Search
E-mail
RSS

Online submission Editor-in-chief Peer review Staff Login

Journal of Tropical Oceanography >

2022 , Vol. 41 >Issue 2: 16 - 25

DOI: https://doi.org/10.11978/2021043

Marine Hydrology

Analysis of temporal characteristics of chlorophyll a in Lingding Bay during summer

  • ZENG Dianting , 1 ,
  • LI Junyi , 1, 2, 5 ,
  • XIE Lingling 1, 2 ,
  • YE Xiaomin 3, 5 ,
  • ZHOU Da 4
Expand
  • 1. Laboratory of Coastal Ocean Variation and Disaster Prediction, College of Ocean and Meteorology, Guangdong Ocean University, Zhanjiang 524088, China
  • 2. Key Laboratory of Continents - Deep Sea Climate, Sources and Environments, Zhanjiang 524088, China
  • 3. National Satellite Ocean Application Service, Beijing 100081, China
  • 4. National Ocean Technology Center, Tianjin 300112, China
  • 5. Key Laboratory of Space Ocean Remote Sensing and Application, MNR, Beijing 100081, China
LI Junyi.

Received date: 2021-04-08

  Revised date: 2021-05-17

  Online published: 2021-05-19

Supported by

National Natural Science Foundation of China(41776034)

National Natural Science Foundation of China(41976200)

National Natural Science Foundation of China(41706025)

Guangdong Provincial College Innovation Team Project(2019KCXTF021)

First-class Discipline Plan of Guangdong Province(231419012)

First-class Discipline Plan of Guangdong Province(231919030)

Open Fund of the Key Laboratory of Ocean Circulation and Waves, Chinese Academy of Sciences(KLOCW1904)

Fold

Abstract

We used the continuous in-situ air pressure, temperature, sea-surface wind, sea-surface temperature, salinity, chlorophyll a, current observation data, satellite rainfall data, and moderate resolution imaging spectroradiometer (MODIS) visible band images to analyze the characteristics of sea-surface chlorophyll a in Lingding Bay of the Pearl River Estuary, during the study period of July 5 - 20, 2019. The methods of wavelet analysis and ensemble empirical mode decomposition (EEMD) are used. The results showed that the concentration of chlorophyll a during the observation period varied from 0.44 to 1.75 µg·L-1, with an average value of 0.80 µg·L-1. The periods of the signals in the time series of chlorophyll a were 6, 12 and 24 h. It is obvious that there was a phase relationship between chlorophyll a and tidal current, which would be changed by the rainfall over the Pearl River basin. In the study period, chlorophyll a was in an inverse phase relationship with the tidal current, which means that the chlorophyll a concentration reached maximum (minimum) with the maximum flow in the ebb (rising) tide. The difference of chlorophyll a concentration in the ebb and rising tides was about 0.3 µg·L-1. When rainfall occurred in the Pearl River Basin from July 8 to 13, chlorophyll a concentration increased from 0.02 ~ 0.09 µg·L-1 to about 0.15 µg·L-1 at the periods of 6, 12 and 24 h. Furthermore, the chlorophyll a concentration in the Pearl River Estuary increased by about 0.3 µg·L-1 for 80 h after the rainfall. After the rainfall, the time series of tidal current lagged behind chlorophyll a for about 6 h from July 13 to 20. The concentration of chlorophyll a reached minimum (maximum) with high (low) tide. The results present that rainfall not only increased the chlorophyll a in the estuary, but also induced the transformation of the phase relationship between chlorophyll a and tidal current.

Key words： Pearl River Estuary; Lingding Bay; chlorophyll a; tidal cycle; rainfall

Cite this article

ZENG Dianting , LI Junyi , XIE Lingling , YE Xiaomin , ZHOU Da . Analysis of temporal characteristics of chlorophyll a in Lingding Bay during summer[J]. Journal of Tropical Oceanography, 2022 , 41(2) : 16 -25 . DOI: 10.11978/2021043

河口是海陆相互作用的耦合带, 具有独特的环境和生态特征(曹振悦 等, 2005), 其复杂的水文和生态特征一直是河口系统研究的关注点。近年来随着人类生产活动的日益增加, 陆源物质由河流不断向海洋输送, 使近海海洋环境受到人类活动的影响日益加剧, 河口作为河流与海洋的过渡带, 其生态环境和水质状况更加引起关注。叶绿素a质量浓度(Chlorophyll a, Chl a)的变化与水环境质量密切相关, 是水体理化性质动态变化的重要指标。
前人对河口区叶绿素a的时间变化特征有了一定的研究。沈新强等(1999)在1996年9月和1997年5月对长江河口区进行综合调查发现, 盐度、潮流、浮游植物细胞数量、营养盐类、光照、海水浊度等环境因子与叶绿素a的分布和变化关系密切。车志伟等(2007, 2014, 2015)利用三亚河口2007年4月20日10时至21日11时连续26h的水文及水质同步监测资料, 发现叶绿素a变化趋势与潮汐变化趋势相反。沙慧敏等(2009)利用中等分辨率成像光谱仪(moderate resolution imaging spectroradiometer, MODIS)获取的2002年7月—2007年12月中国东海海域的海表温度(Sea Surface Temperature, SST)和叶绿素a质量浓度数据, 发现东海叶绿素a质量浓度的分布与SST、河口径流、季节等因素有关。李荣欣等(2011)研究了九龙江河口2009年春、夏、秋季节水体叶绿素a含量和初级生产力的时空变化, 结果表明, 在高无机氮和高可溶性硅酸盐含量状态下, 水温与活性磷酸盐含量对九龙江河口水体叶绿素a和初级生产力的时空变化起调控作用。黄云峰等(2012)对珠江口叶绿素a进行了取样调查, 结果表明叶绿素a质量浓度与营养盐浓度、温度呈现出一定的正相关关系, 与盐度、溶解氧呈现出一定的负相关关系。孙越峰等(2020) 2013年8月、2013年10月和2014年5月先后3次对辽河口海域进行航次调查, 发现辽河口叶绿素a质量浓度的季节变化特征表现为夏季最大、春季次之、秋季最小; 春季硝酸盐与叶绿素a呈负相关, 夏季硝酸盐、磷酸盐、硅酸盐、总氮及悬浮物浓度均与叶绿素a呈显著负相关, 表层水温与叶绿素a表现为显著正相关, 秋季悬浮物与叶绿素a存在显著正相关。综上研究可以看出, 河口区叶绿素a的浓度变化与河口径流以及外海进入河口的海水营养盐有关, 同时还受海水温度的影响。
伶仃洋位于珠江河口外侧, 位于113°33′—114°09′E, 22°12′—22°45′N, 水域面积约为2110km2 (李孟国 等, 2019), 是华南最大的河口湾。深圳、珠海、广州、佛山、东莞、中山、香港和澳门等经济发达城市环绕伶仃洋, 湾内航运发达。伶仃洋湾头有珠江4条大支汊虎门水道、蕉门水道、洪奇沥水道和横门水道注入, 湾口与南海相接, 水动力状况复杂, 主要受潮流和珠江径流共同作用。伶仃洋属弱潮河口湾, 潮差小, 无涌潮, 潮汐属于不正规半日潮类型。径流年际变化不大, 但年内分配不均, 与降水季节变化相适应。盐度随季节变化明显, 与径流大小密切相关, 同时还存在半日周期和半月周期的变化, 变化趋势和周期与潮位基本一致(陈冰, 2009)。海表叶绿素a质量浓度季节变化明显, 径流量是影响其空间分布的主要驱动因子(刘华健 等, 2017)。
前人使用周日连续观测数据, 对该区域及相关海域叶绿素a的变化做了详尽的研究, 不过受限于观测的时间长度, 很难把叶绿素a受潮汐的影响分离出来。同时, 前人关注点为叶绿素a同环境生化参数(如营养盐)之间的关系。本文基于2019年7月5日—20日伶仃洋连续定点观测的水文要素数据, 利用小波分析和集合经验模态分解(ensemble empirical mode decomposition, EEMD)方法分析叶绿素a的时间变化特征, 分析叶绿素a的潮周期变化及其影响因子, 分析叶绿素a的低频特征事件及其影响因子, 探讨研究区环境水文参数对叶绿素a的影响和两者之间的关系。

1 数据和方法

1.1 数据

2019年7月5日—20日在内伶仃岛西北侧(113°46′48.5″E, 22°25′22.4″N)使用浮标搭载综合气象站、流速流向监测仪和水质监测仪, 对海面以下0.5m深度处的叶绿素a质量浓度、温度、盐度、流速、流向及海面2m处的气温、气压、风速、风向进行了定点连续观测, 观测站位如图1所示。数据的采样频率为1h。观测完成后, 对缺测或无效的数据进行线性内插, 得到完整的时间序列。
图1 伶仃洋观测站位分布图

该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2019)4342的标准地图制作, 底图无修改

Fig. 1 Distribution of observation station in Lingding Bay

叶绿素a质量浓度、温度和盐度数据利用Seabird与Wetlabs联合开发的WQM水质仪进行观测, 叶绿素a的测量原理为内体荧光法, 分辨率为满量程的0.04%, 精度为满量程的0.2%, 温度的测量精度为0.002℃, 分辨率为0.0001℃, 电导率的测量精度为0.0003S·m-1, 分辨率为0.00005S·m-1。风速、风向、气温和气压采用德国Lufft公司的WS600一体式气象站进行观测, 风速的测量精度为测量值±0.3m·s-1或最大值的3% (0~35m·s-1)、5% (>35m·s-1), 分辨率为0.1m·s-1, 风向的精度<3° (风速>1.0m·s-1), 分辨率为0.1°, 气温的测量精度为测量值±0.2℃(-20℃~+50℃), ±0.5℃(<-30℃), 分辨率为0.001℃, 气压的测量精度为0.5hPa (0~40℃), 分辨率为0.1hPa。流速和流向由挪威安德拉公司生产的4100多普勒海流传感器测得, 流速的测量精度为0.5cm·s-1, 流向的精度为5° (倾斜角0~15°)、7.5° (倾斜角15°~35°)。
降水资料来自美国国家航空航天局(National Aeronautics and Space Administration, NASA)戈达德太空飞行中心的TRMM数据(https://gpm.nasa.gov/data-access/downloads/trmm), 时间分辨率为3h, 空间分辨率为10km×10km。
MODIS可见光波段影像来自NASA的MODIS系列产品(https://atmosphere-imager.gsfc.nasa.gov/products), 时间分辨率为1d, 空间分辨率为250m×250m。将影像转为灰度图像后, 灰度值大于180的像素判定为云。

1.2 分析方法

1.2.1 集合经验模态分解

集合经验模态分解(EEMD)是Wu等(2009)为了克服经验模态分解(empirical mode decomposition, EMD)的模态混合问题而提出的一种噪声辅助数据分析方法。EEMD方法实质上是对EMD算法的一种改进, 主要是根据白噪声均值为零的特性, 在信号中加入白噪声, 仍然用EMD进行分解, 对分解的结果进行平均处理, 平均处理的次数越多噪声给分解结果带来的影响就越小。设信号为s(t), 具体的分解步骤如下:
1) 将s(t)设定平均处理次数为m。
2) 给s(t)添加具有一定幅值的随机白噪声ni(t), 组成新的一系列信号:
${{s}_{i}}(t)=s(t)+{{n}_{i}}(t),\ i=1,2...,\ m$
3) 将新的序列号 ${{S}_{i}}(t)$进行EMD分解:
${{s}_{i}}(t)=\sum\nolimits_{n=1}^{n}{{{c}_{in}}(t)+{{r}_{in}}(t)}$
式中: n为EMD分解的本征模函数(intrinsic mode function, IMF)的数量, ${{c}_{in}}(t)$是IMFs, ${{r}_{in}}(t)$是残余分量。
4) 重复2、3步骤m次, 每次添加不同幅值的白噪声, 获得一系列IMFs。通过IMFs平均值, 求得EEMD的IMF分量cn(t):
${{c}_{n}}(t)=\frac{1}{m}\sum\nolimits_{i=1}^{m}{{{c}_{in}}(t)}$

1.2.2 小波分析

小波分析是用一簇小波函数系来表示或逼近某一信号或函数, 它通过伸缩平移运算对信号或函数逐步进行多尺度细化, 最终达到高频处时间细分, 低频处频率细分, 能自动适应时频信号分析的要求, 从而可聚焦到信号的任意细节。
1) 连续小波变换
一段具有固定步长dt的时间序列(${{x}_{n}},\ n=1,2,...,N$)的连续小波变换(Torrence et al, 1998)(continue wavelet transform, CWT)定义为xn与经过伸缩和归一化之后的小波的卷积, 公式如下:
$W_{n}^{X}(s)=\sqrt{\frac{\text{d}t}{s}\sum\nolimits_{n=1}^{N}{{{{{x}'}}_{n}}{{\psi }_{0}}[({n}'-n)\frac{\text{d}t}{s}]}}$
式中: x为时间序列, n为局部时间指数, s为小波尺度, ${{\psi }_{0}}$为Morlet小波。小波功率定义为 ${{\left| W_{n}^{X}(s) \right|}^{2}}$。
2) 交叉小波变换
两个时间序列xn和yn的交叉小波变换WXY (cross wavelet transform, XWT)(Grinsted et al, 2004)定义为:
${{W}^{XY}}={{W}^{X}}{{W}^{Y*}}$
式中: *表示复共轭, 交叉小波变换的功率为 $\left| {{W}^{XY}} \right|$, xn和yn在频域的局部相位可以表示为复数参数 $\arg ({{W}^{XY}})$。

2 叶绿素a的时间变化

叶绿素a质量浓度的小波功率谱如图2所示, 由5%显著性水平实线围成的黄红区域代表了叶绿素a高能量事件, 即叶绿素a变化剧烈的事件。由图2可以看出, 叶绿素a的能量主要集中在4~6h、12h和24h波段。此外, 叶绿素a在周期80h附近, 虽然没有通过置信度检验, 但存在高能量分布。从时间分布看, 叶绿素a变化主要发生在2019年7月9日—18日。其中, 在周期4~6h附近, 叶绿素a在7月9日—12日、7月15日—17日发生了浓度变化。
在周期12h附近, 叶绿素a在7月9日—18日存在浓度变化。在周期24h附近, 叶绿素a在观测区间内均存在变化, 但变化主要集中在7月9日—17日。在周期80h附近, 叶绿素a变化主要发生在7月9日—15日。
图2 2019年7月5日—20日叶绿素a的小波功率谱

黑色细线表示影响锥, 黑色粗线表示对红色噪声5%的显著水平

Fig. 2 The wavelet power spectrum of chlorophyll a

由小波功率谱可以看到叶绿素a质量浓度变化的波段和时间分布。进一步对叶绿素a进行EEMD分解, 获取叶绿素a变化的具体量值, 结果如图3所示。图3a为叶绿素a的原始时间序列, 图3b~3e为分解出的4个IMF分量, 计算各分量相邻极大(小)值的距离, 取其均值和方差来表示该分量的周期。经计算后, 前3个IMF分量的周期分别为6.1±1.8h (6h波段)、12.4±4.3h (12h波段)和24.5±3.1h (24h波段), 第4个分量为持续时间为80h左右的特征事件。各IMF对应的周期与叶绿素a的小波功率谱结果一致, f为趋势项。由图3a可知, 观测期间叶绿素a的变化范围为0.44~1.75µg·L-1, 平均值为0.80µg·L-1。叶绿素a存在日变化, 变化幅度约为0.5µg·L-1, 极值位于7月11日, 增幅约为1µg·L-1。从图3b可见, 在6h波段上, 7月5日—9日叶绿素a变化振幅约为0.05µg·L-1, 7月10日叶绿素a质量浓度变化的振幅存在明显增加, 最大达到0.17µg·L-1, 之后变化振幅为0.05~0.13µg·L-1。从图3c可见, 叶绿素a的IMF2分量的平均周期为12h, 7月9日—18日变化振幅较大, 最大为0.15µg·L-1。IMF3为叶绿素a信号中周期为24h的分量(图3d), 7月10日—15日振幅较大, 最高达到0.15µg·L-1。由图3e可以看出, 叶绿素a的IMF4分量为非平稳信号, 7月5日—8日叶绿素a质量浓度减小, 9日—11日叶绿素a大幅度上升, 达到0.3µg·L-1, 11日之后叶绿素a质量浓度逐渐下降, 17日叶绿素a有一个小的升高, 增幅为0.1µg·L-1。图3f显示叶绿素a浓度的变化趋势是在观测期间先升高, 7月13日后逐渐降低, 浓度增加量值为0.4µg·L-1。
图3 2019年7月5日—20日叶绿素a质量浓度(Chl a)的EEMD分解结果

a. 原始时间序列; b~e. 本征模函数(IMF)分量; f. 趋势项

Fig. 3 Ensemble Empirical Mode Decomposition of chlorophyll a

叶绿素a的小波功率谱和EEMD分解结果均显示, 在观测期间, 观测站位海表面叶绿素a质量浓度在4~6h、12h和24h波段存在波动变化, 在7月9日—13日存在一个异常增加的事件。4~6h、12h、24h与潮周期相同, 分别对应了浅水分潮、半日分潮和全日分潮。同时, 叶绿素a的异常增加事件与叶绿素a在周期4~6h、12h、24h的事件同步增加。因此, 叶绿素a的变化与潮密切相关, 并且与低频异常事件有关。

3 叶绿素a变化的影响因子

3.1 叶绿素a潮周期变化特征

海水表层叶绿素a质量浓度、温度、盐度和流速的时间序列如图4所示。海水表层温度存在明显的日变化, 平均变化大于1℃。海水表层温度日变化在7月9日—11日较小, 小于0.5℃, 在15日—20日变化较大, 大于2℃。海水表层盐度同样存在明显的周日变化。海水表层盐度在7月9日—11日整体明显减小。海流东分量与北分量变化趋势大体一致, 北分量流速较大。叶绿素a质量浓度同样存在日变化, 与温度、盐度及海流存在较为明显的对应关系。7月9日—11日海水表层叶绿素a增加的同时, 海水表层温度变化幅度减小, 海水表层盐度降低。
图4 2019年7月5日—20日温盐和流速的时间序列

a. 温度和盐度; b. 海流流速东分量和北分量及叶绿素a质量浓度(Chl a)的时间序列

Fig. 4 Time series of temperature, salinity and flow velocity

由于叶绿素a质量浓度存在4~6h、12h和24h的潮周期信号, 这里对海流流速和叶绿素a质量浓度做交叉小波分析和EEMD分解, 结果如图5所示。由图5a、5b可知, 海流东分量、北分量和叶绿素a的交叉小波能谱主要分布在6h、12h、24h及80h的周期波段。其中, 通过5%置信水平检验的区域主要分布6h、12h和24h周期波段, 并且主要发生于7月9日—18日。在6h的周期波段海流与叶绿素a的延迟时间为0~3h, 两者基本为同相位。在12h的周期波段, 7月5日—8日, 海流与叶绿素a关系呈反相位, 以北分量为例, 海流向南流(极小值), 叶绿素a质量浓度为极大值, 海流向北流, 叶绿素a质量浓度为极小值; 9日—14日, 海流与叶绿素a同相位; 15日—18日, 海流滞后叶绿素a 0~3h; 19日—20日, 海流与叶绿素a的变化恢复为反相位。在24h周期波段, 7月5日—12日海流(尤其是南北分量)与叶绿素a呈负相位, 13日—20日海流滞后于叶绿素a 5~8h。
图5 2019年7月5日—20日海流流速和叶绿素a质量浓度(Chl a)的交叉小波变换和EEMD分解中的全日潮波段分量

a. 海流流速东分量与叶绿素a质量浓度的交叉小波谱; b. 海流流速北分量与叶绿素a质量浓度的交叉小波谱。黑色细线表示影响锥, 黑色粗线表示对红色噪声5%的显著水平, 箭头表示两个时间序列之间的相位关系, 前后两个曲线同相(反相、滞后、超前)指向右(左、上、下); c. 海流流速东分量和叶绿素a质量浓度的全日分潮分量; d. 海流流速北分量和叶绿素a质量浓度的全日分潮分量

Fig. 5 The cross wavelet transform and diurnal tidal frequency component in EEMD of ocean current and chlorophyll a

叶绿素a质量浓度和海流流速经EEMD分解后的浅水分潮、半日潮分量结果同交叉小波变换结果类似。在全日潮波段海流东分量(图5c)于7月5日—7日与叶绿素a基本呈反相位; 9日—10日, 滞后叶绿素a 4~8h; 11日—12日, 与叶绿素a呈反相位; 13日—15日, 与叶绿素a同相位, 16日—20日, 与叶绿素a呈反相位。海流北分量在全日潮波段(图5d)于7月5日—12日, 与叶绿素a呈反相位关系; 13日—18日, 滞后叶绿素a 4~8h, 19日—20日, 与叶绿素a呈反相位。

3.2 事件特征分析

3.2.1 天气的影响

气温、气压、风速与叶绿素a质量浓度经EEMD分解后的低频分量如图6所示。可以看出, 7月9日—13日叶绿素浓度大幅度上升阶段伴随着气温气压降低, 风由西南风转化为东北风的现象。而随着气温气压升高, 风由东北风转为西南风, 叶绿素a逐渐减少。气象参数经EEMD分解后的潮波段分量对叶绿素a潮波段分量影响较小。
图6 2019年7月5日—20日气温、气压和风的低频事件分量

a. 气温和气压曲线; b. 风速东分量和北分量、叶绿素a质量浓度(Chl a)曲线

Fig. 6 Low frequency event components of air temperature, air pressure and wind

3.2.2 降雨的影响

观测期间, 珠江流域存在强降雨过程, 7月10日珠江流域降雨分布如图7a所示。珠江流域(范围如图7a中黑框所示)总降雨量的变化如图8a所示, 降雨总量自7月5日开始增大, 至9日达到最大, 为507.9mm·h-1, 之后逐渐减少, 至17日开始增加, 19日达到极值。珠江口附近海域7月12日云覆盖情况如图7b所示, 除去7月9日数据缺测以外, 7月10日云层近似覆盖了整个珠江口, 其他时间的覆盖比例基本在0.2以下(图8b)。图8c为叶绿素a质量浓度的低频事件分量的日平均变化。从降雨、云覆盖和叶绿素a的时间变化上看, 珠江流域在7月6日—20日均存在降雨, 7月9日珠江流域总降雨量达到最高, 7月10日珠江口的云覆盖率达到最大, 7月9日—11日伶仃洋海表叶绿素a质量浓度大幅度增加。从以上结果看出, 降雨过程伴随了珠江河口叶绿素a质量浓度的增加。
图7 研究区域7月10日降雨分布(a)和珠江口7月12日的云覆盖范围(b)

图a中地图来自MATLAB软件自带底图, 黑色框线为珠江流域, 红点为观测站位; 图b为MODIS可将光影像

Fig. 7 Rainfall distribution in the study area on July 10 (a); Cloud cover over the Pearl River Estuary on July 12 (b)

图8 2019年7月5日—20日降雨量、云覆盖率和叶绿素a质量浓度(Chl a)低频事件分量的日变化图

a. 降雨量; b. 云覆盖率; c. 叶绿素a质量浓度经EEMD分解的IMF4的日平均

Fig. 8 Diurnal variations of rainfall, cloud coverage and the low frequency event component of chlorophyll a

4 讨论

由以上分析结果可知, 观测期间伶仃洋表层叶绿素a质量浓度的变化范围为0.44~1.75µg·L-1, 平均值为0.80µg·L-1, 其变化周期主要为6h、12h和24h, 除此之外, 还存在一个持续时间为80h左右的低频事件。
前人研究表明, 伶仃洋的潮汐属于不正规半日潮, 主要分潮有全日分潮、半日分潮和浅水分潮(王彪 等, 2012), 周期分别为24h、12h和6h。这与本文的观测结果一致。同时, 伶仃洋表层叶绿素a质量浓度与潮流在6h、12h和24h周期波段存在一定的关系, 并且在发生降雨时两者存在相位关系的转换。其中, 叶绿素a和潮流在24h周期波段上的相位关系转换最为明显: 7月5日—12日海流流速与叶绿素a质量浓度呈负相位, 7月13日—20日海流滞后于叶绿素a 5~8h, 两者在7月13日发生相位变化; 而在7月8日—13日期间珠江流域有大量降雨, 7月8日—12日叶绿素a变化振幅由之前的0.03µg·L-1增加到0.15µg·L-1。如果潮流各个分量与叶绿素a呈线性关系, 那么叶绿素a与潮流不会存在相位转换, 因此可能的原因是降雨导致了两者相位关系的转变。
珠江流域于7月8日—13日发生了一次强降雨, 伴随着风、气压和气温的变化, 变化的周期约为80h, 这与叶绿素a质量浓度的变化周期相近。因此, 叶绿素a的变化应该是强降雨造成的。强降雨过程给河口带来大量陆源营养物质(朱建荣, 2004; 柯志新 等, 2013; 马方方 等, 2019), 造成了叶绿素a的增加。
对叶绿素a质量浓度与温盐做交叉小波变换, 结果如图9所示。叶绿素a和温盐的交叉小波能谱主要分布在12h、24h和80h的周期波段。其中, 通过5%置信水平检验的区域主要分布在叶绿素a与温度的交叉小波谱中的12h和24h周期波段, 且主要发生在7月11日—18日。在温度与叶绿素a的交叉小波谱中显示: 12h周期波段, 7月5日—10日温度与叶绿素a的相位关系随时间变化, 无明显规律, 7月11日—20日大部分时间叶绿素a滞后温度4~6h (反相位); 24h周期波段, 7月5日—13日叶绿素a滞后温度约为3h (近乎同相位), 7月14日—18日叶绿素a与温度间存在相位转换, 7月19日—20日叶绿素a滞后温度约9h; 在80h周期波段, 虽然两者的交叉小波没有通过置信水平检验, 但是两者交叉小波的能量较高。7月5日—13日温度滞后叶绿素a约30h, 7月14日—16日温度与叶绿素a存在相位转换, 7月17日—20日温度与叶绿素a基本呈正相位。
图9 2019年7月5日—20日叶绿素a质量浓度和温度、盐度的交叉小波变换

a. 温度与叶绿素a质量浓度的交叉小波谱; b. 盐度与叶绿素a质量浓度的交叉小波谱。黑色细线表示影响锥, 黑色粗线表示对红色噪声5%的显著水平, 箭头表示两个时间序列之间的相位关系, 前后两个曲线同相(反相、滞后、超前)指向右(左、上、下)

Fig. 9 The cross wavelet transform of chlorophyll a, temperature and salinity

盐度与叶绿素a质量浓度的交叉小波谱显示, 在12h的周期波段, 7月5日—10日盐度与叶绿素a基本呈反相位, 7月11日—14日盐度与叶绿素a基本呈正相位, 7月15日—20日盐度滞后叶绿素a 4~6h; 24h周期波段, 7月5日—12日叶绿素a滞后盐度6~12h (反相位), 7月13日—15日叶绿素a与盐度存在相位转换, 7月16日—20日盐度滞后叶绿素a 0 (正相位)~3h; 80h周期波段, 7月5日—15日叶绿素a与盐度基本呈负相位, 7月16日—20日叶绿素a滞后盐度30~40h。温度、盐度与叶绿素a质量浓度的相位关系不相同的主要原因是河口区海水表层温度和盐度之间也存在一定的相位关系。
相对于海水而言, 径流中营养物质丰富, 陆源物质随径流进入河口会导致河口区叶绿素a质量浓度增加。因此, 一般来说, 涨潮(海水上涨)时叶绿素a浓度低, 落潮(径流入海)时叶绿素a浓度高。7月5日—12日叶绿素a与潮流的日周期波段分量(尤其是南北分量)基本呈反相位关系, 涨急时, 叶绿素a浓度最低, 落急时, 叶绿素a浓度最高。降雨导致河水浑浊, 营养盐增加, 径流中的物质组成被改变, 从而导致叶绿素a和潮流之间的相位关系发生转变。7月13日—20日潮流滞后于叶绿素a约6h, 由于珠江河口潮流特性为前进潮(丁芮, 2015), 流速由涨急向落急转换时(即高潮时)叶绿素a浓度最低, 低潮时叶绿素a浓度最高。
Correia等(2020)经观测发现河口悬浮物、盐类和水位呈现一定的相位延迟, 在落急时, 叶绿素a、硝酸盐类、悬浮物呈现最大值。这与本文观测结果相同, 在降雨之前, 在涨(落)急时, 叶绿素a呈现最小(大)值。不过由于降雨会改变上述关系, 由相差12h (反相位)转换为相差5~8h。Southwell等(2010)年发现在光照条件下, 无机盐经过很短的时间就可以从悬浮物中分解出来。分解出的无机盐将引起叶绿素a的增加。径流中的物质组成被降雨改变, 造成了叶绿素a和潮流之间的相互关系的转变。由图8b可以看出, 在7月12日—13日, 云覆盖率确实较小。这样的相位转变在12h和24h周期波段较为明显, 对于6h周期波段, 周期相对于反应时间可能过短。

5 结论

综上所述, 本文利用2019年7月5日—20日在珠江河口内伶仃岛西北部连续观测得到的表层叶绿素a质量浓度数据以及气温、气压、海表温度、盐度、海流数据, 研究了内伶仃岛西北部表层叶绿素a的时间变化特征及其影响因子, 结论如下:
1) 内伶仃岛西北部表层叶绿素a质量浓度的变化周期主要为6h、12h和24h。叶绿素a与相对应波段的潮流存在明显的相位关系。其中, 在6h的周期波段, 海流流速与叶绿素a的延迟时间为0~3h, 两者基本为同相位; 在12h的周期波段, 7月5日—8日海流流速与叶绿素a关系呈反相位, 9日—14日海流流速与叶绿素a同相位, 15日—18日海流流速滞后叶绿素a 0~3h, 19日—20日海流流速与叶绿素a的变化恢复为反相位; 在24h周期波段, 7月5日—12日海流(尤其是南北分量)流速与叶绿素a呈负相位, 13日—20日海流流速滞后于叶绿素a 5~8h。
2) 伶仃岛西北侧表层叶绿素a质量浓度在6h、12h和24h周期波段的振幅在降雨前后均发生变化, 都是由0.02~0.09µg·L-1增加到0.15µg·L-1左右, 叶绿素a质量浓度增加约3倍。
3) 本次研究期间, 珠江流域存在一次强降雨过程, 对珠江河口的叶绿素a质量浓度造成了一个增加事件, 事件持续时间为80h, 浓度增加了0.3µg·L-1。该事件对叶绿素a浓度在12h和24h周期波段影响较大。7月5日—12日叶绿素a与潮流基本呈反相位关系, 涨急时海水占优, 叶绿素a浓度低, 落急时河水占优, 叶绿素a浓度高; 13日—20日潮流滞后于叶绿素a约6h, 水位最高时叶绿素a浓度最低, 水位最低时叶绿素a浓度最高。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
曹振锐, 黄邦钦, 刘媛, 等, 2005. 厦门海域分粒级叶绿素a含量的分布特征[J]. 台湾海峡, 24(4): 493-501.

CAO ZHENRUI, HUANG BANGQIN, LIU YUAN, et al, 2005. Distribution Characteristics of size-fractionated chlorophyll a in Xiamen Waters[J]. Journal of Oceanography in Taiwan Strait, 24(4): 493-501. (in Chinese with English abstract)

[2]
车志伟, 李刚, 王德鸿, 等, 2007. 一个潮汐周期内三亚河口定点的水体环境变化[J]. 广西科学, 14(4): 419-422.

CHE ZHIWEI, LI GANG, WANG DEHONG, et al, 2007. Pointing aquatic environmental variability of Sanya River Estuary within a tide cycle[J]. Guangxi Sciences, 14(4): 419-422. (in Chinese with English abstract)

[3]
车志伟, 史云峰, 曲江勇, 等, 2014. 三亚河口叶绿素a含量及其与环境因子的关系[J]. 琼州学院学报, 21(2): 88-92.

CHE ZHIWEI, SHI YUNFENG, QU JIANGYONG, et al, 2014. The content of chlorophyll-a and its relationship with the environmental factors in the Sanya Estuary[J]. Journal of Qiongzhou University, 21(2): 88-92. (in Chinese with English abstract)

[4]
车志伟, 史云峰, 2015. 三亚河口海域叶绿素a与海洋环境因子的关系研究[J]. 环境污染与防治, 37(4): 53-57, 61.

CHE ZHIWEI, SHI YUNFENG, 2015. Correlation analysis between chlorophyll-a concentration and marine environmental factors in Sanya River Estuary[J]. Environmental Pollution & Control, 37(4): 53-57, 61. (in Chinese with English abstract)

[5]
陈冰, 2009. 珠江口伶仃洋水文特征和综合治理[C]// 中国土木工程学会港口工程分会技术交流文集. 北京: 人民交通出版社: 46-52. (in Chinese)

[6]
丁芮, 2015. 珠江口及邻近海域环流潮汐高分辨率数值模拟研究[D]. 青岛: 中国海洋大学: 23-24.

DING RUI, 2015. Three-dimensional high-resolution numerical study of the tide and circulation in the Pearl River Estuary and its adjacent waters[D]. Qingdao: Ocean University of China: 23-24. (in Chinese with English abstract)

[7]
黄云峰, 江涛, 冯佳和, 等, 2012. 珠江口广州海域叶绿素a分布特征及环境调控因素[J]. 海洋环境科学, 31(3): 379-384, 404.

HUANG YUNFENG, JIANG TAO, FENG JIAHE, et al, 2012. Distribution and environmental regulation of chlorophyll-a in Guangzhou sea area, Pearl River Estuary[J]. Marine Environmental Science, 31(3): 379-384, 404. (in Chinese with English abstract)

[8]
柯志新, 黄良民, 谭烨辉, 等, 2013. 2008年夏末南海北部叶绿素a的空间分布特征及其影响因素[J]. 热带海洋学报, 32(4): 51-57.

KE ZHIXIN, HUANG LIANGMIN, TAN YEHUI, et al, 2013. Spatial distribution of chlorophyll a and its relationships with environmental factors in northern South China Sea in late summer 2008[J]. Journal of Tropical Oceanography, 32(4): 51-57. (in Chinese with English abstract)

[9]
李孟国, 韩志远, 李文丹, 等, 2019. 伶仃洋滩槽演变与水沙环境研究进展[J]. 海洋湖沼通报, (5): 20-33.

LI MENGGUO, HAN ZHIYUAN, LI WENDAN, et al, 2019. A review on the seabed evolution and hydrodynamic sediment environment in Lingdingyang Bay of the Pearl River Estuary[J]. Transactions of Oceanology and Limnology, (5): 20-33. (in Chinese with English abstract)

[10]
李荣欣, 王雨, 康建华, 等, 2011. 九龙江河口水体叶绿素a含量和初级生产力的时空变化[J]. 台湾海峡, 30(4): 551-558.

LI RONGXIN, WANG YU, KANG JIANHUA, et al, 2011. Temporal and spatial variations of chlorophyll a concentration and primary production in Jiulongjiang Estuary waters[J]. Journal of Oceanography in Taiwan Strait, 30(4): 551-558. (in Chinese with English abstract)

[11]
刘华健, 黄良民, 谭烨辉, 等, 2017. 珠江口浮游植物叶绿素a和初级生产力的季节变化及其影响因素[J]. 热带海洋学报, 36(1): 81-91.

LIU HUAJIAN, HUANG LIANGMIN, TAN YEHUI, et al, 2017. Seasonal variations of chlorophyll a and primary production and their influencing factors in the Pearl River Estuary[J]. Journal of Tropical Oceanography, 36(1): 81-91. (in Chinese with English abstract)

[12]
马方方, 王刚, 毕玉明, 等, 2019. 2018年秦皇岛风暴潮前后岸基站及浮标主要水质参数变化分析[J]. 海洋技术学报, 38(6): 68-74.

MA FANGFANG, WANG GANG, BI YUMING, et al, 2019. Analysis on the variation of main water quality parameters of estuary stations and buoys during a storm surge in Qinhuangdao in 2018[J]. Journal of Ocean Technology, 38(6): 68-74. (in Chinese with English abstract)

[13]
沙慧敏, 李小恕, 杨文波, 等, 2009. 用MODIS遥感数据反演东海海表温度、叶绿素a浓度年际变化的研究[J]. 大连水产学院学报, 24(2): 151-156.

SHA HUIMIN, LI XIAOSHU, YANG WENBO, et al, 2009. Annual variation in sea surface temperature and chlorophyll-a concentration retrieved by MODIS in East China Sea[J]. Journal of Dalian Fisheries University, 24(2): 151-156. (in Chinese with English abstract)

[14]
沈新强, 蒋玫, 袁骐, 1999. 长江河口区叶绿素a分布的研究[J]. 中国水产科学, 6(5): 1-5.

SHEN XINQIANG, JIANG MEI, YUAN QI, 1999. Study on distribution of chlorophyll a in the Changjiang Estuary[J]. Journal of Fishery Sciences of China, 6(5): 1-5. (in Chinese with English abstract)

[15]
孙越峰, 秦艳杰, 李洪波, 等, 2020. 辽河口海域叶绿素a的时空分布特征及其影响因素[J]. 环境保护科学, 46(2): 44-48.

SUN YUEFENG, QIN YANJIE, LI HONGBO, et al, 2020. Spatial and temporal distribution characteristics and influencing factors of chlorophyll a in the Liaohe Estuary[J]. Environmental Protection Science, 46(2): 44-48. (in Chinese with English abstract)

[16]
王彪, 朱建荣, 2012. 基于FVCOM模型的珠江河口及其邻近海域的潮汐模拟[J]. 热带海洋学报, 31(4): 17-27

[ WANG BIAO, ZHU JIANRONG, 2012. Numerical simulation of tides in the Pearl River Estuary and its adjacent sea based on FVCOM[J]. Journal of Tropical Oceanography, 31(4): 17-27(in Chinese with English abstract).

[17]
朱建荣, 2004. 长江口外海区叶绿素a浓度分布及其动力成因分析[J]. 中国科学 (D辑: 地球科学), 34(8): 757-762.

ZHU JIANRONG, 2004. The concentration distribution of chlorophyll-a of sea on Changjiang port and its causation analysis[J]. Science in China Series D: Earth Sciences, 34(8): 757-762. (in Chinese with English abstract)

[18]
CORREIA C, TORRES A F, ROSA A, et al, 2020. Export of dissolved and suspended matter from the main estuaries in South Portugal during winter conditions[J]. Marine Chemistry, 224: 103827.

DOI

[19]
GRINSTED A, MOORE J C, JEVREJEVA S, 2004. Application of the cross wavelet transform and wavelet coherence to geophysical time series[J]. Nonlinear Processes in Geophysics, 11(5-6): 561-566.

DOI

[20]
SOUTHWELL M W, KIEBER R J, MEAD R N, et al, 2010. Effects of sunlight on the production of dissolved organic and inorganic nutrients from resuspended sediments[J]. Biogeochemistry, 98(1-3): 115-126.

DOI

[21]
TORRENCE C, COMPO G P, 1998. A practical guide to wavelet analysis[J]. Bulletin of the American Meteorological Society, 79(1): 61-78.

DOI

[22]
WU ZHAOHUA, HUANG N E, 2009. Ensemble empirical mode decomposition: a noise-assisted data analysis method[J]. Advances in Adaptive Data Analysis, 1(1): 1-41.

DOI

Options
Outlines

/

〈 〉