 km2，湖面海拔約1 226～1 228 m. 近年來，達(dá)里湖水面面積不斷萎縮，從1972年的233.15 km2降至2016年的191.43 km2，下降速率為8.77 km2(10 a)[17]. 由于湖泊面積的改變，達(dá)里湖不同區(qū)域的水深存在一定程度的波動，由西南到東北逐漸變淺，湖水最深處約13 m，平均水深6.7 m[18].

1.2 樣品采集與處理

1.2.1手動監(jiān)測采樣

于2018年9月(秋季)和2019年6月(夏季)對達(dá)里湖進(jìn)行水質(zhì)樣品采集. 達(dá)里湖周邊無明顯工業(yè)、企業(yè)污染來源，采用網(wǎng)格布點(diǎn)法，將達(dá)里湖進(jìn)行網(wǎng)格剖分，利用網(wǎng)格的交點(diǎn)布置水樣監(jiān)測點(diǎn). 由圖1可見，主湖區(qū)第一次設(shè)置17個采樣點(diǎn)(D1～D17)，第二次采樣在第一次采樣基礎(chǔ)上增設(shè)了14個采樣點(diǎn)(S1～S14)，共設(shè)置31個采樣點(diǎn)，4條入湖河流設(shè)置4個采樣點(diǎn)(W1～W4). 采集表層0.5 m的水樣，采集和運(yùn)輸保存過程根據(jù)GBT 14581—1993《水質(zhì)、湖泊和水庫釆樣技術(shù)指導(dǎo)》以及《水和廢水監(jiān)測分析方法(第四版)》要求進(jìn)行. 采用HI83200便攜式水質(zhì)測定儀(Thermo Orion Star，美國)現(xiàn)場測定ρ(DO)和pH，同時采集水樣5 L，采集前用待測水樣潤洗采集瓶2遍，采集完畢后置于車載冰箱中冷藏，并盡快運(yùn)回實驗室進(jìn)行水化學(xué)指標(biāo)的檢測. 水化學(xué)指標(biāo)包括ρ(TP)、ρ(Chla)、ρ(COD)、ρ(DOC)、ρ(TN)、高錳酸鹽指數(shù)，具體步驟參考《水和廢水監(jiān)測分析方法(第四版)》；光譜測定水樣通過0.45 μm微孔濾膜抽濾后進(jìn)行測定.

圖1 達(dá)里湖采樣點(diǎn)分布

1.2.2無人船監(jiān)測采樣

針對達(dá)里湖現(xiàn)有數(shù)據(jù)資料缺乏的問題，于2019年6月(夏季)利用現(xiàn)代化無人船智能采集設(shè)備，搭載多參數(shù)水質(zhì)在線分析儀和在線采樣結(jié)合的手段，對達(dá)里湖水質(zhì)指標(biāo)進(jìn)行采集和在線分析，采用SE40系列中小型無人船，通過基站軟件發(fā)送測量任務(wù)，在GNSS系統(tǒng)定位下，無人船根據(jù)任務(wù)航線(見圖2)，自主完成監(jiān)測任務(wù). 通過無人船搭載的在線水質(zhì)檢測儀檢測溫度、pH、ρ(DO)、ρ(Chla)；同時在對應(yīng)站點(diǎn)使用無人船遙控采集水樣，使用無人船每次可以搭載16個采樣瓶，完成16個采樣任務(wù)后立即取出水樣，更換采樣瓶后繼續(xù)采樣. 每次共采集水樣40個.

圖2 無人船監(jiān)測航線

1.3 分析方法

1.3.1綜合營養(yǎng)狀態(tài)指數(shù)

依據(jù)《湖泊(水庫)富營養(yǎng)化評價方法及分級技術(shù)規(guī)定》，以Chla作為基準(zhǔn)參考標(biāo)準(zhǔn)計算TN、TP、透明度(SD)、高錳酸鹽指數(shù)的相關(guān)權(quán)重，再加權(quán)求得湖泊水體的綜合營養(yǎng)狀態(tài)指數(shù)[19]，計算公式：

(1)

式中，TLI(∑)為綜合營養(yǎng)狀態(tài)指數(shù)，Wj為第j種參數(shù)的營養(yǎng)狀態(tài)指數(shù)的相關(guān)權(quán)重,TLI(j)為第j種參數(shù)的營養(yǎng)狀態(tài)指數(shù).

1.3.2DOM光譜測定

DOM的光譜吸收系數(shù)測定利用紫外分光光度計(UV-2450，日本島津)測定，以超純水作為空白對照，通過0.45 μm濾膜，測定波長為240～800 nm處的吸光度，然后計算、校正得到各波長的吸收系數(shù)，該研究以355 nm處的吸收系數(shù)表示DOM濃度[20]，計算公式：

αλ=2.303Dλr

(2)

式中：λ為波長，nm；αλ為波長λ處的吸收系數(shù)，m-1；Dλ為波長λ處的吸光度；r為光程路徑，m.

1.3.3人工神經(jīng)網(wǎng)絡(luò)模型

人工神經(jīng)網(wǎng)絡(luò)的培訓(xùn)使用Matlab軟件中的Neural Network Fitting Tool(人工神經(jīng)網(wǎng)絡(luò)擬合工具)工具包對有限元的計算結(jié)果來進(jìn)行人工神經(jīng)網(wǎng)絡(luò)模型培訓(xùn)，采用Levenberg-Maquardt算法，該方法具有訓(xùn)練速度快、誤差小的特點(diǎn).

人工神經(jīng)網(wǎng)絡(luò)模型建立之后，采用決定系數(shù)(R2)和均方誤差(MSE)來評價模型的性能.R2反映了回歸直線對觀測值的擬合優(yōu)度，數(shù)值越大表明擬合度越好[21]；MSE則反映了估計量與被估計量之間的差異程度，數(shù)值越小表明模擬誤差越小[22].

1.3.4人工神經(jīng)網(wǎng)絡(luò)模型參數(shù)敏感性分析

人工神經(jīng)網(wǎng)絡(luò)模型參數(shù)敏感性分析是定量研究自變量變化導(dǎo)致因變量變化程度的一種分析方法，若某自變量的敏感度越大，則該變量變化對因變量的影響越大；反之，自變量的變化對因變量的影響越小[23]. 計算輸入變量對輸出變量的敏感性和貢獻(xiàn)程度，旨在進(jìn)一步識別變化環(huán)境下驅(qū)動因子對DOM的影響規(guī)律與特征，計算公式：

(3)

式中：Xi為敏感性水平，%；Fc為輸出變量變化值；Fr為輸入變量變化值；N為模型種所使用數(shù)據(jù)樣本數(shù). 該研究將主要通過模型參數(shù)敏感性分析和多次迭代，探索不同環(huán)境要素影響下湖體DOM的演變規(guī)律.

2 結(jié)果與討論

2.1 達(dá)里湖水質(zhì)現(xiàn)狀

由圖3可見：2018年9月(秋季)湖區(qū)pH在9.61～9.69范圍內(nèi)波動，平均值為9.65；ρ(DO)范圍為7.70～10.76 mgL，平均值為9.83 mgL；ρ(COD)范圍為31.95～282.36 mgL，平均值為134.79 mgL，其中94.12%的采樣點(diǎn)ρ(COD)高于GB 3838—2002《地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)》Ⅴ類標(biāo)準(zhǔn)限值(40 mgL)；ρ(DOC)范圍為87.74～97.97 mgL，平均值為93.27 mgL；ρ(TN)范圍為3.45～5.94 mgL，平均值為3.99 mgL，所有采樣點(diǎn)ρ(TN)均高于GB 3838—2002 Ⅴ類標(biāo)準(zhǔn)限值(2.0 mgL)；ρ(TP)范圍為0.40～0.65 mgL，平均值為0.54 mgL，所有采樣點(diǎn)ρ(TP)均高于GB 3838—2002 Ⅴ類標(biāo)準(zhǔn)限值(0.2 mgL)；ρ(Chla)范圍為6.71～17.37 μgL，平均值為10.96 μgL. 2019年6月(夏季)湖區(qū)pH在9.43～9.58范圍內(nèi)波動，平均值為9.48；ρ(DO)范圍為6.00～7.87 mgL，平均值為6.64 mgL；ρ(COD)范圍為17.94～81.68 mgL，平均值為40.30 mgL，其中51.61%的采樣點(diǎn)ρ(COD)高于GB 3838—2002 Ⅴ類標(biāo)準(zhǔn)限值(40 mgL)；ρ(DOC)范圍為50.71～106.15 mgL，平均值為90.47 mgL；ρ(TN)范圍為2.31～4.02 mgL，平均值為3.03 mgL，所有采樣點(diǎn)ρ(TN)均高于GB 3838—2002 Ⅴ類標(biāo)準(zhǔn)限值(2.0 mgL)；ρ(TP)范圍為0.39～0.58 mgL，平均值為0.41 mgL，所有采樣點(diǎn)ρ(TP)均高于GB 3838—2002 Ⅴ類標(biāo)準(zhǔn)限值(0.2 mgL)；ρ(Chla)范圍為4.91～146.43 μgL，平均值為46.46 μgL.

圖3 2018年秋季、2019年夏季達(dá)里湖水質(zhì)參數(shù)統(tǒng)計

采用綜合營養(yǎng)狀態(tài)指數(shù)對2018年秋季和2019年夏季的達(dá)里湖水體營養(yǎng)狀態(tài)進(jìn)行評價，根據(jù)式(1)對達(dá)里湖水體綜合營養(yǎng)狀態(tài)指數(shù)進(jìn)行計算. 由圖3可見：夏季，達(dá)里湖水體的綜合營養(yǎng)狀態(tài)指數(shù)在63.01～72.79之間，全湖處于富營養(yǎng)狀態(tài)，31個采樣點(diǎn)中有9個采樣點(diǎn)的綜合營養(yǎng)狀態(tài)指數(shù)大于70，為重度富營養(yǎng)狀態(tài)，其余采樣點(diǎn)為中度富營養(yǎng)狀態(tài)；秋季，達(dá)里湖水體的綜合營養(yǎng)狀態(tài)指數(shù)在58.81～66.62之間，17個采樣點(diǎn)中有2個采樣點(diǎn)的綜合營養(yǎng)狀態(tài)指數(shù)小于60，為輕度富營養(yǎng)狀態(tài)，其余采樣點(diǎn)均為中度富營養(yǎng)狀態(tài).

該研究表明，達(dá)里湖水體污染嚴(yán)重，ρ(TP)、ρ(COD)和ρ(TN)均超過GB 3838—2002 Ⅴ類標(biāo)準(zhǔn)限值，水體呈富營養(yǎng)化狀態(tài). 達(dá)里湖周圍無明顯工業(yè)企業(yè)污染源，湖區(qū)內(nèi)營養(yǎng)鹽及有機(jī)物主要由地表徑流而來[24]；另外，達(dá)里湖流域氣候干旱，且屬于封閉性湖泊，湖水年蒸發(fā)量超過補(bǔ)給量，水位持續(xù)下降，湖水不斷濃縮，這也可能是導(dǎo)致湖泊水質(zhì)不斷變差的原因之一.

對4條入湖河流(亮子河、耗來河、沙里河、貢格爾河)的水質(zhì)進(jìn)行分析，結(jié)果如圖4可見. 由圖4可見，與達(dá)里湖相比，4條入湖河流的ρ(TP)、ρ(TN)均小于達(dá)里湖，表明入湖水體對主湖區(qū)水體污染的貢獻(xiàn)影響相對較小. 4條入湖河流中，北側(cè)貢格爾河對達(dá)里湖的補(bǔ)給量最大，這可能是導(dǎo)致達(dá)里湖北側(cè)水質(zhì)好于南側(cè)的原因之一.

圖4 入湖河流與達(dá)里湖污染物濃度對比

注： 不同顏色的線條代表不同采樣點(diǎn).

2.2 達(dá)里湖水體DOM吸收系數(shù)

對2018年秋季、2019年夏季達(dá)里湖水體DOM進(jìn)行分析，由紫外-可見光吸收特性(見圖5)可見，達(dá)里湖DOM的吸收光譜曲線趨勢大致相同，均在190～200 nm波長范圍內(nèi)，DOM的吸光度隨著波長的增加而上升；在200～300 nm波長范圍內(nèi)，DOM的吸光度隨波長的增加而呈指數(shù)降低；大于400 nm波長后，DOM的吸光度基本為0. 綜上，DOM的吸收空間差異較大，時間差異較小.

圖6 2018年秋季、2019年夏季達(dá)里湖DOM水體α(355)值

DOM成分復(fù)雜，其濃度難以確定，常用355、400和440 nm處的吸收系數(shù)來表示其濃度，該研究以355 nm處的吸收系數(shù)〔α(355)〕表示DOM濃度[19]. 由圖6可見：夏季達(dá)里湖水體α(355)在3.15～8.36 m-1范圍內(nèi)，平均值為5.05 m-1；秋季達(dá)里湖水體α(355)在2.86～4.68 m-1范圍內(nèi)，平均值為3.53 m-1. 夏季DOM吸收系數(shù)略高于秋季，夏季達(dá)里湖水體更易受太陽輻射、大氣降水及河流輸入等外界因素的直接影響，有機(jī)質(zhì)濃度高于其他季節(jié)[25]，這與其他湖泊研究結(jié)果[26]相似. 此外，達(dá)里湖自然保護(hù)區(qū)是大鴇、鶴類、大天鵝、猛禽等珍稀候鳥的重要繁殖地和棲息地[27]. 春末至秋季期間，約有146種鳥類，數(shù)十萬只鳥類在此集群和聚集，鳥類的數(shù)量和豐富度指數(shù)較高[28]. 鳥類的排泄物會向水體分解釋放大量營養(yǎng)物質(zhì)，水中有機(jī)質(zhì)濃度增加[29]. 通過比較其他水域的α(355)發(fā)現(xiàn)，達(dá)里湖α(355)平均值低于部分富營養(yǎng)化湖泊，如太湖[29]、鄱陽湖[30]，高于大部分海洋及海岸帶水體[31-34].

2.3 基于人工神經(jīng)網(wǎng)絡(luò)的DOM非線性響應(yīng)模型

根據(jù)前期研究，識別了影響達(dá)里湖的主要敏感因子，基于獲取的主要輸入環(huán)境要素與DOM吸收系數(shù)〔α(355)〕建立多輸入單輸出人工神經(jīng)網(wǎng)絡(luò)模型. 輸入指標(biāo)為與達(dá)里湖α(355)變化關(guān)系密切的ρ(TN)、ρ(TP)、ρ(Chla)和pH等4項水質(zhì)指標(biāo)，DOM吸收系數(shù)為模型輸出指標(biāo). 設(shè)置1個隱含層和4個隱藏節(jié)點(diǎn)，建立基于機(jī)器學(xué)習(xí)的多輸入單輸出非參數(shù)模型(見圖7). 模型一共88組數(shù)據(jù)樣本，設(shè)置訓(xùn)練集樣本與測試集樣本進(jìn)行模型參數(shù)率定和驗證，其中，選擇總樣本數(shù)的70%為訓(xùn)練樣本，15%為測試樣本，15%為驗證樣本.

圖7 達(dá)里湖DOM多輸入單輸出人工神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)

對網(wǎng)絡(luò)訓(xùn)練完成之后，對人工神經(jīng)網(wǎng)絡(luò)模型的結(jié)果進(jìn)行檢驗. 此時網(wǎng)絡(luò)處于穩(wěn)定狀態(tài)，檢驗人工神經(jīng)網(wǎng)絡(luò)模型效果. 若是輸出結(jié)果與實際結(jié)果差距較大，則需對網(wǎng)絡(luò)的一系列參數(shù)重新進(jìn)行調(diào)整賦值，直到輸出結(jié)果符合要求；若是輸出結(jié)果與實際結(jié)果差距較小，說明模型可用于α(355)與水質(zhì)指標(biāo)的擬合[35]. 訓(xùn)練數(shù)據(jù)回歸曲線如圖8所示. 由圖8可見，模型訓(xùn)練期、驗證期、測試期的決定系數(shù)(R2)分別為0.91、0.78和0.84，說明模型訓(xùn)練后輸出值與實際檢測值越接近，模型預(yù)測的準(zhǔn)確性越高；均方誤差(MSE)分別為0.21、0.46和0.66，說明模型擬合效果較好.

人工神經(jīng)網(wǎng)絡(luò)模型建立后，根據(jù)訓(xùn)練好的模型進(jìn)行仿真模擬，建立模型α(355)模擬值與實測值的對比(見圖9)，模型的模擬值與實測值變化趨勢基本一致，模型預(yù)測平均值為4.66 m-1，實測平均值為4.68 m-1，表明人工神經(jīng)網(wǎng)絡(luò)模型對達(dá)里湖水體α(355)模擬的準(zhǔn)確性和穩(wěn)定度均較高，模型在研究區(qū)域有較好的適用性.

2.4 人工神經(jīng)網(wǎng)絡(luò)模型參數(shù)敏感性分析

基于建立的水質(zhì)指標(biāo)與α(355)響應(yīng)關(guān)系的人工神經(jīng)網(wǎng)絡(luò)模型基礎(chǔ)上，進(jìn)一步通過改變單因子輸入邊界條件開展模型參數(shù)敏感性分析，即通過改變4個水質(zhì)指標(biāo)，以1%為步長單位，ρ(TP)、ρ(TN)、ρ(Chla)和pH分別從0～100%的動態(tài)遞增變化，進(jìn)行100次模擬情景迭代分析，利用人工神經(jīng)網(wǎng)絡(luò)模型模擬α(355)輸出的數(shù)值變化，探索變化環(huán)境下不同水質(zhì)因子改變對α(355)輸出的影響規(guī)律，旨在識別導(dǎo)致達(dá)里湖α(355)變化的主要驅(qū)動影響要素與貢獻(xiàn).

圖8 基于Matlab的人工神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練和檢驗結(jié)果

圖9 α(355)模擬值與實測值對比

基于人工神經(jīng)網(wǎng)絡(luò)模型自動迭代計算100次后的α(355)響應(yīng)模擬曲線如圖10所示. 由圖10可見，4項水質(zhì)指標(biāo)中ρ(Chla)對達(dá)里湖α(355)影響較大，ρ(TN)變幅大于60%后對α(355)影響較顯著，ρ(TP)的改變對α(355)影響不顯著，而pH的增加會導(dǎo)致α(355)呈明顯的下降趨勢.

圖10 α(355)響應(yīng)變化特征

當(dāng)達(dá)里湖ρ(Chla)變幅低于40%時，對α(355)的影響相對較弱；當(dāng)ρ(Chla)變幅在40%～60%之間時，α(355)呈顯著上升趨勢；當(dāng)ρ(Chla)變幅大于60%時，α(355)呈突變上升趨勢. ZHANG等[36]在太湖運(yùn)用野外調(diào)查結(jié)合實驗室探究方法發(fā)現(xiàn)，ρ(Chla)與DOM熒光值呈顯著正相關(guān)，與人工神經(jīng)網(wǎng)絡(luò)模型模擬結(jié)果較為一致.

pH與α(355)呈較顯著負(fù)相關(guān)，尤其當(dāng)pH大于12后，達(dá)里湖α(355)呈顯著下降趨勢. 于莉莉等[37]研究pH對滇池DOM光降解作用的影響時發(fā)現(xiàn)，pH在4～9之間時，DOM熒光強(qiáng)度隨pH增加而逐漸下降. 楊毅等[38]發(fā)現(xiàn)，pH在5～9時，DOM粒子聚合度隨pH增加而降低，而pH大于10時，DOM的聚合度會增加，熒光強(qiáng)度降低.

ρ(TN)與α(355)的相關(guān)性呈先增后減再增的變化趨勢. 當(dāng)ρ(TN)增幅小于60%〔ρ(TN)<6.70 mgL〕時，α(355)呈下降趨勢；當(dāng)ρ(TN)增幅超過60%后，α(355)呈顯著上升趨勢.ρ(TP)與α(355)呈不明顯的正相關(guān)，當(dāng)ρ(TP)增幅在20%～80%之間〔0.50 mgL<ρ(TP)<0.76 mgL〕時，α(355)呈緩慢上升趨勢；ρ(TP)增幅大于80%后，α(355)略微下降. 張柳青等[39]對高郵湖DOM分析發(fā)現(xiàn)，類腐殖質(zhì)熒光特征能在一定程度上預(yù)測ρ(TN)、ρ(TP)和ρ(Chla)水質(zhì)指標(biāo)的變化情況.

通過計算敏感性水平得出，α(355)對ρ(Chla)變化最為敏感，敏感性水平為31.95%；其次為pH和ρ(TN)，α(355)對二者的敏感性水平分別為28.53%和25.54%；α(355)對ρ(TP)變化的敏感性最低，敏感性水平為8.16%. 葉綠素a通常與水體中的富營養(yǎng)化有較大相關(guān)性，可見達(dá)里湖DOM對富營養(yǎng)化的發(fā)生具有顯著的影響，后期可深入研究DOM與湖體水生態(tài)退化的機(jī)制，模擬預(yù)測復(fù)合環(huán)境條件下的湖體富營養(yǎng)化發(fā)生趨勢和演變規(guī)律.

3 結(jié)論

a) 通過分析達(dá)里湖水質(zhì)數(shù)據(jù)發(fā)現(xiàn)，達(dá)里湖水質(zhì)水體呈富營養(yǎng)化狀態(tài). 夏季達(dá)里湖DOM吸收系數(shù)在3.15～8.36 m-1之間，秋季水體在2.86～4.68 m-1之間. 夏季達(dá)里湖水體更易受太陽輻射、大氣降水及河流輸入等外界因素的直接影響，DOM濃度較高.

b) 以2018—2019年達(dá)里湖水質(zhì)實測數(shù)據(jù)和無人船監(jiān)測為基礎(chǔ)，利用人工神經(jīng)網(wǎng)絡(luò)模型，構(gòu)建DOM吸收系數(shù)的神經(jīng)網(wǎng)絡(luò)模型. 模型驗證期的決定系數(shù)(R2)為0.78，測試期R2為0.84，表明模型有較好的適用性.

c) 人工神經(jīng)網(wǎng)絡(luò)模型參數(shù)敏感性分析顯示：α(355)對ρ(Chla)變化最為敏感，敏感性水平為31.95%；其次為pH和ρ(TN)，α(355)對二者變化的敏感性水平分別為28.53%和25.54%；對ρ(TP)變化敏感性最低，為8.16%.