滇池藻生物量與水環境因子逐步回歸分析及初步預測

顏 翔

（昆明市環境監測中心，云南昆明650228）

滇池藻生物量與水環境因子逐步回歸分析及初步預測

顏 翔

（昆明市環境監測中心，云南昆明650228）

使用滇池外海3年水質監測數據，應用逐步回歸分析藻生物量與水環境因子關系，初步建立藻生物量預測方程，用于預測滇池藻生物量變化情況。結果表明，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因子。方程不能預測大多數峰值，變化趨勢大體可以預測。應在預測方程的后續研究中相應地加入氣象、水文參數。

藻生物量；逐步回歸分析；藻生物量預測；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90年代以來，伴隨著滇池富營養化程度的日益加重［2］，藍藻水華已從每年季節性暴發發展到近幾年的幾乎周年性暴發，且越來越嚴重，已經成為當今世界的治理難題［3］。

本文以滇池外海8個水質監測點為基礎，應用逐步回歸的統計方法對滇池常規監測的12項水質指標進行分析，以期在此基礎上建立滇池藻生物量預測方程，從一定程度上為藍藻水華的暴發起到預警作用。

1 分析方法

1.1 采樣點布設

滇池湖體有水質監測點位12個，其中例行常規監測點位10個。本次研究選取滇池外海8個常規監測點 （暉灣中、羅家營、觀音山東、觀音山中、觀音山西、白魚口、滇池南、海口西），根據優化布點原則分布于全湖，見圖1。

1.2 監測項目及頻次

監測項目以滇池常規例行監測為主，分別為水溫、pH、溶解氧、高錳酸鹽指數、化學需氧量、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準方法［5］。

2 回歸方程建立

2.1 數據標準化處理

本次研究統計了滇池2011—2013年滇池例行監測數據，首先對數據進行標準化處理，即對數據進行去量綱［6］，過程如下：

2.2 方程參數選定

以藻生物量為因變量，水溫、pH、溶解氧、高錳酸鹽指數、化學需氧量、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

經過以上步驟，建立標準化回歸方程為：

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分布，圖5中各點基本在一條直線上，進一步證明所建立方程是有意義的。

3 方程驗證

將標準化水質因子輸入方程做相關性分析，選用Pearson相關系數做計算可得滇池水質因子與藻生物量的線性相關矩陣表。

將水質因子實測數據代入方程，預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，計算二者相關系數為0.597426，對于單純依靠水質參數作為輸入因子的預測方程基本可以接受。

4 結論

通過預測方程的求解與建立，發現藻生物量與葉綠素a、水溫、溶解氧、總氮、pH、五日生化需氧量、透明度等水質參數較其他水質參數有明顯相關性，依據回歸方程所得預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確度，相同水環境條件下各測點藻類生物量都有很大差別，因此單用水質參數作為預測輸入因子不能很好地反映實測數值，這能很好解釋方程為何不能預測大多數峰值，而變化趨勢大體可以預測。因此要實現數值的精確預測該方程顯得力不從心，應在預測方程的后續研究中相應地加入氣象、水文參數，使方程能更客觀地反映情況、更具實用性。

［1］支國強，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］.長江流域資源與環境，2013，22（9）.

［2］倪兆奎，王圣瑞，金相燦，焦立新，李躍進.云貴高原典型湖泊富營養化演變過程及特征研究［J］.環境科學學報，2011（12）.

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

［4］翁建中，王亞超，李繼影，徐恒省.熒光技術在太湖藍藻水華預警監測中的應用［J］.中國環境監測，2009（4）.

［5］本書編委會.水和廢水監測分析方法：第4版 ［M］.北京：中國環境科學出版社，2002.

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

［7］馬健榮，鄧建明，秦伯強，龍勝興.湖泊藍藻水華發生機理研究進展［J］.生態學報，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