长江口及其邻近海域富营养化水平评价

水科学进展

ADVANCESINWATERSCIENCE

Vol119,No11 Jan.,2008

长江口及其邻近海域富营养化水平评价

苏 畅,沈志良,姚 云,曹海荣

31青岛科技大学计算机与化工研究所,山东青岛 266042)

1231

(11上海水产大学,上海 200090;21中国科学院海洋研究所海洋生态与环境科学重点实验室,山东青岛 266071;

摘要:根据2004年4个季度2、5、8、11月的调查资料,选择化学耗氧量、溶解氧、活性磷酸盐、溶解无机氮和叶绿素a作为评价因子,利用人工神经网络模型对长江口及其邻近海域的营养水平进行评价。结果表明,富营养化区域主要集中在口门附近,富营养化程度由口门向东和东北方向递减。富营养化范围几乎均分布在盐度小于20的一侧,并随着长江冲淡水的变化而发生季节性的变化。5月和8月的富营养化比较严重,且都有转向东北的趋势,可能与5月进入丰水期长江冲淡水转向有关。断面分布表明,各个季度月由河口向东,富营养化评价等级由高到低,垂直方向则呈现复杂的变化。分析表明影响富营养化的主要评价指标是溶解无机氮。关 键 词:长江口;邻近海域;富营养化;人工神经网络;评价

中图分类号:X821;X13112 文献标识码:A 文章编号:1001-6791(2008)01-0099-07

长江口是我国最大的河口,随着沿江经济快速发展,人口剧增,城市生活污水和工农业废水大量排放,使得该水域N、P含量不断增加,富营养化程度加重,导致长江口赤潮发生频繁,生态环境日趋恶化[1]。

有关河口近岸富营养化评价已经成为全球普遍关心的问题。由于海水中的各种污染物存在着复杂的物理、化学和生物作用,使得海水的富营养化评价成为一个棘手的非线性预测问题。几十年来,国内外学者先后提出了特征法、参数法、生物指标法、灰色聚类法和模糊综合评价法等多种方法[2,3],这些方法各有其适用条件和局限性。近十多年来,迅速发展起来的人工神经网络[4~6]克服了传统分析过程的复杂性以及选择适当模型函数形式关系的困难,对非线性系统的预测具有独特的优越性,已广泛应用于水质评价[4,7~9]。

然而对于长江口海域富营养化的评价,研究很少。全为民等用有机污染指数(A值)和富营养化指数(E值)评价相结合的方法对长江口及邻近水域富营养化进行评价与分析[10]。杨红等利用人工神经网络模型评价长江口水质

[11]

。本文则利用人工神经网络模型的训练函数(Levenberg-Marquardt,LM)对长江口水域的富营养化现状

进行评价,分析了2004年长江口及其邻近海域富营养化的水平分布、断面分布、季节变化、年均变化等特征。

1 调查与评价

111 调查和水样分析

2004年2、5、8、11月对长江口及其邻近水域进行调查,设采样站位39个。由于每次调查站位有所不同,或者个别站位数据缺失,为了增加可比性,取4个季度月相同的站位(25个)进行分析(图1)。

根据水深情况,取表层、10、20、30m、底层为采水水层,用不锈钢颠倒采水器采水。测营养盐的水样经直径为25mm预先灼烧过的WhatmanGF/F玻璃纤维素膜过滤,用013%氯仿固定,低温冷冻保存,带回实验室分析。根据国际通用方法,溶解氧用碘量滴定法现场测定,化学耗氧量用碱性高锰酸钾法测定,硝态氮用镉铜

收稿日期:2007-03-19

基金项目:中国科学院知识创新工程重要方向资助项目(KZCX3-SW-232);国家自然科学重点基金资助项目(50339040);国务院三峡工程建设委员会资助项目(SX2004-010)

作者简介:苏 畅(1980-),女,辽宁抚顺人,硕士研究生,主要从事水域生态研究。E-mail:sc-susie1980@yahoo1com1cn通讯作者:沈志良,E-mail:zhlshen@ms1qdio1ac1cn100

水科学进展第19卷

还原法,亚硝态氮用重氮-偶氮法,氨氮用靛酚兰法,磷酸盐用磷钼蓝法。各项营养盐测试在荷兰制造的SkalarSan&plus微量自动分析系统上完成。硝态氮、亚硝态氮和氨氮之和为总溶解无机氮。112 评价方法及建模

采用人工神经网络模型中多层前馈神经网络模型的B-P算法(backpropagationalgorithm)简称为BP神经网络模型(图2)。此种评价模型特别适用于机理复杂、影响因素较多以及难以建立有效数学模型等的非线性问题。评价因子选取5个主要指标:化学耗氧量(COD)、溶解氧(DO)、活性磷酸盐(PO4-P)、溶解无机氮(DIN)和生物学参数叶绿素a(Ch-la)。BP网络结构为3层[12],其中输入层有5个神经元(分别为5个评价指标),隐含层有3个神经元,输出层有1个神经元。本文参考GB3097-1997海水水质标准和已有的研究成果[7,13],将长江口水域富营养化水平评价标准分为3级(表1),将三类等级的期望输出分别定为1(贫营养)、2(中营养)、3(富营养)。

图1 长江口调查站位图

Fig11SamplestationsintheYangtzeRiverestuary

图2 长江口富营养化评价的BP网络结构

Fig12BPneuralnetworkstructurefortheYangtzeRiverestuary

eutrophicationassessment

用MATLAB中的rand( )函数在每个评价等级规定的范围内进行随机取值,共生成750个学习样本,增加了BP网络的泛化能力。为了便于学习样本的训练,用MATLAB提供的最大最小函数premnmx( ):function[pn,minp,maxp,tn,mint,maxt]=premnmx(p,t)对学习样本进行预处理,将各参数的值量化到[-1,1]内。用工具箱提供的LM算法进行网络权重和阈值训练,LM算法是一种改进的高斯-牛顿法,其形式为学习。该网络经过学习训练后,全局误差趋于极小,满足收敛的要求,并且具有泛化性。

表1 长江口海水富营养评价标准

Table1AssessmentstandardsforeutrophicationintheYangtzeRiverestuary

营养参数贫营养型Ñ中营养型Ò富营养型Ó

DIN/(mg#L-1)

012001300140

PO-P/(mg#L-1)4010150103001045

Ch-la/(mg#m-3)

110310510

COD/(mg#L-1)

210310410

DO/(mg#L-1)

610510410

期望输出值

123

[16]

:$x=-[J(x)

T

J(x)LI]-1J(x)e(x)。在训练的过程中,网络的权值和阈值被反复调整,直到达到性能函数mse<1E-3,停止

根据2004年调查结果,数据经最大最小函数premnmx( )处理后,输入到上述训练好的BP网络模型,调用仿真函数sim( )实现对长江口海区水体的富营养化评价输出。其中年平均结果是各个季度月各个评价指标在每个站位取平均值以后得到的平均值,再进行评价得出其结果。

2 结果与讨论

211 富营养化水平的水平分布特征

表层水的富营养化评价表明,口门内35、37、38、39站和口门外40、22站(图3)在4个季度(月)评价结 第1期苏 畅等:长江口及其邻近海域富营养化水平评价

101

果均为富营养化。2月份仅上述站位呈现富营养化;5月份出现的富营养化站位最多,范围扩大到口门外并向东延伸至18、25站(约122b40cE);8月份富营养化范围退缩至122b30cE的11、17站;11月富营养化范围进一步缩小到口门附近的23站。中营养化范围随着富营养化范围的变化而变化。贫营养化的范围分布与富营养化相反,5月范围最小,8、11、2月范围越来越大。

由于长江径流携带大量营养盐[15],导致河口区富营养化现象严重。以5月富营养化站位的各项评价指标含量为例,DIN含量变化范围为0134~118mg/L,平均含量为0188mg/L,严重超过富营养化评价标准(0140mg/L),仅17站的DIN含量低于富营养化评价标准。而其他指标Ch-la的平均含量为0170mg/m,DO的平均含

量为7104mg/L,这两项指标均小于贫营养标准;PO4-P的平均含量为01025mg/L,COD的平均含量为2137mg/L,这两项指标均介于贫营养和中营养标准之间。其它几个月份富营养化站位的情况与5月份的相似,均是DIN含量严重超标,其他指标情况较好。因此我们推断富营养化可能主要受DIN这一评价指标的影响。

3

图3 长江口富营养化评价的水平变化

Fig13HorizontalvariationsofeutrophicationintheYangtzeRiverestuary

由于营养盐分布与盐度呈负相关[15],其浓度随着盐度的增加而减小,盐度的分布又随着长江径流的变化而发生季节性变化。以20盐度等盐线为例,2月份其仅位于长江口附近;5月份随着长江径流量的增加,20盐度等盐线伸展到122b30cE;8月份继续延伸至122b40cE处;11月份由于径流的减少,20盐度等盐线退缩至122b30cE。除了5、8月少数站位,长江口富营养化范围几乎均分布在盐度小于20盐度的一侧。可见随着20盐度等盐线的变化,长江口富营养化范围也发生变化。

长江口各站表层水样富营养化评价结果的等值线(图4)表明,2月份富营养范围主要集中在长江口口门内和河口附近;在122b40cE以东大部分水域为贫营养化。5月份富营养化范围由口门向东和东南方向扩展到约122b40cE处,并有转向东北的趋势。从口门向东和东北方向,富营养化程度逐渐降低,由中营养型向贫营养型

102

水科学进展第19卷

过渡。8月份富营养化范围缩小至约122b30cE,并且也有转向东北的趋势。这可能与5月进入丰水期长江冲淡水转向[16]有关。11月份富营养化范围又缩小到约122b20cE。贫营养化的范围2月出现在调查区东和东北大片水域,5月仅仅出现在调查区东北部少量水域,而从8月开始贫营养化范围扩大。

图4 长江口富营养化评价的等值线分布

Fig14IsolinedistributionsofeutrophicationintheYangtzeRiverestuary

212 富营养化水平的断面变化

长江口31b15cN断面各个站位富营养化评价结果的等值线(图5)表明,富营养化区域主要集中在口门附近及口门外水域。整个断面由河口向东,富营养化评价等级由高到低,各个月份的差异仅仅是不同营养级别的分布范围不同而已。随着季节的变化,富营养化范围也发生变化:5月份范围最大,8月份缩小至约122b30cE,2、11月份富营养化范围进一步缩小。贫营养化范围则由外海向口门方向延伸,2、11月范围较大,8月其次,5月最小。

从垂直方向,以变化最为复杂的5月为例(图5(b)),河口附近122b30cE以西水域,从表层到底层均为富营养化;122b30cE以东水域,富营养化程度随着水深的增加逐渐减弱,中层海域接近贫营养型(超过123bE为贫营养型),从中层到底层又过渡到中、富营养型。口门附近由于营养盐含量高(特别是DIN),此区域均呈现富营养化。但是在外海,以5月的122b40cE为例,表层营养盐DIN含量最高0153mg/L,中层降到最低0114mg/L,底层又逐渐升高到0125mg/L,但是由于底层的DO含量非常低(仅为2106mg/L),这可能是造成底层部分水域富营养化的主要原因。8月与5月的情况类似,但中、富营养化的范围缩小。

表2

调查月份各营养等级所占百分比

Table2Percentageofeachnutritiongrade

ineveryinvestigationmonths

营养等级贫营养型Ñ中营养型Ò富营养型Ó

2月403624

5月83656

8月202852

11月403228

%年均283240

第1期苏 畅等:长江口及其邻近海域富营养化水平评价

103

图5 长江口富营养化评价的断面分布

Fig15SectiondistributionsofeutrophicationintheYangtzeRiverestuary

213 富营养化水平的季节变化

由表2可见,2004年富营养化程度由大到小依次为:5月>8月>11月>2月;反之,贫营养化站位总数2、11月最多,5月最少。中营养化站位总数2、5月最多,8月最少。

比较各个月份各评价指标含量(表3)可知,5月的各项评价指标中,DIN、Ch-la、COD的平均含量分别为0160mg/L、2174mg/m3、1185mg/L,均为各月份最高;DO平均含量为6123mg/L,为各个月份最低。PO4-P平均含量01020mg/L,位居2、8月之后。8月的COD、DO、DIN、PO4-P平均含量均位居第二位。因此,5月份富营养化现象最为严重,其次是8月,可能是引发长江口赤潮的重要原因之一。

表3 2004年各评价指标的含量

Table3Contentsofeachassessmentindexin2004

月份2月5月8月11月

COD/(mg#L-1)范围平均0104~211911000146~310611850143~410711450139~21701124

DO/(mg#L-1)

范围平均7165~1111891493167~1210361235162~810961897116~91738134

DIN/(mg#L-1)

范围平均0107~210401570104~118001600102~112301590106~11360151

PO4-P/(mg#L-1)

范围平均01014~010400102501010~010400102001007~010590102401007~0104301019

Ch-la/(mg#m-3)

范围平均0109~018201390112~171621740111~219401820114~71330197

214 富营养化水平的年度平均

由表2可见,2004年长江口海域海水年评价结果,贫营养型和中营养型共占60%,富营养化型占40%。若从单项评价指标来看,DIN含量超三类海水水质标准所占比例最大,共13个站位,所占比率为52%。DIN平均含量为0157mg/L,最大检测值为1180mg/L,已经是三类海水水质标准的415倍多。PO4-P超一类海水水质标准的站位占88%,Ch-la平均含量为1123mg/m仅超过一类标准。其他评价指标均不超标。由表3可见,DIN平均含量在各个季度(月)都很高,在0150mg/L以上,尤其是富营养化的站位,DIN含量严重超标。进一步说明了DIN是控制富营养化的主导因素。3

104

水科学进展第19卷

由2004年长江口富营养化水平年均评价结果(图6)可见,富营养化水平最高的是35、37、38、39等河口内站位和40、16、22、23、29、30等口门附近站位。富营养化范围从口门区向东一直延伸至约122b20cE。

图6 长江口富营养化水平年均评价结果

Fig16AverageannualassessmentresultsofeutrophicationintheYangtzeRiverestuary

215 人工神经网络评价方法的合理性分析

通过比较,用单因子DIN评价,富营养化型占52%;用E值方法

[17]

(3个指标)、占68%、NQI方法

[18]

(4个

指标)和人工神经网络方法评价年均富营养化型分别占68%、24%和40%。

人工神经BP网络模型具有很强的自学习、自组织适应能力,能够充分利用给定的水质数据信息,建立起输入与输出之间复杂的非线性对应关系。而且网络中的大量参数均由学习所得,而不是由人为给定,避免了人为因素的影响,因此由人工神经BP网络模型得到的评价结果更客观、更合理、更准确标准区间的系列的学习结果是通过外推获得的,也可能产生较大的评价误差。

[19]

。但是由于处于不同

3 结 论

(1)口门内35、37、38、39站和口门外40、22站在4个季度(月)评价结果均为富营养化。富营养化范围从122b10cE(2月)扩大到122b40cE(5月)。从口门向东和东北方向,富营养化程度逐渐降低,贫营养程度增大。

(2)除了5、8月少数站位以外长江口富营养化范围几乎均分布在盐度小于20的一侧。随着20盐度等盐线的变化,长江口富营养化范围也发生季节性变化。

(3)由断面分布可见,由河口向东,富营养化评价等级由高到低,各个月份的差异仅仅是不同营养级别的分布范围不同而已。5、8月在垂直方向上富营养化水平呈现复杂变化,在外海随着水深的变化呈先减弱后增强的现象。

(4)5月和8月的大部分站位的评价结果都为中营养型和富营养型;而2月和11月的大部分站位都呈现中营养型和贫营养型。无论从范围还是站位的多少上来看,从2月到11月富营养化程度依次为5月>8月>11月>2月,贫营养化程度则相反。

(5)长江口富营养化各项评价指标中DIN的超标比较严重,其他评价指标情况较好。推测DIN对整个评价过程的影响占主导地位。

(6)2004年长江口水域富营养化年均评价结果显示,贫营养型和中营养型类水质占大多数。富营养化水域从河口向东一直延伸至约122b20cE。

致谢:张启龙研究员提供盐度数据,张芳博士提供叶绿素数据。

第1期苏 畅等:长江口及其邻近海域富营养化水平评价

105

参考文献:

[1]钟霞芸,杨鸿山,赵立清,等.长江口水域氮、磷的变化及其影响[J].中国水产科学,1999,6(5):6-9.[2]舒金华.我国湖泊富营养化程度评价方法的探讨[J].环境污染与防治,1990,12(5):2-7.

[3]龚绍琦,黄家柱,李云梅,等.基于GIS下的太湖水质富营养化模糊综合评价[J].环境科学,2005,26(5):34-37.[4]胡守仁,余少波,戴 葵.神经网络导论[M].长沙:国防科学技术大学出版社,1993.[5]张立明.人工神经网络的模型及其应用[M].上海:复旦大学出版社,1993.

[6]周继成,周青山,韩飘扬.人工神经网络)))第六代计算机的实现[M].北京:科学普及出版社,19931[7]王冬云,黄焱歆.海水富营养化评价的人工神经网络方法[J].河北建筑科技学院学报,2001,18(4):27-29.[8]楼文高.湖库富营养化人工神经网络评价模型[J].水产学报,2001,25(5):474-478.

[9]任 黎,董增川,李少华.人工神经网络模型在太湖富营养化评价中的应用[J].河海大学学报,2004,32(2):147-150.[10]全为民,沈新强,韩金娣,等.长江口及邻近水域富营养化现状及变化趋势的评价与分析[J].海洋环境科学,2005,24(3):13

-16.

[11]杨 红,李曰嵩.长江口水质人工神经网络模型的建立及现状评价[J].上海水产大学学报,2002,11(1):32-36.[12]王 伟.人工神经网络原理[M].北京:北京航空航天大学出版社,1995.20-76.[13]姚 云,沈志良1胶州湾海水富营养化水平评价[J]1海洋科学,2004,28(6):14-22.

[14]阮仕平,党志良,胡晓寒,等.人工神经网络在综合水质评价中的应用[J]1水资源研究,2004,25(2):21-23.[15]叶仙森,张 勇,项有堂.长江口海域营养盐的分布特征及其成因[J].海洋通报,2000,19(1):89-92.[16]潘玉球,王 康,黄树生.长江冲淡水输运和扩散途径的分析[J].东海海洋,1997,15(2):25-34.

[17]冈市友利.浅海的污染与赤潮的发生,内湾赤潮的发生机制[R].东京:日本水产资源保护协会,1972158-76.[18]彭云辉,王肇鼎.珠江河口富营养化水平评价[J].海洋环境科学,1991,10(3):7-13.

[19]薛建军,姚桂基.人工神经网络在湟水水质综合评价中的应用[J].青海环境,1997,7(1):25-29.

AssessmentofeutrophicationintheYangtzeRiverestuaryanditsadjacentwaters

SUChang1,SHENZh-iliang2,YAOYun3,CAOHa-irong1

(11ShanghaiFisheriesUniversity,Shanghai200090,China;

21KeyLaboratoryofMarineEcologyandEnvironmentalSciences,InstituteofOceanology,ChineseAcademyofSciences,

Qingdao266071,China;31QingdaoUniversityofScienceandTechnology,Qingdao266042,China)

X

Abstract:Accordingtotheinvestigationsoffourmid-months(Feb.,May,Aug.,andNov.)ofseasonsin2004,wechooseCOD、DO、PO4-P、DIN、Ch-laasassessingindexes,andusetheartificialneuralnetworktoassesseutrophicationintheYangtzeRiverestuaryanditsadjacentwaters1Theresultsshowthatthewatersofeutrophicationmainlyconcentrateroundtheriver-mouth,andtheextentofeutrophicationgraduallydecreasesfromtheriver-mouthtotheeastandnortheast1Theareasofeu-trophicationarealmostdistributedinthesideofsalinitybellowed20andhaveseasonalvariationsalongwiththechangesofYangtzeRiverdilutedwater1ThephenomenonofeutrophicationismoreseriousinMayandAugustthaninothermonths,andbothhavethetrendofturningaroundtothenortheast,whichmaybecausedbythedilutedwaterturnaroundwiththefloodcominginMay1Thetransectiondistributionsofeutrophicationineachmonthindicatethatthegradesofeutrophicationchangefromhightolowlevel,fromriver-mouthtotheeast,andithascomplexvariationsintheverticaldirection1TheanalysisshowsthatDINisthemaincontrolfactorfortheassessmentresultsofeutrophication1

Keywords:theYangtzeRiverestuary;eutrophication;artificialneuralnetwork;assessment

XThestudyisfinanciallysupportedbytheNationalNaturalScienceFoundationofChina(No.50339040)1