葉綠素自動監測法與傳統監測法比對分析研究

左新宇 程帥 徐浩 劉陳飛 黃昱

摘要：為了研究自動監測與傳統監測所得數據是否具有可比性，2018年1-6月在三峽庫區支流4個自動監測站點開展每月1次的葉綠素比對監測，對獲得的24對數據進行了相關性分析、顯著性檢驗和偏差分析。結果表明，自動監測和傳統監測所得數據顯著性相關，但同時也存在顯著性差異，偏差大部分在15%以內。造成該差異性的主要原因有方法原理的不同和雜質干擾等。因此葉綠素自動監測尚無法取代傳統常規監測，但其具有較好的時效性、可比性以及高靈敏度，在應急監測、在線監測等方面具有獨特優勢。自動監測可與傳統監測相互配合和補充，以更好地服務于水環境水生態的監測管理和保護。

關鍵詞：葉綠素監測;自動監測;比對監測;比對分析

中圖法分類號：X832

文獻標志碼：A

DOI： 10.15974/j.cnki.slsdkb.2019.08.011

1 研究背景

隨著經濟和社會發展，采取每月定期或不定期的人工采樣方式對水環境和水生態質量進行監測，已難以滿足人們日益增長的對數據量以及數據質量的要求。自動監測是通過自動化儀器完成機械的采集和分析工作，可降低人工成本，提高工作效率。自動監測儀器可通過設置監測頻次實現逐日監測、每小時監測，甚至不間斷監測，從而采集到頻次更密集、更詳細的數據，并且能及時傳送至數據管理中心，極大提高了監測數據的完整性和時效性，有助于掌握水體總體情況，提高對突發狀況的認識程度和應急反應能力，從而更好地服務于水環境水生態的分析評價和管理保護。

水體中的藻類種類和生物量是影響水質的重要因素之一，也是表征水體富營養化狀況的重要指標之一。葉綠素廣泛存在于植物體中，葉綠素a是所有浮游植物門類均含有的葉綠素類型[1]。葉綠素的含量作為估算浮游植物生物量的重要指標，其含量的測定也是研究水體初級生產力和富營養化水平的有效方法。

目前，實驗室進行葉綠素監測的主要方法有分光光度法、高效液相色譜法和熒光光度法等[2-4]。采取以上方法提取藻類葉綠素都需要經過樣品采集、濃縮、破碎、浸提等前處理過程，需要實驗室提供相應的設備[5]，且采樣、送樣、提取、測量過程步驟多、耗時較長，難以滿足水資源、水環境、水生態監測與管理對效率和時效性的要求。

葉綠素受光激發后會發射熒光，基于該性質，可采用活體熒光分析法（即體內熒光法）在水體原位測量葉綠素的含量。測量儀器通過自帶的光源釋放一定波長的光，水中的葉綠素吸收該光后，受到激發，釋放出波長更長的熒光。通過測量所釋放光的強度，來測量水中葉綠素的含量。該方法無需前處理，操作簡單，靈敏度高，量程大，適用于葉綠素的應急監測和在線監測。目前已有多款多參數水質監測儀采用該方法進行測量[5]。

已有學者對自動監測能否能替代傳統監測等問題進行了研究，并得出了不同的結論[6-7]。對于兩種監測方法得出數據產生差異的原因，還需要進一步的比對研究和探討。

基于2018年布設在三峽庫區支流的4個野外自動監測站的數據，每月開展1次自動監測與采用傳統分光光度法測量葉綠素的比對監測。分析了自動監測儀器野外條件下的監測數據，對其與實驗室傳統監測數據的相關性、差異性以及差異產生成因進行了討論，以期為水環境、水生態的監測管理和保護提供參考。

2 斷面布設及監測方法

2.1 斷面測點及時間

選擇三峽庫區澎溪河（小江）、草堂河、大寧河和香溪河等4條重要支流，在其人河口上游約3 km處分別設置4個比對監測斷面。斷面處設置浮標船，自動監測設備安裝于浮標船上。傳統監測斷面采樣點位于自動監測設備3m的范圍內。監測時間為2018年1～6月，每月1次，共6次。

2.2 監測方法及儀器

（1）傳統監測。在距離監測平臺3m范圍以內，采集平臺周圍水面下0.5 m混合樣。為了盡可能減少誤差，現場抽濾采集水樣，并將濾膜立即置于4 cC冰盒中，放人車載冰箱冷藏運輸并及時送回實驗室分析。分析方法采用SL 88-2012《水質葉綠素的測定分光光度法》[8]。實驗室所用的量器及分光光度計均經過檢定或校準。

（2）自動監測。自動監測儀器為英國AquareadAP-7000多參數水質監測儀，采用熒光分析法在監測斷面進行原位觀測。儀器安裝前經過校準，每月采樣時進行維護校準，所選用的AP-7000葉綠素光學電極的主要參數見表1。

3 結果分析

3.1 數據結果

4個自動監測站2018年1～6月共24組的對比對監測數據見表2。圖l為葉綠素濃度變化曲線。初步判斷得出，自動監測與傳統監測數據的變化趨勢較為一致。

3.2 相關性分析

將24組數據按傳統監測方法和自動監測方法分為兩組，進行配對樣本t檢驗，得到其相關系數為0.994（ P

將自動監測方法和傳統監測方法測得結果作為相關量，進行回歸分析，結果表明兩組方法測得的結果數據顯著相關，見圖2。

3.3 差異性分析

對傳統監測方法和自動監測方法得到的兩組結果分別進行均值和標準差計算，并在此基礎上，針對同一監測指標的兩組結果進行配對和樣本t檢驗。假設兩組數據不存在顯著差異性，得到的t值和Sig.值見表3。t=-2.413，Sig.為0.024∈（0.01，0.05），表明配對的兩組數據存在顯著差異性。

3.4 偏差分析

對上述存在顯著差異性的配對數據組進行偏差分析，以檢驗差異大小是否在允許范圍內。

因測量數據有限，無法確定樣品的絕對真值，難以進行絕對誤差的分析，因此將兩組數據單位進行換算后，通過相對偏差的計算，進行精密度分析。相對偏差計算公式為

計算結果見表4，平均偏差為7.1%。

根據SL219-2013《水環境監測規范》中關于兩個監測系統間分析精密度的允許差規定，一般理化指標通常情況下，分析精密度偏差不超過15 %[9]，

比對結果表明，自動監測方法和傳統監測方法測得的數據顯著性相關，但兩組數據也存在顯著性差異，24組數據中，有3對出現了偏差大于15%，占比12.5%，其余均處于可接受的范圍內。

4 數據差異成因分析

（1）方法原理不同。自動監測儀器基于體內熒光法，探頭釋放一定波長的光線，水中的葉綠素吸收光線后，釋放出波長685 nm左右的熒光，通過測量熒光強度得出水中葉綠素的含量。水體中能被激發而產生熒光的物質，除浮游植物體內的葉綠素外，水體中化學狀態的葉綠素以及其他能產生熒光的物質均被算作是葉綠素。熒光法測定的是不同形式下總葉綠素的值[6-7]，但無法區分不同形式的葉綠素。傳統監測方法的主要對象是葉綠素a。由于測量多個波長的信息，對葉綠素a和葉綠素b進行了區分，甚至對脫鎂葉綠素進行了校準。由于兩種方法的原理不同，適用對象也有所不同，且自動監測的數據量通常較傳統監測數據量大，因此兩種方法原理不同導致了系統誤差。

（2）泥沙雜質和雜光的干擾。由于自動監測是基于光信號的監測方式，而野外自動監測的樣品未經過前處理，很容易因為光的散射、反射等，受到水體中泥沙等雜質的干擾[10]。汛期和雨天水體泥沙含量大，導致一些季節性或偶然性差異。而在野外原位測量同樣也可能會因為晝夜等光線強弱的不同，而受到雜光干擾[6]。傳統監測方法在實驗室經過浸提離心等前處理，可以基本消除雜質和雜光的干擾。從這個角度來說，傳統的實驗室浸提法結果相對準確。

（3）樣品的性質不同。即使傳統監測方法測得兩份樣品結果相同，也不能保證自動監測能得到相同的結果。尤其是當樣品藻類形態和大小不同時，其均勻度也會不同，導致測量結果存在差異。尤其是存在團藻、多甲藻、微囊藻等較大的個體或群體時，其樣品本身并不均勻，與實驗室浸提的較均勻的葉綠素溶液有很大不同。

（4）分析時間的差異。自動監測在原位可以很快地測出相應數據，而傳統采樣涉及樣品采集運輸等過程，在時間上會有差異。盡管運輸過程中，溫度較低，但長時間運輸可能會導致實驗室樣品和原位的樣品存在差異。即便是在采樣現場進行抽濾，也仍然無法避免前處理過程耗時過長問題。

（5）測量儀器的校正和測量過程中的質量控制。在對比試驗過程中，室內使用的分光光度計及相關的器具經過周期檢定校準，并且在有效期內。現場自動監測儀器帶有自動清洗功能，并且每月由工作人員進行一次清洗、人工維護和校準。然而，由于磨損程度和藻類種類不同，自動清洗效果也存在一些差異;儀器校準標準品保質期短，標準品和待測水體中葉綠素存在的狀態和均一性有較大差異[11]。實驗室測量人員的經驗和操作方式不同，也可能帶來偶然誤差。

5 結語與展望

由于數據量較少，可能導致此次比對分析結果存在一定的不足。而通過本次樣品比對的數據分析可知，葉綠素測量值的變化范圍較小，最大值為62.13μg/L。不同的樣品濃度，可能導致其結果相對偏差等差異性也會有所不同[6]。因此，未來在對自動和傳統監測進行比對時，還需增大樣品容量，擴大樣品濃度范圍，才能更加準確地分析兩者間的差異。

由于自動監測靈敏度高，且具有較好的時效性和可比性，因而在應急監測、在線監測等方面具有良好的應用前景。即使自動監測葉綠素結果與實驗室手工方法結果存在一定的偏差，葉綠素自動監測依然具有其獨特優勢。由于自動監測測量葉綠素的數據相關性良好，即使自動監測儀器示值變化不能保證絕對準確，但是其變化趨勢依然具有參考價值。尤其是在突發應急監測和在線監測中，自動監測能定時或不間斷的記錄水體待測物濃度，并能夠快速及時的傳遞出變化的信號。在全變化過程中，由于自動監測頻次高，可以更完整地記錄變化過程。而自動監測的快速響應優勢為水華等應急風險事件實時預警預報和實時監控提供了可行性。

除自動監測和傳統監測外，目前還可以運用遙感等方法進行水體富營養化和葉綠素的監測[12-13]。這些監測方式都各有優缺點，可與傳統監測方法相互配合，形成互補，更好地為水資源、水環境、水生態監測管理和保護工作提供服務和支撐。

參考文獻：

[1] 魏印心，胡鴻鈞.中國淡水藻類：系統、生態及分類[M].中國：科學出版社，2006.

[2]U.S. Environmental Protection Agency. Method 445.0： Invitro determination of chlorophyll a and pheophytin a[R].Washington： U.S. Environmental Protection Agency， 1997.

[3]U.S. Environmental Protection Agency. Determination ofchlorophylls a，b，c lc and pheopigments in marine andfreshwater algae by visible spectrophotometry[R].

Wash-ington： U.S. Environmental Protection Agency， 1997.

[4]U.S. Environmental Protection Agency. Determination ofchlorophylls a and b and identification of other pigmentsof interest in manne and freshwater algae using high per-formance liquid chromatography with visible wavelengthdetection[R]. Washington： U.S. Environmental Protec-tion Agency.1997.

[5]朱喜，胡明明.中國淡水湖泊藍藻暴發治理與預防[M].中國：中國水利水電出版社，2014.

[6]劉苑，陳宇煒，鄧建明.YSI（多參數水質檢測儀）測定葉綠素a濃度的準確性及誤差探討[J].湖泊科學，2010，22（6）：965-968.

[7] 張江龍.葉綠素監測儀器在水質自動監測應用中的優劣淺析[J].現代科學儀器，2007（1）：41-43.

[8]SL 88-2012水質葉綠素的測定分光光度法[S].

[9]SL 219-2013水環境檢測規范[S].

[10] 葉陳軍.濁度對活體葉綠素熒光檢測的影響及修正方法[J].海洋學研究，2018，36（2）：27-35.

[11] 樊琳琳，熒光法測定水體葉綠素藻標準品制備技術研究[Dl.石家莊：河北科技大學，2016.

[12]秦伯強，朱廣偉，張運林，等，高頻無線自動監測技術在湖泊藍藻水華監測和預測中的應用[J].科研信息化技術與應用，2010（3）：61-71.

[13]孫笑笑，聯合浮標與衛星數據的赤潮預警與決策服務[D].杭州：浙江大學，2017.