滇池藻生物量与水环境因子逐步回归分析及初步预测

颜 翔

（昆明市环境监测中心，云南昆明650228）

滇池藻生物量与水环境因子逐步回归分析及初步预测

颜 翔

（昆明市环境监测中心，云南昆明650228）

使用滇池外海3年水质监测数据，应用逐步回归分析藻生物量与水环境因子关系，初步建立藻生物量预测方程，用于预测滇池藻生物量变化情况。结果表明，叶绿素a、水温、溶解氧、总氮、pH、五日生化需氧量、透明度为滇池藻生物量的显著相关因子。方程不能预测大多数峰值，变化趋势大体可以预测。应在预测方程的后续研究中相应地加入气象、水文参数。

藻生物量；逐步回归分析；藻生物量预测；滇池

滇池属长江流域金沙江水系，位于昆明市西南，属断陷构造湖泊，是云贵高原湖面最大的淡水湖泊，平均水深4.5m，湖水面积309.5km2［1］。20世纪90年代以来，伴随着滇池富营养化程度的日益加重［2］，蓝藻水华已从每年季节性暴发发展到近几年的几乎周年性暴发，且越来越严重，已经成为当今世界的治理难题［3］。

本文以滇池外海8个水质监测点为基础，应用逐步回归的统计方法对滇池常规监测的12项水质指标进行分析，以期在此基础上建立滇池藻生物量预测方程，从一定程度上为蓝藻水华的暴发起到预警作用。

1 分析方法

1.1 采样点布设

滇池湖体有水质监测点位12个，其中例行常规监测点位10个。本次研究选取滇池外海8个常规监测点 （晖湾中、罗家营、观音山东、观音山中、观音山西、白鱼口、滇池南、海口西），根据优化布点原则分布于全湖，见图1。

1.2 监测项目及频次

监测项目以滇池常规例行监测为主，分别为水温、pH、溶解氧、高锰酸盐指数、化学需氧量、五日生化需氧量、氨氮、总磷、总氮、透明度、叶绿素a、藻生物量。监测频次为每月1次。除藻生物量采用快速荧光法外［4］，其余各项目的分析均采用标准方法［5］。

2 回归方程建立

2.1 数据标准化处理

本次研究统计了滇池2011—2013年滇池例行监测数据，首先对数据进行标准化处理，即对数据进行去量纲［6］，过程如下：

2.2 方程参数选定

以藻生物量为因变量，水温、pH、溶解氧、高锰酸盐指数、化学需氧量、五日生化需氧量、氨氮、总磷、总氮、透明度、叶绿素a为自变量，运用SPSS 19.0并采用线性逐步回归筛选自变量，最终得出多元回归方程，过程见图2、图3。

从图3可知，SPSS筛选出与藻生物量显著相关的叶绿素a、水温、溶解氧、总氮、pH、五日生化需氧量、透明度。

2.3 回归方程建立

经过以上步骤，建立标准化回归方程为：

因sig＜0.05，本回归方程有意义，可以使用。由图4可知，因变量基本符合正态分布，图5中各点基本在一条直线上，进一步证明所建立方程是有意义的。

3 方程验证

将标准化水质因子输入方程做相关性分析，选用Pearson相关系数做计算可得滇池水质因子与藻生物量的线性相关矩阵表。

将水质因子实测数据代入方程，预测所得藻生物量值与实测值折线图如图7所示，回归方程计算所得预测值与实测值二者在变化趋势上基本保持一致，计算二者相关系数为0.597426，对于单纯依靠水质参数作为输入因子的预测方程基本可以接受。

4 结论

通过预测方程的求解与建立，发现藻生物量与叶绿素a、水温、溶解氧、总氮、pH、五日生化需氧量、透明度等水质参数较其他水质参数有明显相关性，依据回归方程所得预测值在判别藻生物量变化趋势上也基本符合实测情况，因此预测方程具有一定的实用价值。

但藻类的分布在水体中是不均匀的，特别是不同气象、水文条件下，其在水面的聚集度也差别巨大，有的地方聚集密度高，有的地方聚集密度低［7］，这些情况都在一定程度上影响着测量的准确度，相同水环境条件下各测点藻类生物量都有很大差别，因此单用水质参数作为预测输入因子不能很好地反映实测数值，这能很好解释方程为何不能预测大多数峰值，而变化趋势大体可以预测。因此要实现数值的精确预测该方程显得力不从心，应在预测方程的后续研究中相应地加入气象、水文参数，使方程能更客观地反映情况、更具实用性。

［1］支国强，张亮，杨育华，和兰娣，刘蜀治，张妮妮.滇池流域水资源综合平衡管理研究［J］.长江流域资源与环境，2013，22（9）.

［2］倪兆奎，王圣瑞，金相灿，焦立新，李跃进.云贵高原典型湖泊富营养化演变过程及特征研究［J］.环境科学学报，2011（12）.

［3］黄炜.蓝藻水华与水体富营养化综合治理 ［J］.中国农村水利水电，2014（4）.

［4］翁建中，王亚超，李继影，徐恒省.荧光技术在太湖蓝藻水华预警监测中的应用［J］.中国环境监测，2009（4）.

［5］本书编委会.水和废水监测分析方法：第4版 ［M］.北京：中国环境科学出版社，2002.

［6］刘元波，高锡芸.太湖北部梅梁湾水域水质因子聚类 ［J］.湖泊科学，1997（3）.

［7］马健荣，邓建明，秦伯强，龙胜兴.湖泊蓝藻水华发生机理研究进展［J］.生态学报，2013（10）.

Algae Biomass Prediction Using Stepw ise Regression Analysis based on the Algae Biomass and W ater Quality Factors in Dianchi Lake

YAN Xiang
（Kunming Center of Environmental Monitoring，Kunming Yunnan 650228，China）

The algae biomass prediction equation was built up based upon the relationship between the algae biomass and water quality factors using stepwise regression analysismethod based on three years'water qualitymonitoring data ofWaihaiof Dianchi Lake.The results showed that chlorophyll a，water temperature，total nitrogen，pH，BOD5，and transparency have significant correlations with the algae biomass.The equation could not predict the peak value.But it can predict the trend.Themeteorological factors and hydrologic factors should be involved in the equation in order to getmore precise prediction results.

algae biomass；stepwise regression analysis；prediction of algae biomass；Dianchi Lake

X52

A

1673-9655（2015）05-0017-05

2015-04-09