2. 山东省潍坊市海洋环境监测中心站, 山东 潍坊 261000;
3. 山东省水生生物资源养护管理中心, 山东 烟台 264000;
4. 浙江大学海洋学院, 浙江 舟山 316021
海水中的溶解氧(Dissolved Oxygen,DO)是反映海洋生物生长状况和海水质量的重要指标,也是衡量海气相互作用、初级生产力等过程的重要标志物,其变化受物理、生物和化学等过程的共同作用[1-2]。国家水质标准(GB3097—1997)中定义海水二类水体标准为5 mg/L,小于5 mg/L则属于三类及以下的水体,三类及以下的海水不适于海水养殖、海洋浴场等海水与人体直接接触的海水娱乐区,因此了解海水中的溶解氧含量非常重要。
大沽河是青岛的“母亲河”,是汇入胶州湾的主要河流,所以水质问题直接影响到胶州湾的水环境。前人对大沽河口的研究多集中在入海口溶解有机物和污染物的变化特征,对于河口海水溶解氧浓度的研究很少,而且没有直接对大沽河口海水溶解氧浓度时空变化的研究。娄安刚等[3]通过数值模式对大沽河口的水质进行了预测,表明入海口小面积范围内存在水质达不到二类水体的现象,邻近海域的水质能够达到二类水质的标准。孟春霞等[4]用综合评价法对大沽河2000—2005年水污染状况进行了评估,表明青岛段大沽河口水质总体呈好转趋势。韩彬等[5]根据2006年6月和2007年6月两次调查数据应用单因子污染指数和富营养化指数对大沽河口水质进行了分析和评价,对于海水溶解氧浓度只给出了观测值,并没有对其时空变化规律和影响因素进行讨论,也没有根据溶解氧浓度对水质进行评价。降雨能够导致河口营养盐浓度的升高及初级生产力的上升, 对河口生态系统产生一定的影响[6-7]。岳玲莉等[8]对大沽河口污染物的多时间尺度变化特征进行了分析,表明大沽河口污染物与降雨有着密切关系。
前人对胶州湾以及大沽河口海水溶解氧浓度研究不完善,本文基于大沽河口有缆实时在线观测系统于2016年11月6日—2017年6月20日期间所获高分辨率的海水底层温度、盐度、溶解氧浓度和压力数据,对大沽河口底层海水溶解氧浓度的多时间尺度变化特征进行了研究,分析了大沽河口水质情况,并结合盐度、温度以及风速数据对影响大沽河口海水溶解氧浓度变化的因素进行了讨论,为研究海水溶解氧浓度的变化提供参考。
1 数据和方法 1.1 数据2016年11月在大沽河口布放了一套生态环境实时在线观测系统,坐标为36°11′44.15″N,120°7′0.57″E,具体位置如图 1所示。观测数据主要包括海水温度、电导率、溶解氧浓度和压力数据。温度、电导率和溶解氧等三个参数由加拿大AML公司的TD 296多参数水质传感器观测得到,观测间隔为1 min,温度的初始精度为为±0.1℃, 分辨率为0.01℃;电导率的初始精度为±0.000 3 S/m, 分辨率为0.000 01 S/m;压强精度为全量程的0.1%,分辨率为0.002%;溶解氧浓度量程为200%饱和度,测量精度为±5%饱和度,分辨率为0.4%饱和度,溶解氧探头型号是Oxygen Optode 4531。压力数据由声学波浪剖面流速仪(Acoustic wave and current meter,AWAC)观测得到,时间间隔为1 h。本文选取2016年11月6日—2017年6月20日数据,除去缺测天数,有效数据长度共计224 d。
![]() |
(黑色星号表示观测点位置。Black asterisk represents the location of the observation point.) 图 1 大沽河口周围地形图 Fig. 1 Topography around the Dagu River Estuary |
为了探讨影响大沽河口海水溶解氧浓度时间变化的因素,本文采用了欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts; ECMWF)提供的Interim再分析资料(ERA-I)[9]。本文主要使用的是海面10 m风场数据,空间分辨率为0.125°×0.125°,时间间隔为6 h,时间范围为2016年11月1日—2017年6月30日。利用再分析资料通过双线性插值得到观测系统布放处海面风的时间序列。
1.2 溶解氧相关参数计算海水饱和溶解氧浓度(DOS, 单位为mg/L)是指当水体与大气中氧交换达到平衡时水中溶解氧的浓度。海水中饱和溶解氧浓度的大小会随着水体的温度、压强和盐度的变化而变化[10]。本文采用Garcia and Gordon[11]改进过的饱和溶解氧计算公式:
$ \begin{array}{c}{\ln C_{0}=A_{0}+A_{1} \cdot T_{s}+A_{2} \cdot T_{s}^{2}+A_{3} \cdot T_{s}^{3}+} \\ {A_{4} \cdot T_{s}^{4}+A_{5} \cdot T_{s}^{5}+S\left(B_{0}+B_{1} \cdot T_{s}+\right.} \\ {B_{2} \cdot T_{s}^{2}+B_{3} \cdot T_{s}^{3} )+C \cdot S_{0}^{2}}。\end{array} $ | (1) |
式中:C0表示氧在海水中的饱和浓度,单位为mL/L;S表示实测海水盐度;TS表示温度转换系数。
$ {T_s} = \ln [(298.15 - T)/(273.15 + T)]。$ | (2) |
式中:T表示实测海水温度(Temperature),单位(℃);A、B、C为经验常数,其数值分别为:
A0=2.008 56; A1=3.224 00; A2=3.990 63; A3=4.802 99; A4=0.978 188; A5=1.710 69; B0=-6.240 97×10-3; B1=-6.934 98×10-3; B2=-6.903 58×10-3; B3=-4.291 55×10-3; C=-3.116 8×10-7。
接下来对饱和溶解氧进行单位换算得到DOsat(mg/L),公式如下:
$ D O_{{sat}}=1.423 \cdot {C}_{0}。$ | (3) |
下面根据USGS (United States Geological Survey)NO. 81.11对DOsat进行压力订正,订正公式如下:
$ D O_{S}=D O_{s a t} \cdot c o\_factor。$ | (4) |
其中co_factor为订正系数,需要用到水深H,公式如下:
$ \begin{array}{c}{ { co\_factor }=} \\ {\left(0.0000005 \cdot H^{2}-0.0118 \cdot H+99.979\right) / 100}。\end{array} $ | (5) |
海水溶解氧饱和度(Saturation percentage, p)计算公式如下:
$ p=D O / D O_{S} \times 100 \%。$ | (6) |
p不仅可以为人们预测低氧的发生提供帮助,而且对于水产养殖有重要的参考价值。p过低时海水易发生低氧现象,鱼类和海洋生物会主动回避氧饱和度低的水域[12]。
表观耗氧量(Apparent oxygen utilization, AOU )计算公式如下:
$ A O U=D O_{S}-D O。$ | (7) |
AOU用来描述生物耗氧过程:当AOU < 0时,表示海水中的溶解氧处于过饱和状态;AOU>0表示海水中的溶解氧处于不饱和状态。底层AOU的变化可以反映有机物的分解耗氧情况以及呼吸作用耗氧情况[13],AOU越大,耗氧越多。
2 时间变化特征 2.1 总体特征大沽河口底层海水DO在观测期间的时间序列如下图 2所示。从图 2的小时平均时间序列来看,DO存在较大幅度的高频变化,本文取日平均值来表征整个观测期间DO的变化范围,约为5.68~13.36 mg/L。整个时间段的平均值、方差和标准差分别为9.71、4.95、2.23 mg/L。
![]() |
(直线和虚线分别代表小时平均和日平均时间序列。The straight line and dashed line represents hourly average and daily average respectively.) 图 2 观测期间DO(mg/L)时间序列 Fig. 2 Time series of the DO(mg/L) during the observation period |
通过图 2可以看出观测期间DO呈现出多时间尺度的变化特征,包含高频的日变化以及低频的月变化和季节变化,整体来看季节变化规律明显,观测起始和结束阶段的高频日变化特征显著,观测期间出现了双极大值峰的特点。DO从2016年11月6—30日波动上升,并于11月30日出现最高值13.36 mg/L,2016年11月30日—2017年1月8日波动下降,2017年1月8日—25日波动上升,并于1月25日出现极大值13.27 mg/L,此后DO呈波动下降的趋势,其中最低值出现在2017年5月29日,约为5.68 mg/L。
2.2 逐月变化与季节变化特征图 3给出了观测期间DO的月平均和季节平均时间序列。其中2016年秋季只利用了11月的数据,2017年夏季只利用了6月份的数据,所以图 3(b)中未给出秋季和夏季的平均值,夏季和秋季柱状图的高度分别只代表 2016年11月和2017年6月的月平均值。
![]() |
(图 3(a)中黑色线代表年平均值。The black line represents the average of DO in Fig 3(a).) 图 3 观测期间DO(mg/L)的月平均(a)和季节平均(b)时间序列 Fig. 3 Time series of the monthly mean (a) and seasonal mean (b) of the DO (mg/L)during the observation period |
通过图 3可以看出,DO存在月时间尺度和季节时间尺度的变化。对于月平均变化而言,DO从2016年11月—2017年1月逐渐升高,从2017年1—6月逐渐降低。观测期间月平均值于1月最高、约为11.86 mg/L,于6月最低、约为6.17 mg/L。观测期间大于年平均值的有2016年11月—2017年3月共5个月,其余月份小于年平均值。刘春利等[14]研究结果表明,黄海区域平均的表层海水溶解氧浓度3月份最高,8月份最低。本文研究结果与其略有不同,说明胶州湾内部大沽河口与广阔的外海区域的海水溶解氧浓度存在差异,最高值和最低值明显超前于外海两个月。从季节变化来看,大沽河口底层海水DO秋季至冬季逐渐升高,冬季至夏季逐渐降低,其中冬季明显要高于春季。结合图 3(a)中2016年12月和2017年1—2月平均值大且相互之间差异较小,这三个月份属于冬季,说明冬季溶解氧含量较高且季节内差别不大,相较于其他季节来说存在较大差异。
2.3 日变化特征不同季节海水溶解氧浓度日变化的主导因素并不相同[15],本文利用小时平均的海水溶解氧数据,计算得到各月平均的日变化曲线,如下图 4所示。通过图 4可以看出,不同月份中海水溶解氧浓度的日变化趋势并不相同、其极大值对应不同时刻。
![]() |
图 4 各月平均的DO逐时日变化 Fig. 4 The monthly mean daily time series of the DO |
根据DO日变化曲线的形态,本文将不同月份的逐时日变化分为两类:第一类为2016年11月—2017年3月,DO日变化呈现出较为明显的日周期或者半日周期变化;第二类为2017年4—6月,DO日变化曲线较为曲折。第一种类型出现在秋末至初春,期间浮游植物的生命活动非常弱,无法通过光合作用产生氧气,因而DO受到混合的影响,这种混合与海表面风和潮汐都有关系。第二种类型发生期间,浮游植物的生命活动开始逐渐活跃,白天通过光合作用产生氧气,DO出现上升的情况,晚上海洋生物通过呼吸作用消耗氧气,在与混合作用对DO影响的相互耦合过程中产生了较为剧烈的波动情况。
2.4 变化幅度特征本文利用天平均和小时平均的海水溶解氧浓度分别计算了其月标准差和日标准差时间序列如下图 5所示。海水溶解氧浓度的月标准差和日标准差可分别反映其日变化强度和小时变化强度。
![]() |
(图 5(b)中灰色线表示日标准差的月平均值。The gray line represents the monthly average of the daily standard deviation in Fig 5(b).) 图 5 海水溶解氧浓度的月标准差(a, mg/L)和日标准差(b, mg/L)时间序列 Fig. 5 Time series of the monthly (a) and daily (b) standard deviations of the DO(mg/L) during the observation period |
通过图 5(a)可以看出观测期间海水溶解氧浓度的月标准差的变化规律为2016年11月—2017年5月下降,2017年5—6月上升。其中月标准差11月最大,为0.83 mg/L,2017年5月最小,为0.21 mg/L。结合海水溶解氧浓度的时间序列,本文发现海水溶解氧浓度在11月份存在明显的跃升情况,所以11月份海水溶解氧的月标准差最大。
通过图 5(b)可以看出观测期间大沽河口海水溶解氧浓度的日变化也呈现出与月变化较为相似的规律,2016年11月份最大,为0.76 mg/L,2017年2月最小,为0.15 mg/L。说明观测期间,溶解氧浓度的日标准差和月标准差均于2016年11月份最强。此外,海水溶解氧浓度的日标准差变化还存在显著的天气时间尺度变化特征,亦于2016年11月份时最强,最高值约为1.94 mg/L,出现在2016年11月28日。
2.5 海水溶解氧饱和度分析为了对底层海水溶解氧的饱和度和耗氧情况进行分析,本文将观测期间的DO、DOS、饱和百分比、AOU以及AOU月平均值的时间序列分别给出,如下图 6所示。
![]() |
((b)和(c)中从左至右的四种颜色分别表示秋季、冬季、春季和夏季; (b)中红色线表示饱和百分比为100%; (c)和(d)中红色线表示平均值。The four color from left to right represents Autumn, Winter, Spring and Summer respectively in (b) and (c); Red line in (b) represents p is 100%; Red line in (c) and (d) represents the average of AOU.) 图 6 观测期间的DO(mg/L)、DOS(mg/L)、p (b)、日平均AOU (c, mg/L)和月平均AOU (d, mg/L)时间序列 Fig. 6 Time series of the DO(mg/L), DOS(mg/L), p (b), daily AOU (c, mg/L) and monthly AOU (d, mg/L) during the observation period |
通过图 6可以看出2016年11月8日—2017年3月20日大沽河口海水的实测溶解氧浓度有较长一段时间处于饱和溶解氧浓度之上,说明此时海水处于过饱和或近饱和的状态,对应时间段内AOU的值在较多时间内处于负值,海水处于富氧的状态。通过之前分析过饱和一般有两种情况:一是海气交换十分充分;二是浮游植物光合作用产生大量的氧气。这段时间内浮游植物生命活动较弱,因此是因为海气交换充分导致过饱和现象的发生。2017年3月30日之后,实测溶解氧浓度与饱和溶解氧浓度的差距逐渐变大,对应AOU的量值不断增大,说明水体进入到了氧消耗阶段,这与海洋生物生命活动消耗溶解氧有关。
通过图 6(c)可以看出,总体上AOU是大于0的,整个观测期间AOU的平均值为0.40 mg/L,变化范围为-5.80~3.50 mg/L。说明观测期间的溶解氧过饱和状态强度虽大,但是持续作用的时间不长。通过图 6(d)可以看到,AOU月平均值小于0的月份有2016年11—12月和2017年3月,其余月份AOU的月平均值都大于0,且2017年4—6月份AOU的值要大很多,说明在4—6月份大沽河口海底溶解氧的消耗较大。
3 影响机制探讨山东近岸海水中溶解氧浓度受到温度、盐度、海表面风、沿岸流和离岸流等的影响[16]。因为数据有限,本文接下来将从海水盐度、温度、海表面风、潮汐作用等对溶解氧浓度的影响方面进行分析。
3.1 海水盐度前人研究表明,相同温度下氧气在标准海水中的饱和溶解度要比在淡水中的溶解度低20%左右,说明盐度对溶解氧浓度有一定的影响。为了研究大沽河口海水盐度与DO的关系,将盐度和DO的时间序列以及盐度和DO的散点图做出如下图 7所示。
![]() |
图 7 观测期间的DO(mg/L)、盐度、时间序列(a)以及盐度、DO(mg/L)散点图(b) Fig. 7 Time series of DO(mg/L), salinity in (a)and scatter diagram of salinity, DO(mg/L) in (b) |
从图 7(a)可以看出,海水盐度和DO的变化呈现出一定的负相关关系,计算得到盐度与DO的相关系数为-0.51,说明大沽河口盐度对DO有一定的影响,盐度越高,DO越低。通过图 7(b)可以看到,DO的散点分布在盐度-DO趋势线的两侧,但是与趋势线偏离较大,呈现不规则分布,所以可以肯定盐度对DO有一定的控制作用,但是影响不大,经过计算,盐度在11.58~30.70的变化范围之内,对溶解氧浓度的变化产生了13.10%的贡献。
3.2 海水温度海水中气体的溶解度与温度存在一定的负相关关系,氧气在水中的溶解情况也是如此,随着温度的升高,氧气在海水的溶解度会降低,所以山东近海海洋表面溶解氧的季节性变化与温度的季节性循环有关[17]。为了研究底层海水温度与DO的关系,本文将温度和DO的时间序列以及温度和DO散点图分别做出(见图 8)。
![]() |
图 8 观测期间的DO(mg/L)、T(℃)、时间序列(a)以及T(℃)、DO(mg/L)散点图(b) Fig. 8 Time series of DO(mg/L), T(℃) in (a)and scatter diagram of T(℃), DO(mg/L) in (b) |
通过图 8可以看出,海水温度与DO呈现出相反的变化趋势,季节性信号非常明显,整个观测时间段内的温度振幅达到25.86 ℃,说明大沽河口的海底温度季节性差异较大。2016年11—2017年1月底太阳辐射逐渐减弱,海水温度随之波动降低,并于1月24日达到最小值0.02 ℃,2017年1月底—6月底太阳辐射逐渐增强,海水温度随之波动升高,并于6月22日达到最大值25.88 ℃。整个观测期间海水温度的平均值为10.96 ℃。温度和DO的相关系数为-0.96,高于95%置信水平,对比温度和DO的散点图可以看到二者近乎负的线性相关,本文用最小二乘法拟合得到二者之间的关系式如下所示:
$ D O_{T}=-0.3035 \cdot T+12.977。$ | (8) |
图 8(a)中红色线是利用关系是式(8)拟合的海水溶解氧浓度结果DOT。从图中可以看出,DOT与观测的DO不论量值还是时间变化均基本一致,通过图 8(b)也可以看出,实测溶解氧浓度较为均匀地分布在拟合溶解氧浓度的两侧,其同期相关系数为0.96、高于95%置信水平,说明海水温度对海水溶解氧浓度的变化具有主导作用。温度越高,DO越低,反之,DO越高。但是观测期间温度在5~15 ℃之间时,部分海水拟合溶解氧浓度与实测值偏离较大,实测溶解氧浓度比拟合溶解氧浓度大得多,结合图 8(a)中拟合溶解氧浓度和实测溶解氧浓度的时间序列,本文发现拟合不佳的时间段对应于2016年11月8日—2017年3月20日,说明这个阶段海水溶解氧浓度还受到除温度之外的因素的影响,这些因素就是下文要讨论的海表面风的作用。
3.3 风致混合大风能够驱动海水混合,当风速超过8 m/s的强风经常发生时,通过风应力引起的海水混合与潮汐作用引起的海水混合相互协调,从而导致垂向混合会加强[18-19]。为了研究风混合对DO的影响,本文定义一个参量:溶解氧浓度差(DOD),是由实测溶解氧浓度减去利用温度拟合的溶解氧浓度所得,公式如下:
$ D O_{D}=D O-D O_{T}。$ | (9) |
当DOD>0时,说明实测溶解氧浓度大于该温度下预期的溶解氧浓度,当DOD<0时,实测溶解氧浓度小于该温度下预期的溶解氧浓度。DOD和风速的时间序列如图 9所示。
![]() |
((a)中红色部分代表DOD>0, 蓝色线代表DOD<0; (b)中黑色线代表风速等于8 m/s, 蓝色点代表风速小于8 m/s, 红色点代表风速大于8 m/s。The red part represents DOD is greater than 0 and the blue part represents DOD is smaller than 0 in (a); Black line represents wind speed is 8 m/s in (b); Blue point represents wind speed is smaller than 8 m/s and the red point represents wind speed is greater than 8 m/s in (b).) 图 9 DOD(mg/L)、风速(m/s)时间序列 Fig. 9 Time series of DOD(mg/L) and wind speed(m/s) |
通过图 9(a)可以看出,DOD在2016年11月8—12月15日之间数值较大且基本是大于0的,说明这段时间实测溶解氧浓度要远高于拟合溶解氧浓度,溶解氧浓度的补充大于消耗。根据前文提到,溶解氧的来源主要有海气交换和浮游植物的光合作用产生,此段时间属于秋末和冬初,浮游植物的光合作用几乎可以忽略不计,溶解氧应该是通过海气相互作用进行补充。通过对比该时间段内的风速发现,海表面风速总体较强,大风过程存在较多,经计算这段时间之内海表面平均风速5.00 m/s,超过8 m/s的时间段超过10.00%,说明海表面风较强,在水深较浅的大沽河口能够引起强烈的垂向混合,从而为海底提供溶解氧,秋末和冬初海水温度要大于气温,海水混合会造成海底温度的下降,这也提高了氧的溶解度,会增加水体中溶解氧的含量,所以溶解氧浓度较高。2016年12月25—2017年6月20日,海表面风速总体较弱,大风天气明显偏少,经计算海表面平均风速4.10 m/s,超过8 m/s的时间段仅为4.00%,说明海表面风较弱,水体垂向混合不强,溶解氧浓度无法通过海水混合进行补充,所以这段时间之内溶解氧浓度主要受温度的控制,拟合的溶解氧浓度和实测溶解氧浓度基本保持一致。
3.4 潮汐作用AWAC能够获取海底的压力数据,数据时间步长为1 h,经过换算得到水深数据。前文中提到大沽河口溶解氧的日变化趋势分为两类,第一类是平滑的,海水溶解氧浓度受到海水混合的影响。大沽河口受潮汐作用的影响较大,因此本文对海水溶解氧的日变化和水位的数据进行分析。图 10(b)为利用各个月份的水位异常时间序列计算得到的功率谱,可以看出各个月份水位异常的功率谱呈现类似特征,均在12 h附近存在显著峰值,24和6 h附近虽有波动,但是不强烈,说明水位变化存在显著的半日周期。利用水位数据进行调和分析,得到各主要分潮的调和常数(信噪比大于10)如表 1所示。实测水位和回报水位如图 10(c)所示,可以发现水深变化以潮汐过程为主,每个月都存在两个大潮过程和两个小潮过程,回报水位与实际水位相吻合,其同期相关系数约为0.99,方差解释率为81.40%。根据调和分析结果,进一步计算得到潮汐特征值为0.36,说明大沽河口海域的潮汐类型属于正规半日潮,且以周期为12.42 h的M2分潮为主。通过表 1各分潮的振幅可以发现半日分潮M2所占比例最大。图 10(a)展示了不同月份利用小时平均的海水溶解氧浓度时间序列计算得到的功率谱。通过图 10(a)可以看出,有2个月的溶解氧功率谱存在较为明显的半日周期特征,说明潮汐对溶解氧浓度的确有影响,但是通过噪音信号以及功率谱值来看,这种半日周期的值不强,所以潮汐作用对海水溶解氧浓度存在一定的影响,但是影响不大。
![]() |
图 10 各月份DO功率谱(a)、水位功率谱(b)和水位调和分析结果(c, 单位: m) Fig. 10 Power spectrum analysis of the DO(a), elevation(b) in each month and the result of harmonic analysis(c, m) |
![]() |
表 1 大沽河口主要分潮调和常数 Table 1 Major tidal component harmonic constants of Dagu River Estuary |
本文利用大沽河口海洋环境有缆实时在线观测系统所获数据,研究了底层海水溶解氧的时间变化特征和变化幅度特征;结合盐度、温度、水深以及风速数据对海水溶解氧浓度的影响因素进行了讨论,主要结论如下:
(1) 大沽河口底层海水溶解氧浓度呈现出多时间尺度变化特征,观测期间平均值为8.90 mg/L,日平均值变化范围为5.04~13.29 mg/L。从月平均数据来看,海水溶解氧浓度从2016年11—2017年1月逐渐升高,2017年1—6月逐渐降低,1月最高,为11.86 mg/L,6月最低,为6.17 mg/L。对于季节变化而言,海水溶解氧浓度从秋季至冬季逐渐升高,冬季至夏季逐渐降低。在秋末至初春,这个时间段内,浮游植物的生命活动非常弱,无法通过光合作用产生氧气,因而海水溶解氧浓度日变化受到海表面风和潮汐作用下海水混合的影响较大;春季和夏季初期,浮游植物开始进行光合作用,海水溶解氧浓度白天呈现出上升的趋势。
(2) 观测期间海水溶解氧浓度的月标准差的变化规律为2016年11月—2017年5月下降,2017年5—6月上升。其中月标准差11月最大,为0.83 mg/L,2017年5月最小,为0.21 mg/L。海水溶解氧浓度的日标准差呈现出与月标准差相似的规律,2016年11月份最大,为0.76 mg/L,2017年2月最小,为0.15 mg/L。说明观测期间,溶解氧浓度的小时变化强度和日变化强度均于2016年11月份最强。此外,海水溶解氧浓度的日标准差变化还存在显著的天气时间尺度变化,亦于2016年11月份时最强,最高值约为1.94 mg/L,出现在2016年11月28日。观测期间大沽河口饱和度逐渐降低,AOU经历了由负到正逐渐升高的过程,在2017年4—6月份,AOU的值相对较大,说明水体进入到了氧消耗的阶段。
(3) 大沽河口水深较浅,层结作用不明显,影响底层海水溶解氧浓度的主要因素是温度,二者的相关系数达到-0.96,温度越高,溶解氧浓度越低。由于大沽河口盐度的变化范围较大,盐度变化对海水溶解氧浓度的贡献率达到13.10%,二者相关系数为-0.51,盐度越高,溶解氧浓度越低。海水溶解氧浓度的变化还受到大风天气的影响,在大风天气的影响下,溶解氧状态充盈,海水溶解氧浓度会出现过饱和的现象,在风力较弱的情况下,海水溶解氧浓度主要受温度控制。潮汐对海水溶解氧浓度有一定的影响,大沽河口潮汐类型为正规半日潮,潮汐作用能够引起海底水的混合运动,从而对溶解氧浓度产生影响。
(4) 本次研究发现大沽河口在观测期间不存在溶解氧浓度低于二类水质标准的现象,说明大沽河口水体2016年秋冬季至2017年春季基本无污染,但是溶解氧浓度夏季的趋势仍然需要进一步的观测,研究表明夏季海水溶解氧浓度呈下降趋势,加上径流增大可能携带大量污染物,有可能会出现溶解氧含量低于二类水质标准甚至是三类标准的情况。
[1] |
张莹莹, 张经, 吴莹, 等. 长江口溶解氧的分布特征及影响因素研究[J]. 环境科学, 2007(8): 1649-1654. Zhang Ying-ying, Zhang Jing, Wu Ying, et al. Characteristics of dissolved oxygen and its affecting factors in the Yangtze Estuary[J]. Environmental Science, 2007(8): 1649-1654. DOI:10.3321/j.issn:0250-3301.2007.08.001 ( ![]() |
[2] |
辛明, 马德毅, 王保栋, 等. 黄海溶解氧的平面分布特征及其季节变化[J]. 中国海洋大学学报(自然科学版), 2013, 43(7): 56-60. Xin Ming, Ma De-yi, Wang Bao-dong, et al. The horizontal distribution characteristics and seasonal variations of dissolved oxygen in the Yellow Sea[J]. Periodical of Ocean University of China, 2013, 43(7): 56-60. ( ![]() |
[3] |
娄安刚, 王学昌, 吴德星, 等. 胶州湾大沽河口邻近海域海水水质预测[J]. 海洋环境科学, 2002(1): 52-56. Lou An-gang, Wang Xue-chang, Wu De-xing, et al. Prediction of water quality adjacent sea area of Daguhe Estuary in Jiaozhou Bay[J]. Marine Environmental Science, 2002(1): 52-56. DOI:10.3969/j.issn.1007-6336.2002.01.011 ( ![]() |
[4] |
孟春霞, 王成见, 董少杰. 大沽河青岛段地表水水质变化分析[J]. 水资源与水工程学报, 2008(1): 73-76. Meng Chun-xia, Wang Cheng-jian, Dong Shao-jie. Analysis on ground water quality changes in Qingdao Reach of Daguhe River[J]. Journal of Water Resources & Water Engineering, 2008(1): 73-76. ( ![]() |
[5] |
韩彬, 曹磊, 李培昌, 等. 胶州湾大沽河河口及邻近海域海水水质状况与评价[J]. 海洋科学, 2010, 34(8): 46-49. Han Bin, Cao Lei, Li Pei-chang, et al. Survey and assessment of seawater quality at Dagu river estuary and adjacent sea area[J]. Marine Sciences, 2010, 34(8): 46-49. ( ![]() |
[6] |
Paerl H W, Rudek J, Mallin M A. Stimulation of phytoplankton production in coastal waters by natural rainfall inputs: Nutritional and trophic implications[J]. Marine Biology, 1990, 107(2): 247-254. DOI:10.1007/BF01319823
( ![]() |
[7] |
Burkholder J M, Eggleston D B, Glasgow H B, et al. Comparative impacts of two major hurricane seasons on the Neuse River and western Pamlico sound ecosystems[J]. Proceedings of the National Academy of Sciences of the United States of America, 2004, 101(25): 9291-9296. DOI:10.1073/pnas.0306842101
( ![]() |
[8] |
岳玲莉, 高会旺, 乔飞, 等. 大沽河入海口污染物浓度多时间尺度变化特征分析[J]. 中国海洋大学学报(自然科学版), 2017, 47(6): 8-16. Yue Ling-li, Gao Hui-wang, Qian Fei, et al. Multi-time scale variations of pollutants in the estury of Dagu River[J]. Periodical of Ocean University of China, 2017, 47(6): 8-16. ( ![]() |
[9] |
Dee D, Uppala S, Simmons A J, et al. The ERA-Interim reanalysis: Configuration and performance of the data assimilation system[J]. Quarterly Journal of the Royal Meteorological Society, 2011, 137(656): 553-597. DOI:10.1002/qj.v137.656
( ![]() |
[10] |
Weiss R F. The solubility of nitrogen, oxygen and argon in water and seawater[J]. Deep Sea Research & Oceanographic Abstracts, 1970, 17(4): 721-735.
( ![]() |
[11] |
Garcia H E, Gordon L I. Oxygen solubility in seawater: Better fitting equations[J]. Limnology and Oceanography, 1992, 37(6): 1307-1312. DOI:10.4319/lo.1992.37.6.1307
( ![]() |
[12] |
Wannamaker C M, Rice J A. Effects of hypoxia on movements and behavior of selected estuarine organisms from the southeastern United States[J]. Journal of Experimental Marine Biology and Ecology, 2000, 249(2): 145-163. DOI:10.1016/S0022-0981(00)00160-X
( ![]() |
[13] |
Zhu J, Zhu Z, Lin J, et al. Distribution of hypoxia and pycnocline off the Changjiang Estuary, China[J]. Journal of Marine Systems, 2016, 154: 28-40. DOI:10.1016/j.jmarsys.2015.05.002
( ![]() |
[14] |
刘春利, 葛长字, 张玉娟, 等. 黄海表层溶解氧时空分布特征[J]. 海洋环境科学, 2017(2): 255-260. Li Chun-li, Ge Chang-zi, Zhang Yu-juan, et al. Spatial and temporal variations of surface dissolved oxygen in the Yellow Sea[J]. Marine Environmental Science, 2017(2): 255-260. ( ![]() |
[15] |
Li G, Liu J, Diao Z, et al. Subsurface low dissolved oxygen occurred at fresh- and saline-water intersection of the Pearl River estuary during the summer period[J]. Marine Pollution Bulletin, 2017, 126: 585-591.
( ![]() |
[16] |
石强. 黄海溶解氧含量场季节循环时空模态与机制[J]. 应用海洋学学报, 2016(1): 1-14. Shi Qiang. Mechanism and spatio-temporal mode on the seasonal cycle of dissolved oxygen content fields in the Yellow Sea[J]. Journal of Applied Oceanography, 2016(1): 1-14. DOI:10.3969/J.ISSN.2095-4972.2016.01.001 ( ![]() |
[17] |
Boyer T, Conkright M E, Levitus S. Seasonal variability of dissolved oxygen, percent oxygen saturation, and apparent oxygen utilization in the Atlantic and Pacific Oceans[J]. Deep Sea Research Part Ⅰ Oceanographic Research Papers, 1999, 46(46): 1593-1613.
( ![]() |
[18] |
Maccready P, Banas N S, Hickey B M, et al. A model study of tide and wind induced mixing in the Columbia River Estuary and plume[J]. Continental Shelf Research, 2009, 29(1): 278-291. DOI:10.1016/j.csr.2008.03.015
( ![]() |
[19] |
Xuan J L, Huang D, Zhou F, et al. The role of wind on the detachment of low salinity water in the changjiang estuary in summer[J]. Journal of Geophysical Research, 2012, 117(C10004).
( ![]() |
2. Weifang Marine Environment Monitoring Center Station in Shandong Province, Weifang 261000, China;
3. Shandong Hydrobios Resources Conservation and Management Center, Yantai, 264000, China;
4. Ocean College, Zhejiang University, Zhoushan 316021, China