论文总字数：14424字

摘 要

对叶绿素的监测可实时了解水环境的富营养化状态，对于监测、修复湖泊等水体的富营养化情况具有重要意义。本文以钝顶螺旋藻为实验材料，设置0.25、0.5、2、6、12五个氮素水平藻类水样在30℃，光照度630LUX,黑夜12h、白天12h的光照培养箱中培养，使用Hydrolab多功能水质监测仪采集水样中叶绿素含量信息。分析不同氮素水平对叶绿素含量的影响，并基于SLogistic模型构建a、k、xc三个参数与不同氮素水平的关系，最终建立水体叶绿素含量随氮素水平变化的动态预测生长模型。该模型能够较好的预测水体中不同氮素水平下的叶绿素含量。

关键词：氮素水平，叶绿素含量，SLogistic模型，生长模型

Abstract: The monitoring of chlorophyll can be used to understand the eutrophication status of the water environment in real time, which is of great significance for monitoring and restoring the eutrophication of lakes and other water bodies. In this paper, Spirulina platensis was used as experimental material, and 0.25,0.5,2,6,12 five nitrogen levels of algae water samples were cultured at 30°C, illuminance of 630 LUX, nighttime of 12 hours, and daytime of 12 hours in an incubator using Hydrolab DS 5X. A functional water quality monitor collects information on chlorophyll content in water samples. The effect of different nitrogen levels on the chlorophyll content was analyzed. Based on the SLogistic model, the relationship between a, k, and xc parameters and different nitrogen levels was established. Finally, a dynamic model for predicting growth of chlorophyll content in water with nitrogen levels was established. The model can better predict the chlorophyll content under different nitrogen levels in water.

Keywords: Nitrogen levels，Chlorophyll content，SLogistic model，Growth model

目录

1 前言 4

2 材料与方法 5

2.1 实验材料 5

2.2 试验设备 5

2.3实验设计 7

2.4实验方法 8

2.4.1钝顶螺旋藻的扩培 8

2.4.2钝顶螺旋藻母液指标参数的测定 8

2.4.3不同氮浓度水平培养液的配置 8

2.4.4 钝顶螺旋藻液叶绿素数据的采集 9

2.5数据分析 9

3叶绿素含量模型构建 10

3.1不同氮素水平下叶绿素含量变化曲线 10

3.2基于不同氮素水平下叶绿素含量的SLogistic模型构建 10

3.3 叶绿素含量随氮素水平变化的反演模型 13

3.3.1基于氮浓度的参数a反演模型 13

3.3.2基于氮浓度的参数k反演模型 14

3.3.3基于氮浓度的参数反演模型 15

3.3.4基于叶绿素浓度的不同氮素水平蓝藻生长模型构建 16

4 构建模型的检验 16

4.1 不同氮含量叶绿素预测值与实测数量的吻合情况 16

4.2预测不同氮含量时的叶绿素含量 18

结论 20

参考文献 21

致 谢 24

1 前言

湖泊、海洋是地球上重要的水体组成部分。在人口不断增加与农业技术不断发展的同时^[1]，大量的生活污水和工业废水携带氮、磷等营养盐物质进入水体中^{[2, 3]}，导致水体中的藻类大量繁殖^[4]。而由于藻类会消耗水体中大部分的溶解氧^{[5, 6]}，引起水体富营养化，致使水体散发出腥臭异味，透明度降低，同时还会向水体中释放有毒物质^{[7, 8]}。而这种水体富营养化的现象会严重影响到供水水质并增加制水成本^{[9, 10]}，对环境的保护和社会经济的发展产生巨大的影响。因此如何控制水体富营养化成为一项重大的课题^[11]。由于藻类的快速生长是导致水体富营养化的原因之一^[12]，因而研究藻类的生长趋势，控制藻类的过量繁殖成为控制水体富营养化的前提^[13]，具有极其重要的生态意义和经济价值。

叶绿素（CHL）是植物光合作用的重要色素^{[14, 15]}，其含量的高低与藻类的种类、数量等密切相关，是反映水体富营养化的重要指标^[16]。水体富营养化最直接的现象就是水体中藻类的大量繁殖，由于单位藻类中叶绿素的含量是相对恒定的^[17]，因此水体中叶绿素浓度的高低可以表现出藻类的现存量^[14]，反映出水体的理化性质和生物综合特征^[18]，是体现水体富营养化的重要指标。根据国际经合组织（OECD）规定的关于评判湖泊营养状态的CHL划分标准^{[19, 20]}：当CHL78时为重富营养型，当78gt;CHLgt;11时为富营养型，当11gt;CHLgt;3时为中营养型，当CHL3时为贫营养型。在实际工作中叶绿素可以直观的反映出湖泊富营养化水平和水华消长情况，可以对赤潮、绿潮等水体灾害起到风险预警的作用^[21]，对认识湖泊富营养化的机理具有重要意义。

许多因素会对水体藻类中叶绿素含量产生影响，主要包括温度、浊度、光照、pH、营养盐等^[19]。大量的实验研究证明了水体中叶绿素的浓度总体与透明度呈现负相关^{[22, 23]}，与pH值呈显著正相关，与水温呈现正相关^[24]。而营养盐对叶绿素含量的限制作用通常是潜在的^[25-27]，即常受到其他环境因素（如光，温度）所制约，当其他因素相对稳定时，营养盐的限制作用就被凸显出来^{[28, 29]}。氮是生物营养盐的重要元素之一^[30]，水体中藻类吸收的氮源主要是氨态氮、硝态氮及亚硝态氮等氮的化合物形式^[28]。因此水体中的氮含量会影响蓝藻的生长，进而影响水体中叶绿素的含量。

构建叶绿素影响因子与叶绿素含量的反演模型，作为能够预测水体中叶绿素含量的关键技术之一^[31]，具有较高的可靠性。目前主要是通过遥感手段获取水体中叶绿素含量^[32]，利用经验模型、半经验模型和分析模型^[33-35]三种模型结构对水体中藻类叶绿素含量进行模型的构建。经验模型是基于遥感数据和地面实测数据的相关统计，通过选择最优波段或波段组合数据与地面实测叶绿素浓度进行统计分析^{[36, 37]}，而得到叶绿素浓度的反演算法，但该模型中水质参数与遥感数据间的因果关系不能保证，缺乏物理依据且具有时间和空间特殊性^{[38, 39]}。半经验模型是将已知的水质参数光谱特征与统计分析模型相结合^[40]，选择最佳的波段或波段组合作为相关变量估算水质参数值的方法，但该算法只适用于当时的条件，对于不同时间和地域的水质参数估算需要进行参数校正^{[41, 42]}。分析模型主要是描述水体组分与辐照度比之间的关系，并模拟水体的辐照度比^[43]，但该模型建立之初需要测量的参数较多，特别是水体的固有光学参数的测量对设备条件要求较高^{[33, 44]}。总体上在利用遥感手段来构建叶绿素反演模型时还会受水体光谱的影响，而由于水体本身的光谱特性复杂，且其辐射信息受大气散射影响严重，再加上常规遥感传感器分辨率较低，获取的叶绿素含量存在较大误差，导致水体藻类叶绿素浓度反演算法很不成熟，建立的模型大多只是针对特定水体、特定时期^[45]，不具有普适性。

剩余内容已隐藏，请支付后下载全文，论文总字数：14424字