方 娜,游清徽,劉玲玲,李菊媛,盧成芳,張 琍,3,楊 濤,3,余紫萍,呂澤蘭,陽文靜,3,*

1 江西師范大學(xué)鄱陽湖濕地與流域研究教育部重點實驗室,南昌 330022 2 江西師范大學(xué)地理與環(huán)境學(xué)院,南昌 330022 3 江西師范大學(xué)江西省鄱陽湖綜合治理與資源開發(fā)重點實驗室,南昌 330022 4 江西師范大學(xué)生命科學(xué)學(xué)院,南昌 330022

濕地是介于陸地與水生生態(tài)系統(tǒng)之間的過渡地帶,具有涵養(yǎng)水源、調(diào)節(jié)徑流、降解污染及保護生物多樣性等重要功能[1- 2]。因受圍墾、污水排放等人類活動的影響,會導(dǎo)致濕地環(huán)境惡化、生物多樣性降低、濕地生態(tài)服務(wù)功能減弱等問題[3- 4]。水體富營養(yǎng)化是濕地水環(huán)境評價的關(guān)鍵,濕地水體的富營養(yǎng)化評價可以較為準確地反映濕地的水質(zhì)狀況和健康程度,為濕地的保護和修復(fù)提供科學(xué)依據(jù)[5]。

常用的水體富營養(yǎng)化程度評價方法有卡爾森營養(yǎng)狀態(tài)指數(shù)、綜合營養(yǎng)狀態(tài)指數(shù)、模糊數(shù)學(xué)法,灰色聚類法、人工神經(jīng)網(wǎng)絡(luò)模型、云模型等方法[6- 11]。其中,營養(yǎng)狀態(tài)指數(shù)法計算簡便,但其主要突出單項指標的作用,而水體富營養(yǎng)化評價通常需要考慮多個評價因子的綜合影響[12]；模糊綜合評價法排除評價邊界隸屬模糊的影響,卻存在隸屬函數(shù)選擇的隨機性；灰色聚類法精確度高而結(jié)果分辨率低；人工神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用性較差[13]。水體富營養(yǎng)化評價過程存在分類標準的模糊性、水質(zhì)指標多變和難以定量描述等問題,使評價過程具有明顯的隨機性和模糊性[5]。基于云模型的富營養(yǎng)化評價方法可以有效解決上述問題,使水質(zhì)評價結(jié)果更為客觀。云模型是李德毅院士提出的一種定性概念與其定性數(shù)值相互轉(zhuǎn)換模型,能綜合考慮評價過程中評價標準的非線性、評價因子的多樣性以及評價過程之中的模糊性與隨機性等特點[14]。在大氣環(huán)境質(zhì)量評價、地震風險綜合評價、旅游發(fā)展評估等多方面得到廣泛應(yīng)用[13,15- 16]。在水質(zhì)評價方面有丁昊等利用云模型對湖庫的富營養(yǎng)化狀況進行了評價,并驗證了其可行性[11]。

鄱陽湖作為中國最大的淡水湖泊,是典型的淺水型湖泊,在平水期、枯水期洲灘大片裸露,形成大面積的濕地,以其獨特的生境與復(fù)雜的氣候、水文條件形成了鄱陽湖極具特色的濕地生態(tài)系統(tǒng)[17- 18]。近年來,受周邊居民生活、養(yǎng)殖業(yè)及流域內(nèi)工農(nóng)業(yè)生產(chǎn)等人類活動的影響,鄱陽湖水質(zhì)狀況不斷下降,富營養(yǎng)化程度加劇[19- 20]。目前關(guān)于鄱陽湖富營養(yǎng)化狀況的研究主要集中在鄱陽湖主湖區(qū)[21- 23],對鄱陽湖周邊濕地水質(zhì)進行富營養(yǎng)化評價的研究還較少。富營養(yǎng)化評價能讓管理者更直觀地了解鄱陽湖濕地的水質(zhì)狀況,以便及時采取相應(yīng)的保護管理措施。本研究旨在基于云模型對鄱陽湖周邊濕地水體進行富營養(yǎng)化評價,同時與應(yīng)用較廣泛的富營養(yǎng)化評價方法綜合營養(yǎng)狀態(tài)指數(shù)法進行對比,分析兩種方法評價結(jié)果的異同,以期為鄱陽湖濕地水質(zhì)評價提供重要的方法和手段。

圖1 鄱陽湖濕地采樣點分布圖Fig.1 Locations of sample sites in Poyang Lake wetland

1 材料與方法

1.1 數(shù)據(jù)采集與處理

2016年9—10月于鄱陽湖周邊隨機選取了30個典型濕地進行采樣(圖1),在采樣點的開闊水域利用塞氏盤測量水體的透明度(Secchi disk depth, SD),并采集3份250 mL的水樣,用冷藏保溫箱保存后帶回實驗室,進行葉綠素a(chlorophyll-a, Chl-a)、總磷(total phosphorus, TP)、總氮(total nitrogen, TN)、高錳酸鹽指數(shù)(chemical oxygen demand using manganese, CODMn)等水質(zhì)參數(shù)的測定。Chl-a采用丙酮萃取法測定,參考《水和廢水監(jiān)測分析方法》(第4版)[24],TP和TN采用紫外分光光度法測定,CODMn采用堿性高錳酸鉀法測定。

1.2 研究方法

1.2.1云模型評價

(1)評價指標及標準

本文選擇使用較廣泛[23,25- 26]的Chl-a、TP、TN、CODMn、SD 等5個水質(zhì)評價因子進行鄱陽湖濕地水體的富營養(yǎng)化評價,水體營養(yǎng)狀態(tài)分級標準[27]見表1。

(2)確定評價因子權(quán)重

本文根據(jù)評價因子的實測濃度和各營養(yǎng)分級標準濃度來計算評價因子權(quán)重。設(shè)評價因子X=[x1,x2,x3,x4,x5],它的權(quán)重矩陣為A=[a1,a2,a3,a4,a5],權(quán)重計算公式為：

表1 富營養(yǎng)化評價參數(shù)及分級標準

Chl-a：葉綠素a Chlorophyll-a；TP：總磷Total phosphorus；TN：總氮Total nitrogen；CODMn：高錳酸鹽指數(shù) Chemical oxygen demand using manganese；SD：透明度Secchi disk depth

(1)

(2)

式中,n為評價因子個數(shù),m為水體樣本數(shù),ci為xi的實測質(zhì)量濃度,ai為評價因子xi的權(quán)重,Sik為xi的第k級標準值,wi為第i個評價因子的m個水體樣本的平均實測濃度值與該評價因子的Sik值的平均值之比。

(3)確定云模型參數(shù)

云模型用期望Ex、熵En和超熵He共3個數(shù)字特征來整體表征一個概念[14]。Ex表示云滴在論域空間分布的期望,是概念在論域空間的中心值,最能夠代表定性概念；En表示一個定性概念可被度量的范圍,熵越大可被度量的范圍越廣；He表示云圖上云滴的離散程度,超熵將模糊性和隨機性相關(guān)聯(lián),反映了云滴的厚度[11,28]。

假設(shè)水體評價因子的富營養(yǎng)評價類別對應(yīng)的特征值范圍具有上下邊界[Bmin,Bmax],則富營養(yǎng)評價類別的云模型的3個數(shù)字特征可以通過下式計算:

(3)

式中,Bmin、Bmax分別表示富營養(yǎng)評價類別對應(yīng)的特征值范圍的最小與最大邊界。k為常數(shù),本文中設(shè)k為0.01,不同等級云模型數(shù)字特征的具體計算方法參照文獻方法[11]。設(shè)水質(zhì)指標的5個營養(yǎng)等級評價區(qū)間分別為Ⅰ(0,a],Ⅱ(a,b],Ⅲ(b,c],Ⅳ(c,d],Ⅴ(d,+∞),云模型參數(shù)的計算規(guī)則見表2。

Ex：期望 Expected value；En：熵 Entropy；He：超熵 Hyper Entropy

(4)生成云模型

根據(jù)確定的云模型數(shù)字特征參數(shù),使用MATLAB軟件編寫正態(tài)云及半云發(fā)生器程序[29- 30],分別生成5個評價因子的云模型。

(5)計算綜合確定度

各評價因子隸屬于某級別的確定度相加,乘以相應(yīng)的評價因子權(quán)重A,得到該水體位于某一級別的確定度之和,然后比較得到最大確定度,最大確定度所在的級別即為各采樣點所屬的富營養(yǎng)化級別。

1.2.2綜合營養(yǎng)狀態(tài)指數(shù)

綜合營養(yǎng)狀態(tài)指數(shù)法是中國環(huán)境監(jiān)測總站推薦使用的湖泊(水庫)富營養(yǎng)化評價方法[31]?；贑hl-a、TP、TN、CODMn和SD等水質(zhì)指標對水體富營養(yǎng)化程度進行評價,計算公式如下：

TLI(∑)=∑Wj·TLI(j)

(4)

式中,TLI(∑)表示綜合營養(yǎng)狀態(tài)指數(shù)；Wj表示第j種參數(shù)的營養(yǎng)狀態(tài)指數(shù)的相關(guān)權(quán)重；TLI(j)表示第j種參數(shù)的營養(yǎng)狀態(tài)指數(shù)。

以Chl-a為基準參數(shù),則第j中參數(shù)的歸一化相關(guān)權(quán)重計算公式為：

(5)

式中,rij表示第j中參數(shù)與基準參數(shù)Chl-a的相關(guān)系數(shù)；m表示評價參數(shù)的個數(shù)。

營養(yǎng)狀態(tài)指數(shù)公式如下：

TLI(Chl-a)=10(2.5+1.086lnChl-a)

(6)

TLI(TP)=10(9.436+1.624lnTP)

(7)

TLI(TN)=10(5.453+1.694lnTN)

(8)

TLI(CODMn)=10(0.109+2.661lnCODMn)

(9)

TLI(SD)=10(5.118-1.94lnSD)

(10)

式中,SD單位為m,Chl-a單位為mg/m3,其他指標單位均為mg/L。采用0—100的一系列連續(xù)數(shù)字對水體營養(yǎng)狀態(tài)進行分級,指數(shù)值越高,營養(yǎng)程度越重。TLI在30以下為貧營養(yǎng),30—50為中營養(yǎng),大于50為富營養(yǎng),其中50—60為輕度富營養(yǎng),60—70為中度富營養(yǎng),大于70為重度富營養(yǎng)。

2 研究結(jié)果

2.1 云模型評價結(jié)果

將營養(yǎng)狀態(tài)分級標準值(表1)和各采樣點的評價因子的實測值代入(1—2)式中,可以得到各評價因子的權(quán)重：A=[0.13,0.26,0.35,0.21,0.05],從左到右分別為Chl-a、TP、TN、CODMn、SD的權(quán)重。其中TN的權(quán)重最大,其次是TP、CODMn,權(quán)重最小的是Chl-a、SD。

根據(jù)云模型數(shù)字特征參數(shù)的計算方法(表2),計算各水質(zhì)因子的云模型參數(shù)。因SD分級標準與其他評價因子有異,其云模型數(shù)字特征參數(shù)單獨列出(表3)。在MATLAB軟件中生成5個評價因子的云模型如圖2所示。橫坐標代表評價因子濃度,縱坐標代表評價因子對應(yīng)各個營養(yǎng)級別云的確定度,橫坐標從左到右分別代表從貧營養(yǎng)到重度富營養(yǎng)所對應(yīng)的云,評價因子SD從右到左分別代表從貧營養(yǎng)到重度富營養(yǎng)所對應(yīng)的云。每個評價因子的實測值,在云模型圖上都有對應(yīng)的確定度。

表3 透明度的云模型數(shù)字特征

圖2 各評價因子對應(yīng)各營養(yǎng)級別的云模型Fig.2 The integrated cloud for each water quality parameter Chl-a：葉綠素a Chlorophyll-a；TP：總磷Total phosphorus；TN：總氮Total nitrogen；CODMn ：高錳酸鹽指數(shù) Chemical oxygen demand using manganese；SD：透明度Secchi disk depth

計算各采樣點5個水質(zhì)因子對應(yīng)各營養(yǎng)級別的綜合確定度(表4),云模型評價結(jié)果顯示,本研究的30個鄱陽湖周邊濕地采樣點中,有7個采樣點的水質(zhì)處于中營養(yǎng),17個采樣點處于輕度富營養(yǎng),5個處于中度富營養(yǎng),僅1個采樣點處于重度富營養(yǎng)。根據(jù)云模型富營養(yǎng)化評價結(jié)果,鄱陽湖周邊濕地水質(zhì)總體上處于輕度富營養(yǎng)。

2.2 綜合營養(yǎng)狀態(tài)指數(shù)評價結(jié)果

鄱陽湖周邊濕地水質(zhì)綜合營養(yǎng)指數(shù)范圍是40.79—62.96(表4),其中有12個采樣點的綜合營養(yǎng)指數(shù)小于50,水質(zhì)處于中營養(yǎng)；15個采樣點的綜合營養(yǎng)指數(shù)處于50—60之間,水質(zhì)呈輕度富營養(yǎng)；3個采樣點的綜合營養(yǎng)指數(shù)處于60—70之間,其水質(zhì)處于中度富營養(yǎng)。根據(jù)綜合營養(yǎng)狀態(tài)指數(shù)評價結(jié)果,鄱陽湖周邊濕地水質(zhì)整體上處于輕度富營養(yǎng)。

3 討論

水體富營養(yǎng)化評價指標及標準的選取對水體富營養(yǎng)化評價結(jié)果有重要影響,但目前還沒有完全統(tǒng)一的劃分營養(yǎng)類型的標準,評價指標也較多[8,32]。本研究選用參照了中國環(huán)境監(jiān)測總站推薦使用的水質(zhì)指標及營養(yǎng)分級標準。多數(shù)學(xué)者認為氮磷是浮游藻類生長的主要營養(yǎng)物質(zhì),可以作為水體富營養(yǎng)化的重要指標[33]。此外,水體富營養(yǎng)化的最直觀表現(xiàn)是浮游藻類數(shù)量增多和種類變化,水體Chl-a含量及透明度也可以直接地反映水體營養(yǎng)狀態(tài)水平,是湖泊水體營養(yǎng)狀態(tài)的指示指標[34]。CODMn反映的是水體有機物的含量,營養(yǎng)物質(zhì)的增加可能會導(dǎo)致藻類大量繁殖,從而使水體有機物含量增加[35]。本文通過參考大量文獻[8,27,31,36],采用的評價指標及分級方法使用廣泛,這樣可縮小同一水體富營養(yǎng)化評價結(jié)果之間的差距,也使得不同湖泊之間的評價結(jié)果具有可比性。

本研究使用云模型和綜合營養(yǎng)狀態(tài)指數(shù)分別對鄱陽湖周邊濕地水體進行富營養(yǎng)化評價,兩種方法的評價結(jié)果皆反映鄱陽湖周邊濕地水體總體上處于輕度富營養(yǎng)狀態(tài),與前人在主湖區(qū)的研究結(jié)果一致[22- 23]。但兩種方法的評價結(jié)果也存在差異,如位于贛江入湖口北支的采樣點7,其云模型評價結(jié)果為重度富營養(yǎng),綜合營養(yǎng)狀態(tài)指數(shù)評價結(jié)果為中營養(yǎng),評價結(jié)果相差較大。綜合營養(yǎng)狀態(tài)指數(shù)將水質(zhì)參數(shù)之間的關(guān)系定量化,用數(shù)學(xué)式來表示參數(shù)之間的內(nèi)在聯(lián)系,以Chl-a為基準參數(shù),根據(jù)一些湖泊調(diào)查結(jié)果中基準參數(shù)與其余水質(zhì)參數(shù)的相關(guān)關(guān)系得到經(jīng)驗公式,從而推導(dǎo)出其余參數(shù)的營養(yǎng)狀態(tài)指數(shù)[7]。云模型基于概率論及模糊集合理論,運用了正態(tài)分布和正態(tài)隸屬函數(shù)的普適性,沒有強調(diào)精確的函數(shù)表示,而是利用3個數(shù)字特征表示概念的不確定性,通過特定的計算機算法來實現(xiàn)定性概念和定量表示的不確定轉(zhuǎn)換,克服了富營養(yǎng)化評價的隨機性及模糊性[14]。鄱陽湖水體氮磷含量較高,Chl-a含量較低,這是由于鄱陽湖水體流動性大、懸浮泥沙含量較高不利于浮游藻類的生長[37]。因此,單個Chl-a含量指標并不能真實地反映鄱陽湖水體富營養(yǎng)化的程度。我們構(gòu)建的云模型中,TN、TP的權(quán)重較高,而Chl-a含量權(quán)重較低,符合鄱陽湖水質(zhì)的實際情況[38]。與此相反,綜合營養(yǎng)狀態(tài)指數(shù)對Chl-a含量的依賴度較高,因此兩種方法會得出不同的結(jié)果。由此也可以看出,盡管綜合營養(yǎng)狀態(tài)指數(shù)法使用簡便,但沒能很好地結(jié)合鄱陽湖濕地水體的實際情況,云模型比綜合營養(yǎng)狀態(tài)指數(shù)更適用于鄱陽湖濕地水體的富營養(yǎng)化評價,評價結(jié)果更客觀可靠。

鄱陽湖濕地水質(zhì)污染因子較多,且各采樣點水質(zhì)污染情況存在較大的差距。云模型除了能較好的反映水質(zhì)級別的模糊性與隨機性外,也可反映出各因子共同作用下的水質(zhì)狀況,不至于因某項參數(shù)超標而使綜合指標偏高,依照采樣點各評價因子的隸屬度,可以直觀地對鄱陽湖濕地水體營養(yǎng)化程度進行判別[11]?；谠颇Ｐ偷乃w富營養(yǎng)化評價方法不僅可以了解水體富營養(yǎng)化級別,對隸屬于同一級別的水體也可以通過確定度的大小而分辨其水體富營養(yǎng)化的程度[39]。如采樣點13、16根據(jù)評價結(jié)果都屬于中度富營養(yǎng),但采樣點16的確定度大于采樣點13(表4),根據(jù)確定度的大小可以判斷采樣點16水體富營養(yǎng)化程度更高。由此可見,基于云模型的水體富營養(yǎng)化程度評價方法可在鄱陽湖濕地水體富營養(yǎng)化評價中得到應(yīng)用。

表4 鄱陽湖周邊濕地水質(zhì)營養(yǎng)等級評價結(jié)果

TLI：綜合營養(yǎng)狀態(tài)指數(shù) Comprehensive trophic level index

4 結(jié)論

本研究利用云模型對鄱陽湖周邊濕地水體富營養(yǎng)化狀況進行評價,評價結(jié)果顯示鄱陽湖周邊濕地水體總體上呈輕度富營養(yǎng)化狀態(tài)。云模型在實現(xiàn)水體富營養(yǎng)化等級和評價指標數(shù)值之間的不確定轉(zhuǎn)換方面具有優(yōu)勢,保留了富營養(yǎng)化評價過程中的隨機性和模糊性,可以客觀真實地反映鄱陽湖濕地水體富營養(yǎng)化狀態(tài)。