典型湖泊水華特征及相關影響因素分析

于 洋，彭福利，孫 聰，董 昊，王業耀，何立環

1.中國環境監測總站，國家環境保護環境監測質量控制重點實驗室，北京 1000122.安徽省環境監測中心站，安徽 合肥 230071

典型湖泊水華特征及相關影響因素分析

于 洋1，彭福利1，孫 聰1，董 昊2，王業耀1，何立環1

1.中國環境監測總站，國家環境保護環境監測質量控制重點實驗室，北京 1000122.安徽省環境監測中心站，安徽 合肥 230071

通過2011—2015年對太湖、巢湖和滇池水華高發季節的連續監測，以藻類密度和水華面積為判據評價了3個湖體的水華情況及變化趨勢，探討了水華發生的主要影響因素。結果表明：太湖水華程度以“輕度水華”為主，巢湖水華程度以“輕微水華“為主，滇池水華程度以“中度水華”為主；太湖、巢湖和滇池水華規模均以“零星性水華”為主；太湖和巢湖藻類密度與水溫、pH、溶解氧、總氮、總磷和高錳酸鹽指數均呈顯著正相關，與透明度呈顯著負相關，與氨氮無顯著相關性；滇池藻類密度與水溫、總磷和高錳酸鹽指數均呈顯著正相關，與透明度和氨氮呈顯著負相關，與pH、溶解氧和總氮無顯著相關性。

淡水湖泊；藻類密度；水華評價；環境因子；相關分析

受全球變暖和人類活動影響，世界各國淡水湖泊、水庫，甚至河流水體富營養化進程加快，并由此不斷引發水華現象。20世紀70年代以來，包括中國在內的許多國家(如美國、日本、韓國、澳大利亞以及歐洲一些國家)都有大量關于藻類水華的報道[1-2]，水華引起湖泊水質在短時間內嚴重惡化，水體發黑發臭，大量魚類死亡，使得水華問題逐漸成為社會各界關注的焦點。

水華發生機理相關假說表明，影響水華發生的環境因子主要為營養鹽、氮磷比、微量元素、水文、氣象等條件[3-6]，且一定的水文、氣象條件有助于藻類聚集[7-9]。近年來，國內外很多學者針對水華評價及分級標準進行探索[10-16]，中國環境監測總站依據藻類在水體中存在狀態將水華劃分為顯性水華和隱性水華(顯性水華指藻類漂浮在水面上，呈現為片狀或絲帶狀的藻席；隱性水華則是指藻類沉在水面之下，一般表現為水中顆粒較多或水體呈藻漿狀)，并據此特點制定了藻類水華特征評價方法和分級標準，用于評價湖庫水華程度和水華規模。

太湖、巢湖、滇池(簡稱“三湖”)是中國著名的三大湖泊，流域均屬于人口集中、經濟發達、社會活動較為活躍的區域[17]。自20世紀80年代起，“三湖”水體污染加劇，被列為國家重點治理的三大湖泊[18]，如何防控水體污染引起的藍藻水華暴發現象成為湖泊治理的主要任務。

隨著監測技術的發展，現場監測、自動監測以及衛星遙感監測等多種技術手段為湖庫水華預警和防控提供了有力支撐[19-21]。本文采用人工現場監測與衛星遙感監測相結合的方式在藍藻水華高發期[22]對“三湖”開展監測，并根據藻類密度和水華面積定量評價其水華程度和水華規模，同時對影響水華暴發的相關因素進行探討和分析，以期為中國湖泊治理提供基礎信息和幫助。

1 實驗部分

1.1 采樣時間和地點

采樣時間：2011—2015年，每年4—9月。

采樣地點：20個太湖湖體監測點位，12個巢湖湖體監測點位(東、西半湖各6個)，10個滇池湖體監測點位(外海8個，草海2個)。現場監測頻次為1次/周；衛星遙感監測頻次為太湖和巢湖1次/d，滇池2～3次/周。

1.2 樣品的采集和分析鑒定

“三湖”湖體監測項目：水溫、透明度、pH、溶解氧、氨氮、高錳酸鹽指數、總氮、總磷、葉綠素a(Chla)、藻類密度；衛星遙感監測水華面積。

水溫、pH、溶解氧指標使用 YSI-6600型多功能水質分析儀現場測定；透明度采用塞氏盤法測定；使用5 L深水采水器于水面下0.5 m處采集水樣作為營養鹽濃度的測定樣品，測定方法參照國家標準方法。采用0.45 μm的纖維濾膜對藻類進行抽濾，參照國家標準納氏試劑分光光度法、堿性過硫酸鉀消解紫外分光光度法和鉬酸銨分光光度法分別對氨氮、總氮和總磷進行測定；Chla含量的測定采用反復凍融-浸提改進的丙酮萃取方法。

浮游植物定量樣品采集和鑒定: 采集1 L水樣用于定性檢測浮游植物豐度和生物量。水樣加入4%的甲醛溶液和1%的魯哥氏液，在實驗室用柱形瓶靜置沉淀3d后，用綁有20 μm篩絹的虹吸管將上清液去除，保留20～30 mL水樣與沉積物一起轉移至50 mL聚乙烯瓶保存，用于定量計數。取0.1 mL濃縮樣品，在顯微鏡400倍鏡下進行鑒定和計數。

太湖和巢湖水華面積采用MODIS影像解譯數據，分辨率為250 m；滇池水華面積采用HJ-CCD影像解譯數據，分辨率為30 m。選取的單幅或多幅拼接后的遙感影像至少包括監測水體90%以上的面積方為有效。針對衛星遙感監測數據進行幾何校正、輻射校正和大氣校正，利用監測水體大氣層的NDVI數據判別水華和正常水體，NDVI高于0的像元為藍藻水華。

1.3 評價方法

執行中國環境監測總站制定的藻類水華特征評價方法和分級標準，采用藻類密度和水華面積對湖庫水華程度和水華規模進行判定。

水華程度主要分為5個級別:無明顯水華，0≤藻類密度<2.0×106個/L；輕微水華，2.0×106≤藻類密度<1.0×107個/L；輕度水華，1.0×107≤藻類密度<5.0×107個/L；中度水華，5.0×107≤藻類密度<1.0×108個/L；重度水華，藻類密度為大于或等于1.0×108個/L。

水華規模主要分為5個級別:未見明顯水華，水華面積占總水域面積比例為0%；零星性水華，0<水華面積比例<10%；局部性水華，10%≤水華面積比例<30%；區域性水華，30%≤水華面積比例<60%；全面性水華，水華面積比例大于或等于60%。

2 結果與討論

2.1 太湖水華監測結果

2011—2015年4—9月，太湖湖體藻類密度平均值分別為1.036×107、0.987×107、1.021×107、0.754×107、1.090×107個/L，年際間呈波動式變化。根據每次藻類密度監測結果進行評價，太湖湖體水華程度為“輕微水華”至“輕度水華”，其中“輕微水華”出現頻次比例為40.0%～75.0%，最大頻次比例出現在2014年；“輕度水華”出現頻次比例為25.0%～60.0%，最大頻次比例出現在2011年和2013年(圖1)。從時間尺度看，2013年和2015年藻類密度在4—5月無明顯變化，6月起呈現明顯增加的趨勢。2011、2012、2014年藻類密度在4—6月上旬趨于穩定，7月開始呈現顯著增加的趨勢。2011—2015年“輕度水華”主要出現在8—9月(圖2)。

圖1 2011—2015年4—9月太湖水華程度Fig.1 Degree of water bloom in the Taihu Lake from Apr to Sep during 2011 to 2015

圖2 2011—2015年4—9月太湖藻類密度Fig.2 Algae density in the Taihu Lake from Apr to Sep during 2011 to 2015

根據水華面積進行評價的結果顯示，2011—2015年4—9月，太湖水華規模為“未見明顯水華”至“局部性水華”，其中“未見明顯水華”出現比例為9.2%～26.9%，“零星性水華”為66.7%～87.0%，“局部性水華”為1.1%～11.8%；從時間尺度看，“未見明顯水華”最大頻次比例出現在2011年，“零星性水華”最大頻次比例出現在2013年，“局部性水華”最大頻次比例出現在2015年(圖3)。水華面積最大值主要出現在7—9月，在此期間監測到的最大水華面積為690 km2,出現在2015年7月13日，占太湖水域面積的29.5%。

圖3 2011—2015年4—9月太湖水華規模Fig.3 Scale of water bloom in the Taihu Lake from Apr to Sep during 2011 to 2015

2.2 巢湖水華監測結果

2011—2015年4—9月，巢湖湖體藻類密度平均值分別為0.400×107、0.451×107、0.325×107、0.434×107、0.690×107個/L，2011—2014年相對平穩，2015年明顯升高。根據每次藻類密度監測結果進行評價，巢湖湖體水華程度為“無明顯水華”至“輕度水華”，其中“無明顯水華”出現頻次比例為5.7%～25.9%，最大頻次比例出現在2015年；“輕微水華”出現頻次比例為51.9%～92.5%，最大頻次比例出現在2011年；“輕度水華”出現頻次比例為1.9%～22.2%，最大頻次比例出現在2015年(圖4)。“輕度水華”主要出現在7—9月(圖5)。

圖4 2011—2015年4—9月巢湖水華程度Fig.4 Degree of water bloom in the Chaohu Lake from Apr to Sep during 2011 to 2015

圖5 2011—2015年4—9月巢湖藻類密度Fig.5 Algea density in the Chaohu Lake from Apr to Sep during 2011 to 2015

根據水華面積進行評價的結果顯示，2011—2015年4—9月，巢湖水華規模為“未見明顯水華”至“區域性水華”，主要以“零星性水華”為主。“未見明顯水華”出現頻次比例為15.5%～49.1%，“零星性水華”為43.9%～77.5%，“局部性水華”為4.1%～13.0%；“區域性水華”為0%～6.4%。“未見明顯水華”最大頻次出現在2011年，“零星性水華”最大頻次比例出現在2014年，“局部性水華”最大頻次出現在2012年，“區域性水華”最大頻次比例出現在2015年(圖6)。水華面積最大值主要出現在7—9月，在此期間監測到的最大水華面積為322 km2, 出現在2015年8月14日，占巢湖水域面積的42.2%。

圖6 2011—2015年4—9月巢湖水華規模Fig.6 Scale of water bloom in the Chaohu Lake from Apr to Sep during 2011 to 2015

2.3 滇池水華監測結果

2011—2015年4—9月，滇池湖體藻類密度平均值分別為8.963×107、6.579×107、5.335×107、5.174×107、5.277×107個/L，呈明顯的逐年下降趨勢。根據每次藻類密度監測結果進行評價的結果顯示，滇池湖體水華程度為“輕度水華”至“重度水華”，其中“輕度水華”出現頻次比例為26.9%～40.7%，最大頻次比例出現在2015年；“中度水華”出現頻次比例為16.7%～63.0%，最大頻次比例出現在2014年；“重度水華”出現頻次比例為0%～54.2%，最大頻次比例出現在2011年(圖7)。“重度水華”主要出現在6—9月(圖8)。

圖7 2011—2015年4—9月滇池水華程度情況Fig.7 Degree of water bloom in Dianchi Lake from Apr to Sep during 2011 to 2015

圖8 2011—2015年4—9月滇池藻類密度情況Fig.8 Algae density in the Dianchi Lake from Apr to Sep during 2011 to 2015

根據水華面積進行評價的結果顯示， 2011—2015年4—9月，滇池水華規模為“未見明顯水華”至“局部性水華”，其中“未見明顯水華”出現頻次比例為0%～61.1%，“零星性水華”為35.3%～97.7%，“局部性水華”為0%～8.9%。“未見明顯水華”最大頻次比例出現在2015年；“零星性水華”最大頻次比例出現在2012年；“局部性水華”最大頻次比例出現在2011年(圖9)。水華面積最大值主要出現在7—9月。在此期間監測到的最大水華面積為53 km2，出現在2011年7月9日，占滇池水域面積的18.5%。

圖9 2011—2015年4—9月滇池水華規模Fig.9 Scale of water bloom in the Dianchi Lake from Apr to Sep during 2011 to 2015

3 分析

在科學意義上，水華就是藻類的快速增長繁殖。因此，要探討水華發生的相關影響因素，就是要尋找與藻類生長繁殖有關的環境因子。研究以2012年4—9月太湖、巢湖和滇池現場監測數據為基礎，分析了藻類密度與環境因子之間的相關性(表1)。

表1 藻類密度與環境因子之間相關系數及檢驗結果

注：“*”表示P<0.05，顯著相關；“**”表示P<0.01，極顯著相關。

3.1 藻類密度與總磷、總氮的相關性

國際上公認的湖泊發生富營養化的總磷和總氮質量濃度分別為0.02、0.2 mg/L[23]。太湖總磷濃度平均值為0.052 mg/L，總氮為1.85 mg/L；巢湖總磷為0.131 mg/L，總氮為1.82 mg/L；滇池外海總磷為0.167 mg/L，總氮為2.04 mg/L。可見，太湖、巢湖和滇池總磷和總氮濃度已經達到了富營養化水平。相關性分析結果表明，太湖和巢湖的藻類密度與總氮、總磷濃度呈顯著正相關；滇池藻類密度與總磷呈顯著正相關，與總氮呈負相關。導致這一現象的原因可能是受到水體中氮磷比的影響。相關研究指出，當水體中總氮和總磷濃度比為10～15時，藻類生長與氮磷濃度呈線性相關關系，其中湖水中最適宜藻類生長的總氮和總磷濃度比為12～13，小于該值時藻類增殖可能受到影響[23]，而太湖、巢湖和滇池的總氮和總磷濃度比分別約為36、14和12，可能影響了藻類增殖。

3.2 藻類密度與水溫、pH的相關性

太湖、巢湖和滇池的藻類密度與水溫均呈顯著正相關，表明水溫對藻類的生長具有一定的促進作用。關于藍藻暴發時水體的最適宜溫度范圍當前還有很大爭議，但比較一致的認識是24～30 ℃，大于30 ℃的高溫對藍藻增長有明顯的抑制作用[17]。

太湖、巢湖和滇池pH范圍為7.0～9.5，大于9的情況出現在個別點位。相關性分析結果表明，藻類密度與pH呈正相關，這主要是由于藻類光合作用過程中吸收二氧化碳，改變水體酸堿平衡導致pH上升。因此，當監測到pH迅速上升時，應該著重關注該現象是否是因藻類快速生長繁殖引起。

3.3 藻類密度與高錳酸鹽指數的相關性

高錳酸鹽指數是反映水體受到有機污染物和還原性無機物污染程度的綜合指標，也是水體富營養化評價的基本參數之一。相關性分析結果表明，太湖、巢湖和滇池藻類密度與高錳酸鹽指數呈顯著正相關關系，相關系數分別為0.217、0.561、0.138。

3.4 藻類密度與透明度的相關性

透明度是用來評價水體富營養化程度的一個基本參數，因此可作為間接反映湖庫水華情況的一個環境因子。相關性分析結果表明，太湖、巢湖和滇池藻類密度與透明度存在顯著負相關關系，相關系數分別為-0.154、-0.254、-0.372。

3.5 藻類密度與溶解氧的相關性

溶解氧作為體現湖庫水體營養水平的重要參數，不僅是浮游植物生長的重要條件，也是浮游植物代謝過程所必需的[24]。相關性分析結果表明，太湖和巢湖藻類密度與溶解氧存在顯著正相關關系，相關系數分別為0.171和0.378。通常情況下，藻類光合作用使得水體中的溶解氧濃度增加，所以藻類密度與溶解氧變化具有較高的一致性。水華暴發期間，往往表現為水體中溶解氧濃度異常偏高，而后又可能因藻類大量死亡分解消耗溶解氧而使水體出現溶解氧迅速下降的現象。所以，當水體中溶解氧異常變化時，應該提高警惕，加密監測，以防因水華發生影響水環境安全。

3.6 藻類密度與氣象條件的相關性

在營養條件具備的情況下，氣象條件往往是藍藻漂浮和聚集產生的關鍵因素。研究普遍認為，藍藻暴發的最適水溫為24～30 ℃。另外，降雨量和雨日數偏少，日照時數偏多，均有利于藍藻生長和在水面上聚集。

4 結論

1)藻類密度監測與評價結果顯示，2011—2015年太湖湖體水華程度以“輕度水華”為主，巢湖水華程度以“輕微水華”為主，滇池水華程度以“中度水華”為主。太湖水華程度無明顯變化，巢湖水華程度略有加重，滇池水華程度有所減輕。

2)水華面積監測與評價結果顯示，2011—2015年太湖、巢湖和滇池水華規模均以“零星性水華”為主；太湖最大水華規模為“局部性水華”，巢湖為“區域性水華”，滇池為“局部性水華”。

3)從時間尺度看，太湖、巢湖和滇池藻類密度最大值均出現在7月以后，且7—9月藻類密度顯著高于4—6月；最大水華面積也主要出現在7—9月。

4)藻類密度與環境因子相關性分析結果顯示，藻類密度與水溫、pH、總氮、總磷和高錳酸鹽指數基本呈現顯著的正相關；與透明度呈顯著負相關。

[1] 宋立榮,張婷,鄭凌凌. 水華藍藻何以肆虐[J]. 生命世界,2007(8):36-41.

SONG L R,ZHANG T,ZHENG L L.Why cyanobacteria blooms[J]. Life World，2007(8):36-41.

[2] 秦伯強,王小冬,湯祥明,等. 太湖富營養化與藍藻水華引起的飲用水危機——原因與對策[J]. 地球科學進展,2007，22(9)：896-906.

QIN B Q, WANG X D, TANG X M, et al. Drinking water crisis caused by eutrophicationand cyanobacterial bloom in lake Taihu:cause and measurement[J]. Earth Science Progress,2007，22(9)：896-906.

[3] 黃佳聰,吳曉東,高俊峰,等. 藍藻水華預報模型及基于遺傳算法的參數優化[J]. 生態學報,2010,30(4):1 003-1 010.

HUANG J C, WU X D,GAO J F,et al. Cyanobacteria bloom prediction model and parameters optimization based on genetic algorithm[J]. Acta Ecologica Sinica，2010，30(4):1 003-1 010.

[4] 孔繁翔,高光.大型淺水富營養化湖泊中藍藻水華形成機理的思考[J]. 生態學報, 2005,25(3): 589-595.

KONG F X, GAO G. Hypothesis on cyanobacteria bloom-forming mechanism in large shal low eutrophic lakes[J]. Acta Ecologica Sinica,2005,25(3):589-595.

[5] 吳光應,劉曉靄. 大寧河水體營養鹽狀況與水華爆發之間關系分析[J]. 中國環境監測, 2009,25(4):98-101.

WU G Y,LIU X A. Analysis on the relationship between nutrients and water blooms in the Daning river[J]. Environmental Monitoring in China,2009,25(4):98-101.

[6] 王兆群,張寧紅,張詠.洪澤湖藻類與環境因子逐步回歸統計和藍藻水華初步預測[J]. 中國環境監測, 2012，28(4):17-20.

WANG Z Q，ZHANG N H，ZHANG Y. Prediction of blue-green algae bloom using stepwise multiple regression between algae & related environmental factors in Hongze lake[J]. Environmental Monitoring in China,2012,28(4):17-20.

[7] 王成林,張寧紅,張詠,等.基于氣象條件的太湖湖泛預警研究[J].環境監控與預警,2010,2(5):1-4.

WANG C L, ZHANG N H, ZHANG Y,et al. The research on warning of black water clusterin Taihu Lake based on meteorological factors[J]. Environmental Monitoring and Forewarning,2010,2(5):1-4.

[8] 徐恒省,翁建中,李繼影,等. 太湖藍藻水華預警監測與風速風向的關系研究[J]. 環境監控與預警, 2009,1(2):5-7.

XU H S, WENG J Z, LI J Y, et al. Study on correlation between data for cyanobacteria bloom early warning monitoring and for wind speed and direction in Taihu Lake[J]. Environmental Monitoring and Forewarning,2009,1(2):5-7.

[9] 鄭慶鋒,孫國武,李軍,等. 影響太湖藍藻爆發的氣象條件分析[J]. 高原氣象, 2008，27(增刊1):218-223.

ZHENG Q F, SUN G W, LI J, et al. Analysis on meteorological conditions which influence the blue algae outbreak in Taihu lake[J]. Plateau meteorological,2008，27(supplement 1):218-223.

[10] ANZECC & ARMCANZ. Australian and New Zealand guidelines for fresh and marine water quality[EB/OL]. (2000-10-01)[2014-10-5]. http://www.doc88.com/p-6781172684772.html.

[11] 劉聚濤,高俊鋒,趙家虎,等.太湖藍藻水華災害程度評價方法[J].中國環境科學,2010,30(6): 829-832.

LIU J T,GAO J F,ZHAO J H, et al. Method of cyanobacteria bloom hazard degree evaluation in Taihu lake[J]. China Environmental Science,2010,30(6):829-832.

[12] 國家環境保護總局，國家質量監督檢驗檢疫總局.地表水環境質量標準: GB 3838—2002 [S/OL].[2003-04-28].http://www.nthb.cn/standard/standa rd02/20030428174340.html.

[13] 國家環境保護總局水和廢水監測分析方法編委會. 水和廢水監測分析方法(第四版)[M]. 北京:中國環境科學出版社,2002.

The state environmental protection administration,water and wastewater monitoring method editorial board.Water and wastewater monitoring analysis method (4th edition)[M].Beijing: China Environmental Science press, 2002.

[14] INGRID C, BARTRAM J. Toxic Cyanobacteria in Water: A Guide to their Public Health Consequences, Monitoring and Management[M].London:E&FN Spon,1999.

[15] CRACKNELL A P, NEWCOMBE S K, BLACK A F, et al. The ABDMAP (Algal bloom detection, monitoring and prediction) concerted action[J]. International Journal of Remote Sensing,2001,22: 205-247.

[16] CHANG K W, SHEN Y, CHEN P C.Predicting algal bloom in the Techi reservoir using landsat TM data[J]. International Journal of Remote Sensing,2004,25:3 411-3 422.

[17] 葉上揚,喻國良,龐紅犁. 太湖藍藻成因分析與清淤方法探討[J].水資源保護,2012，28(2):30-41.

YE S Y, YU G L, PANG H L. Analysis of formation of blue-green algae and dredging methods in Taihu Lake[J]. Water Resources Protection,2012，28(2):30-41.

[18] 李原,張梅,王若南. 滇池的水華藍藻的時空變化[J]. 云南大學學報：自然科學版,2005,27(3): 272-276.

LI Y, ZHANG M, WANG R N. The temporal and spation variation of the cyanobacteria which caused the water bloom in the Dianchi Lake, Kunming, China[J]. Journal of Yunnan University(Natural science edition),2005,27(3):272-276.

[19] 徐恒省,王亞超,孫艷,等. 湖泊藍藻水華監測與評價探討[J]. 環境監測管理與技術, 2012，24(5):69-71.

XU H S，WANG Y C，SUN Y，et al. Monitoring and evaluation of cyanobacteria bloom in the Lake[J]. The environmental Monitoring Management and Technology,2012，24(5):69-71.

[20] 吳傳慶,王橋,楊志峰,等. 太湖水華的遙感分析[J].中國環境監測,2007，23(3):52-56.

WU C Q, WANG Q, YANG Z F,et al. Remote sensing analysis of algae bloom in Taihu Lake[J].Environmental Monitoring in China, 2007，23(3):52-56.

[21] 徐恒省,洪維民,王亞超,等. 太湖藍藻水華預警監測技術體系的探討[J]. 中國環境監測, 2008，24(2):62-65.

XU H S,HONG W M, WANG Y C,et al. Discuss on early warning monitor system to cyanobacteria bloom-forming in Taihu Lake[J]. Environmental Monitoring in China，2008，24(2):62-65.

[22] 楊麗標,韓小勇,孫璞,等.巢湖藻類組成與環境因子典范對應分析[J]. 農業環境科學學報，2011，30(5):952-958.

YANG L B, HAN X Y, SUN P, et al.Canonical correspondence analysis of algae community and its environmental factors in the lake Chaohu,China[J]. Journal of Agro-Environment Science，2011，30(5):952-958.

[23] 彭近新, 陳慧君. 水質富營養化與防治[M].北京: 中國環境科學出版社,1988.

PENG J X, CHEN H J. Prevention and Control of Water Eutrophication[M]. Beijing: China Environmental Science Press,1988.

[24] 張寧紅,黎剛,郁建橋,等.太湖藍藻水華暴發主要特征初析[J].中國環境監測,2009，25(1):71-74.

ZHANG N H,LI G, YU J Q,et al. Character of blue green algal blooms outbreak in Taihu Lake[J]. Environmental Monitoring in China，2009，25(1):71-74.

Analysis on the Characteristics and Impact Factors of Water Bloom in the Lake

YU Yang1,PENG Fuli1,SUN Cong1,DONG Hao2,WANG Yeyao1,HE Lihuan1

1.State Environmental Protection Key Laboratory of Quality Control in Environmental Monitoring, China National Environmental Monitoring Centre,Beijing 100012,China2.Environmental Monitoring Centre of Anhui Province,Hefei 230071,China

Through continuous monitoring work on the Taihu Lake, Chaohu Lake and Dianchi Lake during bloom season in 2011—2015, the water bloom status and trend of the three lakes were described by algae density and water bloom area, and then the main factors on blooms occurred were explored. The results showed that: Water bloom degree of the Taihu Lake was priority to mild blooms, the Chaohu Lake was priority to slight blooms, the Dianchi Lake was priority to moderate blooms. The bloom scales of three lakes were priority to sporadic blooms. There was a significant positive correlation between algae density and water temperature, pH, dissolved oxygen, total nitrogen, total phosphorus and potassium permanganate index in Taihu Lake and Chaohu Lake, but significant negative correlation with transparency, and not significant correlation with ammonia. There was a significant positive correlation between algae density and water temperature, total phosphorus, and potassium permanganate index in the Dianchi Lake, but a significantly negative correlated with transparency and ammonia nitrogen, there was no significant correlation between algae density and pH, dissolved oxygen and total nitrogen.

freshwater lake;algae density;water bloom evaluation;environmental factor;correlation analysis

2016-03-18;

2016-08-24

環境保護標準項目“水華遙感監測與評價技術規范”(2011-30)；中國環境監測總站轉型發展科研支撐項目(CNEMC-ZXKY2009-033)

于 洋(1983-)，女，吉林松原人，碩士，高級工程師。

何立環

X826

A

1002-6002(2017)02- 0088- 07

10.19316/j.issn.1002-6002.2017.02.14