太浦河水體葉綠素a縱向演變特征及主要影響因子

劉毛亞,童春富,吳逢潤

華東師范大學河口海岸學國家重點實驗室,崇明生態研究院, 上海 200241

浮游植物是水生生態系統的初級生產者,是水生食物鏈和食物網的基礎環節,具有增長速度快、繁殖周期短以及對環境變化敏感等特點,直接影響著水生生態系統的結構與功能[1-3]。水體葉綠素a的含量水平能夠反映浮游植物生物量的高低；葉綠素a作為重要的水質指標,可直觀的描述水體營養狀況[4-5]。很多學者已經對水體葉綠素a含量及其與環境因子的關系做了大量研究[4-8]。在歐美國家,水體葉綠素a含量已廣泛應用于環境監測[9-10]。

縱向演替一般指浮游植物等生物類群沿著水流方向沿程發生的演替過程。通常具有一定線狀流程變化的水體,浮游植物等生物類群都具有一定的縱向演替特征[1-2,9-12]。與之相對應,水體葉綠素a含量也勢必會隨之發生變化。由于不同河段和流程距離的增加會導致水體葉綠素a濃度有所不同,其縱向演變特征也存在差異[1,13-16]。如Sabater等[13]研究表明埃布羅河浮游植物葉綠素受多種因素的影響,從河的上游到中段有所波動,但整體逐漸增加,且在下游濃度達到最大。王瓊等[17]研究表明太子河流域水體葉綠素a上游濃度較低,下游河段葉綠素a濃度較高。周貝貝等[18]對南京秦淮河研究表明從上游到下游,水體葉綠素a含量的分布表現出一定的空間差異性,其縱向變化隨著距離的增加具有一定的波動性,無明顯規律。

太浦河連接東太湖和黃浦江,是江蘇、浙江、上海等地區的重要取水水源。上海市重要水源地金澤水庫也從太浦河取水。目前對太浦河水體葉綠素a變化特征的相關研究尚未有報道。本文擬通過對東太湖及太浦河沿程不同站點的月際取樣調研,探討以下科學問題：(1)太浦河水體葉綠素a濃度的縱向演變特征如何？(2)影響水體葉綠素a濃度縱向演變的主要因子及其作用特征是什么？以期為進一步研究水體葉綠素a縱向演變規律奠定基礎,同時為水源地水質安全保障提供科學依據。

1 研究區域概況

研究區域位于東太湖及太浦河,如圖 1 所示。該區域屬于亞熱帶季風性氣候區,氣候溫和濕潤,年均溫度為15.8 ℃,年均降水量為1093.5 mm[19]。太浦河是太湖流域的重要河流,長為57.2 km,流經江、浙、滬3省市15個鄉鎮,西起江蘇省吳江市廟港鎮太湖東岸,東至青浦區金澤鎮池家港村入上海市境,在練塘鎮南大港處與西泖河相接。太浦河沿線地勢平坦,中段河湖眾多,承擔著太湖泄洪通道的重要功能。同時,區域水質狀況受到了多方面的影響,如工業廢水排放、航運業發展及農業生產中農藥和化肥的使用等,可能影響區域飲用水安全,已經引起廣泛關注[20-23]。

圖1 東太湖及太浦河采樣站點示意圖 Fig.1 Map of sampling sites in the East Taihu Lake and Taipu RiverDT：東太湖 East Taihu Lake;T1：太浦閘 Taipu Gate;T2：平望大橋 Pingwang Bridge;T3：黎里東大橋 Lilidong Bridge;T4;蘆墟大橋 Luxu Bridge; T5：金澤水文站 Jinze Hydrological Station

2 材料與方法

2.1 取樣調研與分析

在東太湖及太浦河沿線設置了6個固定采樣站點,如圖1所示。在東太湖靠近太浦河入口處,設置采樣站點DT；在太浦河沿線自西至東設置了5個采樣站點：T1(太浦閘)、T2(平望大橋)、T3(黎里東大橋)、T4(蘆墟大橋)及T5(金澤水文站)。2017 年 11月—2018年10月,每月一次對相應站點表層水體葉綠素a含量進行了取樣調查,具體采樣方法參照《水域生態系統觀測規范》進行。現場采用IP67手持多參數水質測量儀測定水體溫度、溶解氧、pH和電導率；用塞氏圓盤測定水體透明度(SD)；用ZDS-10W系列照度計測定水上和水下0.5 m光照強度。

參照《中華人民共和國國家環境保護標準HJ 897-2017水質葉綠素a的測定分光光度法》,在實驗室采用分光光度法進行水體葉綠素a的測定分析。

2.2 數據處理

用Excel軟件對數據進行簡單的統計和整理分類；用SPSS 20.0對數據進行方差齊性檢驗,不具備方差齊性的數據需轉化后再進行分析；采用單因素方差分析(One-way ANOVA)對不同采樣站點環境因子和葉綠素a濃度的差異進行顯著性分析,再選用最小顯著差法(LSD)進行均數間多重比較[24]。以P<0.05 表示顯著差異,P<0.01表示極顯著差異。采用統計軟件PRIMER 5.2.8對水體葉綠素a濃度與環境因子進行非線性回歸分析：用BVSTEP程序篩選與水體葉綠素a匹配最好的環境因子組合,并計算相關系數；再用RELATE程序檢驗兩者之間的相關性是否顯著；所有數據在使用時需經過四次方根變換,以滿足數據的正態性要求；環境因子的相關數據需要進行標準化處理,以避免量綱差異造成的影響[25]。同時,采用PRIMER 5.2.8對不同月份葉綠素a濃度進行聚類及非度量多維尺度分析(non-metric multi-dimensional scaling, nMDS)：水體葉綠素a數據經過四次方根變換后,計算Bray-Curtis 相似系數,構建相似矩陣；在此基礎上進行等級聚類和非度量多維尺度變換分析[26-27]。用脅強系數(stress)來判斷一個二維非度量多維標度分析結果的可信度：0

3 研究結果

3.1 葉綠素a濃度變化特征

2017年11月—2018年10月東太湖及太浦河沿線表層水體葉綠素a濃度如圖2所示。在圖2中,從東太湖至太浦河沿線葉綠素a濃度整體呈現逐漸降低的趨勢,但T1站點全年平均葉綠素a濃度略高于DT站點,前者為(15.650±1.910) μg/L,后者為(15.341±2.329) μg/L；在T4采樣站點全年葉綠素a平均濃度最低,為(9.941±0.932) μg/L。單因素方差分析結果表明,不同站點表層水體葉綠素a濃度整體存在顯著差異(P<0.05),但是不同站點兩兩之間的對比差異不同。DT站點葉綠素a濃度與T3、T4有顯著差異(P<0.05),與T1、T2、T5無顯著差異(P>0.05)；T1站點葉綠素a濃度與T3、T4、T5有顯著性差異(P<0.05),但與DT和T2站點之間均無顯著差異(P>0.05)；T2站點與其他各采樣站點兩兩之間均無顯著性差異(P>0.05)。

在圖2中,不同月份葉綠素a 濃度有所不同,其中9月各站點平均葉綠素a含量最高,為(21.295±3.012) μg/L,12月各站點平均葉綠素a含量最低,為(7.756±0.295) μg/L。單因素方差分析結果表明,不同月份表層水體葉綠素a濃度整體存在顯著差異(P<0.05),但是不同月份兩兩之間的對比差異不同。

同時,不同月份葉綠素a濃度在不同站點間的變化特征也有所不同,如圖2所示。如在3—5月和11月葉綠素a濃度自DT站點至T5站點,先降低再升高；而在7月和9月葉綠素a濃度沿程先升高再降低。

圖2 不同站點、不同月份水體葉綠素a濃度變化特征Fig.2 Variation characteristics of Chlorophyll a concentrations in the different sampling sites and in the different months圖中標注不同小寫字母的柱狀圖表示相互之間存在顯著差異(P<0.05)

不同站點葉綠素a濃度的聚類及非度量多維尺度分析的結果如圖3所示。聚類分析將6個站點分成了3組,T2單獨成為一組；DT和T1組成一組；T3、T4和T5組成一組,且這六個站點的葉綠素a濃度相似性達到了96%以上。nMDS分析圖的Stress值為0.01,說明解釋站點之間相似關系的可信度較好,可以把6個站點大致分成3組,這與聚類分析的結果一致。

不同月份葉綠素a濃度的聚類及非度量多維尺度分析的結果如圖3所示。聚類分析將12個月份分成了4組,6月單獨成為一組；3月、8月和10月組成一組；1、2、4、5、11和12月組成一組,7月和9月組成一組；其中3月、8月和10月及1、2、4、5、11和12月這幾個月份的葉綠素a相似性達到了95%以上。nMDS分析圖的Stress值為0.03,說明解釋月份之間相似關系的可信度較好,可以把12個月份大致分成4組,這與聚類分析的結果一致。

圖3 不同站點和不同月份葉綠素a濃度的聚類及非度量多維尺度分析Fig.3 Cluster and NMDS analysis of the Chlorophyll a concentrations in the different sampling sites and the different months

3.2 不同采樣站點環境因子變化特征

不同采樣站點環境因子的變化特征如表1所示。方差分析結果顯示不同站點整體pH和電導率存在顯著差異(P<0.05),溶解氧、水溫、透明度、水上和水下0.5 m光強在各站點整體均無顯著性差異(P>0.05)。不同站點各因子兩兩比較的結果存在明顯差異。DT與T2—T5站點的pH和溶解氧有顯著差異(P<0.05),但與T1站點無顯著差異(P>0.05)。DT和T1站點的電導率與T4、T5有顯著差異(P<0.05),但與兩站點間電導率無顯著差異(P>0.05)；T2、T3站點的電導率與其他各采樣站點兩兩之間均無顯著性差異(P>0.05)。T1、T4水上光強與其他各采樣站點與無顯著差異(P>0.05)；T5水上光強與DT、T2、T3均有顯著差異(P<0.05),但與T2、T4無顯著差異(P>0.05)。T1—T4站點水下0.5 m光強與其他各采樣站點及站點兩兩之間無顯著性差異(P>0.05)；DT站點水下0.5 m光強與T5有顯著性差異(P<0.05),與其他各采樣站點無顯著性差異(P>0.05)。

表1 不同采樣站點環境因子(均值±標準誤)Table 1 Environmental factors in the different sampling sites (Mean±SE)

3.3 葉綠素a濃度與環境因子變化特征對應分析

葉綠素a濃度與環境因子的最佳匹配組合如表2所示。從空間上來看,葉綠素a濃度整體與水下0.5 m光照強度存在極顯著相關性(P<0.01)；在各個站點,現有環境因子與葉綠素a濃度均未呈現出顯著的相關性(P>0.05)。從時間上來看,葉綠素a濃度整體同樣與水下0.5 m光照強度呈極顯著相關(P<0.01)；在10月份葉綠素a濃度與溶解氧呈顯著相關(P<0.05)。

表2 葉綠素a濃度與環境因子的非線性相關性特征Table 2 Nonlinear correlations between the Chlorophyll a and environmental factors

4 討論

4.1 葉綠素a分布與縱向演變

已有研究表明,浮游植物的縱向演替是普遍存在的現象,但是在不同的研究區域,往往表現出不同的演替特征[13,15-16]。與浮游植物的縱向演替相對應,水體葉綠素a濃度也會隨水流發生縱向演變,但不同河流或同一河流不同河段往往具有不同的變化特征。如從源頭進入到急流水域時,葉綠素a濃度通常會顯著下降[1]；但也有研究表明,最低葉綠素a濃度出現在河流的上部,在中段及下游水體葉綠素a濃度顯著增加[1,11,14]；還有研究發現,葉綠素a濃度隨著流程距離的增加而增加[29-30]。在本研究中,從東太湖至太浦河沿線葉綠素a濃度發生了明顯的縱向演變,從東太湖經過多個站點,到達金澤水文站時整體上呈顯著下降態勢,但不同站點兩兩之間的對比特征存在差異,這與之前有些研究也有一定的相似性。同時本文中,空間上的聚類及非度量多維尺度分析結果表明河段的中游T2單獨成為一組、源頭DT和上游T1組成一組、下游河段T3—T5組成一組,且可信度較好,這也說明表層水體葉綠素a濃度隨著流程距離的增加也存在著明顯的差別,具有一定的縱向演變特征。基于上述分析可知,不同區域由于條件差異,水體葉綠素a的空間分布特征也存在著一定差異。

同時已有研究結果也表明,不同月份葉綠素a的變化特征也不同。如劉鎮盛等[31]研究結果表明葉綠素a分布的月際變化特征明顯,9月份葉綠素a濃度最高；王振方等[32]研究結果表明夏末初秋光照強度較強,水溫較高,浮游植物接受充足的光照,迅速繁殖生長形成水華,進而使水體葉綠素a含量較高。有學者等在研究三峽水庫時發現冬季水溫及光強較低,浮游植物生長受到抑制[33]。這在本文研究結果中也有所體現,本文中不同月份葉綠素a濃度整體存在顯著差異,且不同月份兩兩之間的對比差異不同。其中9月葉綠素a含量最高,12月最低。9月處于夏末初秋,太浦河水溫較高、光照充足,導致葉綠素a含量明顯增加。12月處于冬季,水溫及光強均較低,不利于浮游植物生長。此外,聚類分析將12個月份分成了4組,6月單獨成為一組；7月和9月組成一組；3月、8月和10月組成一組；1、2、4、5、11和12月組成一組；其中1—5月、8月及10—12月這幾個月份的葉綠素a相似性達到了95%以上,且可信度較好,這也說明水體葉綠素a濃度在不同月份有明顯差別。

因此,通過測定水體葉綠素a濃度反映水環境狀況,特別是河流等線狀水體的水環境狀況,需要合理布設采樣站點,并制定科學、合理的監測計劃,包括采樣的時間間隔,才能有效的反應區域水環境特征。

4.2 影響葉綠素a縱向演變的主要因子

葉綠素a濃度在一定程度上反映了水體中浮游植物的生長繁殖情況,而浮游植物的生長又受到不同因素的影響。其中,光照強度是浮游植物生長的重要影響因素[34-36]。光照強度會影響浮游植物光合作用速率并且顯著影響浮游植物的生長率[30,37],進而對水體葉綠素a縱向演變產生一定影響。如劉流等[38]研究發現在水溫、營養鹽滿足生長的條件下,浮游植物的生長主要受垂向可獲得光照的影響。吳召仕等[39]認為水下光照對鄱陽湖葉綠素a分布最為關鍵。這與本文中非線性回歸分析篩選得到的與水體葉綠素a總體縱向演變特征相關性最強的是水下0.5 m光照強度相一致。浮游植物的生長除了光合作用,同時還需要氧氣來完成呼吸[40]。溶解氧差異是導致河流浮游植物生長差異及水體葉綠素a濃度差異的重要原因,對葉綠素a縱向演變有重要影響。如有研究表明,葉綠素a濃度與溶解氧之間存在明顯正相關關系[31,41],這與本文研究中部分月份水體葉綠素a濃度與溶解氧呈顯著正相關較為一致。

本文研究結果中,除水下光強和溶解氧對水體葉綠素a縱向演變有顯著影響外,水質指標中水溫、pH、電導率、透明度也是影響葉綠素a縱向演變的重要因子。方麗娟等[42]研究表明溫度對浮游植物光合作用能力、呼吸速率和生長速率都有重要作用。溫度過高或過低都不利于浮游植物生長,從而影響浮游植物生物量[43-44]；此外有研究表明,如Mayora等[45]對中古巴拉那河理化因子的研究得出水位、水深以及電導率對葉綠素a濃度變化具有很好的解釋性。有研究表明,浮游植物的光合作用能顯著提高水體的pH水平,因而pH是葉綠素a變化的被動因子,但不是浮游植物生長的限制因子[18,46]。此外,眾多研究表明一些營養鹽如總氮、總磷、氨氮和硝態氮等都是對藻類生長和繁殖影響顯著的環境因子,因而對水體葉綠素a濃度存在重要影響,它們的不足或過量會影響浮游植物的生長和群落結構。比如Chen等[47]通過室內模擬以及太湖野外實驗證明水溫與磷能夠改變葉綠素a濃度；2016年de Oliveira Marcionilio等[48]探討了巴西中部亞熱帶湖群葉綠素a的決定因子,最終認為總氮等理化因子對葉綠素a分布至關重要。

此外,水動力條件在部分水體也表現出直接或間接地影響葉綠素a分布的能力。已有研究表明,太浦河水域中浮游植物組成及豐富度受到豐枯季及離東太湖出水口距離差異引起的水力停留時間的影響[49-50]。本文中水體葉綠素a濃度在太浦河沿線呈現下降態勢,也可能是由于離上游距離差異引起的水力停留時間的影響。如Sabater等[13]學者研究表明埃布羅河上游部分由于水力停留時間較短,葉綠素a含量較低。葉綠素a的變化除了受到水力停留時間影響,還會受到降水量、流量和流速的影響。戴晶晶等[51]研究結果表明太浦河流域內不同月份降水量差異明顯,其中七月份降水量最高,3—5月降水量較低。在其他河流的相關研究中也獲得了類似的研究結果。李柱等[52]認為降水對浮游植物造成沖擊,進而稀釋了葉綠素a濃度；羅宜富和陳修康等[53-54]的研究也表明強降水過程會導致浮游植物直接流失,進而會稀釋水體葉綠素a的濃度。古夫河著生藻類生物量時間變化主要受水動力(流速)的影響[55]。對于太浦河而言,不同月份降水量不同,且沿程不同河段兩岸支流匯入水量有所不同,造成其在不同月份、不同站點的流量和流速也有較大變化,這也可能是造成太浦河沿線葉綠素a濃度出現明顯時空差異的原因。

影響水體葉綠素a縱向演變的環境因子往往是相互聯系、相互制約、共同作用的。未來的研究及監測需要綜合更多的環境指標,如水動力條件、氣候條件等,采用系統分析的研究手段,探討不同因子在不同時空尺度對葉綠素a縱向演變特征的綜合作用。