水華過(guò)程水質(zhì)參數(shù)與浮游植物定量關(guān)系的研究
——以太湖梅梁灣為例

郭文景,符志友,汪 浩,吳豐昌 (1.北京師范大學(xué)水科學(xué)研究院,北京 100875；.中國(guó)環(huán)境科學(xué)研究院,環(huán)境基準(zhǔn)與風(fēng)險(xiǎn)評(píng)估國(guó)家重點(diǎn)實(shí)驗(yàn)室,北京 10001)

湖泊富營(yíng)養(yǎng)化及其可能造成的水華暴發(fā)問(wèn)題可造成湖泊生態(tài)系統(tǒng)結(jié)構(gòu)失衡和功能退化,因而一直受到關(guān)注[1-4].水華暴發(fā)中藻類產(chǎn)生的藻類毒素可以威脅流域內(nèi)人體健康和供水安全[5-6],并可影響到湖泊的漁業(yè)價(jià)值和旅游價(jià)值,因此水華暴發(fā)一直是湖沼學(xué)研究的重點(diǎn).對(duì)于水華暴發(fā)機(jī)制的探討有助于深入理解水華暴發(fā)的過(guò)程并展開相應(yīng)的控制和人為干預(yù)措施,但是對(duì)于水華暴發(fā)的發(fā)生過(guò)程以及湖泊水質(zhì)參數(shù)對(duì)藻類增殖的影響一直有眾多不同的研究.目前研究水華發(fā)生過(guò)程中湖泊水質(zhì)參數(shù)與浮游植物的定量關(guān)系的途徑主要有:基于氣象/水文/營(yíng)養(yǎng)鹽指標(biāo)響應(yīng)的確定性的生態(tài)數(shù)學(xué)模型,對(duì)于該問(wèn)題的研究從單一的營(yíng)養(yǎng)鹽限制關(guān)系逐漸發(fā)展到結(jié)合熱力學(xué)或生物相互作用等的復(fù)雜系統(tǒng)[7-9],另一途徑是基于觀測(cè)數(shù)據(jù)的線性/非線性統(tǒng)計(jì)歸納方法,主要包括主成分分析、多元回歸分析和人工神經(jīng)網(wǎng)絡(luò)等[10-13].已有研究的基本邏輯為:浮游生物指標(biāo)存在對(duì)湖泊水質(zhì)參數(shù)的及時(shí)響應(yīng),而不存在時(shí)間上的滯后性.隨著對(duì)水華暴發(fā)過(guò)程認(rèn)識(shí)的逐漸深入,湖泊水質(zhì)參數(shù)和氣候條件對(duì)于浮游植物增殖產(chǎn)生的滯后效應(yīng)已有研究提及,研究[14]認(rèn)為夏季常見(jiàn)的藍(lán)藻在水面大量聚集的現(xiàn)象可能源自于春季藻類在湖泊水面下的大量增殖,在合適的氣象和水溫條件下,大量藻類上浮聚集形成通常意義上的藍(lán)藻暴發(fā).因此考慮到外界脅迫參數(shù)可能對(duì)藻類水華暴發(fā)產(chǎn)生的滯后效應(yīng),基于同時(shí)段檢測(cè)數(shù)據(jù)的相關(guān)性分析得出的結(jié)論可能會(huì)有所缺陷,因此需要一種考慮滯后效應(yīng)的數(shù)據(jù)分析方法用以研究水華暴發(fā)的過(guò)程,但截至目前,只有較少的研究將這一滯后效應(yīng)考慮到目前水華暴發(fā)過(guò)程的研究中[15].

時(shí)間序列分析方法普遍用于計(jì)量經(jīng)濟(jì)學(xué)領(lǐng)域,此外近年來(lái)也常用于環(huán)境經(jīng)濟(jì)學(xué)領(lǐng)域,如探討經(jīng)濟(jì)增長(zhǎng)和環(huán)境污染的相關(guān)關(guān)系等[16-18],其包括了格蘭杰因果關(guān)系檢驗(yàn)和向量自回歸模型,其通過(guò)構(gòu)建考慮到自變量滯后效應(yīng)的回歸模型對(duì)時(shí)間變量進(jìn)行擬合,可以避免無(wú)關(guān)變量之間分析導(dǎo)致的偽相關(guān)關(guān)系的出現(xiàn),其結(jié)果具有更高的準(zhǔn)確性和更豐富的實(shí)際意義,也可以為經(jīng)濟(jì)學(xué)和環(huán)境領(lǐng)域的研究人員和政策制定者提供有效的政策建議和決策支持.

因此本研究利用時(shí)間序列方法對(duì)太湖梅梁灣區(qū)域 2000～2012年的監(jiān)測(cè)數(shù)據(jù)進(jìn)行分析,建立監(jiān)測(cè)數(shù)據(jù)序列的格蘭杰因果關(guān)系模型和向量自回歸模型,探討水華暴發(fā)中湖泊水質(zhì)參數(shù)對(duì)于浮游植物生物量的定量影響.由于上述時(shí)間序列方法對(duì)于長(zhǎng)時(shí)間尺度的時(shí)間變量有著較為嚴(yán)苛的要求,首先通過(guò)平穩(wěn)性檢驗(yàn)和協(xié)整檢驗(yàn)對(duì)獲得水質(zhì)參數(shù)的時(shí)間序列進(jìn)行篩選,滿足條件的時(shí)間序列經(jīng)過(guò)格蘭杰因果關(guān)系檢驗(yàn)驗(yàn)證因果關(guān)系,并構(gòu)建向量自回歸模型,建立水質(zhì)參數(shù)和浮游植物生物量之間的定量關(guān)系.

1 方法和數(shù)據(jù)處理

1.1 研究區(qū)域

太湖(30°90′N～31°54′N,119°55.3′E～120°59.6′E)是我國(guó)第三大淡水湖,位于我國(guó)經(jīng)濟(jì)發(fā)達(dá)的長(zhǎng)江三角洲地區(qū),湖泊水面面積為2427km2,平均深度為 2m,是我國(guó)富營(yíng)養(yǎng)化程度較高的湖泊之一.太湖流域快速的經(jīng)濟(jì)發(fā)展和人口增長(zhǎng)帶來(lái)的污染物輸入導(dǎo)致了太湖從上世紀(jì)七八十年代的貧營(yíng)養(yǎng)化退化為目前的富營(yíng)養(yǎng)化狀態(tài)[19].富營(yíng)養(yǎng)化引起的藻類尤其是藍(lán)藻水華暴發(fā)現(xiàn)象時(shí)有發(fā)生,其中在2007年發(fā)生在貢湖灣的藍(lán)藻暴發(fā)事件更是引起了公眾對(duì)于城市飲用水安全的關(guān)注[20].梅梁灣位于太湖的北部,湖區(qū)水域面積為100km2,水深 1.8～2.3m.作為無(wú)錫市重要的水源地和旅游區(qū),梅梁灣在進(jìn)入 21世紀(jì)以來(lái)已經(jīng)呈現(xiàn)了嚴(yán)重的富營(yíng)養(yǎng)化狀態(tài),而水華暴發(fā)也在該區(qū)域頻頻出現(xiàn).梅梁灣區(qū)域相對(duì)于中心湖區(qū)受太湖風(fēng)浪作用的影響較小,因此該區(qū)域適合作為水華暴發(fā)的研究區(qū)域.

1.2 數(shù)據(jù)收集和預(yù)處理

監(jiān)測(cè)數(shù)據(jù)來(lái)自于中國(guó)科學(xué)院太湖生態(tài)系統(tǒng)研究站的逐月監(jiān)測(cè)數(shù)據(jù)(TLLER).梅梁灣湖區(qū)共設(shè)置 5個(gè)采樣點(diǎn)(圖 1),數(shù)據(jù)采樣時(shí)間為 2000～2012年,主要檢測(cè)參數(shù)為:透明度(SD),酸堿度(pH值),亞硝態(tài)氮(NO2--N),硝態(tài)氮(NO3--N),銨態(tài)氮(NH4+-N),總氮(TN),總磷(TP),水溫(WT).浮游植物藻類生物量用水體葉綠素 a(Chl-a)的含量來(lái)指示.為了防止水面風(fēng)速、水氣交換和人為活動(dòng)等因素的干擾,水樣的采集在水面下0.5m處進(jìn)行.上述指標(biāo)的檢測(cè)均按照湖泊生態(tài)系統(tǒng)觀測(cè)標(biāo)準(zhǔn)方法進(jìn)行[21].

NOx-N表示亞硝態(tài)氮(NO2--N)和硝態(tài)氮(NO3--N)的總含量.為了消除梅梁灣區(qū)域內(nèi)風(fēng)浪流和外源污染物造成的水質(zhì)參數(shù)的差異,所有梅梁灣的逐月監(jiān)測(cè)數(shù)據(jù)進(jìn)行均值處理.為了消除數(shù)據(jù)可能產(chǎn)生的異方差波動(dòng),也為了使數(shù)據(jù)具有統(tǒng)計(jì)學(xué)意義,所有平均后的監(jiān)測(cè)數(shù)據(jù)進(jìn)行自然對(duì)數(shù)處理(pH值除外),如時(shí)間序列TN自然對(duì)數(shù)處理生成的數(shù)據(jù)記為lnTN.共得到9個(gè)時(shí)間序列,每個(gè)時(shí)間序列有n=156個(gè)逐月監(jiān)測(cè)數(shù)據(jù).

圖1 太湖梅梁灣湖區(qū)監(jiān)測(cè)點(diǎn)位置(共5個(gè))Fig.1 Five sampling sites in Meiliang Bay of Taihu Lake

1.3 平穩(wěn)性檢驗(yàn)

Granger[22]和 Sims[23]將數(shù)據(jù)必須滿足的平穩(wěn)性定義為:時(shí)間序列在時(shí)間尺度上的平均值、方差和自協(xié)方差無(wú)波動(dòng).由于對(duì)不滿足平穩(wěn)性時(shí)間變量的相關(guān)性分析可能會(huì)導(dǎo)致偽相關(guān)關(guān)系的出現(xiàn),并得出錯(cuò)誤的結(jié)論,因此建立變量之間格蘭杰因果關(guān)系模型和向量自回歸模型的必要條件是參與的所有時(shí)間序列必須通過(guò)平穩(wěn)性檢驗(yàn).

平穩(wěn)性檢驗(yàn)的常見(jiàn)方法是增廣的 Dickey-Fuller test(ADF test)[24-25],其基本原理是檢驗(yàn)時(shí)間序列是否存在單位根,如果時(shí)間序列不存在單位根,則該時(shí)間序列具有平穩(wěn)性,反之,則不具有平穩(wěn)性.主要基于以下回歸方程進(jìn)行檢驗(yàn):

式中: xt代表時(shí)間序列的變量; t為時(shí)間;Δ表示一階差分; ρ為單位根存在與否(賦值0或1); p代表模型的滯后階數(shù); αi為系數(shù);εt表示均值為0、方差為σ2的白噪聲.ADF檢驗(yàn)的零假設(shè)設(shè)定為“該時(shí)間序列存在一個(gè)單位根”,當(dāng)檢驗(yàn)中的P值大于設(shè)定的顯著性水平值,零假設(shè)被接受,該時(shí)間序列存在一個(gè)單位根,時(shí)間序列不平穩(wěn),反之,則時(shí)間序列平穩(wěn).

1.4 協(xié)整檢驗(yàn)

對(duì)于未通過(guò)平穩(wěn)性檢驗(yàn)的非平穩(wěn)序列,Granger[22]和 Sims[23]認(rèn)為,因?yàn)槿舾煞瞧椒€(wěn)時(shí)間變量的線性組合可能會(huì)保持平穩(wěn),這些非平穩(wěn)變量之間仍然可以進(jìn)行因果關(guān)系檢驗(yàn)并建立向量自回歸模型,但是這些非平穩(wěn)變量須滿足:1)時(shí)間序列為同階不平穩(wěn),2)時(shí)間序列須通過(guò)協(xié)整性檢驗(yàn).其中,非平穩(wěn)序列進(jìn)行n次差分后的殘差通過(guò)平穩(wěn)性檢驗(yàn),則稱該序列為n階單整,記為I(n),相同階數(shù)的非平穩(wěn)序列稱同階不平穩(wěn).而協(xié)整性檢驗(yàn)主要基于最小二乘法(OLS)進(jìn)行,其方程為:

式中: t是指時(shí)間; μt表示隨機(jī)擾動(dòng),如果隨機(jī)擾動(dòng)項(xiàng)μt表現(xiàn)出平穩(wěn)性,則時(shí)間序列 yt和 xt之間具有協(xié)整性.關(guān)于協(xié)整檢驗(yàn)的更多原理和模型方法參見(jiàn) Engle[26]的文獻(xiàn).目前常見(jiàn)的協(xié)整檢驗(yàn)的方法是Johansen-Juselius co-integration檢驗(yàn)(JJ檢驗(yàn)),其主要方法是通過(guò)最大特征根檢驗(yàn)和跡檢驗(yàn)進(jìn)行判斷[27].協(xié)整檢驗(yàn)的零假設(shè)設(shè)定為“時(shí)間序列中最多存在n(n=0,1,2…)個(gè)協(xié)整方程”.

1.5 格蘭杰因果關(guān)系檢驗(yàn)和向量自回歸模型

滿足平穩(wěn)性要求或通過(guò)協(xié)整檢驗(yàn)后,時(shí)間序列可以建立格蘭杰因果關(guān)系模型和向量自回歸模型.Granger[22]從概率論的角度解釋了格蘭杰因果關(guān)系檢驗(yàn)的實(shí)質(zhì):時(shí)間序列X是Y的格蘭杰原因意味著在一定的滯后期內(nèi) X可以在一定程度上解釋和預(yù)測(cè)Y的變化.其建立的方程如下:

式中: αi, βi, λi和 δi為系數(shù); μ1t和 μ2t為白噪聲; m 為最大滯后階數(shù).格蘭杰因果關(guān)系檢驗(yàn)的零假設(shè)設(shè)定為“X不是Y的格蘭杰原因”.關(guān)于格蘭杰因果關(guān)系的介紹參考文獻(xiàn) [28].

通過(guò)了格蘭杰因果關(guān)系檢驗(yàn)的時(shí)間變量構(gòu)建穩(wěn)定的解釋力較強(qiáng)的向量自回歸模型(VAR),其可以定量解釋時(shí)間序列之間在時(shí)間尺度上的定量關(guān)系,這一模型考慮了時(shí)間尺度上自變量對(duì)于因變量的滯后效應(yīng),因此更具有說(shuō)服力.

1.6 數(shù)據(jù)分析

平穩(wěn)性檢驗(yàn)、協(xié)整檢驗(yàn)、格蘭杰因果關(guān)系檢驗(yàn)和向量自回歸模型的建立均通過(guò)常用的時(shí)間序列分析軟件—Eviews(Econometrics Views 6.0)進(jìn)行.在構(gòu)建平穩(wěn)性檢驗(yàn)、協(xié)整檢驗(yàn)和格蘭杰因果關(guān)系模型時(shí),零假設(shè)的顯著性臨界值設(shè)定為0.05.進(jìn)行時(shí)間序列分析時(shí),滯后階數(shù)對(duì)于模型的解釋能力十分重要,在本研究中,N=12確定為最大滯后階數(shù),而最優(yōu)滯后階數(shù)基于赤池信息準(zhǔn)則(AIC)和施瓦茨準(zhǔn)則(SC)確定[29-30].

圖2 梅梁灣湖區(qū)水體中Chl-a含量逐月平均數(shù)據(jù)的變化趨勢(shì)(2000～2012年)Fig.2 Long-term monthly variation of concentration of Chl-a in Meiliang Bay from 2000 to 2012

圖3 2000～2012年間梅梁灣區(qū)域若干水質(zhì)參數(shù)逐月均值數(shù)據(jù)的變化趨勢(shì)Fig.3 Long-term monthly variations of several aquatic parameters and concentrations of nutrients in Meiliang Bay from 2000 to 2012

2 結(jié)果和討論

2.1 Chl-a濃度和水環(huán)境指標(biāo)的時(shí)間變化趨勢(shì)

圖 2顯示的是梅梁灣湖區(qū) Chl-a含量在 2000～2012年之間的月度變化,其最小值為0.56mg/m3(2001年 2月),最大值為 491.15mg/m3(2009年7月).Chl-a含量的逐月數(shù)據(jù)在表現(xiàn)出波動(dòng)性的同時(shí)也表現(xiàn)出年際的增長(zhǎng)性,其中在夏季達(dá)到峰值,而在冬季達(dá)到最低值.湖泊水質(zhì)參數(shù)的變化趨勢(shì)見(jiàn)圖3,主要趨勢(shì)為在冬季和夏季達(dá)到極值.

2.2 平穩(wěn)性檢驗(yàn)結(jié)果

太湖梅梁灣區(qū)域時(shí)間序列的平穩(wěn)性檢驗(yàn)結(jié)果如表1所示,其中水質(zhì)參數(shù)變量lnTN、lnSD、pH值、lnNH4+-N、lnNOx-N和lnNH4+-N/NOx-N平穩(wěn)性模型的P值都小于0.05,因此零假設(shè)被拒絕,上述時(shí)間序列具有平穩(wěn)性,Chl-a含量的時(shí)間變量(lnChl-a)由于零假設(shè)被接受,因此呈現(xiàn)出非平穩(wěn)性.由于平穩(wěn)性變量難以解釋非平穩(wěn)性變量的變化趨勢(shì),因此平穩(wěn)性變量不認(rèn)為是非平穩(wěn)性變量Chl-a含量變化的格蘭杰原因,所以lnTN、lnSD、pH值、lnNH4+-N、lnNOx-N和lnNH4+-N/NOx-N在接下來(lái)的分析中被剔除.

對(duì)非平穩(wěn)序列l(wèi)nTP、lnN/P、lnWT和lnChl-a進(jìn)行一階差分,并分別記為dlnTP、dlnN/P、dlnWT和 dlnChl-a.對(duì)上述序列的殘差進(jìn)行平穩(wěn)性檢驗(yàn),結(jié)果表明,其一階差分表現(xiàn)出平穩(wěn)性,因此lnTP、lnN/P、lnWT和 lnChl-a為一階單整變量(記為I(1)),符合進(jìn)行后續(xù)協(xié)整檢驗(yàn)的要求.

表1 梅梁灣水質(zhì)參數(shù)時(shí)間序列的ADF檢驗(yàn)結(jié)果Table 1 Results of ADF unit root test for various aquatic parameters

2.3 協(xié)整檢驗(yàn)結(jié)果

對(duì)梅梁灣水質(zhì)參數(shù)和葉綠素變量 lnTP、lnN/P、lnWT和lnChl-a進(jìn)行協(xié)整分析,使用方法為JJ協(xié)整分析,通過(guò)跡檢驗(yàn)和最大特征根檢驗(yàn)進(jìn)行判斷是否存在協(xié)整關(guān)系.

表2 梅梁灣監(jiān)測(cè)數(shù)據(jù)的JJ協(xié)整檢驗(yàn)結(jié)果Table 2 Results of the Johansen-Juselius co-integration test for environmental parameters

水質(zhì)參數(shù)和葉綠素變量lnTP、lnN/P、lnWT和lnChl-a的協(xié)整檢驗(yàn)結(jié)果如表2所示,跡檢驗(yàn)的統(tǒng)計(jì)值均大于 5%的臨界值,跡檢驗(yàn)和最大特征根的結(jié)果表明上述變量在時(shí)間尺度上分別存在4個(gè)和 2個(gè)協(xié)整方程,即上述時(shí)間變量之間至少存在1個(gè)協(xié)整方程.

2.4 格蘭杰因果關(guān)系檢驗(yàn)結(jié)果

對(duì)梅梁灣湖區(qū)的時(shí)間序列 lnTP、lnN/P、lnWT和lnChl-a呈現(xiàn)了同階不平穩(wěn),且通過(guò)了協(xié)整檢驗(yàn),滿足進(jìn)行格蘭杰因果關(guān)系檢驗(yàn)的條件,因此使用 Eviews軟件對(duì)水質(zhì)參數(shù) lnTP、lnN/P、lnWT和Chl-a含量lnChl-a的因果關(guān)系進(jìn)行檢驗(yàn),結(jié)果如表3所示:

零假設(shè)“l(fā)nTP 不是lnChl-a的格蘭杰原因”的P值為0.0001,因此該假設(shè)被拒絕,湖泊水體中TP的變化是Chl-a變化的格蘭杰原因.另一個(gè)零假設(shè)“l(fā)nChl-a不是lnTP的格蘭杰原因”的P值為 0.8473,零假設(shè)被接受,因此,從統(tǒng)計(jì)學(xué)意義上湖泊水體中Chl-a的變化不是TP變化的格蘭杰原因,存在從湖泊總磷變化到 Chl-a含量變化的單向格蘭杰因果關(guān)系.格蘭杰因果關(guān)系的結(jié)果表明在滯后期n=2的時(shí)間尺度內(nèi),總磷的增加對(duì)浮游植物的增殖有促進(jìn)作用,即表示研究區(qū)域冬季TP的變化可能會(huì)影響到春季浮游植物的生物量.

表3 Chl-a含量與湖泊水質(zhì)參數(shù)變量的格蘭杰因果關(guān)系檢驗(yàn)結(jié)果Table 3 Results of the Granger causality test for lnChl-a and various independent parameters

檢驗(yàn)湖泊水體N/P和Chl-a含量之間關(guān)系時(shí),其零假設(shè)“l(fā)nN/P不是 lnChl-a變化的格蘭杰原因”的P值為0.0098,因此lnN/P是lnChl-a變化的格蘭杰原因.而“l(fā)nChl-a不是lnN/P變化的格蘭杰原因”零假設(shè)的P值為0.6253,零假設(shè)被接受,lnChl-a不是lnN/P變化的格蘭杰原因,因此存在長(zhǎng)期時(shí)間尺度內(nèi)的從N/P到Chl-a的單向格蘭杰因果關(guān)系.

在檢驗(yàn)湖泊水溫WT和Chl-a之間的因果關(guān)系時(shí),“l(fā)nWT 不是lnChl-a的格蘭杰原因”的零假設(shè)被拒絕(P=0.0424),因此從統(tǒng)計(jì)學(xué)意義上水體溫度是Chl-a含量變化的格蘭杰原因,“l(fā)nChl-a不是 lnWT的格蘭杰原因”的零假設(shè)被接受(P=0.1053),因此可以認(rèn)為lnChl-a不是lnWT的格蘭杰原因.因此同樣存在長(zhǎng)期時(shí)間尺度內(nèi)的從水溫WT到Chl-a的單向格蘭杰因果關(guān)系.格蘭杰因果關(guān)系結(jié)果表明在研究區(qū)域內(nèi),湖泊水溫的變化可以在長(zhǎng)期尺度上影響 Chl-a濃度,因此研究區(qū)域冬季的溫度變化可能會(huì)影響次年秋季或冬季湖泊中水華暴發(fā)的強(qiáng)度.

2.5 向量自回歸模型建立

向量自回歸模型可以從時(shí)間尺度上定量檢驗(yàn)自變量對(duì)于因變量的影響[31-32],同樣使用Eviews軟件建立格蘭杰因果關(guān)系模型中自變量TP、TP和WT與因變量Chl-a之間的向量自回歸模型(5)(括號(hào)內(nèi)的數(shù)字為系數(shù)的標(biāo)準(zhǔn)差).

長(zhǎng)時(shí)間尺度內(nèi)的向量自回歸模型顯示,如果其他條件保持不變,水體中 TP的含量變化±1%,Chl-a的含量將會(huì)有±0.97%的變化,而1%的N/P變化只會(huì)造成0.078%Chl-a濃度的變化,1%水體溫度的變動(dòng)會(huì)導(dǎo)致0.55%Chl-a含量的變化.即水體中TP濃度對(duì)于研究區(qū)域內(nèi)浮游植物生物量的變化影響較大,水溫的影響次之,而N/P的影響較小.

2.6 解釋和討論

在方程(5)中,研究區(qū)域湖泊水體中水質(zhì)參數(shù)TP、N/P、水溫和Chl-a含量呈現(xiàn)了長(zhǎng)期均衡關(guān)系.關(guān)于營(yíng)養(yǎng)鹽對(duì)于浮游植物增殖的影響一直存在爭(zhēng)議[4,33],本研究中格蘭杰因果關(guān)系檢驗(yàn)的結(jié)果表明在研究時(shí)間段內(nèi)存在單向的TP到Chl-a的格蘭杰因果關(guān)系,即梅梁灣湖區(qū) TP的濃度對(duì)水體中浮游植物生物量存在較為顯著的促進(jìn)作用,且對(duì)于浮游植物的影響遠(yuǎn)大于其他水質(zhì)參數(shù).在太湖的相關(guān)研究中,Guo等[34]使用冗余分析和TITAN分析研究了太湖梅梁灣和五里湖地區(qū)營(yíng)養(yǎng)鹽對(duì)浮游植物的影響,發(fā)現(xiàn) TP可能是影響該區(qū)域藻類生長(zhǎng)的限制因子.Xu等[35]通過(guò)原位實(shí)驗(yàn)和野外采樣,估計(jì)了藻類暴發(fā)的營(yíng)養(yǎng)鹽閾值為0.20mg TP/L.在本研究區(qū)域中,營(yíng)養(yǎng)鹽的濃度為0.14mg TP/L (0.006～4.89mg/L).因此在該地區(qū)長(zhǎng)時(shí)間尺度內(nèi)富營(yíng)養(yǎng)化過(guò)程的浮游植物增殖更多受到 TP的影響,且長(zhǎng)時(shí)間的監(jiān)測(cè)數(shù)據(jù)進(jìn)一步表明TP的影響最大.對(duì)于N/P來(lái)說(shuō),格蘭杰因果關(guān)系檢驗(yàn)表明N/P存在對(duì)Chl-a濃度變化的單向影響,但是向量自回歸模型的結(jié)果表示,1%的 N/P的變化只會(huì)造成 0.078%Chl-a含量的變化,相關(guān)性分析的結(jié)果也表明N/P與Chl-a濃度之間的相關(guān)關(guān)系不明顯(相關(guān)系數(shù)為0.32,P＞0.05,n=156,文章中未顯示).另外,研究區(qū)域內(nèi)氮磷比為 35.07(0.03～127.86),高于 Redfield[36]對(duì)水體中藻類生長(zhǎng)適宜氮磷比(N/P=16)的閾值.因此 N/P的變化并不是影響湖區(qū)中 Chl-a含量變化的主要因素.而對(duì)于水溫而言,格蘭杰因果關(guān)系檢驗(yàn)的結(jié)果表明存在從湖泊水溫到浮游植物生物量的單向格蘭杰因果關(guān)系.溫度對(duì)藻類增殖的影響早有研究提及,Abrantes等[37]研究表明溫度是影響浮游植物生長(zhǎng)的主要因素,LüRLING 等[38]在對(duì)藍(lán)藻增殖的研究中也得出了相似的結(jié)論.向量自回歸模型的結(jié)果進(jìn)一步表明在該研究區(qū)域湖泊水溫對(duì)浮游植物生物量的影響要小于 TP的變化,但是遠(yuǎn)大于N/P的變化.

TP、N/P、WT和Chl-a指標(biāo)在平穩(wěn)性檢驗(yàn)中呈現(xiàn)了不平穩(wěn)性(I(1)),而梅梁灣區(qū)域其他水質(zhì)參數(shù)(lnTN、lnSD、pH、lnNH4+-N、lnNOx-N和 lnNH4+-N/NOx-N)的原始數(shù)據(jù)呈現(xiàn)平穩(wěn)性(I(0)),對(duì)于不同階時(shí)間序列的相關(guān)性分析可能會(huì)導(dǎo)致偽回歸的產(chǎn)生,并且導(dǎo)致錯(cuò)誤的結(jié)論,因此從統(tǒng)計(jì)學(xué)意義上,上述參數(shù)不作為水體中Chl-a含量的格蘭杰原因.對(duì)于氮源來(lái)說(shuō),梅梁灣區(qū)域研究時(shí)段內(nèi) TN的含量為 3.45(0.02～13.56mg/L),而在該區(qū)域的研究結(jié)果顯示,水華現(xiàn)象發(fā)生的TN閾值為0.8mg/L[35,39].因此梅梁灣區(qū)域內(nèi)氮源對(duì)于浮游植物生長(zhǎng)的限制作用可能十分有限.而對(duì)于pH值和SD來(lái)說(shuō),本研究的結(jié)果可以解讀為水體中pH值和SD的變化無(wú)法預(yù)測(cè)和影響水體中浮游植物生物量的變化,事實(shí)上水體中pH值和SD的變化可能是浮游植物增殖的結(jié)果,主要原因分別為浮游植物增殖消耗水體中CO2和HCO3-從而增加水體pH值[40]以及藻類增殖減少水體透明度.

在已有的對(duì)太湖區(qū)域藻類生物量進(jìn)行模型預(yù)測(cè)工作時(shí),陳宇煒等[10]也利用長(zhǎng)時(shí)間的太湖水質(zhì)參數(shù)和藻類生物量進(jìn)行回歸統(tǒng)計(jì),結(jié)果發(fā)現(xiàn)水體中 TP和水溫對(duì)于藻類生物量具有顯著影響,與本文結(jié)果較為相似.鄧建明等[41]利用廣義可加模型和太湖監(jiān)測(cè)數(shù)據(jù),分析自變量對(duì)于因變量的非線性關(guān)系,發(fā)現(xiàn)除總磷和溫度外,化學(xué)需氧量和電導(dǎo)率也是影響微囊藻生物量的關(guān)鍵環(huán)境因子,可能原因是模型選擇的差異.在少量時(shí)間序列分析方法在湖沼學(xué)領(lǐng)域的應(yīng)用中,Lui等[15]利用向量自回歸模型擬合了香港吉澳島附近海域葉綠素?zé)晒馀c相關(guān)水質(zhì)參數(shù)的時(shí)間趨勢(shì)模型,該研究同樣也發(fā)現(xiàn)了時(shí)間變量之間的滯后效應(yīng).龔紹琦等[42]使用時(shí)間序列方法中的自回歸滑動(dòng)平均模型(ARMA)建立了太湖不同湖區(qū)內(nèi)葉綠素濃度的時(shí)間序列模型,并對(duì)一定時(shí)間內(nèi)葉綠素濃度進(jìn)行預(yù)測(cè),取得了較好的預(yù)測(cè)精度.本文研究利用時(shí)間序列方法對(duì)太湖梅梁灣監(jiān)測(cè)數(shù)據(jù)進(jìn)行分析,發(fā)現(xiàn)了在一定滯后期內(nèi)湖泊水質(zhì)參數(shù)對(duì)于浮游植物生物量的影響,這一結(jié)論佐證了孔繁翔等提出的藍(lán)藻水華暴發(fā)的四階段假說(shuō)-休眠、復(fù)蘇、生物量增加(生長(zhǎng))、上浮及聚集等四個(gè)階段[14].向量自回歸模型的結(jié)果定量的闡述了在該研究區(qū)域內(nèi)不同水質(zhì)參數(shù)的影響大小,梅梁灣湖區(qū)水華增殖過(guò)程中,TP的變化強(qiáng)烈導(dǎo)致了水體中Chl-a的變化,說(shuō)明湖泊水體中 TP的輸入有利于水華暴發(fā)的形成,且 TP發(fā)揮的作用大于水體溫度和其他營(yíng)養(yǎng)鹽,這可能和該流域內(nèi)污染物的排放特征有關(guān).而相對(duì)于其他營(yíng)養(yǎng)鹽(如氮源),控制流域內(nèi)的P輸入和湖泊內(nèi)源P釋放對(duì)于抑制水華暴發(fā)可能會(huì)起到更大的作用.另外水溫的變化也導(dǎo)致了浮游植物生物量的變化,表明在長(zhǎng)時(shí)間尺度內(nèi)水溫的升高可能會(huì)提高水體中 Chl-a的含量.因此在全球氣候變暖的前提下水溫對(duì)藻類水華暴發(fā)的促進(jìn)作用暗示了在氣候變暖的全球趨勢(shì)下,升高的水體溫度將提高該區(qū)域藻類水華暴發(fā)的概率和強(qiáng)度[43].

3 結(jié)論

3.1 太湖梅梁灣區(qū)域湖泊水質(zhì)參數(shù)中TN、SD、pH、NH4+-N、NOx-N和NH4+-N/NOx-N不能解釋Chl-a含量變化的原因,而TP、N/P和WT與Chl-a之間均存在單向的格蘭杰因果關(guān)系.

3.2 研究區(qū)域內(nèi)TP、N/P、WT和Chl-a含量之間存在長(zhǎng)期均衡關(guān)系,在保持其他條件不變的基礎(chǔ)上,1%TP、N/P和WT的變化將會(huì)導(dǎo)致0.97%、0.078%和0.55%Chl-a含量的變化.水體中TP的濃度在水華暴發(fā)過(guò)程中的作用可能高于其他營(yíng)養(yǎng)鹽(如不同形式的氮源),水溫的影響次之.

值得注意的是,時(shí)間序列方法較少在湖泊富營(yíng)養(yǎng)化領(lǐng)域中應(yīng)用,其表述的因果關(guān)系可以在數(shù)理統(tǒng)計(jì)學(xué)上對(duì)應(yīng)用的場(chǎng)景進(jìn)行解釋,同時(shí)模型的意義也需要結(jié)合實(shí)際的狀況進(jìn)行闡述.另外本研究由于缺少對(duì)應(yīng)的水文和氣象數(shù)據(jù),因此未將上述因素考慮在內(nèi),但是水位、降水量和風(fēng)力條件等因素對(duì)于水華暴發(fā)也有重要影響,因此在下一步的研究中應(yīng)將這些因素考慮在內(nèi).

參考文獻(xiàn)：

[1]Heisler J, Glibert P M, Burkholder J M, et al. Eutrophication and harmful algal blooms: a scientific consensus [J]. Harmful algae,2008,8(1):3-13.

[2]Paerl H W, Otten T G. Harmful cyanobacterial blooms: causes,consequences, and controls [J]. Microbial Ecology, 2013,65(4):995-1010.

[3]Merel S, Walker D, Chicana R, et al. State of knowledge and concerns on cyanobacterial blooms and cyanotoxins [J].Environment International, 2013,59(3):303-327.

[4]馬健榮,鄧建明,秦伯強(qiáng),等.湖泊藍(lán)藻水華發(fā)生機(jī)理研究進(jìn)展[J]. 生態(tài)學(xué)報(bào), 2013,33(10):3020-3030.

[5]Jochimsen E M, Carmichael W W, An J, et al. Liver failure and death after exposure to microcystins at a hemodialysis center in Brazil [J]. New England Journal of Medicine, 1998,338(13):873-878.

[6]De Figueiredo D R, Azeiteiro U M, Esteves S M, et al.Microcystin-producing blooms—a serious global public health issue [J]. Ecotoxicology and Environmental Safety, 2004,59(2):151-163.

[7]Vollenweider R A. Input-output models [J]. Schweizerische Zeitschrift für Hydrologie, 1975,37(1):53-84.

[8]Ye C, Shen Z, Zhang T, et al. Long-term joint effect of nutrients and temperature increase on algal growth in Lake Taihu, China [J].Journal of Environmental Sciences, 2011,23(2):222-227.

[9]李 博,孫冬梅,馮 平,等.于橋水庫(kù)浮游藻類時(shí)空分布規(guī)律的數(shù)值模擬研究 [J]. 中國(guó)環(huán)境科學(xué), 2013,33(3):508-515.

[10]陳宇煒,秦伯強(qiáng),高錫云.太湖梅梁灣藻類及相關(guān)環(huán)境因子逐步回歸統(tǒng)計(jì)和藍(lán)藻水華的初步預(yù)測(cè) [J]. 湖泊科學(xué), 2001,13(1):63-71.

[11]Rigosi A, Hanson P, Hamilton D P, et al. Determining the probability of cyanobacterial blooms: the application of Bayesian networks in multiple lake systems [J]. Ecological Applications A Publication of the Ecological Society of America, 2015,25(1):186-199.

[12]陳云峰,殷福才,陸根法.富營(yíng)養(yǎng)化水體水華暴發(fā)的突變模型 [J].中國(guó)環(huán)境科學(xué), 2006,26(1):125-128.

[13]鄭劍鋒,焦繼東.基于神經(jīng)網(wǎng)絡(luò)的城市內(nèi)湖水華預(yù)警綜合建模方法研究 [J]. 中國(guó)環(huán)境科學(xué), 2017,37(5):1872-1878.

[14]孔繁翔,高 光.大型淺水富營(yíng)養(yǎng)化湖泊中藍(lán)藻水華形成機(jī)理的思考 [J]. 生態(tài)學(xué)報(bào), 2005,25(3):589-595.

[15]Lui G C, Li W K, Leung K M, et al. Modelling algal blooms using vector autoregressive model with exogenous variables and long memory filter [J]. Ecological Modelling, 2007,200(1):130-138.

[16]Bozoklu S, Yilanci V. Energy consumption and economic growth for selected OECD countries: Further evidence from the Granger causality test in the frequency domain [J]. Energy Policy, 2013,63(3):877-881.

[17]Wang S, Li Q, Fang C, et al. The relationship between economic growth, energy consumption, and CO2emissions: empirical evidence from China [J]. Science of the Total Environment, 2016,542(Pt A):360-371.

[18]Xiao F, Brajer V, Mead R W. Blowing in the wind: the impact of China's Pearl River Delta on Hong Kong's air quality [J]. Science of the Total Environment, 2006,367(1):96-111.

[19]Chen Y, Fan C, Teubner K, et al. Changes of nutrients and phytoplankton chlorophyll-a in a large shallow lake, Taihu, China:an 8-year investigation [J]. Hydrobiologia, 2003,506(1-3):273-279.

[20]Qin B, Zhu G, Gao G, et al. A drinking water crisis in Lake Taihu,China: linkage to climatic variability and lake management [J].Environmental Management, 2010,45(1):105-112.

[21]金相燦,屠清瑛.湖泊富營(yíng)養(yǎng)化調(diào)查規(guī)范 [M]. 北京:中國(guó)環(huán)境科學(xué)出版社, 1990:138-207.

[22]Granger C W. Investigating causal relations by econometric models and cross-spectral methods [J]. Econometrica: Journal of the Econometric Society, 1969,37(3):424-438.

[23]Sims C A. Money, income, and causality [J]. The American economic review, 1972,62(4):540-552.

[24]Dickey D A, Fuller W A. Distribution of the estimators for autoregressive time series with a unit root [J]. Journal of the American statistical association, 1979,74(366a):427-431.

[25]Dickey D A, Fuller W A. Likelihood ratio statistics for autoregressive time series with a unit root [J]. Econometrica:Journal of the Econometric Society, 1981,49(4):1057-1072.

[26]Engle R F, Granger C W. Co-integration and error correction:representation, estimation, and testing [J]. Econometrica: Journal of the Econometric Society, 1987,55(2):251-276.

[27]Chang C-C. A multivariate causality test of carbon dioxide emissions, energy consumption and economic growth in China [J].Applied Energy, 2010,87(11):3533-3537.

[28]曹永福.格蘭杰因果性檢驗(yàn)評(píng)述 [J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2006,23(1):155-160.

[29]Akaike H. A new look at the statistical model identification [J].IEEE transactions on automatic control, 1974,19(6):716-723.

[30]Schwarz G. Estimating the dimension of a model [J]. The Annals of Statistics, 1978,6(2):461-464.

[31]高 山,黃 楊,王 超.貨幣政策傳導(dǎo)機(jī)制有效性的實(shí)證研究——基于我國(guó)利率傳導(dǎo)渠道的VAR模型分析 [J]. 財(cái)經(jīng)問(wèn)題研究, 2011,(7):50-58.

[32]高鐵梅.計(jì)量經(jīng)濟(jì)分析方法與建模/EViews 應(yīng)用及實(shí)例/數(shù)量經(jīng)濟(jì)學(xué)系列叢書:EViews應(yīng)用及實(shí)例 [M]. 清華大學(xué)出版社有限公司, 2006:267-314.

[33]Paerl H W, Xu H, McCarthy M J, et al. Controlling harmful cyanobacterial blooms in a hyper-eutrophic lake (Lake Taihu,China): The need for a dual nutrient (N & P) management strategy [J]. Water Research, 2011,45(5):1973-1983.

[34]Guo W, Zhu Y, Fu Z, et al. Influences of environmental factors on biomass of phytoplankton in the northern part of Tai Lake, China,from 2000 to 2012 [J]. Environmental Monitoring and Assessment, 2017,189(12):608-617.

[35]Xu H, Paerl H W, Qin B, et al. Nitrogen and phosphorus inputs control phytoplankton growth in eutrophic Lake Taihu, China [J].Limnology and Oceanography, 2010,55(1):420-432.

[36]Redfield A C. The biological control of chemical factors in the environment [J]. Science Progress, 1960,11(11):150-170.

[37]Abrantes N, Antunes S, Pereira M, et al. Seasonal succession of cladocerans and phytoplankton and their interactions in a shallow eutrophic lake (Lake Vela, Portugal) [J]. Acta Oecologica, 2006,29(1):54-64.

[38]L rling M, Eshetu F, Faassen E J, et al. Comparison of cyanobacterial and green algal growth rates at different temperatures [J]. Freshwater Biology, 2013,58(3):552-559.

[39]Xu H, Paerl H W, Qin B, et al. Determining critical nutrient thresholds needed to control harmful cyanobacterial blooms in eutrophic Lake Taihu, China [J]. Environmental Science &Technology, 2014,49(2):1051-1059.

[40]Oliver R L, Ganf G G. Freshwater blooms. In B. A. Whitton & M.Potts (Eds.), The ecology of cyanobacteria: their diversity in time and space [M]. Dordrecht: Springer Netherlands, 2002:149-194.

[41]鄧建明,秦伯強(qiáng),王博雯.廣義可加模型在 R 中的快捷實(shí)現(xiàn)及藍(lán)藻水華預(yù)測(cè)分析中的應(yīng)用 [J]. 生態(tài)學(xué)雜志, 2015,34(3):835-842.

[42]龔紹琦,黃家柱,李云梅,等.應(yīng)用時(shí)間序列分析法對(duì)太湖葉綠素-α含量的動(dòng)態(tài)研究 [J]. 海洋與湖沼, 2008,39(6):591-598.

[43]商兆堂,任 健,秦銘榮,等.氣候變化與太湖藍(lán)藻暴發(fā)的關(guān)系[J]. 生態(tài)學(xué)雜志, 2010,29(1):55-61.