2022年夏季漢江中下游水華生消驅(qū)動因子及其貢獻(xiàn)率量化研究

查悉妮 辛小康 付婷 李建 白鳳朋 林梟 舒鵬

摘要：為探究2022年夏季長江流域“汛期反枯”極端水文條件下漢江中下游首次出現(xiàn)的藍(lán)藻水華成因，選取葉綠素濃度為水華表征指標(biāo)，考慮各環(huán)境因子間的多重共線性關(guān)系，采用偏最小二乘回歸（PLSR）量化了不同環(huán)境因子對漢江中下游仙桃、宗關(guān)斷面藍(lán)藻水華生消的貢獻(xiàn)率。結(jié)果表明：（1）仙桃斷面葉綠素a濃度與水溫、pH、溶解氧和總磷均呈顯著正相關(guān)關(guān)系，與氮磷比呈顯著負(fù)相關(guān)關(guān)系；宗關(guān)斷面葉綠素a濃度與水溫、pH、溶解氧均呈顯著正相關(guān)關(guān)系，與日均水位、水位日變幅、流量、總磷和氨氮均呈顯著負(fù)相關(guān)關(guān)系；（2）溶解氧、pH和水溫對水華生消的貢獻(xiàn)程度較高，對仙桃斷面的貢獻(xiàn)率分別為15.18%、13.68%和14.50%，對宗關(guān)斷面的貢獻(xiàn)率分別為18.06%、15.93%和15.65%；（3）基于偏最小二乘路徑模型（PLS-PM）的環(huán)境因子解析顯示，氣象因子是2022年夏季漢江中下游藍(lán)藻水華暴發(fā)的誘導(dǎo)因子，水華“萌發(fā)”時段可能與漢江中下游澇旱急轉(zhuǎn)時段重疊。建議后續(xù)研究結(jié)合準(zhǔn)確的中長期氣象預(yù)報信息，在澇旱急轉(zhuǎn)時段優(yōu)化漢江中下游水華防控調(diào)度的下泄流量與下泄時機(jī)，提高水華防控效果。

關(guān)鍵詞：藍(lán)藻水華；環(huán)境因子；量化歸因；貢獻(xiàn)率；漢江中下游

中圖分類號：X171.1? ? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? ? 文章編號：1674-3075（2024）01-0143-09

自1992年春季漢江首次發(fā)現(xiàn)水華以來，至今已累計發(fā)生了10余次較大規(guī)模水華事件，優(yōu)勢藻種為硅藻。已有研究表明，漢江中下游水華大多發(fā)生在春季（1-3月），影響范圍主要在鐘祥至河口江段（李建等，2020）。近年來，漢江中下游水華持續(xù)時間不斷延長，影響范圍不斷上溯，2018年漢江春季水華超過30 d，范圍上溯至皇莊附近，覆蓋整個興隆庫區(qū)。隨著氣候變化、梯級水庫運(yùn)行以及城鎮(zhèn)入河污染物排放增加，漢江中下游水華暴發(fā)風(fēng)險日益突出，嚴(yán)重威脅流域水環(huán)境安全、水生態(tài)安全和城鎮(zhèn)供水安全（李建等，2022）。

河流水華暴發(fā)與多種環(huán)境因子有關(guān)，目前普遍認(rèn)為引起河流浮游藻類大量繁殖并暴發(fā)水華的環(huán)境因子主要包括營養(yǎng)鹽、氣象、水動力條件（Huisman et al，2018;田晶等，2022）。自然水體中浮游植物的生長受有機(jī)質(zhì)和營養(yǎng)鹽等生源因素的限制，較高的營養(yǎng)鹽濃度是河流水華暴發(fā)的物質(zhì)基礎(chǔ)（Hilton et al，2006）。大量研究表明，氮、磷、硅濃度可以影響河流中浮游藻類的優(yōu)勢藻種，營養(yǎng)物的積累促進(jìn)了浮游藻類的生長和繁殖，但營養(yǎng)物質(zhì)超過一定含量時將成為物質(zhì)基礎(chǔ)而不再有限制作用（Jon & Gary，2000;Mhamdi et al，2007;Bowes et al，2012; Chislock et al，2014; Yan et al，2017;辛小康等，2019）。在氣候變化大背景下，氣象條件是河流水華發(fā)生的重要增益條件之一。近年來漢江下游氣溫顯著升高，干暖氣候特征為河流水華暴發(fā)提供了適宜的條件，且2008年以后水華發(fā)生季節(jié)時間有明顯前移趨勢（夏瑞等，2020）。當(dāng)漢江下游氣溫高于同期3℃且持續(xù)5 d以上時，水華暴發(fā)的概率大為增加（Xin et al，2020）。水動力條件是影響河流水華生消重要且敏感的驅(qū)動因素，通常河流中浮游藻類生物量與流量成反比（Filardo & Dunstan，2011;Mosley et al，2012;Klaus et al，2015）；增大流量和流速可以增加水流對藻類表面的剪切應(yīng)力，縮短浮游藻類在河段中的傳輸和滯留時間，抑制藻類生長，使其無法大量聚集，從而抑制水華暴發(fā)（Anggara Kasih & Kitada， 2004）。

2022年夏季長江流域出現(xiàn)罕見干旱，漢江中下游來水嚴(yán)重偏枯，干流首次發(fā)生藍(lán)藻水華。由于藍(lán)藻水華能產(chǎn)生各種天然毒素，是對人類健康危害最為嚴(yán)重的藻類之一，被稱為“生態(tài)癌癥”。本次監(jiān)測到的藍(lán)藻以平裂藻屬（Merismopedia）、假魚腥藻屬（Pseudanabaena）和顫藻屬（Oscillatoria）為主；平裂藻毒性未見報道，假魚腥藻、顫藻均有毒性。已有學(xué)者分析了2022年夏季漢江中下游藍(lán)藻水華成因（陳峰等，2023），但此前的研究尚未解析不同環(huán)境因子對水華生消的貢獻(xiàn)程度。本研究通過梳理2022年夏季漢江中下游水華生消及各環(huán)境因子的動態(tài)變化，量化環(huán)境因子對水華生消影響的貢獻(xiàn)率，旨在為漢江中下游水華防控提供科學(xué)依據(jù)和決策支撐。

1? ? 材料與方法

1.1? ?區(qū)域概況

漢江是長江的最大支流，漢江干流丹江口以上河段為上游，平均比降0.06%以上，長度925 km，占干流總長59%，流域面積9.52萬km2，約占全流域總面積的60%；丹江口至皇莊河段為中游，平均比降約0.02%，長度270 km，占干流總長的17%，流域面積4.68萬km2；皇莊以下河段為下游，河床比降小，平均為0.01%，長度382 km，占干流總長的24%，流域面積1.70萬km2。本研究選取漢江中下游，區(qū)域水系及站點(diǎn)分布如圖1所示。

1.2? ?數(shù)據(jù)來源

為解析不同環(huán)境因子對2022年夏季漢江中下游水華的影響，本研究收集的數(shù)據(jù)包括氣象、水文水動力及水質(zhì)/理化數(shù)據(jù)（表1）。其中，老河口、鐘祥及天河站降雨量、氣溫和風(fēng)速等氣象數(shù)據(jù)來源于中國氣象局國家氣象信息。仙桃站水位、流量等水文水動力數(shù)據(jù)來源于湖北省水文水資源中心。仙桃和宗關(guān)斷面水質(zhì)/理化數(shù)據(jù)來源于國家地表水水質(zhì)自動監(jiān)測實(shí)時數(shù)據(jù)發(fā)布系統(tǒng)和長江水資源保護(hù)科學(xué)研究所。

1.3? ?研究方法

偏最小二乘回歸（Partial least regression，PLSR）是集主成分分析（Principal Component Analysis，PCA）、典型相關(guān)分析（Canonical Correlation Analysis，CCA）和多元線性回歸優(yōu)點(diǎn)的監(jiān)督學(xué)習(xí)算法，適用于處理數(shù)據(jù)間的多重共線性問題。PLSR通過構(gòu)建主成分減少自變量之間的冗余，同時最大化自變量和因變量之間的協(xié)方差，可用于分析不同自變量對因變量的貢獻(xiàn)程度（侯美亭等，2015）。本研究選取葉綠素a濃度作為水華表征指標(biāo)（因變量），降雨量、氣溫、流量等14個環(huán)境因子作為自變量（表1），擬采用PLSR方法量化不同環(huán)境因子對2022年夏季漢江下游水華生消的貢獻(xiàn)程度。PLSR計算公式見文獻(xiàn)（王惠文，1999; Wold et al，2001）。以下僅介紹基于PLSR模型計算環(huán)境因子貢獻(xiàn)程度的思路。

1.3.1? ?數(shù)據(jù)收集與預(yù)處理? ?收集葉綠素a濃度和同期環(huán)境因子監(jiān)測數(shù)據(jù)，對數(shù)據(jù)進(jìn)行預(yù)處理，包括缺失值填補(bǔ)、異常值處理、標(biāo)準(zhǔn)化等，對數(shù)據(jù)標(biāo)準(zhǔn)化有助于減小不同環(huán)境因子之間的尺度差異對模型有效性的影響。

1.3.2? ?計算主成分? ?計算葉綠素a濃度與環(huán)境因子之間的協(xié)方差矩陣，通過對協(xié)方差矩陣進(jìn)行奇異值分解（SVD），得到葉綠素a濃度與環(huán)境因子的奇異值和奇異向量；可選擇前k個奇異向量作為主成分，其中k是選取的主成分?jǐn)?shù)量。

1.3.3? ?計算PLSR回歸系數(shù)? ?基于選取的主成分?jǐn)?shù)量（k），將所有環(huán)境因子變換成包括k個主成分的矩陣，并通過多元線性回歸方法計算得到葉綠素a濃度與環(huán)境因子的回歸系數(shù)矩陣B。

1.3.4? ?計算相對貢獻(xiàn)率? ?PLSR回歸系數(shù)矩陣B表示環(huán)境因子對葉綠素a濃度變化的影響強(qiáng)度和方向，矩陣B中元素的絕對值表示每個環(huán)境因子對葉綠素a濃度變化的絕對貢獻(xiàn)。通過將每個環(huán)境因子的絕對貢獻(xiàn)除以所有環(huán)境因子的絕對貢獻(xiàn)之和，得到每個環(huán)境因子對葉綠素a濃度變化的相對貢獻(xiàn)率，即[Bi∕∑Bi]。其中，[Bi]表示第i個環(huán)境因子的絕對貢獻(xiàn)，[∑Bi]表示所有環(huán)境因子的絕對貢獻(xiàn)之和。

2? ?結(jié)果與分析

2.1? ?葉綠素a及環(huán)境因子變化

2.1.1? ?水華生消過程? ?2022年7-9月仙桃斷面和宗關(guān)斷面葉綠素a濃度逐日變化過程見圖2。由圖2可見，若以葉綠素a濃度達(dá)到30 μg/L作為水華發(fā)生閾值，仙桃至宗關(guān)斷面于7月中下旬至8月下旬分別發(fā)生了2次明顯的水華過程。

7月中旬，仙桃斷面葉綠素a濃度于7月11日上升至30 μg/L以上，7月12日達(dá)到峰值43 μg/L，7月21日明顯降低。宗關(guān)斷面水華暴發(fā)時間比仙桃斷面滯后2 d，葉綠素a濃度于13日升至30 μg/L以上，7月14日達(dá)到峰值58 μg/L。

7月27日至8月31日，仙桃斷面葉綠素a濃度于7月27日升至30 μg/L以上，8月2日達(dá)到峰值52 μg/L，8月31日明顯降低。宗關(guān)斷面本次水華暴發(fā)時間比仙桃斷面滯后5 d，葉綠素a濃度于8月1日升至30 μg/L以上，8月1-9日保持在45 μg/L左右，8月11-15日經(jīng)歷了短時下降后，于16日又反彈至30 μg/L以上，8月31日明顯降低。

對比上述2次水華特征可知，7月中旬水華過程發(fā)生速率較快，持續(xù)時間較短，仙桃斷面和宗關(guān)斷面水華持續(xù)時間分別約為6 d和4 d。7月下旬至8月下旬水華持續(xù)時間較長，仙桃斷面和宗關(guān)斷面水華持續(xù)時間均超過30 d。

2.1.2? ?環(huán)境因子變化? ?2022年夏季漢江中下游水華發(fā)生期間，各環(huán)境因子變化過程如圖3所示。7月上中旬（7月6-15日），漢江流域持續(xù)高溫?zé)o雨，仙桃斷面流量從1 286 m3/s減小至660 m3/s，水溫、pH和溶解氧均呈現(xiàn)顯著上升趨勢，總磷、總氮濃度總體平穩(wěn)，此期間仙桃斷面和宗關(guān)斷面葉綠素a濃度明顯上升。7月16-28日，漢江流域發(fā)生中等強(qiáng)度的降雨過程，氣溫有所下降。7月21日，受興隆水庫出庫流量增加（圖4）和引江濟(jì)漢工程調(diào)水疊加影響，仙桃斷面流量顯著增加，達(dá)到1 100 m3/s；與此同時，仙桃斷面和宗關(guān)斷面水溫、pH值和溶解氧均有所下降，葉綠素a濃度隨之明顯降低。

7月29日至8月26日，漢江流域經(jīng)歷了長達(dá)近30 d的高溫?zé)o雨天氣，仙桃斷面流量持續(xù)下降，氣溫連續(xù)多日保持在35℃以上，水溫連續(xù)多日保持在30℃以上，水體pH值在8.0～8.6，溶解氧在6～12 mg/L；在此期間，仙桃和宗關(guān)斷面葉綠素a濃度均保持高位。8月30日左右，氣溫驟降，并發(fā)生了一次中等強(qiáng)度降雨過程，仙桃和宗關(guān)斷面葉綠素a濃度隨之明顯降低。

以上結(jié)果表明，2次水華暴發(fā)時間均發(fā)生在漢江中下游澇旱急轉(zhuǎn)階段，即在前期發(fā)生中高強(qiáng)度降雨，出現(xiàn)河道流量增加，緊接著出現(xiàn)持續(xù)高溫少雨極端天氣的過渡階段，氣象條件可能是2022年夏季漢江中下游2次水華暴發(fā)的誘導(dǎo)因子。

2.2? ?葉綠素a濃度與環(huán)境因子的相關(guān)性

為探究各環(huán)境因子對2022年夏季漢江中下游水華生消的影響，本研究分別計算了仙桃斷面和宗關(guān)斷面葉綠素a濃度與各環(huán)境因子相關(guān)系數(shù)并繪制了相關(guān)矩陣圖（圖5）。可見仙桃斷面葉綠素a濃度與水溫、pH值、溶解氧和總磷均呈極顯著正相關(guān)關(guān)系（P≤0.01），相關(guān)系數(shù)分別達(dá)到0.76、0.71、0.79和0.63；與氮磷比呈顯著負(fù)相關(guān)關(guān)系，相關(guān)系數(shù)為-0.67。宗關(guān)斷面葉綠素a濃度與水溫、pH值、溶解氧呈顯著正相關(guān)關(guān)系，相關(guān)系數(shù)分別為0.58、0.71和0.74。與日均水位、水位日變幅、流量、總磷和氨氮均表現(xiàn)出較顯著的負(fù)相關(guān)關(guān)系。由此可見，水溫、pH值和溶解氧可能是影響夏季漢江中下游水華生消的主要因素。

2.3? ?環(huán)境因子對水華的貢獻(xiàn)度

為進(jìn)一步量化不同環(huán)境因子對2022年夏季漢江中下游水華生消的貢獻(xiàn)度，本研究采用PLSR建立環(huán)境因子與葉綠素a之間的復(fù)雜多元關(guān)系，解析不同環(huán)境因子對葉綠素a濃度變化的貢獻(xiàn)度。針對環(huán)境因子間高度相關(guān)或多重共線性問題，PLSR將根據(jù)環(huán)境因子與葉綠素a濃度的協(xié)方差矩陣對高維環(huán)境因子進(jìn)行降維，僅保留少數(shù)幾個主成分，并根據(jù)選取的主成分?jǐn)?shù)量建立環(huán)境因子與葉綠素a濃度之間的多元線性回歸關(guān)系。圖6展示了仙桃斷面和宗關(guān)斷面PLSR主成分對葉綠素a濃度變化的解釋率。可見仙桃斷面PLSR第一主成分對葉綠素a濃度變化的解釋率為88.5%，第二主成分解釋率為3.2%，前2個主成分累積貢獻(xiàn)率達(dá)到91.7%。宗關(guān)斷面PLSR第一主成分對葉綠素a濃度變化的解釋率為50.17%，第二、三、四、五主成分解釋率分別為17.47%、5.61%、7.8%和2.11%，前5個主成分累積貢獻(xiàn)率為83.16%。本研究分別選取仙桃斷面和宗關(guān)斷面前2個和前5個PLSR主成分進(jìn)行建模。結(jié)果表明，仙桃和宗關(guān)斷面PLSR主成分對水華生消的解釋程度都比較高，但仙桃斷面PLSR第一主成分對水華生消的解釋率相對更高，這可能是由于仙桃斷面不同環(huán)境因子在研究時段內(nèi)一致性較好，且與葉綠素a濃度變化的相關(guān)性更強(qiáng)。

分析結(jié)果顯示（圖7），對仙桃斷面水華生消貢獻(xiàn)度較高的環(huán)境因子依次為：溶解氧（15.18%）>水溫（14.50%）>pH（13.68%）>氮磷比（12.80%）>總磷（11.93%）；對宗關(guān)斷面水華生消貢獻(xiàn)度較高的依次為：溶解氧（18.06%）>pH（15.93%）>水溫（15.65%）；表明降雨量、氣溫和流量等因素對仙桃和宗關(guān)斷面水華生消的貢獻(xiàn)度較小。出現(xiàn)該結(jié)果的原因，可能是PLSR等類似統(tǒng)計方法是基于自變量與因變量之間的一致性進(jìn)行統(tǒng)計分析所致，而降雨量、氣溫和流量等因子對水華生消的影響具有間接性、滯后性和非持續(xù)性。

2.4? ?葉綠素a濃度與水體理化指標(biāo)

2022年夏季仙桃和宗關(guān)斷面葉綠素a濃度與水體理化指標(biāo)（溶解氧、pH及水溫）的散點(diǎn)分布見圖8。

若以葉綠素a濃度達(dá)到30 μg/L作為水華發(fā)生的閾值，漢江中下游發(fā)生水華期間，仙桃斷面溶解氧含量為9～11 mg/L，pH值為8.3～8.5，水溫為31～33℃；宗關(guān)斷面溶解氧為8～11 mg/L，pH值為8.3～8.8，水溫為31～34℃。該結(jié)果與現(xiàn)有研究結(jié)果較為一致，不同藻類適宜生長的溫度范圍不同。一般來說，藍(lán)藻喜高溫，其適宜生長溫度普遍高于硅藻，硅藻生長的最佳氣溫為16～30℃，而藍(lán)藻的光合作用和生長速率在25℃以上顯著增加（陳峰等，2023）。

3? ?討論

3.1? ?水體理化指標(biāo)與藻類生長的相互影響

有研究認(rèn)為，水溫、溶解氧、pH值等水體理化指標(biāo)與藻類生長之間存在著復(fù)雜的相互影響關(guān)系（李建等，2020）；適宜的水溫通常有助于加速藻類的代謝過程（包括光合作用和呼吸作用），進(jìn)而促進(jìn)藻類的生長速率增加（Sellers & Bukaveckas，2003）。在藻類的生長過程中，溶解氧的供應(yīng)至關(guān)重要，其直接影響藻類的光合作用、呼吸作用以及氧化還原過程。在光合作用的過程中，藻類通過光合色素吸收光能，將光能轉(zhuǎn)化為電子能，并利用電子能驅(qū)動ATP合成和CO2固定，該過程需要耗費(fèi)大量溶解氧。激發(fā)的電子被傳遞到光系統(tǒng)中，其中包括光系統(tǒng)I（PS I）和光系統(tǒng)II（PS II）；這些光系統(tǒng)包括蛋白質(zhì)復(fù)合物，其通過鏈條傳遞電子。在此過程中，水分子被分解，釋放氧氣，從而使光合水層溶解氧增加（盧大遠(yuǎn)等，2000）。pH對藻類的光合作用效率產(chǎn)生直接影響，在適宜的pH條件下，藻類光合色素的活性和結(jié)構(gòu)可能發(fā)生變化，大大提高藻類對光的吸收和光合作用效率；同時，光合作用加強(qiáng)也使得藻類大量吸收CO2，使水層中CO2濃度降低，引起pH值上升。

3.2? ?結(jié)合中長期氣象預(yù)報的水華防控建議

通過分析環(huán)境因子貢獻(xiàn)率可知，溶解氧、pH值、水溫等水體理化指標(biāo)對2022年夏季漢江中下游水體中葉綠素a濃度變化的貢獻(xiàn)度較高。為了進(jìn)一步研究氣象因子（降雨量、氣溫）和水文水動力因子（流量）對葉綠素a濃度變化的間接影響，本研究采用偏最小二乘路徑模型（Partial Least Squares Path Modeling，PLS-PM）解析了氣象因子、水文水動力因子、水質(zhì)/理化因子對葉綠素a濃度變化的影響路徑（圖9）。單向路徑線段上的數(shù)值代表PLS-PM模型中的路徑系數(shù)，可反映各因子的影響強(qiáng)度。

以仙桃斷面為例，氣溫通過影響水溫而間接影響葉綠素a濃度變化，氣溫對水溫的影響強(qiáng)度達(dá)到0.6455，而水溫對葉綠素a濃度的影響可分為直接影響和間接影響。一方面，水溫對葉綠素a濃度變化的直接影響強(qiáng)度達(dá)到0.3010；另一方面，水溫通過影響pH、溶解氧而間接影響葉綠素a濃度變化，其中水溫對pH的影響強(qiáng)度達(dá)到0.5347。降雨量則是通過影響河道流量而間接影響水中的營養(yǎng)鹽輸移和水體理化特征變化。流量對pH的影響強(qiáng)度為-0.8079，說明河道流量減小有助于水體pH值升高，流量對總氮、總磷的影響強(qiáng)度分別為0.3634和0.6245。

綜上，氣象因子是2022年夏季漢江中下游藍(lán)藻水華暴發(fā)的誘導(dǎo)因子。高溫?zé)o雨的極端天氣導(dǎo)致水溫和pH上升，加速了藻類的代謝反應(yīng)速率；同時，河道流量減小，延長了有機(jī)物和營養(yǎng)鹽的傳輸和滯留時間，為藻類生長提供了穩(wěn)定的營養(yǎng)條件。

水華防控方面目前仍以上游水庫增加下泄流量稀釋為主。有研究認(rèn)為，實(shí)施河流水華防控的最佳時機(jī)是水華即將暴發(fā)的萌芽階段，該階段實(shí)施流量調(diào)控的效果最佳，但目前面向漢江中下游水華防控需求的流量調(diào)控時機(jī)仍不明確（李建等，2020）。從2022年漢江中下游2次水華暴發(fā)的過程來看，夏季水華“萌芽”時段與漢江中下游澇旱急轉(zhuǎn)時段重疊。因此，若能結(jié)合準(zhǔn)確的中長期氣象預(yù)報信息，在澇旱急轉(zhuǎn)時段實(shí)時優(yōu)化漢江中下游水華防控調(diào)度的下泄流量與下泄時機(jī)，將大大提高水華防控的效率和效果。針對漢江中下游夏季水華防控，下一步應(yīng)加強(qiáng)澇旱急轉(zhuǎn)時期水華生態(tài)調(diào)度流量閾值以及調(diào)度方式等研究。

參考文獻(xiàn)

陳峰，王文靜，何濤，等，2023. 2022年夏季漢江中下游水華成因及對策分析[J/OL]. 人民長江， [2023-07-25]https：//kns.cnki.net/kcms2/detail/42.1202.TV.20230725.1252.002.html.

侯美亭，胡偉，喬海龍，等，2015. 偏最小二乘（PLS）回歸方法在中國東部植被變化歸因研究中的應(yīng)用[J]. 自然資源學(xué)報， 30（3）：409-422.

李建，尹煒，賈海燕，等，2020. 漢江中下游硅藻水華研究進(jìn)展與展望[J]. 水生態(tài)學(xué)雜志， 41（5）：136-144.

李建，尹煒，賈海燕，等，2022. 漢江中下游水華防控生態(tài)調(diào)度研究[J]. 湖泊科學(xué)， 34（3）：740-751.

盧大遠(yuǎn)，劉培剛，范天俞，等，2022. 漢江下游突發(fā)“水華”的調(diào)查研究[J]. 環(huán)境科學(xué)研究， 13（2）：28-31.

田晶，郭生練，王俊，等，2022. 漢江中下游干流水華關(guān)鍵環(huán)境因子識別及閾值分析[J]. 水資源保護(hù)， 38（5）：196-203.

王惠文，1999. 偏最小二乘回歸方法及其應(yīng)用[M]. 北京：國防工業(yè)出版社.

夏瑞，張遠(yuǎn)，王璐，等，2020. 漢江下游河流型水華暴發(fā)的多影響因素特征識別[J]. 環(huán)境科學(xué)研究， 33（4）：911-920.

辛小康，王英才，胡圣，等，2019. 漢江下游硅藻水華成因分析[J]. 水電能源科學(xué)， 37（3）：25-28.

Anggara Kasih G A， Kitada T， 2004. Numerical simulation of water quality response to nutrient loading and sediment resuspension in Mikawa Bay， central Japan： quantitative evaluation of the effects of nutrient-reduction measures on algal blooms[J]. Hydrological Processes， 18（16）：3037-3059.

Bowes M， Gozzard E， Johnson A， et al， 2012. Spatial and temporal changes in chlorophyll-a concentrations in the River Thames basin， UK： are phosphorus concentrations beginning to limit phytoplankton biomass？[J]. Science of the Total Environment， 426：45-55.

Chislock M F， Sharp K L， Wilson A E， 2014. Cylindrospermopsis raciborskii dominates under very low and high nitrogen-to-phosphorus ratios[J]. Water Research， 49：207-214.

Filardo M J， Dunstan W N， 2011. Hydrodynamic control of phytoplankton in low salinity waters of the James River Estuary， USA[J]. Estuary， Coast and Shelf Science， 21：653-667.

Hilton J， O'Hare M， Bowes M J， et al， 2006. How green is my river？ A new paradigm of eutrophication in rivers[J]. Science of the Total Environment， 365（1）：66-83.

Huisman J， Codd G A， Paerl H W， et al， 2018. Cyanobacterial blooms[J]. Nature Reviews Microbiology， 16（8）：471-483.

Jon O， Gary C， 2000. Major chemistry of sediments from the Darling River and its tributaries： implications for sediment and phosphorus sources[J]. Hydrological Processes， 14（7）：1-17.

Klaus J， Wetzel C E， Martínez-Carreras N， et al， 2015. A tracer to bridge the scales： on the value of diatoms for tracing fast flow path connectivity from headwaters to mesoscale catchments[J]. Hydrological Processes， 29（25）：5275-5289.

Mhamdi B A， Azzouzi A， Mhamdi M A， et al， 2007. Dynamics of the relative nitrogen and phosphorus concentrations in a reservoir situated in a semi-arid zone （Sahela， Morocco）[J]. Water Resources Management， 21：983-995.

Mosley L M， Zammit B， Leyden E， et al， 2012. The Impact of Extreme Low Flows on the Water Quality of the Lower Murray River and Lakes （South Australia）[J]. Water Resources Management， 26：3923-3946.

Sellers T， Bukaveckas P A， 2003. Phytoplankton production in a large， regulated river： A modeling and mass balance assessment[J]. Limnology and Oceanography， 48（4）：1476-1487.

Wold S， Sjostrom M， Eriksson L， 2001. PLS-regression： A basic tool of chemometrics[J]. Chemometrics and Intelligent Laboratory Systems， 58（2）：109-130.

Xin X K， Zhang H， Lei P， et al， 2020. Algal blooms in the middle and lower Han River： Characteristics， early warning and prevention[J]. Science of the Total Environment， 706：135293.

Yan H， Wang G， Wu D， et al， 2017. Water Bloom Precursor Analysis Based on Two Direction S-Rough Set[J]. Water Resources Management， 31：1435-1456.

（責(zé)任編輯? ?萬月華）

Summer Driving Factors and Their Quantitative Contribution to Algae Bloom

Occurrence and Demise in the Middle and Lower Hanjiang River in 2022

ZHA Xi‐ni1，2， XIN Xiao‐kang1，2， FU Ting1，2，LI Jian1，2， BAI Feng‐peng1，2， LIN Xiao1，2， SHU Peng3

（1. Changjiang Water Resources Protection Institute， Wuhan? ?430051， P. R. China;

2. Key Laboratory of Ecological Regulation of Non-point Source Pollution in Lake and Reservoir

Water Sources， Changjiang Water Resources Commission， Wuhan? ?430051， P. R. China;

3. State Key Laboratory of Water Resources Engineering and Management，

Wuhan University， Wuhan? ?430072， P. R. China）

Abstract：Under the extreme hydrological conditions of high temperature and drought in the Yangtze River basin in the summer of 2022， cyanobacteria blooms occurred for the first time in the middle and lower reaches of Hanjiang River. In this study， we identified the driving factors of algae blooms and quantified the contribution of each driving factor in the Xiantao and Zongguan sections in the Hanjiang River， aiming to provide scientific evidence and decision support for the prevention and control of algae blooms. The concentration of chlorophyll-a was selected as the indicator of algae blooms in this study， and partial least squares regression （PLSR） was used due to the multicollinearity relationship between environmental factors. Results show that： （1） The concentration of chlorophyll-a in the Xiantao section presented a significantly positive correlation with water temperature， pH， dissolved oxygen （DO） and total phosphorus （TP）， and a significantly negative correlation with the ratio of nitrogen to phosphorus. The concentration of chlorophyll-a in the Zongguan section presented a significantly positive correlation with water temperature， pH and the DO， and a significantly negative correlation with the daily average water level， daily water level fluctuation， flow， TP and ammonia nitrogen. （2） The DO， pH and water temperature contributed most to the occurrence and demise of algae blooms， with respective contribution rates of 15.18%， 13.68%， 14.50% in the Xiantao section， and 18.06%， 15.93%， 15.65% in the Zongguan section. （3） The impact paths of various environmental factors on changes in chlorophyll-a concentration were analyzed based on Partial Least Squares Path Modeling （PLS-PM）， and the results indicate that meteorological factors induced the outbreak of cyanobacteria blooms in the middle and lower reaches of the Hanjiang River in summer of 2022， and that the formation （germination） period of summer algae blooms may overlap with "abrupt flood-drought transition" periods. Therefore， to effectively prevent and control algae blooms in the middle and lower reaches of Hanjiang River， we recommend regulating the discharge and time of water flow in combination with accurate medium and long term weather forecast information during "abrupt flood and drought transition" periods. This study has the potential to significantly enhance the efficiency and effectiveness of algae bloom prevention and control.

Key words：algae bloom; environmental factors; quantitative attribution; contribution rates; middle and lower reaches of the Hanjiang River

收稿日期：2023-11-09

基金項目：國家重點(diǎn)研發(fā)項目（2021YFC3200304）；湖北省面上基金項目（2022CFB374）。

作者簡介：查悉妮，1994年生，女，博士，工程師，主要從事生態(tài)水文研究。E-mail：zhaxini228@163.com

通信作者：辛小康，1985年生，男，博士，高級工程師，主要從事水資源保護(hù)研究。E-mail：xin.xiaokang@163.com