刘毛亚,童春富,吴逢润

华东师范大学河口海岸学国家重点实验室,崇明生态研究院, 上海 200241

浮游植物是水生生态系统的初级生产者,是水生食物链和食物网的基础环节,具有增长速度快、繁殖周期短以及对环境变化敏感等特点,直接影响着水生生态系统的结构与功能[1-3]。水体叶绿素a的含量水平能够反映浮游植物生物量的高低；叶绿素a作为重要的水质指标,可直观的描述水体营养状况[4-5]。很多学者已经对水体叶绿素a含量及其与环境因子的关系做了大量研究[4-8]。在欧美国家,水体叶绿素a含量已广泛应用于环境监测[9-10]。

纵向演替一般指浮游植物等生物类群沿着水流方向沿程发生的演替过程。通常具有一定线状流程变化的水体,浮游植物等生物类群都具有一定的纵向演替特征[1-2,9-12]。与之相对应,水体叶绿素a含量也势必会随之发生变化。由于不同河段和流程距离的增加会导致水体叶绿素a浓度有所不同,其纵向演变特征也存在差异[1,13-16]。如Sabater等[13]研究表明埃布罗河浮游植物叶绿素受多种因素的影响,从河的上游到中段有所波动,但整体逐渐增加,且在下游浓度达到最大。王琼等[17]研究表明太子河流域水体叶绿素a上游浓度较低,下游河段叶绿素a浓度较高。周贝贝等[18]对南京秦淮河研究表明从上游到下游,水体叶绿素a含量的分布表现出一定的空间差异性,其纵向变化随着距离的增加具有一定的波动性,无明显规律。

太浦河连接东太湖和黄浦江,是江苏、浙江、上海等地区的重要取水水源。上海市重要水源地金泽水库也从太浦河取水。目前对太浦河水体叶绿素a变化特征的相关研究尚未有报道。本文拟通过对东太湖及太浦河沿程不同站点的月际取样调研,探讨以下科学问题：(1)太浦河水体叶绿素a浓度的纵向演变特征如何？(2)影响水体叶绿素a浓度纵向演变的主要因子及其作用特征是什么？以期为进一步研究水体叶绿素a纵向演变规律奠定基础,同时为水源地水质安全保障提供科学依据。

1 研究区域概况

研究区域位于东太湖及太浦河,如图 1 所示。该区域属于亚热带季风性气候区,气候温和湿润,年均温度为15.8 ℃,年均降水量为1093.5 mm[19]。太浦河是太湖流域的重要河流,长为57.2 km,流经江、浙、沪3省市15个乡镇,西起江苏省吴江市庙港镇太湖东岸,东至青浦区金泽镇池家港村入上海市境,在练塘镇南大港处与西泖河相接。太浦河沿线地势平坦,中段河湖众多,承担着太湖泄洪通道的重要功能。同时,区域水质状况受到了多方面的影响,如工业废水排放、航运业发展及农业生产中农药和化肥的使用等,可能影响区域饮用水安全,已经引起广泛关注[20-23]。

图1 东太湖及太浦河采样站点示意图 Fig.1 Map of sampling sites in the East Taihu Lake and Taipu RiverDT：东太湖 East Taihu Lake;T1：太浦闸 Taipu Gate;T2：平望大桥 Pingwang Bridge;T3：黎里东大桥 Lilidong Bridge;T4;芦墟大桥 Luxu Bridge; T5：金泽水文站 Jinze Hydrological Station

2 材料与方法

2.1 取样调研与分析

在东太湖及太浦河沿线设置了6个固定采样站点,如图1所示。在东太湖靠近太浦河入口处,设置采样站点DT；在太浦河沿线自西至东设置了5个采样站点：T1(太浦闸)、T2(平望大桥)、T3(黎里东大桥)、T4(芦墟大桥)及T5(金泽水文站)。2017 年 11月—2018年10月,每月一次对相应站点表层水体叶绿素a含量进行了取样调查,具体采样方法参照《水域生态系统观测规范》进行。现场采用IP67手持多参数水质测量仪测定水体温度、溶解氧、pH和电导率；用塞氏圆盘测定水体透明度(SD)；用ZDS-10W系列照度计测定水上和水下0.5 m光照强度。

参照《中华人民共和国国家环境保护标准HJ 897-2017水质叶绿素a的测定分光光度法》,在实验室采用分光光度法进行水体叶绿素a的测定分析。

2.2 数据处理

用Excel软件对数据进行简单的统计和整理分类；用SPSS 20.0对数据进行方差齐性检验,不具备方差齐性的数据需转化后再进行分析；采用单因素方差分析(One-way ANOVA)对不同采样站点环境因子和叶绿素a浓度的差异进行显著性分析,再选用最小显著差法(LSD)进行均数间多重比较[24]。以P<0.05 表示显著差异,P<0.01表示极显著差异。采用统计软件PRIMER 5.2.8对水体叶绿素a浓度与环境因子进行非线性回归分析：用BVSTEP程序筛选与水体叶绿素a匹配最好的环境因子组合,并计算相关系数；再用RELATE程序检验两者之间的相关性是否显著；所有数据在使用时需经过四次方根变换,以满足数据的正态性要求；环境因子的相关数据需要进行标准化处理,以避免量纲差异造成的影响[25]。同时,采用PRIMER 5.2.8对不同月份叶绿素a浓度进行聚类及非度量多维尺度分析(non-metric multi-dimensional scaling, nMDS)：水体叶绿素a数据经过四次方根变换后,计算Bray-Curtis 相似系数,构建相似矩阵；在此基础上进行等级聚类和非度量多维尺度变换分析[26-27]。用胁强系数(stress)来判断一个二维非度量多维标度分析结果的可信度：0

3 研究结果

3.1 叶绿素a浓度变化特征

2017年11月—2018年10月东太湖及太浦河沿线表层水体叶绿素a浓度如图2所示。在图2中,从东太湖至太浦河沿线叶绿素a浓度整体呈现逐渐降低的趋势,但T1站点全年平均叶绿素a浓度略高于DT站点,前者为(15.650±1.910) μg/L,后者为(15.341±2.329) μg/L；在T4采样站点全年叶绿素a平均浓度最低,为(9.941±0.932) μg/L。单因素方差分析结果表明,不同站点表层水体叶绿素a浓度整体存在显著差异(P<0.05),但是不同站点两两之间的对比差异不同。DT站点叶绿素a浓度与T3、T4有显著差异(P<0.05),与T1、T2、T5无显著差异(P>0.05)；T1站点叶绿素a浓度与T3、T4、T5有显著性差异(P<0.05),但与DT和T2站点之间均无显著差异(P>0.05)；T2站点与其他各采样站点两两之间均无显著性差异(P>0.05)。

在图2中,不同月份叶绿素a 浓度有所不同,其中9月各站点平均叶绿素a含量最高,为(21.295±3.012) μg/L,12月各站点平均叶绿素a含量最低,为(7.756±0.295) μg/L。单因素方差分析结果表明,不同月份表层水体叶绿素a浓度整体存在显著差异(P<0.05),但是不同月份两两之间的对比差异不同。

同时,不同月份叶绿素a浓度在不同站点间的变化特征也有所不同,如图2所示。如在3—5月和11月叶绿素a浓度自DT站点至T5站点,先降低再升高；而在7月和9月叶绿素a浓度沿程先升高再降低。

图2 不同站点、不同月份水体叶绿素a浓度变化特征Fig.2 Variation characteristics of Chlorophyll a concentrations in the different sampling sites and in the different months图中标注不同小写字母的柱状图表示相互之间存在显著差异(P<0.05)

不同站点叶绿素a浓度的聚类及非度量多维尺度分析的结果如图3所示。聚类分析将6个站点分成了3组,T2单独成为一组；DT和T1组成一组；T3、T4和T5组成一组,且这六个站点的叶绿素a浓度相似性达到了96%以上。nMDS分析图的Stress值为0.01,说明解释站点之间相似关系的可信度较好,可以把6个站点大致分成3组,这与聚类分析的结果一致。

不同月份叶绿素a浓度的聚类及非度量多维尺度分析的结果如图3所示。聚类分析将12个月份分成了4组,6月单独成为一组；3月、8月和10月组成一组；1、2、4、5、11和12月组成一组,7月和9月组成一组；其中3月、8月和10月及1、2、4、5、11和12月这几个月份的叶绿素a相似性达到了95%以上。nMDS分析图的Stress值为0.03,说明解释月份之间相似关系的可信度较好,可以把12个月份大致分成4组,这与聚类分析的结果一致。

图3 不同站点和不同月份叶绿素a浓度的聚类及非度量多维尺度分析Fig.3 Cluster and NMDS analysis of the Chlorophyll a concentrations in the different sampling sites and the different months

3.2 不同采样站点环境因子变化特征

不同采样站点环境因子的变化特征如表1所示。方差分析结果显示不同站点整体pH和电导率存在显著差异(P<0.05),溶解氧、水温、透明度、水上和水下0.5 m光强在各站点整体均无显著性差异(P>0.05)。不同站点各因子两两比较的结果存在明显差异。DT与T2—T5站点的pH和溶解氧有显著差异(P<0.05),但与T1站点无显著差异(P>0.05)。DT和T1站点的电导率与T4、T5有显著差异(P<0.05),但与两站点间电导率无显著差异(P>0.05)；T2、T3站点的电导率与其他各采样站点两两之间均无显著性差异(P>0.05)。T1、T4水上光强与其他各采样站点与无显著差异(P>0.05)；T5水上光强与DT、T2、T3均有显著差异(P<0.05),但与T2、T4无显著差异(P>0.05)。T1—T4站点水下0.5 m光强与其他各采样站点及站点两两之间无显著性差异(P>0.05)；DT站点水下0.5 m光强与T5有显著性差异(P<0.05),与其他各采样站点无显著性差异(P>0.05)。

表1 不同采样站点环境因子(均值±标准误)Table 1 Environmental factors in the different sampling sites (Mean±SE)

3.3 叶绿素a浓度与环境因子变化特征对应分析

叶绿素a浓度与环境因子的最佳匹配组合如表2所示。从空间上来看,叶绿素a浓度整体与水下0.5 m光照强度存在极显著相关性(P<0.01)；在各个站点,现有环境因子与叶绿素a浓度均未呈现出显著的相关性(P>0.05)。从时间上来看,叶绿素a浓度整体同样与水下0.5 m光照强度呈极显著相关(P<0.01)；在10月份叶绿素a浓度与溶解氧呈显著相关(P<0.05)。

表2 叶绿素a浓度与环境因子的非线性相关性特征Table 2 Nonlinear correlations between the Chlorophyll a and environmental factors

4 讨论

4.1 叶绿素a分布与纵向演变

已有研究表明,浮游植物的纵向演替是普遍存在的现象,但是在不同的研究区域,往往表现出不同的演替特征[13,15-16]。与浮游植物的纵向演替相对应,水体叶绿素a浓度也会随水流发生纵向演变,但不同河流或同一河流不同河段往往具有不同的变化特征。如从源头进入到急流水域时,叶绿素a浓度通常会显著下降[1]；但也有研究表明,最低叶绿素a浓度出现在河流的上部,在中段及下游水体叶绿素a浓度显著增加[1,11,14]；还有研究发现,叶绿素a浓度随着流程距离的增加而增加[29-30]。在本研究中,从东太湖至太浦河沿线叶绿素a浓度发生了明显的纵向演变,从东太湖经过多个站点,到达金泽水文站时整体上呈显著下降态势,但不同站点两两之间的对比特征存在差异,这与之前有些研究也有一定的相似性。同时本文中,空间上的聚类及非度量多维尺度分析结果表明河段的中游T2单独成为一组、源头DT和上游T1组成一组、下游河段T3—T5组成一组,且可信度较好,这也说明表层水体叶绿素a浓度随着流程距离的增加也存在着明显的差别,具有一定的纵向演变特征。基于上述分析可知,不同区域由于条件差异,水体叶绿素a的空间分布特征也存在着一定差异。

同时已有研究结果也表明,不同月份叶绿素a的变化特征也不同。如刘镇盛等[31]研究结果表明叶绿素a分布的月际变化特征明显,9月份叶绿素a浓度最高；王振方等[32]研究结果表明夏末初秋光照强度较强,水温较高,浮游植物接受充足的光照,迅速繁殖生长形成水华,进而使水体叶绿素a含量较高。有学者等在研究三峡水库时发现冬季水温及光强较低,浮游植物生长受到抑制[33]。这在本文研究结果中也有所体现,本文中不同月份叶绿素a浓度整体存在显著差异,且不同月份两两之间的对比差异不同。其中9月叶绿素a含量最高,12月最低。9月处于夏末初秋,太浦河水温较高、光照充足,导致叶绿素a含量明显增加。12月处于冬季,水温及光强均较低,不利于浮游植物生长。此外,聚类分析将12个月份分成了4组,6月单独成为一组；7月和9月组成一组；3月、8月和10月组成一组；1、2、4、5、11和12月组成一组；其中1—5月、8月及10—12月这几个月份的叶绿素a相似性达到了95%以上,且可信度较好,这也说明水体叶绿素a浓度在不同月份有明显差别。

因此,通过测定水体叶绿素a浓度反映水环境状况,特别是河流等线状水体的水环境状况,需要合理布设采样站点,并制定科学、合理的监测计划,包括采样的时间间隔,才能有效的反应区域水环境特征。

4.2 影响叶绿素a纵向演变的主要因子

叶绿素a浓度在一定程度上反映了水体中浮游植物的生长繁殖情况,而浮游植物的生长又受到不同因素的影响。其中,光照强度是浮游植物生长的重要影响因素[34-36]。光照强度会影响浮游植物光合作用速率并且显著影响浮游植物的生长率[30,37],进而对水体叶绿素a纵向演变产生一定影响。如刘流等[38]研究发现在水温、营养盐满足生长的条件下,浮游植物的生长主要受垂向可获得光照的影响。吴召仕等[39]认为水下光照对鄱阳湖叶绿素a分布最为关键。这与本文中非线性回归分析筛选得到的与水体叶绿素a总体纵向演变特征相关性最强的是水下0.5 m光照强度相一致。浮游植物的生长除了光合作用,同时还需要氧气来完成呼吸[40]。溶解氧差异是导致河流浮游植物生长差异及水体叶绿素a浓度差异的重要原因,对叶绿素a纵向演变有重要影响。如有研究表明,叶绿素a浓度与溶解氧之间存在明显正相关关系[31,41],这与本文研究中部分月份水体叶绿素a浓度与溶解氧呈显著正相关较为一致。

本文研究结果中,除水下光强和溶解氧对水体叶绿素a纵向演变有显著影响外,水质指标中水温、pH、电导率、透明度也是影响叶绿素a纵向演变的重要因子。方丽娟等[42]研究表明温度对浮游植物光合作用能力、呼吸速率和生长速率都有重要作用。温度过高或过低都不利于浮游植物生长,从而影响浮游植物生物量[43-44]；此外有研究表明,如Mayora等[45]对中古巴拉那河理化因子的研究得出水位、水深以及电导率对叶绿素a浓度变化具有很好的解释性。有研究表明,浮游植物的光合作用能显著提高水体的pH水平,因而pH是叶绿素a变化的被动因子,但不是浮游植物生长的限制因子[18,46]。此外,众多研究表明一些营养盐如总氮、总磷、氨氮和硝态氮等都是对藻类生长和繁殖影响显著的环境因子,因而对水体叶绿素a浓度存在重要影响,它们的不足或过量会影响浮游植物的生长和群落结构。比如Chen等[47]通过室内模拟以及太湖野外实验证明水温与磷能够改变叶绿素a浓度；2016年de Oliveira Marcionilio等[48]探讨了巴西中部亚热带湖群叶绿素a的决定因子,最终认为总氮等理化因子对叶绿素a分布至关重要。

此外,水动力条件在部分水体也表现出直接或间接地影响叶绿素a分布的能力。已有研究表明,太浦河水域中浮游植物组成及丰富度受到丰枯季及离东太湖出水口距离差异引起的水力停留时间的影响[49-50]。本文中水体叶绿素a浓度在太浦河沿线呈现下降态势,也可能是由于离上游距离差异引起的水力停留时间的影响。如Sabater等[13]学者研究表明埃布罗河上游部分由于水力停留时间较短,叶绿素a含量较低。叶绿素a的变化除了受到水力停留时间影响,还会受到降水量、流量和流速的影响。戴晶晶等[51]研究结果表明太浦河流域内不同月份降水量差异明显,其中七月份降水量最高,3—5月降水量较低。在其他河流的相关研究中也获得了类似的研究结果。李柱等[52]认为降水对浮游植物造成冲击,进而稀释了叶绿素a浓度；罗宜富和陈修康等[53-54]的研究也表明强降水过程会导致浮游植物直接流失,进而会稀释水体叶绿素a的浓度。古夫河着生藻类生物量时间变化主要受水动力(流速)的影响[55]。对于太浦河而言,不同月份降水量不同,且沿程不同河段两岸支流汇入水量有所不同,造成其在不同月份、不同站点的流量和流速也有较大变化,这也可能是造成太浦河沿线叶绿素a浓度出现明显时空差异的原因。

影响水体叶绿素a纵向演变的环境因子往往是相互联系、相互制约、共同作用的。未来的研究及监测需要综合更多的环境指标,如水动力条件、气候条件等,采用系统分析的研究手段,探讨不同因子在不同时空尺度对叶绿素a纵向演变特征的综合作用。