• 中文核心期刊
  • 中国科技核心期刊
  • ISSN 1007-6336
  • CN 21-1168/X

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

乐清湾海水养殖环境水质质量时空变化及富营养化状况评价

李妙聪 刘文胜 江锦花

引用本文:
Citation:

乐清湾海水养殖环境水质质量时空变化及富营养化状况评价

    作者简介: 李妙聪(1981-),男,浙江温岭人,工程师,主要从事海洋环境监测工作,E-mail:summers98@163.com;
    通讯作者: 江锦花(1965-),教授,主要研究方向为环境污染化学,E-mail:jjh4421@163.com
  • 基金项目: 温岭市科技局项目(2017C212004)
  • 中图分类号: X82

Analysis of spatial-temporal variation and nutritional status of environmental quality in the mariculture zone at the Yueqing bay

  • 摘要: 本文分析了2016-2018年乐清湾养殖区水体中pH、温度、盐度、溶解氧(dissolved oxygen,DO)、叶绿素(chlorophyl A,Chl a)、氨氮(ammonia nitrogen,NH4-N)、亚硝酸盐氮(nitrite nitrogen,NO2-N)、硝酸盐氮(nitrate nitrogen,NO3-N)、可溶性磷酸盐(soluble active phosphors,DIP)等海水水质质量指标,并研究了其水质质量状况。通过单因子污染指数法的评价结果表明,乐清湾养殖区的pH、温度、盐度、DO等指标均符合国家二类水质标准。与其他海域养殖区比较,DO浓度处于偏低状态;而DIN和DIP的浓度较高。利用水质质量富营养化指标分析法(the analysis of water quality eutrophication index,TRIX),本研究发现乐清湾养殖区的水质富营养指标值较大,处于较高的富营养化状态。通过主成分分析(principal component analysis,PCA)可知,第一主成分相关指标主要是NO2-N、NH4-N、DIP、温度以及NO3-N,且NH4-N、NO3-N、DIN与TRIX之间存在良好的正相关关系。
  • 图 1  乐清湾采样图

    Figure 1.  Sampling stations of the Yuqing bay

    图 2  2016-2018年水质指标时空变化

    Figure 2.  Spatiotemporal variation of water quality from 2016-2018

    图 3  海水中各水质指标的主成分分析图

    Figure 3.  Principal component analysis diagram of each water quality index in seawater

    表 1  乐清湾海水养殖区2016—2018年间各水质参数

    Table 1.  Seawater quality characteristics (mean ± SD) from mariculture areas in Yueqing bay between 2016 and 2018

    采样点pHT/℃SDO/mg·L−1Chl a/μg·L−1NH4-N/μg·L−1NO2-N/μg·L−1NO3-N/μg·L−1DIN/μg·L−1DIP/μg·L−1
    S17.89±0.1426.43±3.5723.14±4.626.41±0.691.64±1.21111.76±98.1569.56±45.06699.93±253.21881.25±217.4567.83±33.44
    S27.88±0.1426.36±3.5923.44±4.326.37±0.732.54±3.3794.55±75.8159.23±41.67654.45±290.33808.23±273.2552.67±19.03
    S37.89±0.1326.46±3.6223.22±4.436.49±0.692.18±2.7589.93±61.8261.66±42.24928.11±1000.181079.70±977.9354.05±21.88
    S47.89±0.1226.56±3.7223.37±4.416.37±0.661.92±1.9686.48±60.2359.00±39.81681.57±284.87827.05±262.0051.52±17.05
    S57.89±0.1226.44±3.8723.61±4.066.56±0.692.09±2.4368.36±61.1651.03±38.99627.74±291.77747.13±271.3849.34±24.82
    S67.88±0.1126.38±3.6424.16±3.946.59±0.632.18±3.1269.15±66.7951.66±41.19664.51±291.78785.32±251.6548.68±20.21
    S77.92±0.1026.26±3.8124.68±4.006.80±0.702.09±2.0051.58±47.2239.50±35.21589.18±263.34680.26±254.9042.40±19.61
    最小值7.7321.0317.135.010.201.100.60230.00273.105.20
    最大值8.1632.8031.067.8812.20370.60157.003845.003942.50152.70
    平均值7.8926.4123.666.512.0981.6955.95692.21829.8552.36
    下载: 导出CSV

    表 2  其他海域海水的质量参数

    Table 2.  Quality parameters of seawater in other areas

    采样点采样时间pHT/℃SChl a/μg·L−1DO/mg·L−1NH4-N/μg·L−1NO2-N/μg·L−1NO3-N/μg·L−1DIN/μg·L−1DIP/μg·L−1参考文献
    乐清湾2016-20187.9
    (7.7~8.2)
    26.4
    (21.0~32.8)
    23.7
    (17.3~31.1)
    2.1
    (0.2~12.2)
    6.5
    (5.1~7.9)
    81.7
    (1.1~370.6)
    56.0
    (0.6~157.0)
    692.2
    (230.0~3845.0)
    829.9
    (273.1~3942.5)
    52.4
    (5.2~152.7)
    本研究
    Kalpakkam2012-20148.1
    (7.9~8.4)

    (27.2~32.1)
    3.3
    (0.1~6.5)
    5.6
    (4.4~6.8)
    153.3
    (53.3~220.2)
    10.1
    (nd-28.7)
    10.8
    (nd-30.4)
    22.9
    (5.6~66.0)
    [6]
    The Marano and Grado Lagoon2012-201416.3
    (3.21~30.1)
    23.5
    (0.21~37.9)
    1.26
    (0.06~111)
    8.8
    (3.19~14.9)
    55.9
    (0.56~369.6)
    14.0
    (0.42~170.8)
    826.0
    (1.68~5152)
    895.9
    (2.66~5692. 4)
    14.26
    (0.31~316.2)
    [7]
    Izmir Bay,EasternAegean2015-20178.1
    (7.9~38.4)
    19.4
    (11.0~28.7)
    38.3
    (36.9~41.2)
    8.6
    (1.09~32.8)
    7.1
    (5.51~10.1)
    115.4
    (1.4~334.6)
    66.3
    (11.5~135.5)
    [12]
    Yellow Sea,China2013-201519.3
    (3.9~29.0)
    32.2
    (16.5~34.8)
    2.9
    (0.1~32.6)
    352.3
    (75.5~1691. 2)
    21.0
    (3.5~196.9)
    [13]
    Bizerte Lagoon, Mediterranean201219.7
    (9.9~28.0)
    36.6
    (34.2~38.4)
    3.8
    (1.2~7.2)
    7.1
    (5.4~8.9)
    18.2
    (3.5~35)
    0.98
    (0.8~2.1)
    75.3
    (26.5~138.2)
    94.533.2
    (17.8~49.0)
    [14]
    大连2014-20158.1
    (7.9~8.2)
    6.4
    (1.9~15.7)
    31.89.5
    (5.6~12.3)
    202.0
    (13.0~335.0)
    24.0[15]
    lagoons of Western Greece2005-20078.2
    (7.3~9.0)
    24.2
    (15.3~32.5)
    14.1
    (4.1~56.1)
    1.2
    (0.0~16.5)

    (1.9~12.6)
    185.7
    (0.8~2097.6)
    21.3
    (0.0~198.3)
    396.0
    (5.6~1742.0)
    603.0
    (8.0~2276.5)
    7.3
    (0.8~274.5)
    [16]
    注:“−”表示未检测
    下载: 导出CSV

    表 3  TRIX的时空变化

    Table 3.  The temporal and spatial variation of TRIX

    时间采样点
    S1S2S3S4S5S6S7平均值
    2016-056.576.557.286.686.366.336.066.55
    2016-086.566.756.616.586.746.546.676.63
    2017-056.546.366.236.366.456.46.396.39
    2017-087.057.096.696.556.436.76.196.67
    2017-095.776.005.925.776.335.655.585.86
    2017-106.706.56.616.556.516.476.236.51
    2018-055.775.576.045.765.745.765.625.75
    2018-086.285.735.826.395.526.15.915.97
    2018-096.406.375.476.365.446.045.845.99
    下载: 导出CSV
  • [1] 姚炜民, 陈 雷. 乐清湾海水增养殖区环境质量状况及分析[J]. 海洋通报, 2017, 26(4): 116-120.
    [2] DU J, ZHAO H X, WANG Y, et al. Presence and environmental risk assessment of selected antibiotics in coastal water adjacent to mariculture areas in the Bohai Sea[J]. Ecotoxicology and Environmental Safety, 2019, 177: 117-123. doi: 10.1016/j.ecoenv.2019.03.075
    [3] 车潇炜, 孔宪喻, 刘艳芳, 等. 基于支持向量机的渤海富营养化快速测评技术研究[J]. 中国海洋大学学报, 2017, 47(7): 72-78, 95.
    [4] LI H M, LI X M, LI Q, et al. Environmental response to long-term mariculture activities in the Weihai coastal area, China[J]. Science of the Total Environment, 2017, 601/602: 22-31. doi: 10.1016/j.scitotenv.2017.05.167
    [5] LU X X, WANG Z H, FENG J. Sedimentary records of recent anthropogenic eutrophication and metal contamination in Zhelin Bay, an important mariculture area in Southern China[J]. Marine Pollution Bulletin, 2017, 114(2): 1118-1124. doi: 10.1016/j.marpolbul.2016.10.036
    [6] SMITA ACHARY M, PANIGRAHI S, SATPATHY K K, et al. Health risk assessment and seasonal distribution of dissolved trace metals in surface waters of Kalpakkam, southwest coast of Bay of Bengal[J]. Regional Studies in Marine Science, 2016, 6: 96-108. doi: 10.1016/j.rsma.2016.03.017
    [7] CUTRIM M V J, FERREIRA F S, DOS SANTOS A K D, et al. Trophic state of an urban coastal lagoon (northern Brazil), seasonal variation of the phytoplankton community and environmental variables[J]. Estuarine, Coastal and Shelf Science, 2019, 216: 98-109. doi: 10.1016/j.ecss.2018.08.013
    [8] CARLSON R E. A trophic state index for lakes[J]. Limnology and Oceanography, 1977, 22(2): 361-369. doi: 10.4319/lo.1977.22.2.0361
    [9] WU H L, HUO Y Z, HU M, et al. Eutrophication assessment and bioremediation strategy using seaweeds co-cultured with aquatic animals in an enclosed bay in China[J]. Marine Pollution Bulletin, 2015, 95(1): 342-349. doi: 10.1016/j.marpolbul.2015.03.016
    [10] 郭卫东, 章小明, 杨逸萍, 等. 中国近岸海域潜在性富营养化程度的评价[J]. 台湾海峡, 1998, 17(1): 64-70.
    [11] VOLLENWEIDER R A, GIOVANARDI F, MONTANARI G, et al. Characterization of the trophic conditions of marine coastal waters with special reference to the NW Adriatic Sea: proposal for a trophic scale, turbidity and generalized water quality index[J]. Environmetrics, 1998, 9(3): 329-357. doi: 10.1002/(SICI)1099-095X(199805/06)9:3<329::AID-ENV308>3.0.CO;2-9
    [12] KUCUKSEZGIN F, GONUL L T, PAZI I, et al. Assessment of seasonal and spatial variation of surface water quality: Recognition of environmental variables and fecal indicator bacteria of the coastal zones of Izmir Bay, Eastern Aegean[J]. Regional Studies in Marine Science, 2019, 28: 100554. doi: 10.1016/j.rsma.2019.100554
    [13] KONG X Y, SUN Y Y, SU R G, et al. Real-time eutrophication status evaluation of coastal waters using support vector machine with grid search algorithm[J]. Marine Pollution Bulletin, 2017, 119(1): 307-319. doi: 10.1016/j.marpolbul.2017.04.022
    [14] BÉJAOUI B, ARMI Z, OTTAVIANI E, et al. Random Forest model and TRIX used in combination to assess and diagnose the trophic status of Bizerte Lagoon, southern Mediterranean[J]. Ecological Indicators, 2016, 71: 293-301. doi: 10.1016/j.ecolind.2016.07.010
    [15] 柴成林, 袁洪梅, 张 瑜, 等. 大连市金州海带养殖区理化因子动态及营养状况评价[J]. 大连海洋大学学报, 2017, 32(3): 342-348.
    [16] CHRISTIA C, GIORDANI G, PAPASTERGIADOU E. Assessment of ecological quality of coastal lagoons with a combination of phytobenthic and water quality indices[J]. Marine Pollution Bulletin, 2014, 86: 411-423. doi: 10.1016/j.marpolbul.2014.06.038
    [17] 杨 平, 谭立山, 金宝石, 等. 九龙江河口区养虾塘水体营养盐与叶绿素a含量的变化特征及影响因素[J]. 湿地科学, 2017, 15(6): 794-800.
    [18] 王 颢, 魏姗姗, 阳 藻, 等. 福建三沙湾夏季海水溶解氧分布及低氧现象初探[J]. 海洋湖沼通报, 2014 (3): 167-174.
    [19] 孙元敏, 陈 彬, 黄海萍, 等. 南海北部海岛周边海域生态环境质量综合评价[J]. 中国环境科学, 2016, 36(9): 2874-2880. doi: 10.3969/j.issn.1000-6923.2016.09.047
    [20] 褚 帆, 刘宪斌, 刘占广, 等. 天津近岸海域海水富营养化评价及其主成分分析[J]. 海洋通报, 2015, 34(1): 107-112. doi: 10.11840/j.issn.1001-6392.2015.01.016
    [21] 杨丽娜, 李正炎, 张学庆. 大辽河近入海河段水体溶解氧分布特征及低氧成因的初步分析[J]. 环境科学, 2011, 32(1): 51-57.
    [22] 刘 潇, 薛 莹, 纪毓鹏, 等. 基于主成分分析法的黄河口及其邻近水域水质评价[J]. 中国环境科学, 2015, 35(10): 3187-3192. doi: 10.3969/j.issn.1000-6923.2015.10.040
  • [1] 卓明谭映宇刘瑜李士义熊天琦 . 乐清湾沿岸主要污染物排放现状调查. 海洋环境科学, 2015, 34(6): 834-837. doi: 10.13634/j.cnki.mes.2015.06.006
    [2] 劳齐斌刘国强高劲松申友利郭钊青尚敏粟启仲孙燕 . 钦州湾养殖区营养盐分布特征及富营养化状况研究. 海洋环境科学, 2021, 40(3): 407-416. doi: 10.12111/j.mes.20200066
    [3] 李欣钰康美华侯鹏飞高翔李娜姚庆祯 . 2013年胶州湾溶解营养盐时空分布特征. 海洋环境科学, 2016, 35(3): 334-342. doi: 10.13634/j.cnki.mes.2016.03.003
    [4] 杨旖祎李轶叶属峰 . 乐清湾盐度环境梯度下浮游植物生态阈值研究. 海洋环境科学, 2018, 37(4): 499-504. doi: 10.12111/j.cnki.mes20180405
    [5] 董文华江雪艳于志刚姚庆祯许博超 . 224Ra对春季青岛近海水体混合及营养盐来源的示踪研究. 海洋环境科学, 2016, 35(1): 117-122. doi: 10.13634/j.cnki.mes.2016.01.019
    [6] 马奔赵辉 . 夏季珠江口叶绿素a和营养盐分布特征及其与环境因子的关系. 海洋环境科学, 2021, 40(5): 707-716. doi: 10.12111/j.mes.20200244
    [7] 钱健贾怡然丰卫华陈立红陈德慧黄宝兴 . 椒江口海域营养盐及富营养状况的时空变化. 海洋环境科学, 2016, 35(5): 743-749. doi: 10.13634/j.cnki.mes.2016.05.017
    [8] 李保石厉丞烜金玉休纪鹏赵晓龙何帅 . 广海湾海域营养盐时空分布及富营养化评价. 海洋环境科学, 2020, 39(5): 657-663. doi: 10.12111/j.mes.20190171
    [9] 李发明蔡一枝赵晨辉曹保玉陆文平刘凌峰 . 汕尾近岸海域营养盐的时空分布及潜在富营养化评价. 海洋环境科学, 2021, 40(4): 497-506. doi: 10.12111/j.mes.20200146
    [10] 马云瑞郭佩芳 . 我国深远水养殖环境适宜条件研究. 海洋环境科学, 2017, 36(2): 249-254. doi: 10.13634/j.cnki.mes.2017.02.014
    [11] 吴彤陈艳拢黄凤荣马玉娟包春霞 . 基于统计学方法的秦皇岛海域营养盐长时序变化分析. 海洋环境科学, 2015, 34(4): 499-502,523. doi: 10.13634/j.cnki.mes.2015.04.004
    [12] 刘雅丽高磊朱礼鑫王腾宋淑贞李道季 . 长江口及邻近海域营养盐的季节变化特征. 海洋环境科学, 2017, 36(2): 243-248. doi: 10.13634/j.cnki.mes.2017.02.013
    [13] 赵春宇谭烨辉柯志新李佳俊姜歆向晨晖 . 南海东北部间隙水营养盐的空间分布及其交换通量. 海洋环境科学, 2016, 35(5): 662-669. doi: 10.13634/j.cnki.mes.2016.05.005
    [14] 孟祥森邵雪琳高丽魏权徐刚 . 绿潮硬毛藻衰亡分解过程中营养盐的释放规律. 海洋环境科学, 2016, 35(4): 495-500. doi: 10.13634/j.cnki.mes.2016.04.003
    [15] 董书航刘素美任景玲李佳张经 . 春季东海营养盐跨陆架输运通量的初步估算. 海洋环境科学, 2016, 35(3): 385-391. doi: 10.13634/j.cnki.mes.2016.03.010
    [16] 刘西汉王玉珏石雅君刘东艳王艳霞田海兰程林 . 曹妃甸近海营养盐和叶绿素a的时空分布及其影响因素研究. 海洋环境科学, 2020, 39(1): 89-98. doi: 10.12111/j.mes20200113
    [17] 郭金强张桂成褚春莹梁生康韩秀荣 . 长江水体营养盐输入及对长江口海域营养盐浓度和结构的影响. 海洋环境科学, 2020, 39(1): 59-65, 74. doi: 10.12111/j.mes20200109
    [18] 高天赐高学鲁邢前国赵建民 . 秋季牟平海洋牧场及其邻近海域沉积物-水界面营养盐交换通量. 海洋环境科学, 2020, 39(3): 387-392. doi: 10.12111/j.mes20200310
    [19] 陆双龙张建兵蔡芸霜钟丽雯张栋佟智成胡宝清 . 基于文献计量学的我国入海河口营养盐研究状况分析. 海洋环境科学, 2021, 40(2): 309-316. doi: 10.12111/j.mes.20200003
    [20] 桓清柳庞仁松周秋伶冷科明 . 深圳近岸海域氮、磷营养盐变化趋势及其与赤潮发生的关系. 海洋环境科学, 2016, 35(6): 908-914. doi: 10.13634/j.cnki.mes.2016.06.017
  • 加载中
图(3)表(3)
计量
  • 文章访问数:  659
  • HTML全文浏览量:  327
  • PDF下载量:  22
出版历程
  • 收稿日期:  2020-04-30
  • 录用日期:  2020-07-01
  • 刊出日期:  2021-10-20

乐清湾海水养殖环境水质质量时空变化及富营养化状况评价

    作者简介:李妙聪(1981-),男,浙江温岭人,工程师,主要从事海洋环境监测工作,E-mail:summers98@163.com
    通讯作者: 江锦花(1965-),教授,主要研究方向为环境污染化学,E-mail:jjh4421@163.com
  • 1. 台州市生态环境局温岭分局,浙江 温岭 317500
  • 2. 温州海洋环境监测中心站,浙江 温州 325000
  • 3. 台州学院 环境工程系,浙江 椒江 318000
基金项目: 温岭市科技局项目(2017C212004)

摘要: 本文分析了2016-2018年乐清湾养殖区水体中pH、温度、盐度、溶解氧(dissolved oxygen,DO)、叶绿素(chlorophyl A,Chl a)、氨氮(ammonia nitrogen,NH4-N)、亚硝酸盐氮(nitrite nitrogen,NO2-N)、硝酸盐氮(nitrate nitrogen,NO3-N)、可溶性磷酸盐(soluble active phosphors,DIP)等海水水质质量指标,并研究了其水质质量状况。通过单因子污染指数法的评价结果表明,乐清湾养殖区的pH、温度、盐度、DO等指标均符合国家二类水质标准。与其他海域养殖区比较,DO浓度处于偏低状态;而DIN和DIP的浓度较高。利用水质质量富营养化指标分析法(the analysis of water quality eutrophication index,TRIX),本研究发现乐清湾养殖区的水质富营养指标值较大,处于较高的富营养化状态。通过主成分分析(principal component analysis,PCA)可知,第一主成分相关指标主要是NO2-N、NH4-N、DIP、温度以及NO3-N,且NH4-N、NO3-N、DIN与TRIX之间存在良好的正相关关系。

English Abstract

  • 乐清湾位于浙江南部沿海,是一个深入内地的半封闭海湾,三面环陆,南面与东海相连。由于其良好的避风条件和优越的气候条件,乐清湾海水养殖业从20世纪80年代起得到了迅猛的发展,随着养殖规模的不断扩大,这里已经成为浙江省的重点海水养殖基地之一[1]。在海水养殖的过程中,往往需要人工投喂大量的配合饲料和鲜活饵料,这些饵料仅有一部分被有效利用,其他饵料以残饵、排泄物和粪便等形式排入周边的海洋环境中,由此形成了养殖的内源污染物。值得注意的是,高密度的投饵养殖鱼、虾类等养殖方式,往往造成养殖海域氮、磷化合物浓度的增加。海水养殖鱼、虾类等排出的氮、磷废弃物占投喂饲料总量的70%以上[2-3],由此可引发水体富营养化。海水富营养化可促使浮游生物迅速生长,造成海水中溶解氧浓度降低,阻碍水生经济动物的生长,成为海水养殖可持续发展的瓶颈[4]。同时,海水养殖的经济生物也可能引起海水中营养盐浓度、结构和浮游植物群落结构的改变[5]。此外,海水营养盐输入、输出的平衡性,也会引起水生生态系统物种、物质与能量流动等的不平衡,最终导致水生生态环境状况恶化[6-7]。因此,海水质量不仅对海水养殖有重要影响,而且也是海洋生态环境系统良性循环的有力保障。目前,近海富营养化状态的评价方法有:以化学需氧量(COD)、营养盐等为参数的单指数法[8],以总氮、总磷、COD和Chl a为参数的营养状态质量指数法[9],潜在性富营养化(N/P)法[10]以及富营养化状态指数法(TRIX法)等综合指数法[11],其中,TRIX法是我国海洋环境评价的重要方法。

    本文通过对乐清湾养殖区主要海水水质指标的连续性跟踪调查,评价了养殖环境的海水质量等级,分析了其主要污染因子及来源。通过TRIX方法,分析乐清湾养殖区的海水质量状况,评价其海洋生态系统的结构与功能,这对于合理开发和利用乐清湾的海洋资源具有十分重要的意义。

    • 选取浙江省乐清湾海水养殖区的7 个站位作为采样点(图1),主要以养殖缢蛏、泥蚶、蛤蜊等滤食性双壳贝类为主;采样时间为每年的5月、8月、9月、10月,连续3年(2016-2018年)的海水水质监测数据;采样点位于水面下0.5 m处。

      图  1  乐清湾采样图

      Figure 1.  Sampling stations of the Yuqing bay

    • 监测指标为pH、温度、盐度、DO、Chl a、NH4-N、NO2-N、NO3-N和DIP。全部样品的采集、预处理和保存参照《海洋监测规范》(GB/T 12763-2007)和《海洋监测标准》(GB17378-2007)执行。分析项目及方法如下:pH用pH计测定;温度用表层水温表法;盐度采用盐度计法;DO用碘量法;Chl a的测定方法为分光光度法(SL 88-2012);NH4-N测定用纳氏试剂分光光度法(HJ 536-2009);NO2-N用酚二磺酸分光光度法(GB/T 7480-1987);NO3-N分析用锌镉还原法(HJ 346-2007);DIP分析用抗坏血酸还原磷钼蓝法(HJ 671-2013);DIN为NH4-N、NO2-N和NO3-N之和。

    • 1998年,Vollenweider等[11]提出近海富营养化评价方法的TRIX指数法,计算公式如下:

      式中: Chl a为水体中Chl a的浓度;DIN、DIP分别代表水体中总氮和总磷的浓度;aD%O2为水体中溶解氧的绝对标准偏差。TRIX 指数法对富营养化状态的分类标准为:2<TRIX<4 为极低富营养化;4≤TRIX<5 为低富营养化;5≤TRIX<6 为中等富营养化;6≤TRIX<8 为高富营养化。

    • 采用Excel 2010软件,对原始数据进行处理;采用SPSS 19.0软件,分析海水中各水质指标的相关性;采用OriginPro 8.0软件进行绘图。

    • 从2016年到2018年,每年分别采集5月、8月、9月、10月乐清湾海水养殖区7个有代表性的海水水样,按照国家《海水水质标准》(GB 3097-1997),分别对水质指标中的pH、温度、盐度、DO、Chl a、NH4-N、NO2-N、NO3-N、DIP等指标进行测定分析,并对7个采样点各指标的3年平均值、最大值、最小值进行统计,并与国家标准进行比较,结果见表1

      表1可知,乐清湾养殖区域中海水pH的变化范围(平均值)为7.73~8.16 (7.89);水温变化范围(平均值)为21.03 ℃~32.80 ℃(26.41 ℃),由于采样时间设为每年的5月到10月,所以水温的变化幅度相对较小;盐度的变化范围(平均值)为17.13~31.06(23.66);海水中DO 浓度变化范围(平均值)为5.01~7.88 mg/L(6.51 mg/L);海水中NH4-N的浓度范围 (平均值) 为1.10~370.60 μg/L(81.69 μg/L);海水中NO2-N浓度范围(平均值)为0.60~157.00 μg/L(55.95 μg/L);NO3-N浓度范围(平均值)为230.00~3845.00 μg/L(692.21 μg/L);DIN的浓度范围(平均值)为273.10~3942.50 μg/L (829.85 μg/L);海水中DIP的浓度范围(平均值)为5.2~152.70 μg/L(52.36 μg/L);Chl a的浓度变化范围(平均值)为0.20~12.20 μg/L(2.09 μg/L)。其中,水温、盐度、DO 各采样点的3年平均值变化不大,各采样点海水中DO的平均浓度均大于5 mg/L,符合第二类海水水质标准;而DIN和DIP的浓度超标较为严重, 劣于第四类海水水质标准范围要求。与其他海域养殖区相比,乐清湾海域水体中DO处于低浓度水平。

      采样点pHT/℃SDO/mg·L−1Chl a/μg·L−1NH4-N/μg·L−1NO2-N/μg·L−1NO3-N/μg·L−1DIN/μg·L−1DIP/μg·L−1
      S17.89±0.1426.43±3.5723.14±4.626.41±0.691.64±1.21111.76±98.1569.56±45.06699.93±253.21881.25±217.4567.83±33.44
      S27.88±0.1426.36±3.5923.44±4.326.37±0.732.54±3.3794.55±75.8159.23±41.67654.45±290.33808.23±273.2552.67±19.03
      S37.89±0.1326.46±3.6223.22±4.436.49±0.692.18±2.7589.93±61.8261.66±42.24928.11±1000.181079.70±977.9354.05±21.88
      S47.89±0.1226.56±3.7223.37±4.416.37±0.661.92±1.9686.48±60.2359.00±39.81681.57±284.87827.05±262.0051.52±17.05
      S57.89±0.1226.44±3.8723.61±4.066.56±0.692.09±2.4368.36±61.1651.03±38.99627.74±291.77747.13±271.3849.34±24.82
      S67.88±0.1126.38±3.6424.16±3.946.59±0.632.18±3.1269.15±66.7951.66±41.19664.51±291.78785.32±251.6548.68±20.21
      S77.92±0.1026.26±3.8124.68±4.006.80±0.702.09±2.0051.58±47.2239.50±35.21589.18±263.34680.26±254.9042.40±19.61
      最小值7.7321.0317.135.010.201.100.60230.00273.105.20
      最大值8.1632.8031.067.8812.20370.60157.003845.003942.50152.70
      平均值7.8926.4123.666.512.0981.6955.95692.21829.8552.36

      表 1  乐清湾海水养殖区2016—2018年间各水质参数

      Table 1.  Seawater quality characteristics (mean ± SD) from mariculture areas in Yueqing bay between 2016 and 2018

    • 2016年5月到2018年10月连续3年养殖环境水质指标的动态分布见图2。3年间变化幅度较小的指标有pH、水温、盐度、DO和NO3-N,变化幅度较大的指标有Chl a、NH4-N和NO2-N等。其中,pH的变化幅度最小,范围为7.74~8.12,且均符合第一类海水水质标准要求;其次,水温的变化范围为21.50 ℃~32.09 ℃,最高海水温度出现在8月,5月和10月温度差别较小,盐度的变化幅度也较小,为18.09~30.41。DO的最高浓度出现在2018年5月,为7.50 mg/L,而最低值出现在2016年8月,仅为5.31 mg/L,当海水中DO浓度低于3 mg/L时称为低氧环境,不利于海水中好氧微生物的生长。DIP的浓度较高,最高值出现在2017年10月,结果为89.59 mg/L,最低值出现在2018年9月,为21.53 mg/L,每年10月,海水中DIP的浓度均明显高于其他月的平均值。DIN浓度范围为421.80~1357.99 mg/L,最高值和最低值分别出现在2016年5月和2018年8月,部分海域劣于第四类海水水质标准,其中,2016年5月监测结果平均值超出标准近3倍。在DIN的3种形态中, NO3-N所占的比例最高,为NH4-N和NO2-N的5~10倍,是DIN的主要存在形态,这说明该海水水域环境氧化能力较强,水体具有较好的自净能力,这与Cutrim等[7]的研究结果一致。不同时期,NH4-N的变化幅度较大,范围为8.55~204.86 μg/L,其中,最高浓度出现在2017年8月,为最低浓度2018年9月的3倍以上,海水中NH4-N的浓度高低没有明显的季节特性。NO2-N的变化幅度较大,范围为12.53~143.00 mg/L, 最大值和最小值分别出现在2016年8月和2017年9月。NO3-N的总体水平较高,其变化幅度范围为321.29~1288.14 mg/L, 最大值和最小值分别出现在2016年5月和2018年8月,高浓度的NO3-N是海水中DIN的主要贡献指标,这与养殖环境大量的饵料投入有关。

      图  2  2016-2018年水质指标时空变化

      Figure 2.  Spatiotemporal variation of water quality from 2016-2018

    • 为进一步了解乐清湾海域养殖区水质指标及营养盐水平,将该海域水体中各指标从2016-2018年3年的浓度变化范围和平均值,与国内外其他海水养殖区中的指标进行分析比较,结果见表2。从表2可知,pH的平均值略低于其他地区,且各海水养殖区的变化幅度较小;水温平均值明显高于其他养殖区,这与该研究的采样时间为每年的5-10月有关。与其他海域水质指标的对比分析发现,各水质指标存在明显的地域差异,乐清湾海水养殖区的盐度、Chl a的浓度平均值处于中等偏下的水平,如盐度和Chl a浓度较高的海水养殖区有Izmir Bay[12]、黄海[13]、Bizerte Lagoon, Mediterranean[14]、大连[15]等;而盐度和Chl a浓度较低的海水养殖区域如lagoons of Western Greece[16]等,其浓度分别是最高值海域的1/3和1/7。而乐清湾增养殖区海水中DO的平均值为6.5 mg/L,远低于其他养殖区,如大连海域[16]海水养殖区DO的平均浓度高达9.5 mg/L,the Marano海湾[7]养殖区海水中的DO为8.8 mg/L。与此结果类似,杨平等[17]研究发现,养殖塘水体较高的DO浓度有利于水生生物的生长,因此,在海水养殖初期,水中DO浓度较低,但在养殖中、后期,海水中DO浓度会不断增加;王颢等[18]也发现低氧区的出现可能与网箱养殖活动有关。有研究表明,低氧环境不利于水生动物的生长,如孙元敏等[19]发现,经历低氧变动模式的鲻鱼代谢速率下降,同时需要消耗较多的物质和能量参与氧化应激,用于生长的物质和能量需求减少,从而导致其生长速度下降。因此,需要对该区域的低氧原因作深入分析,并采取适当措施。NH4-N的浓度处于中等水平,但与其他海水养殖区相比,NO2-N、NO3-N、DIN、DIP的浓度均处于浓度偏高水平。

      采样点采样时间pHT/℃SChl a/μg·L−1DO/mg·L−1NH4-N/μg·L−1NO2-N/μg·L−1NO3-N/μg·L−1DIN/μg·L−1DIP/μg·L−1参考文献
      乐清湾2016-20187.9
      (7.7~8.2)
      26.4
      (21.0~32.8)
      23.7
      (17.3~31.1)
      2.1
      (0.2~12.2)
      6.5
      (5.1~7.9)
      81.7
      (1.1~370.6)
      56.0
      (0.6~157.0)
      692.2
      (230.0~3845.0)
      829.9
      (273.1~3942.5)
      52.4
      (5.2~152.7)
      本研究
      Kalpakkam2012-20148.1
      (7.9~8.4)

      (27.2~32.1)
      3.3
      (0.1~6.5)
      5.6
      (4.4~6.8)
      153.3
      (53.3~220.2)
      10.1
      (nd-28.7)
      10.8
      (nd-30.4)
      22.9
      (5.6~66.0)
      [6]
      The Marano and Grado Lagoon2012-201416.3
      (3.21~30.1)
      23.5
      (0.21~37.9)
      1.26
      (0.06~111)
      8.8
      (3.19~14.9)
      55.9
      (0.56~369.6)
      14.0
      (0.42~170.8)
      826.0
      (1.68~5152)
      895.9
      (2.66~5692. 4)
      14.26
      (0.31~316.2)
      [7]
      Izmir Bay,EasternAegean2015-20178.1
      (7.9~38.4)
      19.4
      (11.0~28.7)
      38.3
      (36.9~41.2)
      8.6
      (1.09~32.8)
      7.1
      (5.51~10.1)
      115.4
      (1.4~334.6)
      66.3
      (11.5~135.5)
      [12]
      Yellow Sea,China2013-201519.3
      (3.9~29.0)
      32.2
      (16.5~34.8)
      2.9
      (0.1~32.6)
      352.3
      (75.5~1691. 2)
      21.0
      (3.5~196.9)
      [13]
      Bizerte Lagoon, Mediterranean201219.7
      (9.9~28.0)
      36.6
      (34.2~38.4)
      3.8
      (1.2~7.2)
      7.1
      (5.4~8.9)
      18.2
      (3.5~35)
      0.98
      (0.8~2.1)
      75.3
      (26.5~138.2)
      94.533.2
      (17.8~49.0)
      [14]
      大连2014-20158.1
      (7.9~8.2)
      6.4
      (1.9~15.7)
      31.89.5
      (5.6~12.3)
      202.0
      (13.0~335.0)
      24.0[15]
      lagoons of Western Greece2005-20078.2
      (7.3~9.0)
      24.2
      (15.3~32.5)
      14.1
      (4.1~56.1)
      1.2
      (0.0~16.5)

      (1.9~12.6)
      185.7
      (0.8~2097.6)
      21.3
      (0.0~198.3)
      396.0
      (5.6~1742.0)
      603.0
      (8.0~2276.5)
      7.3
      (0.8~274.5)
      [16]
      注:“−”表示未检测

      表 2  其他海域海水的质量参数

      Table 2.  Quality parameters of seawater in other areas

    • 为了进一步了解乐清湾养殖区的水质富营养化状况,对2016-2018年7个不同采样点的TRIX进行统计分析,结果见表3。由表3可知,该区域水体富营养化现象比较严重,各点3年平均值为6.06~6.41,每个采样点的水质均处于高富营养化(6≤TRIX<8)状态。2016年5月、6月,2017年5月、8月、10月,2018年10月,该区域水质均处于高富营养化状态;2017年9月、2018年5月、2018年8月、2018年9月,分别有71.42%、85.71%、57.14%、42.86%的采样点水质为低富营养化状态(4≤TRIX<5),其他采样点均为高富营养化状态。对照其他海水养殖水质的富营养化指标TRIX,该区域的富营化属中等偏上的水平,TRIX值较高的海域如Jansen Lagoon[7]和Izmir Bay[12],其平均值分别为8.04和6.70;TRIX值较低的海域如中国的黄东海海区[13]、渤海[3],其平均值分别为5.65、5.79。TRIX 值超过 6 时,海水处于典型的高生产力状态,易产生水体富营养化现象,富营养化频发可以导致海域底层缺氧,但TRIX 值低于4时,不利于海水养殖生产力提高[15]。因此,海水养殖区域往往具有较高的TRIX值,也有暴发水体富营养化灾害的危险。

      时间采样点
      S1S2S3S4S5S6S7平均值
      2016-056.576.557.286.686.366.336.066.55
      2016-086.566.756.616.586.746.546.676.63
      2017-056.546.366.236.366.456.46.396.39
      2017-087.057.096.696.556.436.76.196.67
      2017-095.776.005.925.776.335.655.585.86
      2017-106.706.56.616.556.516.476.236.51
      2018-055.775.576.045.765.745.765.625.75
      2018-086.285.735.826.395.526.15.915.97
      2018-096.406.375.476.365.446.045.845.99

      表 3  TRIX的时空变化

      Table 3.  The temporal and spatial variation of TRIX

    • 为进一步研究水质指标对海水养殖产量及水体富营养化的影响,对乐清湾养殖区域中的水质指标进行相关性和来源分析。利用主成分分析法分别对pH、温度、盐度、DO、Chl a、NH4-N、NO2-N、NO3-N、DIN、DIP和TRIX等指标进行相关性的来源分析,分别提取第1、2、3主成分,其方差贡献率分别为64.07%、13.05%和11.27%,累计贡献率为88.38%;再对3个主成分的变量载荷PC1作为x轴,PC2和PC3作为y轴,分别作图PC1—PC2、PC1—PC3(如图3所示),研究各相关因子对水体富营养化的贡献率,分析该区域水体富营养化的可能原因。由图3可知,第一主成分的方差贡献率最大,达64.07%,与第一主成分相关的指标是NO2-N、NH4-N、DIP、温度以及NO3-N的载荷较大,其中与NO2-N的相关系数最大,为0.99,其次为NH4-N,其相关系数为0.95,与DO、盐度和pH存在明显的负相关关系,这说明氮、磷浓度的升高,以及盐度和pH的降低是导致该区域水体富营养化的主要原因。盐度与第一主成分存在明显的负相关性,其相关系数为−0.96,说明盐度越低,其水体中富营养化程度越高。褚帆等[20]也发现盐度低的入海口海水富营养化程度相对较高,说明盐度对海域富营养化状况有重要的影响。首先,盐度对富营养化状况的影响体现在氮磷等营养盐来源为陆源,随着向近海的排放,必然存在浓度梯度。随着稀释作用的加强,高盐度海水的污染物浓度会降低,呈显著负相关性。其次,第一主成分与DO之间也存在明显的负相关性,其相关系数为−0.89,DO的高低直接影响水中生物生长情况,水生动物过度繁殖、有机物含量过高的区域消耗大量的氧,DO会随生物量的增加迅速下降[21],较低浓度的DO是水体富营养化结果的重要表现,由此推断该海域易发生水体富营养化现象。第二主成分与Chl a之间存在明显的相关关系,其相关系数为0.83,为影响该海域水体富营养化的次要驱动因子,Chl a是反映水体藻类生长的主要生物量之一,处于富营养化状态中的水体,Chl a的浓度一般处于较高的水平[22]。第三主成分与NO3-N之间存在最大的相关关系,其相关系数为0.63,是影响该海域水体富营养化的重要因子。同时,从图3可以发现,NH4-N、NO3-N、DIN与TRIX之间存在良好的正相关性,说明该区域水体中的氮和磷可能具有相同的来源。

      图  3  海水中各水质指标的主成分分析图

      Figure 3.  Principal component analysis diagram of each water quality index in seawater

    • (1)2016-2018年,乐清湾养殖区水体中pH、温度、盐度、DO等指标质量状况良好,达到海水养殖水体的一、二级水质质量的要求,但与其他海域养殖区比较,DO浓度偏低,而NH4-N、NO2-N、NO3-N、DIP较高,特别是DIN和DIP较高,均超过海水水质四类标准要求,需要重视并分析原因,探究合理的控制措施。根据3年的连续测定发现,各水质指标季节分布规律性不强,可能与外源性污染物的输入有关。

      (2)利用TRIX水质质量富营养化指标分析法发现,乐清湾养殖区的水质富营养指标超标比较严重,大部分时间及采样点处于高富营养化状态,需引起重视。

      (3)通过主成分分析,第一主成分相关指标主要是亚硝酸盐、氨氮、DIP、温度以及硝酸盐,且氨氮、硝酸盐、DIN与TRIX之间存在良好的正相关性,说明该区域水体中的氮和磷可能具有相同的来源。

参考文献 (22)

目录

    /

    返回文章