趙 煥,朱 利,吳傳慶,孟 斌,周亞明,賈 興 (環(huán)境保護(hù)部衛(wèi)星環(huán)境應(yīng)用中心,北京 100094)

水華是一種由水體富營養(yǎng)化引起藻類大量繁殖的自然生態(tài)現(xiàn)象.近年來,受人為活動和自然氣候變化影響,巢湖經(jīng)常暴發(fā)大面積水華.遙感手段監(jiān)測具有客觀,大范圍,快速,連續(xù),動態(tài)和直觀性等特點,遙感技術(shù)可以較好監(jiān)測水華的時空差異性和分布特征.國內(nèi)外很多學(xué)者利用遙感監(jiān)測湖庫的水華分布. NOAA,MERIS或MODIS等高時間分辨率衛(wèi)星遙感影像數(shù)據(jù),具有較好的探測湖庫水華暴發(fā)的能力,可通過多時相遙感數(shù)據(jù)分析湖庫不同區(qū)域,不同季節(jié)水華出現(xiàn)的概率[1-3].NDVI[4]方法和 FAI[5]指數(shù)方法,被用于研究巢湖藍(lán)藻起始時間,持續(xù)時間,覆蓋度和空間分布頻率等,揭示藍(lán)藻水華時空分布規(guī)律.波段比值,插值等方法,被用于提取不同歷史時期的太湖藍(lán)藻水華[6].

除了衛(wèi)星遙感,地面水質(zhì)參數(shù)現(xiàn)場檢測對于研究水華形成原因[7-10]、水華預(yù)警、評價湖泊富營養(yǎng)化[11]及水質(zhì)狀況[13]具有重要意義.水質(zhì)參數(shù)實測數(shù)據(jù)可以用于研究巢湖營養(yǎng)物質(zhì)存在時空差異性[13-14].此外,基于水體藻藍(lán)素等實測數(shù)據(jù),利用 MODIS數(shù)據(jù) 建立藻藍(lán)素的估測模型也可用于預(yù)測水華發(fā)生和通過多元統(tǒng)計分析方法可明確與藻生物量變化最密切的參數(shù)[15-16].然而傳統(tǒng)的地面水質(zhì)參數(shù)監(jiān)測手段,無法獲取水華面積,也不便獲得多時段連續(xù)的監(jiān)測數(shù)據(jù),對于較大面積的水域,無法反應(yīng)出水華的時空分布規(guī)律,有一定局限性.由于上述兩種手段的特征不同,導(dǎo)致各自監(jiān)測和評價水華的結(jié)果有差異性.因此需要對比分析不同區(qū)域地面實測數(shù)據(jù)與遙感監(jiān)測結(jié)果是否有較好的一致性.將地面水質(zhì)參數(shù)與衛(wèi)星遙感監(jiān)測結(jié)果相結(jié)合,進(jìn)行天地協(xié)同對比分析,可為環(huán)境管理提供有效支撐.

本研究利用聚類分析的方法將采樣點分組,并結(jié)合衛(wèi)星遙感監(jiān)測數(shù)據(jù),分析巢湖不同區(qū)域水質(zhì)特征與遙感監(jiān)測水華空間變化關(guān)系,分析遙感數(shù)據(jù)與實測水質(zhì)數(shù)據(jù)相關(guān)性,可以更全面,更準(zhǔn)確,更有代表性的分析巢湖水華分布特征.

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

巢湖位于安徽省中部,屬于受人類干擾強烈的大型淺水湖泊,污染源分布廣,成因復(fù)雜.氣候為亞熱帶季風(fēng)氣候,多年平均年降水量 1215mm,5～8月為汛期其降水量占年降水量一半以上[17],同時也是水華高發(fā)期,

1.2 實測水質(zhì)數(shù)據(jù)與分析方法

本文的水質(zhì)數(shù)據(jù)來源是環(huán)保部全國斷面水質(zhì)數(shù)據(jù),由相關(guān)環(huán)境部門于2016年4～10月,每周一次實地采樣測量,地面采樣測試數(shù)據(jù)共 33次,主要包括葉綠素a濃度,藻密度,總氮,總磷含量等.水質(zhì)指標(biāo)的分析測定均采用國家標(biāo)準(zhǔn)方法,具體的實驗室測量水樣指標(biāo)的方法請參考《水和廢水監(jiān)測分析方法》第四版[18].

2016年4～10月水質(zhì)監(jiān)測數(shù)據(jù),在巢湖設(shè)12個采樣點[16,19],分別為巢湖船廠,巢湖壩口,中垾鄉(xiāng),東半湖湖心,北兆河入湖區(qū),忠廟,南淝河入湖區(qū),塘西,派河入湖區(qū),十五里河入湖區(qū),西半湖湖心,新河入湖區(qū),具體站點分布見圖1.

統(tǒng)計每個站點不同月份均值的數(shù)據(jù)特征.利用Q型聚類[20]的方法將各站點分類.聚類分析選用歐式距離(Euclidean距離)和離差平方和(ward)算法.Ward 法是先將集合中每個樣本自成一類,在進(jìn)行類別合并時,將離差平方和增加幅度最小的兩類首先合并,直至所有樣品合并為一類.Ward法的類間距離是某兩個樣品合并后所增加的離差平方和:

Di2為第p,q的類間距離;Wr,Wp,Wq分別是第r,p,q類樣品的離差平方和.聚類分析分為Q型聚類和R型聚類,從研究對象本身確定類別數(shù)用Q型聚類,針對樣本的屬性參數(shù)分類用R型聚類,本研究暫時不需要進(jìn)行屬性參數(shù)的R型聚類.

圖1 巢湖遙感影像圖及地面采樣點分布Fig.1 Remote sensing images and field sampling sites distributions in Chaohu Lake

1.3 遙感數(shù)據(jù)

MODIS是搭載在terra和aqua衛(wèi)星上的一個重要傳感器,每日可獲得 2次及以上的光學(xué)數(shù)據(jù),最大空間分辨率可達(dá) 250m,數(shù)據(jù)含紅光和近紅外 2個波段.利用 250m的 MODIS數(shù)據(jù)基于NDVI方法監(jiān)測藍(lán)藻水華,無論在空間分辨率還是時間分辨率都較適合國內(nèi)大中型內(nèi)陸水體的藍(lán)藻水華遙感監(jiān)測.

本文選擇巢湖2016年4～10月(一年中水華高發(fā)期)共211景MODIS遙感影像數(shù)據(jù),用于提取水華面積.

1.4 水華遙感提取方法

藍(lán)藻水華與正常水體的光譜特征存在一定差異性,水華在近紅外譜段反射率存在明顯陡坡效應(yīng),因此可以利用NDVI方法(公式2)開展藍(lán)藻水華監(jiān)測[4].本文利用 NDVI閾值法分割提取巢湖水華.基于巢湖每日的藍(lán)藻水華監(jiān)測結(jié)果,計算水華發(fā)生頻次,為該地區(qū)水華累計次數(shù),反映水華易發(fā)程度的大小;計算水華持續(xù)時間(天數(shù)),是該區(qū)水華最后一次發(fā)生的日期與第一次發(fā)生日期之間的天數(shù),反應(yīng)水華存在時間長短;計算水華起始日期,為地區(qū)第一次發(fā)生水華的日期,反應(yīng)水華最早出現(xiàn)的地區(qū)差異性,進(jìn)而判斷水華轉(zhuǎn)移趨勢[4].

ρnir和ρred分別代表近紅外波段和紅光波段的反射率.

2 結(jié)果與分析

2.1 水華遙感監(jiān)測結(jié)果

2016年巢湖水華高發(fā)區(qū)為靠近合肥市的巢湖西北部水域和西部沿岸,發(fā)生次數(shù)均大于17次(圖 2深色區(qū)域),巢湖西北部水域及沿岸發(fā)生次數(shù)為 13～16次,巢湖東部水域中部地區(qū)水華發(fā)生次數(shù)較低集中在 1～6次.巢湖水華易發(fā)程度從靠近合肥市的西北部水域向東南部水域遞減.

圖2 巢湖2016年4～10月水華發(fā)生頻次分布Fig.2 Algal bloom frequency in Chaohu Lake from April to October in 2016

2016年巢湖水華最早出現(xiàn)于5月14日,面積約8km2,占巢湖總面積的1.05%,主要分布在巢湖西北部水域(圖 3).2016年巢湖水華遷移情況為:先在5月中下旬出現(xiàn)在西北部沿岸(靠近合肥市)和東部水域北部,隨時間推移向西南部和中部擴散,9月初水華發(fā)展至巢湖中部,東部和西南部沿岸,巢湖東南部水域是最后的新增水華區(qū)域.

從持續(xù)時間來看,水華持續(xù)天數(shù)最長的區(qū)域是巢湖西部水域的北部沿岸,西部水域,巢湖西部水域大部分地區(qū)的水華持續(xù)天數(shù)集中在 95～113d,持續(xù)天數(shù)最短的區(qū)域是東北部,中部水域的西部地區(qū)和南部沿岸部分區(qū)域(圖4).

圖3 巢湖2016年4～10月水華起始日期分布Fig.3 Initiate blooming date of algal bloom in Chaohu Lake from April to October in 2016

圖4 巢湖2016年4～10月水華持續(xù)時間分布Fig.4 Algal bloom durations in Chaohu Lake from April to October in 2016

2.2 水質(zhì)數(shù)據(jù)統(tǒng)計與聚類分析結(jié)果

為進(jìn)一步區(qū)分不同區(qū)域的采樣點差異特征,依據(jù)33次水質(zhì)數(shù)據(jù)(水溫,透明度,pH值,溶解氧,高錳酸鹽指數(shù),氨氮,總磷,總氮,葉綠素 a,藻密度)對12個監(jiān)測站點進(jìn)行聚類分析.首先進(jìn)行標(biāo)準(zhǔn)化處理去除量綱的影響,然后通過 Q型聚類分析,聚類分析選用離差平方和(ward)算法和歐式距離(Euclidean距離)分析.結(jié)合樣點分布地理位置和Q型聚類分析結(jié)果,選取分類距離等于15時進(jìn)行分組,巢湖的12個點分成2組,其中1組位于巢湖的東部,我們稱之為東區(qū),包括:東半湖湖心,北兆河入河區(qū),巢湖船廠,中垾鄉(xiāng),巢湖壩口;另一組位于巢湖的西部,稱之為西區(qū),包括:新河入湖區(qū),忠廟,十五里河入湖區(qū),塘西,西半湖湖心,派河入湖區(qū),南淝河入湖區(qū).東區(qū)和西區(qū)的站點具體分布情況見圖1.

2.3 采樣點對應(yīng)的水華空間分布特征

結(jié)合巢湖水華頻次結(jié)果(圖 2)和監(jiān)測站點對應(yīng)的水華頻次,起始時間和持續(xù)時間(表1)可看出,處于西半湖的樣點如十五里河入湖區(qū),塘西,南淝河入湖區(qū),水華發(fā)生頻次為 9～12次,西半湖湖心,派河入湖區(qū),水華發(fā)生頻次為5～8次,新河入湖區(qū),忠廟,水華發(fā)生頻次為1～4次.其中巢湖西部水域的西北沿岸為水華高發(fā)區(qū),在靠近合肥市的一些區(qū)域水華發(fā)生頻次最高為21次,占巢湖水華總頻次的33.33%;在西部水域由西向東水華發(fā)生頻次逐漸減少;東部水域水華發(fā)生次數(shù)最少.

東區(qū)中巢湖壩口和巢湖船廠未監(jiān)測到明顯水華,東半湖湖心水華持續(xù)天數(shù)為 1d,北兆河入河區(qū)持續(xù)天數(shù)較多為97d,水華開始時間較早(6月16日),水華發(fā)生次數(shù)為2次;東半湖湖心,中垾鄉(xiāng)水華發(fā)生頻次較少,中垾鄉(xiāng)水華開始時間為5月30日,持續(xù)天數(shù)為28d,東半湖湖心站點水華開始時間最晚在9月20日.西區(qū)中十五里河入湖區(qū)和西半湖湖心水華開始日期較早在5月19日,同時水華持續(xù)時間和發(fā)生頻次也較高,西半湖湖心的水華持續(xù)時間最長達(dá) 131d,西半湖湖心水華開始日期最早,水華發(fā)生頻次較多,其次是南淝河入湖區(qū).水華最早出現(xiàn)在西部水域中東部地區(qū),東部水域中部地區(qū),然后隨時間推移,水華出現(xiàn)區(qū)域向西部水域的西南方向和東部水域的北部方向擴散,最晚出現(xiàn)水華的地區(qū)為西南沿岸和東北沿岸.綜上,西區(qū)水華出現(xiàn)早,發(fā)生頻次較高,持續(xù)時間較長與巢湖水華遙感監(jiān)測的空間分布特征相一致.

朱利等[4]只是通過遙感影像數(shù)據(jù)分析了巢湖藍(lán)藻水華的高發(fā)區(qū),持續(xù)時間,移動趨勢等,本文將遙感數(shù)據(jù)與地面監(jiān)測數(shù)據(jù)結(jié)合,利用天地數(shù)據(jù)協(xié)同分析,得出西區(qū)水質(zhì)參數(shù)和水華面積相關(guān)性大,對水華監(jiān)控工作有一定的實際指導(dǎo)意義.在巢湖藍(lán)藻水華高發(fā)的夏秋季節(jié),可以有側(cè)重的針對西區(qū)加密采樣點布設(shè).

表1 巢湖水質(zhì)監(jiān)測站點對應(yīng)的水華頻次,起始時間和持續(xù)時間Table 1 Frequency, initiate date and durations of algal bloom based on the water quality monitored stations in Chaohu Lake

2.4 水質(zhì)數(shù)據(jù)與水華遙感監(jiān)測結(jié)果相關(guān)性分析

利用SPSS軟件對遙感監(jiān)測結(jié)果水華面積與實測水質(zhì)數(shù)據(jù)進(jìn)行相關(guān)性分析,結(jié)果見表 2.相關(guān)分析結(jié)果表明,2016年西區(qū)水質(zhì)因子與水華面積顯著相關(guān),總磷,葉綠素和藻密度與累計水華面積呈正相關(guān),總氮和氮磷比與累計水華面積呈負(fù)相關(guān)性,且氮磷比為顯著相關(guān),相關(guān)系數(shù)均大于總氮和總磷;東區(qū)與水華面積等參數(shù)關(guān)系不顯著,同時西區(qū)水質(zhì)參數(shù)與水華面積的相關(guān)性系數(shù)明顯大于東區(qū)的.

葉綠素a和藻密度與水華呈強相關(guān)性,是反映湖泊富營養(yǎng)化程度的重要表征參數(shù)[21-24].本文將葉綠素 a,藻密度和水華面積對比分析,按照上述聚類分組分別計算東區(qū)站點藻密度和葉綠素a的均值,西區(qū)站點藻密度和葉綠素a的均值和12個站點藻密度和葉綠素a的均值,如圖5所示.平均水華面積在5～10月呈現(xiàn)“增加～降低”的波動變化趨勢,在 7月平均水華面積最小為 21.34km2,在 9月最大為57.04km2;由圖5a可看出,5～10月東區(qū)站點藻密度變化趨勢呈現(xiàn)“降低～增加～降低”的波動變化趨勢,在5月藻密度最大為369萬個/L,10月藻密度最小為129萬個/L,其變化趨勢與平均水華面積變化趨勢不相符;此處,西區(qū)站點藻密度呈現(xiàn)“增加～降低”的波動變化趨勢,在7月最小為104萬個/L,在9月最大為1203萬個/L,變化趨勢與水華面積相一致;圖5a中藻密度在7月最小為144萬個/L,在9月最大為771萬個/L,藻密度變化趨勢為“降低～增加～降低”的波動變化趨勢,與水華面積變化趨勢一致性較差.由圖5b可看出,葉綠素a呈現(xiàn)降低～增加的波動變化趨勢,均在8月出現(xiàn)最大值,最大值分別為 6.57,8.74,7.83mg/m3,但葉綠素a的7～10月變化與水華面積變化的一致性相對較好.綜上可知,西區(qū)樣點藻密度和葉綠素與平均水華面積變化趨勢相似,相對東區(qū),相關(guān)性系數(shù)結(jié)果有較好的一致性.

國內(nèi)外研究表明,總氮,總磷是影響藻類繁殖的主要營養(yǎng)鹽,藍(lán)藻生物量與總氮,總磷具有顯著的相關(guān)性[25-26].太湖等內(nèi)陸湖泊藍(lán)藻水華暴發(fā)時營養(yǎng)鹽的要求為TN＞1.26mg/L,TP＞0.082mg/L[27],而最適宜藍(lán)藻生長的氮磷比在10～30之間[28].根據(jù)圖6可知,從4～10月總磷呈現(xiàn)出波動中增加的趨勢,總氮呈現(xiàn)波動中降低的趨勢,氮磷比值也呈現(xiàn)波動中下降的趨勢.9月水華狀況較嚴(yán)重,東區(qū)總磷含量為0.08,接近水華暴發(fā)時總磷的閾值,西區(qū)總磷含量(0.19mg/L)明顯高于東區(qū),高出水華暴發(fā)時總磷閾值的1.32倍;東區(qū)總氮含量為0.77,低于水華暴發(fā)時總氮閾值的38.89%,西區(qū)總氮含量(1.24mg/L)明顯高于東區(qū),接近水華暴發(fā)時總氮閾值;在 9月東區(qū)和西區(qū)氮磷比值均為各月最低值,且沒在易發(fā)生水華的閾值范圍內(nèi),是因為 9月總磷含量增加的速度明顯高于總氮含量變化的速度.6月也發(fā)生了較大面積水華,西區(qū)的總磷(0.14mg/L),總氮(2.35mg/L)和氮磷比(16.71)均在易發(fā)生水華的閾值范圍內(nèi).因營養(yǎng)鹽條件較適宜藍(lán)藻生長,西區(qū)是水華易發(fā)區(qū),與相關(guān)性系數(shù)結(jié)果有較好一致性.

表2 2016年巢湖水質(zhì)參數(shù)與水華面積相關(guān)系數(shù)Table 2 Correlation coefficient between water quality parameters and algal bloom area in Chaohu Lake

本研究在利用實測水質(zhì)數(shù)據(jù)和遙感影像聯(lián)合監(jiān)測藍(lán)藻水華方面做了一些初探,未來還需進(jìn)一步開展相關(guān)研究.首先,藍(lán)藻水華強度評價目前主要是采用兩種獨立的方法:水面實測藻密度和遙感監(jiān)測水華面積,將來應(yīng)研究如何將兩種方法結(jié)合綜合評價水華.其次,還可將遙感監(jiān)測結(jié)果,水面實測水質(zhì)數(shù)據(jù)與氣象因素[29]結(jié)合起來,研究水華的預(yù)測預(yù)警[30].

圖5 巢湖2016年4～10月平均水華面積與藻密度,葉綠素a對比Fig.5 Comparisons of monthly average algal bloom area with algal density and chlorophyll in Chaohu Lake from April to October in 2016

圖6 巢湖2016年4～10月總氮,總磷和氮磷比值Fig.6 Monthly average value of total nitrogen, total phosphorus and their ratio in Chaohu Lake from April to October in 2016

3 結(jié)論

3.1 巢湖西北部是水華高發(fā)區(qū)(發(fā)生次數(shù)在 17次以上),也是水華出現(xiàn)最早的區(qū)域,監(jiān)測到的水華范圍由此向東南部和中部擴散,發(fā)生次數(shù)也逐漸減少.

3.2 地面監(jiān)測樣點中,西半湖湖心為水華開始日期最早(5月19日)且持續(xù)時間最長(131d)的樣點;塘西為水華發(fā)生頻次最多(10次)的樣點.

3.3 水華高發(fā)區(qū)(西區(qū))藻密度和葉綠素 a,總磷,總氮與水華面積相關(guān)性較顯著(R2均大于0.6),東區(qū)的水質(zhì)參數(shù)與水華面積相關(guān)性較差.

[1]張 紅,黃 勇.基于NOAA/AVHRR衛(wèi)星資料的巢湖水華規(guī)律分析 [J]. 中國環(huán)境科學(xué), 2009,29(7):727-732.

[2]Reinart A, Kutser T. Comparison of different satellite sensors in detecting cyanobacterial bloom events in the Baltic Sea [J].Remote Sensing of Environment, 2006,102:74-85.

[3]徐京萍,張 柏,李 方,等.基于MODIS數(shù)據(jù)的太湖藻華水體識別模式 [J]. 湖泊科學(xué), 2008,20(2):191-195.

[4]朱 利,王 橋,吳傳慶,等.巢湖水華遙感監(jiān)測與年度統(tǒng)計分析研究 [J]. 中國環(huán)境監(jiān)測, 2013,29(2):162-166.

[5]唐曉先,沈 明,段洪濤.巢湖藍(lán)藻水華時空分布(2000～2015年)[J]. 湖泊科學(xué), 2017,29(2):276-284.

[6]段洪濤,張壽選,張淵智,等.太湖藍(lán)藻水華遙感監(jiān)測方法 [J]. 湖泊科學(xué), 2008,20(2):145-152.

[7]于 洋,彭福利,孫 聰,等.典型湖泊水華特征及相關(guān)影響因素分析 [J]. 中國環(huán)境監(jiān)測, 2017,33(2):88-94.

[8]陳宇煒,秦伯強,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)計和藍(lán)藻水華的初步預(yù)測 [J]. 湖泊科學(xué), 2001,13(1):63-71.

[9]李 波,濮培民,韓愛民.洪澤湖水質(zhì)的時空相關(guān)性分析 [J]. 湖泊科學(xué), 2002,(3):259-266.

[10]王書航.巢湖水華時空分布特征及成因初步分析 [D]. 合肥:合肥工業(yè)大學(xué), 2010.

[11]吳 朝.巢湖西半湖富營養(yǎng)化影響因子定量分析研究 [D]. 合肥:安徽農(nóng)業(yè)大學(xué), 2009.

[12]王 睿.巢湖流域水環(huán)境質(zhì)量評價與水質(zhì)預(yù)測模型研究 [D].合肥:合肥工業(yè)大學(xué), 2009.

[13]吳 珺.李 浩.曹德菊,等.巢湖東半湖藍(lán)藻水華暴發(fā)時空動態(tài)及成因 [J]. 農(nóng)業(yè)環(huán)境科學(xué)學(xué)報, 2013,32(10):2035-2041.

[14]賈曉會,施定基,史綿紅,等.巢湖藍(lán)藻水華形成原因探索及”優(yōu)勢種光合假說”[J]. 生態(tài)學(xué)報, 2011,31(11):2968-2977.

[15]馬榮華,孔維娟,段洪濤,等.基于MODIS影像估測太湖藍(lán)藻暴發(fā)期藍(lán)藻素含量 [J]. 中國環(huán)境科學(xué), 2009,29(3):254-260.

[16]王書航,姜 霞,金相燦.巢湖水環(huán)境因子的時空變化及對水華發(fā)生的影響 [J]. 湖泊科學(xué), 2011,23(6):873-880.

[17]王雪蕾,王新新,朱 利,等.巢湖流域氮磷面源污染與水華空間分布遙感解析 [J]. 中國環(huán)境科學(xué), 2015,35(5):1511-1519.

[18]國家環(huán)境保護(hù)總局《水和廢水監(jiān)測分析方法》編委會.水和廢水監(jiān)測分析方法,第四版 [M]. 中國環(huán)境科學(xué)出版社, 2002:596.

[19]丁 虹.巢湖 2005—2014年湖體水質(zhì)狀況 [J]. 水資源開發(fā)與管理, 2016,(3):57-59.

[20]李新蕊.主成分分析,因子分析,聚類分析的比較與應(yīng)用 [J]. 山東教育學(xué)院學(xué)報, 2007,22(6):23-26.

[21]劉文杰.內(nèi)陸湖泊藍(lán)藻水華的遙感監(jiān)測與評價研究 [D]. 北京:中國地質(zhì)大學(xué)(北京), 2013.

[22]梅長青,王心源,彭 鵬.應(yīng)用 MODIS 數(shù)據(jù)監(jiān)測巢湖藍(lán)藻水華的研究 [J]. 遙感技術(shù)與應(yīng)用, 2008,23(3):328-332+241.

[23]李 穎,施 擇,張榆霞,等.關(guān)于用藻密度對藍(lán)藻水華程度進(jìn)行分級評價的方法和運用 [J]. 環(huán)境與可持續(xù)發(fā)展, 2014,39(2):67-68.

[24]吳阿娜,朱夢杰,湯 琳,等.淀山湖藍(lán)藻水華高發(fā)期葉綠素 a動態(tài)及相關(guān)環(huán)境因子分析 [J]. 湖泊科學(xué), 2011,23(1):67-72.

[25]吳 凱.太湖水華藍(lán)藻上浮特征及其機理研究 [D]. 南京:南京大學(xué), 2011.

[26]許 海,朱廣偉,秦伯強,等.氮磷比對水華藍(lán)藻優(yōu)勢形成的影響[J]. 中國環(huán)境科學(xué), 2011,31(10):1676-1683.

[27]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, 2015,49(2):1051-1059.

[28]Yu G, Jiang Y, Song G, et al. Variation of Microcystis and microcystins coupling nitrogen and phosphorus nutrients in Lake Erhai, a drinking～water source in Southwest Plateau, China [J].Environmental Science & Pollution Research, 2014,21(16):1-12.

[29]李亞春,謝小萍,杭 鑫,等.結(jié)合衛(wèi)星遙感技術(shù)的太湖藍(lán)藻水華形成風(fēng)場特征 [J]. 中國環(huán)境科學(xué), 2016,36(2):525-533.

[30]鄭劍鋒,焦繼東,孫力平.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]. 中國環(huán)境科學(xué), 2017,37(5):1872-1878.