东中国海浮游植物粒径等级诊断色素权重参数分析研究

摘 要：利用诊断色素分析方法（DPA）对2016年6月、2016年9月和2017年1月东中国海高效液相色谱数据（HPLC）进行分析，叶绿素a浓度（Chla）范围在0.5～5mg·m-3内，回归得到不同区域（渤海、黄海和东海）、不同季节（冬季、夏季）和不同建模方法（随机拟合、顺序拟合和“留一法”）的诊断色素权重参数，结果表明：渤海、黄海诊断色素权重参数差距不大，与东海有明显差异，在东中国海范围内，由于But色素含量较少，可以忽略其影响，使用其余6种色素对Chla浓度进行反演；东中国海诊断色素权重参数受季节影响较小；不同的回归方法对诊断色素权重参数影响很小。

关键词：HPLC；诊断色素分析；浮游植物粒径等级；东中国海

中图分类号：P73 文献标识码：A 文章编号：1003-5168（2018）20-0148-05

Analysis and Study on Pigment Weight Parameters of Phytoplankton

Size Class in the East China Seas

LAI Wendian SUN Deyong HUAN Yu

（College of Marine Science， Nanjing University of Information Science & Technology，Nanjing Jiangsu 210044）

Abstract： High Performance Liquid Chromatography （HPLC） data of the east China seas in June 2016， September 2016 and January 2017 were analyzed by diagnostic pigment analysis （DPA）.Within 0.5～5mg·m-3 chlorophyll a concentration （Chla）， the diagnostic pigment weight parameters of different regions （the Bohai Sea， the Yellow Sea and the Donghai Sea）， seasons （winter and summer） and modeling methods （random fitting， order fitting and leave-one-out method） were obtained by regression analysis. The results showed that the difference between the weight parameters of diagnostic pigments in Bohai and the Yellow Sea was small， and there was a significant difference from the East China Sea. In the East China Sea， the Chla concentration could be retrieved by the use of the other 6 pigments in the East China Sea. The weight parameters of the eastern China Sea were less affected by the seasons； The method had little effect on the weight parameters of diagnostic pigment.

Keywords： HPLC；diagnostic pigment analysis；phytoplankton size classes；the east China seas

1 研究背景

浮游植物在海洋生物地球化學循环中扮演着许多角色。在光合作用下，CO2被吸收和释放，从而为浮游植物的新陈代谢提供需要。虽然这一过程较为常见，但有些物种因其独特的生理特征具有特定的化学要求，从而有了一系列不同功能角色。例如，颗石藻主要控制钙元素；硅藻主要影响硅元素的变化；蓝藻细菌对氮有重要影响；鞭毛藻负责在海洋中增强二甲基硫丙酸（DMSP）的生产，促进海洋与大气之间的交换[1]。

浮游植物粒径等级（Phytoplankton Size Classes，PSC）与其功能类型[2]有着密切的相关性[3]。Sieburth将浮游植物粒径等级分为三类：微微型浮游植物（0.2～2μm）、微型浮游植物（2～20μm）和小型浮游植物（>20μm）。微微型浮游植物有原核与小型真核生物，微型浮游植物则为绿藻，小型浮游植物包括硅藻类与鞭毛藻类。我国近海与海岸带海水浮游植物结构与分布比较复杂，常见优势藻种硅藻、蓝藻、绿藻和甲藻处于不一致的PSC中[4]，从而为利用PSC探测研究中国近海浮游植物种群结构提供了良好的机会。了解浮游植物粒径等级对研究水生态系统中生源要素（主要包括碳、氮、磷等）的生物地球化学循环、个体的新陈代谢、生物资源量变化和生态系统的多样性等均具有重要的科学意义。

利用遥感手段的综合性和多时相性，国内外学者针对浮游植物粒径等级遥感探测提出诸多算法。其中一种主流方法是基于卫星遥感叶绿素a（Chla）浓度对PSC进行反演[5]。

基于高效液相色谱数据（HPLC）可以使用诊断色素分析（DPA）方法区分浮游植物种群[6]。不同类型的浮游植物种群拥有不同大小的粒径，可以将其划分为微微型浮游植物、微型浮游植物和小型浮游植物[7，8]。通过将PSC浓度与Chla浓度进行回归分析，得到不同Chla浓度下不同浮游植物粒径贡献，为针对东中国海基于Chla浓度对PSC反演算法服务，进而对中国PSC浓度进行长时序遥感反演，为实现大面积宏观范围的分布提取作出有效贡献。然而，对于中国近海Ⅱ类复杂水体，已有大洋Ⅰ类清洁水体诊断色素权重参数并不适用。

因此，本文使用现场获取高效液相色谱（HPLC）数据，对东海不同区域、不同季节的数据通过不同的方法回归拟合分析其诊断色素权重参数，为遥感算法的建立提供重要的科学依据。

2 数据与方法

2.1 研究区域及站位

国际上说的东中国海包括我国的渤海、黄海、（常规）东海。渤海位于中国东北部，是唯一半封闭性内海，其海岸线长约3 200km，面积约77 000km2，平均深度约18m，最大深度约83m[9]。黄海位于大陆和朝鲜半岛间，为太平洋的边缘海，近似为南北向半封闭海域，面积约38万km2，平均深度约45m，最深处约170m。海底较平缓，是东亚大陆架一部分[10]。东海为我国三大边缘海之一，北至长江口与朝鲜济州岛，南至南海领界，面积约77万km2，平均水深约349m，最深处约2 322m[11]。

文中实时观测时间为2016年6月、2016年9月和2017年1月，随“东方红2号”考察船对渤海、黄海和东海进行取样调查，调查站位分布如图1所示。

2.2 数据分析方法

根据Aiken[7]使用的数据检验方法，笔者对所有航次获得的HPLC数据进行检验：辅助色素与总叶绿素a的差应该小于总色素浓度的30%，且其之间的回归应该有一个在0.7～1.4范围内的斜率，且相关系数R2必须超过0.9。通过此样本数量必须超过此航次总观测值的85%，才能接受此航次数据。

参考Uitz[5]的使用方法，利用实测海水诊断色素（DP）与Chla数据，可以进行多元回归分析，从而获取浮游植物诊断色素权重参数，建立方程如下：

[DP=a×Fuco+b×Perid+c×Hex-Fuco+d×But-Fuco+e×Allo+f×TChlb+g×Zea] （1）

式中，[DP]为总的诊断色素浓度，可以等值为Chla浓度。[Fuco]（Fucoxanthin，墨角藻黄素）、[Perid]（Peridinin，多甲藻素）、[Hex-fuco]（hexanoyloxyfucoxanthin，Hex-墨角藻黄素）、[But-fuco]（butanoyloxyfucoxanthin，But-墨角藻黄素）、[Allo]（Alloxanthin，黄素）、[TChlb]（总叶绿素b）、[Zea]（Zeaxanthin，玉米黄素）分别为7种诊断色素浓度[6]。

因此，只需要通過将实测Chla浓度与7种诊断色素浓度进行回归分析，便可得到其权重参数。

2.3 方差分析与优度检验

为了检验诊断色素权重参数拟合的效果与可行性，笔者对所有回归模型进行方差分析，决定系数R2拟合优度检验。决定系数R2计算公式为：

[R2=i=1Nxi-xyi-yi=1Nxi-x2yi-y2] （2）

式中，[x]、[y]分别表示Chla浓度的实测值、拟合值；[x]、[y]分别表示Chla浓度实测平均值、拟合平均值。

Chla平均绝对百分误差（MAPE）的计算公式为：

[MAPE=1Ni=1Nxi-yixi×100%] （3）

Chla标准误差（RMSE）的计算公式为：

[RMSE=1Ni=1Nxi-yi2] （4）

Chla均值比（Mean ratio）的计算公式为：

[Mean ratio=1Ni=1Nxi/1Ni=1Nyi] （5）

其中，[xi]、[yi]为Chla实测值和拟合值。

3 结果

3.1 不同区域诊断色素权重参数回归

考虑到不同区域水体不同，笔者对渤海、黄海和东海3个区域数据进行随机抽样（随机抽取70%样本建模，剩余30%样本用于验证）回归分析，结果见表1和表2。3个区域模型R2都达到了0.98以上，RMSE都小于0.100mg·m-3，MAPE都小于15.0%，拟合模型误差较小。但是，从表1可以看出，只有渤海的权重参数正常，黄海与东海的But色素的权重参数为负值。通过分析色素浓度，笔者发现总数据中But色素含量相对较少，对模型影响非常小。

忽略其对模型的影响，使用其余6种诊断色素进行回归分析，结果如表3和表4所示。其回归系数都为正值，6种诊断色素建立模型的R2都高于0.96，RMSE都小于0.17mg·m-3，MAPE小于12%，模型效果相较7种色素建立的模型更好。从表3可以得出，渤海、黄海诊断色素权重参数较为相近，而东海差异较大。由此可以认为，对这3个海域进行研究时，可以忽略But这个色素的影响，使用其他6种色素所建立的模型。

3.2 不同季节诊断色素权重参数回归

为了研究不同季节诊断色素权重参数之间的区别，分别对冬季、夏季两个季节权重参数进行回归，回归结果如表5、表6所示。从表中可知，R2均大于0.95，RMSE均小于0.2mg·m-3，MAPE则为10%～11%，模型效果较好，不同季节东中国海诊断色素权重参数差异很大，不同季节需要使用不同的参数进行反演。

3.3 不同建模方法诊断色素权重参数回归

考虑到不同的建模方法可能会对权重参数造成影响，用顺序回归（将Chla浓度按大小进行排序，3个样本分为一组，其中2个用于建模，一个用于检验）与“留一法”（顺序每次取一个样本进行验证，剩余的用于建模，得到的权重参数取均值）对所有HPLC数据进行回归分析。其结果与随机抽样回归进行对比（见表7、表8）。从表7和表8可以看出，运用不同方法得到的诊断色素权重参数大致相同，其差值最大不超过0.3，R2都达到0.96以上，MAPE值为11%～13%，RMSE则为0.12～0.17，均值比大于0.97，因此，可以认为不同的建模方法对其系数影响不大，模型适用性很好。

4 讨论

通过诊断色素分析方法来分析浮游植物生物量和群落是目前非常流行的一种方法。姚鹏[12]基于此方法对胶州湾浮游藻功能类进行研究，Vidussi[6]基于此方法对大洋水体进行遥感反演分析。但较少有学者对东中国海浮游植物诊断色素权重参数进行分析。本文通过HPLC数据与Chla浓度进行回归分析，对结果进行验证，分区域、分方法、分季节给出不同的诊断色素权重参数，为今后开展基于Chla遥感反演PSC研究起到指导性作用。

将本文的模型与Utiz模型进行对比，结果见图2。本文模型R2均大于0.95，MAPE为10%～13%，RMSE最小可以达到0.05mg·m-3，而Utiz模型计算得到的Chla均偏小，R2虽然稳定在0.9以上，但MAPE最高达到33.79%，RMES最大达到0.394，效果远不如本文模型。因而，本文模型更适用于东中国海区域。

5 结论

本文模型有效适用范围为Chla浓度为0.5～5mg·m-3。①渤海、黄海诊断色素权重参数差距不大，但与东海权重参数有明显差异，在东中国海范围内，由于But色素含量较少，可以忽略其影响，使用其余6种色素对Chla浓度进行反演；②东中国海诊断色素权重参数受季节影响较小；③不同的回归方法（随机拟合、顺序拟合和“留一法”）对诊断色素权重参数影响很小。本文给出了适用于东中国海的诊断色素权重参数，但对PSC反演并未涉及，结合本文参数可以对PSC进行长时空反演，从而对东中国海生物量、种群进一步探测研究。

参考文献：

[1] Sunda W， Kieber D J， Kiene R P， et al. An Antioxidant Function for DMSP and DMS in Marine Algae[J]. Nature， 2002（6895）：317.

[2] Le Q C， Stéphane P. Plankton Functional Types in a New Generation of Biogeochemical Models： Integration of Plankton Abundance Data for the Evaluation of Marine Biogeochemical Models； Cambridge， United Kingdom， 1–3 October 2008[J]. Eos Transactions American Geophysical Union， 2013（4）：30-31.

[3] Sieburth J M， Smetacek V， Lenz J. Pelagic Ecosystem Structure： Heterotrophic Compartments of the Plankton and Their Relationship to Plankton Size Fractions 1[J]. Limnology & Oceanography， 1978（6）：1256-1263.

[4]丘仲锋，孙德勇，王胜强，等.海洋浮游植物粒径等级遥感研究现状与展望[J].广西科学，2016（6）：492-498.

[5] Uitz J， Claustre H， Morel A， et al. Vertical Distribution of Phytoplankton Communities in Open Ocean： An Assessment Based on Surface Chlorophyll[J]. Journal of Geophysical Research Oceans， 2006（C8）：1-23.

[6] Vidussi F， Claustre H， Manca B B， et al. Phytoplankton Pigment Distribution in Relation to Upper Thermocline Circulation in the Eastern Mediterranean Sea During Winter[J]. Journal of Geophysical Research Oceans， 2001（C9）：19939-19956.

[7] Aiken J， Pradhan Y， Barlow R， et al. Phytoplankton Pigments and Functional Types in the Atlantic Ocean： A decadal Assessment， 1995–2005[J]. Deep Sea Research Part II Topical Studies in Oceanography， 2009 （15）：899-917.

[8] Barlow R， Kyewalyanga M， Sessions H， et al. Phytoplankton Pigments， Functional Types， and Absorption Properties in the Delagoa and Natal Bights of the Agulhas Ecosystem[J]. Estuarine Coastal & Shelf Science， 2008（2）：201-211.

[9]宋文鵬，霍素霞.环渤海集约用海区海洋环境现状[M].北京：海洋出版社，2015.

[10]何起祥.中国海洋沉积地质学[J].海洋地质与第四纪地质，2006（4）：66.

[11]师先进，吕炳全.试论东海地质构造的成因[J].海洋通报，1983（6）：41-50.

[12]姚鹏，于志刚，邓春梅，等.基于诊断色素分析的胶州湾浮游藻功能类群研究[J].海洋与湖沼，2013（4）：866-876.

[13]Jiménez-Muñoz J C， Sobrino J A. A Generalized Singlechannel Method for Retrieving Land Surface Temperature From Remote Sensing Data[J]. Journal of Geophysical Research Atmospheres，2003（D22）：45-54.

推荐访问:粒径 浮游 分析研究 权重 色素