2. 自然资源部渤海生态预警与保护修复重点实验室, 山东青岛 266033;
3. 山东省海洋生态环境与防灾减灾重点实验室, 山东青岛 266061;
4. 中国科学院海洋研究所, 山东青岛 266071
2. Key Laboratory of Ecological Warning, Protection and Restoration for Bohai Sea, Ministry of Natural Resources, Qingdao, Shandong, 266033, China;
3. Shandong Provincial Key Laboratory of Marine Ecological Environment and Disaster Prevention and Mitigation, Qingdao, Shandong, 266061, China;
4. Institute of Oceanology, Chinese Academy of Sciences, Qingdao, Shandong, 266071, China
在黄渤海海域,由于气候变化和富营养化等自然和人为因素的综合影响,浮游植物大量繁殖,进而可能引发赤潮,对养殖业、旅游业和公众健康造成严重危害[1-2]。叶绿素a(Chlorophyll a,Chl a)浓度作为反映浮游植物生物量的关键指标[3-4],其变化规律能够表征水体中浮游植物的动态变化[5],因而解析叶绿素a浓度分布特征及其与环境因子的关系,能够反映受海洋环境条件影响的浮游植物生物量变化,指示水体富营养化状况,为赤潮起因、发展及预测研究提供科学依据[6-7]。
目前,已有诸多研究基于长时间尺度遥感数据,分析黄渤海海域叶绿素a浓度的时空分布特征,并探究其与水文、气象、化学等环境因子的相关性[8-10]。然而,这些研究通常以大尺度地理空间为背景,鲜有研究聚焦局部近岸海域叶绿素a浓度的分布特征。此外,遥感数据易受云层覆盖、海洋光学复杂性以及卫星传感器故障等因素影响,可能会导致像素丢失[11]。由于大气校正过度,在光学条件复杂的沿岸区域,获取高空间分辨率和准确率的叶绿素a浓度数据变得更加困难[12]。在分析方法上,多数研究采用包括相关性分析在内的多种统计方法探讨叶绿素a浓度与环境因子的关系,然而对其空间关系的挖掘较少。根据长时间尺度的黄渤海赤潮研究发现,渤海赤潮热点区域主要出现在秦皇岛和天津邻近海域[13],而黄海赤潮热点区域主要出现在北黄海的东港邻近海域和南黄海的胶州湾海域[14]。因此,本研究选取秦皇岛、天津、东港邻近海域以及胶州湾4个黄渤海典型近岸海域,基于航次调查获取的数据,结合统计学和空间分析方法,探讨不同年份夏季叶绿素a浓度的分布状况及其与环境因子的相关性,解析研究海域富营养化特征,探索海洋环境条件对叶绿素a浓度和分布的影响,为后续赤潮研究提供基础科学依据。
1 材料与方法 1.1 站位布设与采样方法本研究分别于2016年8月和2021年8月在秦皇岛、天津、东港邻近海域以及胶州湾4个区域开展航次调查,4个调查区域共计121个站次。调查范围及站位分布见图 1,各区域站位在两个年度基本覆盖同一空间范围。
![]() |
图 1 2016年和2021年夏季黄渤海海域调查范围及站位分布 Fig. 1 Scope of investigation and distribution of stations in the Bohai Sea and the Yellow Sea in summer 2016 and 2021 |
本研究使用表层海水样品进行分析。叶绿素a样品的采集和分析依据《海洋监测规范 第7部分:近海污染生态调查和生物监测》(GB 17378.7-2007)执行,采集水样200 mL后,使用玻璃纤维滤膜(Whatman GF/F,25 mm)过滤,采用荧光分光光度法测定。水质样品的采集、处理和分析按《海洋监测规范 第4部分:海水分析》(GB 17378.4-2007)、《海洋调查规范 第4部分:海水化学要素调查》(GB/T 12763.4-2007)、《海洋监测技术规程 第1部分:海水》(HY/T 147.1-2013)和《近岸海域环境监测技术规范 第三部分近岸海域水质监测》(HJ 442.3-2020)等规定的方法执行,测定的参数包括水温、盐度、溶解无机氮(硝酸盐、亚硝酸盐、铵盐)、活性磷酸盐和活性硅酸盐浓度等。
1.2 数据分析方法本研究使用ArcMap 10.5软件(美国ESRI公司)和OriginPro 2024软件(美国OriginLab公司)分别绘制叶绿素a浓度和环境因子分布图。为分析环境特征,本研究采用热点分析(Getis-Ord Gi*)方法,通过数学统计得到要素的z得分和P值,从而识别热点(高值聚集)和冷点(低值聚集)区域。z得分表明要素聚集程度,正值z得分越高,则高值聚类程度越大;负值z得分越低,则低值聚类程度越大。P值用于描述统计显著性,可获得在90%、95%及99%置信度的冷热点。本研究利用ArcMap 10.5软件空间统计工具箱中的热点分析工具,对环境因子的空间分布特征进行分析。为研究叶绿素a浓度与环境因子之间的关系,本研究采用斯皮尔曼相关性分析,以P值表示统计显著性。使用SPSS Statistics 25软件(美国IBM公司)分别在95%和99%的置信度上分析叶绿素a浓度与环境因子之间的相关性。
2 结果与分析 2.1 叶绿素a浓度变化及分布状况夏季黄渤海研究海域叶绿素a浓度表现出较明显的年际差异,结果如图 2所示。与2016年相比,2021年渤海研究海域(秦皇岛、天津邻近海域)叶绿素a浓度略有下降,而黄海研究海域(东港邻近海域、胶州湾海域)叶绿素a浓度则升高。在秦皇岛邻近海域,2016年叶绿素a浓度均值达10.0 μg/L,其均值、最大值和最小值均高于2021年该海域的叶绿素a浓度水平。在天津邻近海域,2016年叶绿素a浓度均值接近20.0 μg/L,高于2021年,而且叶绿素a浓度变动较大,差值为63.5 μg/L。在东港邻近海域和胶州湾海域,2021年叶绿素a浓度均值均高于10.0 μg/L,其均值和浓度变化范围均大于2016年的相应数值。
![]() |
图 2 2016年和2021年夏季黄渤海研究海域的叶绿素a浓度变化 Fig. 2 Concentration variations of Chl a in the research regions in the Bohai Sea and the Yellow Sea in summer 2016 and 2021 |
2016年和2021年夏季黄渤海研究海域叶绿素a浓度的空间分布状况如图 3所示。叶绿素a浓度高值基本集中在离岸较近区域。在秦皇岛邻近海域,2016年的叶绿素a浓度高值区比2021年更集中在北部近岸海域,而在天津邻近海域,则是2021年的叶绿素a浓度高值区比2016年更集中在北部近岸海域。在东港邻近海域,2016年叶绿素a浓度分布较均匀,2021年叶绿素a浓度的高值区集中在东部。胶州湾海域叶绿素a浓度整体分布较为均匀,2021年东部近岸海域叶绿素a浓度较高。
![]() |
图 3 2016年和2021年夏季黄渤海研究海域叶绿素a浓度的空间分布 Fig. 3 Spatial distribution of Chl a concentration in the research regions in the Bohai Sea and the Yellow Sea in summer 2016 and 2021 |
2.2 环境因子分布状况
夏季黄渤海研究海域的水温、盐度和营养盐等环境因子的时空分布表现出明显年际差异,如图 4所示。2021年夏季各海域的表层水温均值均低于2016年,其中东港邻近海域两个年度的均值温差为1.6 ℃,2021年调查期间的温差达4.1 ℃。与2016年夏季相比,2021年夏季各海域表层盐度均值均有所降低,其中天津邻近海域平均盐度降低最多,为3.028。除东港邻近海域外,2021年夏季各海域的溶解无机氮和活性磷酸盐平均浓度均比2016年低。各海域氮磷比(N/P)均高于16,天津邻近海域的氮磷比最大,可达389。天津邻近海域和胶州湾海域2021年的氮磷比均值都低于2016年,而在秦皇岛和东港邻近海域则相反。在渤海研究海域,2021年的活性硅酸盐平均浓度较2016年下降,在黄海研究海域,2021年的活性硅酸盐平均浓度则有所升高,其中东港邻近海域活性硅酸盐平均浓度升高幅度最大。
![]() |
图 4 2016年和2021年夏季黄渤海研究海域的环境因子变化 Fig. 4 Environmental factor changes in the research regions in the Bohai Sea and the Yellow Sea in summer 2016 and 2021 |
热点分析结果表明,黄渤海研究海域环境因子具有显著的空间聚集特征,空间分布状况如图 5所示。2016年表层水温热点区分布在天津邻近海域和胶州湾海域,冷点区覆盖东港邻近海域;2021年表层水温热点区仅分布在天津邻近海域,冷点区分布在东港西侧海域。相较于2016年,2021年表层盐度热点区在秦皇岛邻近海域和胶州湾海域更显著,在天津和东港邻近海域冷点区聚集程度均有所减弱。2016年营养盐热点区主要分布在天津邻近海域北侧,溶解无机氮冷点区分布在秦皇岛邻近海域北侧,活性磷酸盐和活性硅酸盐未出现明显冷点区;2021年营养盐热点区主要分布在东港邻近海域西侧,而溶解无机氮热点区还分布在天津邻近海域,营养盐冷点区分布在秦皇岛邻近海域。
![]() |
图 5 2016年和2021年夏季黄渤海研究海域环境因子的冷热点分布 Fig. 5 Distribution of hot and cold spots of environmental factors in the research regions in the Bohai Sea and the Yellow Sea in summer 2016 and 2021 |
2.3 叶绿素a浓度与环境因子的相关性
黄渤海研究海域叶绿素a浓度与水温、盐度、营养盐浓度等环境因子的相关关系如表 1所示。结合图 3和图 5分析可知,在各区域中,与叶绿素a浓度具有显著相关性的环境因子,其冷热点与叶绿素a浓度的分布呈现出空间上的联系。在秦皇岛邻近海域,2016年叶绿素a浓度与盐度呈显著负相关;2021年叶绿素a浓度与盐度呈极显著负相关,与活性磷酸盐浓度呈显著负相关,与溶解无机氮浓度呈极显著正相关。叶绿素a浓度的低值区与盐度的热点区、溶解无机氮的冷点区分布一致。在天津邻近海域,2016年叶绿素a浓度与活性磷酸盐浓度呈极显著负相关;2021年叶绿素a浓度与盐度呈极显著负相关,与溶解无机氮呈显著正相关。叶绿素a浓度的高值区与盐度的冷点区、溶解无机氮的热点区分布一致。在东港邻近海域,2016年叶绿素a浓度与环境因子无显著相关性;2021年叶绿素a浓度与温度呈极显著正相关,与活性磷酸盐和活性硅酸盐呈显著负相关。叶绿素a浓度的低值区与温度的冷点区分布一致。在胶州湾海域,2016年和2021年叶绿素a浓度与环境因子均无显著相关性。
区域 Region |
年份 Year |
水温 Water temperature |
盐度 Salinity |
溶解无机氮 Dissolved inorganic nitrogen |
活性磷酸盐 Active phosphate |
活性硅酸盐 Active silicate |
Qinhuangdao | 2016 | 0.401 | -0.561* | 0.090 | 0.152 | 0.420 |
2021 | 0.203 | -0.596** | 0.444** | -0.371* | -0.003 | |
Tianjin | 2016 | 0.418 | 0.152 | -0.152 | -0.699** | -0.408 |
2021 | 0.583 | -0.933** | 0.683* | -0.293 | -0.083 | |
Donggang | 2016 | 0.009 | 0.209 | 0.100 | -0.227 | -0.321 |
2021 | 0.790** | -0.200 | -0.382 | -0.802* | -0.669* | |
Jiaozhou Bay | 2016 | 0.137 | -0.245 | 0.100 | -0.009 | 0.657 |
2021 | -0.009 | -0.173 | 0.445 | -0.127 | -0.109 | |
Note: *P<0.05, **P<0.01. |
3 讨论 3.1 黄渤海典型近岸海域叶绿素a浓度分布特征
本研究中离岸较近海域叶绿素a浓度高,这与在中国近海叶绿素a浓度呈现近岸高、离岸低的总体分布趋势[15]相一致。黄渤海海域叶绿素a浓度分布具有明显的空间异质性,在时间尺度上呈现年际和季节变异[16]。在夏季,黄渤海海域叶绿素a浓度处于高值水平[17-18]。在本研究中,天津邻近海域叶绿素a浓度最高,且浓度变化范围最大。对比2002-2021年的历史数据可以看出,该区域为叶绿素a浓度高值区,而夏季也是该区域叶绿素a浓度最高的季节[19]。与2016年相比,2021年黄海典型近岸海域叶绿素a浓度较高,这与黄海海域叶绿素a浓度的长期增加趋势一致。但从长时间尺度来看,黄海海域叶绿素a浓度的年增长幅度约为0.018 μg/L[20],低于本研究海域的变化幅度(约为1 μg/L),这一差异可能反映了研究海域叶绿素a浓度呈显著增长趋势,也可能是由两个年度强烈年际变异域或区域差异所致。虽然黄渤海典型近岸海域叶绿素a浓度存在年际变异,但其均值处于高浓度水平,水体存在富营养化现象,叶绿素a浓度高值区分布与水体富营养化空间分布基本一致[21-22],2021年东港邻近海域东侧出现叶绿素a浓度高值区,在该区域也呈现明显富营养化现象[22]。
3.2 黄渤海典型近岸海域环境因子对叶绿素a浓度的影响在气候变化、海水富营养化以及养殖业发展等自然和人为因素的综合影响下,海洋环境发生巨大变化,对叶绿素a浓度的时空动态变化产生了强烈影响[23]。许多研究表明,叶绿素a浓度的时空变化与光照、温度、盐度、水动力过程、营养盐等环境要素密切相关[24-27]。本研究通过斯皮尔曼相关性分析发现,黄渤海典型近岸海域(秦皇岛、天津、东港邻近海域)叶绿素a浓度变化与水温、盐度、营养盐变化具有相关性,相比于2016年,2021年对叶绿素a浓度具有显著影响的环境因子更多,相关系数绝对值也明显升高(表 1)。通过热点分析发现,叶绿素a浓度高、低值聚集区与具有显著影响的环境因子分布存在空间联系(图 3、图 5)。研究结果表明,黄渤海典型近岸海域环境因子除呈现强烈的年际变化外,对叶绿素a的影响效应似有增强趋势。
有研究表明,黄渤海海域富营养化问题加剧,大量营养盐通过河流径流、大气沉降、非点源排放等方式入海,导致海水中营养盐富集,其比例严重失衡[28-29]。与2016年相比,2021年盐度的明显下降可能反映了径流量的增加。然而,不同海域的营养盐分布特征不同。与2016年相比,2021年天津和秦皇岛邻近海域溶解无机氮浓度变化相对较小,而活性磷酸盐和活性硅酸盐均有所降低,可能与滦河和海河水系径流输入营养盐的总量及比例变化有关[30]。在东港邻近海域,2021年的营养盐浓度比2016年高,尤其是活性硅酸盐,其浓度升高超过3倍,同时该海域氮磷比均值从18升至79,是4个研究区域中氮磷比增幅最大的区域,说明该海域可能受到磷酸盐限制,与以往研究中北黄海受硅酸盐、磷酸盐限制的结论一致[31]。这也可能是东港邻近海域叶绿素a浓度在2016年与营养盐无相关性,但在2021年与营养盐呈显著相关的原因。由于相对开放的海域条件,东港邻近海域易受气候变化及其他邻近海域的影响,2021年夏季该区域水温在各研究区域中下降幅度最为明显。水温下降可能对浮游植物增长产生负面影响[32],因而温度冷点区也是叶绿素a浓度低值分布区。这可能是东港邻近海域叶绿素a浓度高值区与营养盐浓度热点区不对应的原因。胶州湾海域叶绿素a浓度变化与本研究所选取的环境因子的相关性均不显著,这可能与2008年后胶州湾营养盐浓度的持续降低[33]或是叶绿素a浓度波动不大有关。此外,以往研究表明,胶州湾海域叶绿素a浓度受水温影响较小,而受降水、风速等因素影响相对较高[34]。
4 结论本研究对比分析了2016年和2021年夏季黄渤海4个典型近岸海域的叶绿素a浓度及相关环境因子的变化状况。结果表明,叶绿素a浓度总体上呈现近岸高、离岸低的分布特征。研究海域叶绿素a浓度水平高,存在富营养化问题。2021年渤海叶绿素a浓度略有下降,而黄海叶绿素a浓度有所升高。从两个年度叶绿素a浓度与环境因子的相关性可以看出,与叶绿素a浓度相关的环境因子有明显的年际变化,影响效应似乎有增强趋势。黄渤海典型近岸海域叶绿素a浓度与环境因子的相关性在不同海域具有各自特征。渤海海域叶绿素a浓度变化与盐度、营养盐尤其是溶解无机氮变化显著相关,可能是受到河流径流量变化的影响。由于相对开放的海域条件,东港邻近海域叶绿素a浓度与温度变化呈显著相关。在胶州湾海域,叶绿素a浓度变化与本研究分析的环境因子均不具有显著相关性,需进一步探索其他因素的影响作用。
本研究通过分析叶绿素a浓度和环境因子分布特征,揭示了黄渤海典型近岸海域的富营养化状况,并探讨了叶绿素a浓度与环境因子间的潜在关系,后续将进一步探索浮游植物在更长时间尺度和不同季节的变化特征及其对环境变化的响应,为黄渤海海域赤潮发生机理和预测研究提供基础科学依据。
[1] |
于仁成, 刘东艳. 我国近海藻华灾害现状、演变趋势与应对策略[J]. 中国科学院院刊, 2016, 31(10): 1167-1174. |
[2] |
DING L, QIU J B, LI A F. Proposed biotransformation pathways for new metabolites of paralytic shellfish toxins based on field and experimental mussel samples[J]. Journal of Agricultural and Food Chemistry, 2017, 65(27): 5494-5502. DOI:10.1021/acs.jafc.7b02101 |
[3] |
潘友联, 郭玉洁, 曾呈奎. 胶州湾口内海水中叶绿素浓度的周年变化和垂直分布[J]. 海洋与湖沼, 1995, 26(1): 21-27. |
[4] |
孙晓霞, 孙松, 张永山, 等. 胶州湾叶绿素a及初级生产力的长期变化[J]. 海洋与湖沼, 2011, 42(5): 654-661. |
[5] |
李超伦, 张芳, 申欣, 等. 胶州湾叶绿素的浓度、分布特征及其周年变化[J]. 海洋与湖沼, 2005, 36(6): 499-506. |
[6] |
曹敏杰. 浙江近岸海域海洋生态环境时空分析及预测关键技术研究[D]. 杭州: 浙江大学, 2015.
|
[7] |
向先全, 路文海, 许艳, 等. 基于空间自相关分析方法的渤海湾赤潮遥感叶绿素浓度研究[J]. 海洋通报, 2015, 34(3): 344-352. |
[8] |
WANG Y Q, TIAN X P, GAO Z Q. Evolution of satellite derived chlorophyll-a trends in the Bohai and Yellow Seas during 2002-2018:comparison between linear and nonlinear trends[J]. Estuarine, Coastal and Shelf Science, 2021, 259: 107449. DOI:10.1016/j.ecss.2021.107449 |
[9] |
WANG Y Q, LIU D Y, GAO Z Q, et al. Characterizing spatial patterns of satellite-derived chlorophyll-a in the Bohai and Yellow Seas of China using self-organizing maps (SOM) approach[J]. Marine Pollution Bulletin, 2023, 193: 115176. DOI:10.1016/j.marpolbul.2023.115176 |
[10] |
ZHAO Z H, XIAO R S, GUO J T, et al. Three-dimensional spatial interpolation for chlorophyll-a and its application in the Bohai Sea[J]. Scientific Reports, 2023, 13(1): 7930. DOI:10.1038/s41598-023-35123-6 |
[11] |
ZHAO W, DUAN S B. Reconstruction of daytime land surface temperatures under cloud-covered conditions using integrated MODIS/Terra land products and MSG geostationary satellite data[J]. Remote Sensing of Environment, 2020, 247: 111931. DOI:10.1016/j.rse.2020.111931 |
[12] |
AHN Y H, SHANMUGAM P. Detecting the red tide algal blooms from satellite ocean color observations in optically complex Northeast-Asia coastal waters[J]. Remote Sensing of Environment, 2006, 103(4): 419-437. DOI:10.1016/j.rse.2006.04.007 |
[13] |
LI X Y, YU R C, RICHARDSON A J, et al. Marked shifts of harmful algal blooms in the Bohai Sea linked with combined impacts of environmental changes[J]. Harmful Algae, 2023, 121: 102370. DOI:10.1016/j.hal.2022.102370 |
[14] |
LI X Y, YU R C, GENG H X, et al. Increasing dominance of dinoflagellate red tides in the coastal waters of Yellow Sea, China[J]. Marine Pollution Bulletin, 2021, 168: 112439. DOI:10.1016/j.marpolbul.2021.112439 |
[15] |
李彦, 郭新宇, 王云涛. 中国近海海表叶绿素及环境要素的空间分布和季节变化特征[J]. 厦门大学学报(自然科学版), 2023, 62(3): 397-405. |
[16] |
赵娜, 王霄鹏, 李咏沙, 等. 黄渤海海域叶绿素a浓度时空特征分布及影响因子分析[J]. 科学技术与工程, 2020, 20(17): 7101-7107. |
[17] |
ZHANG H L, QIU Z F, SUN D Y, et al. Seasonal and interannual variability of satellite-derived chlorophyll-a (2000-2012) in the Bohai Sea, China[J]. Remote Sensing, 2017, 9(6): 582. DOI:10.3390/rs9060582 |
[18] |
郭晓芳, 宋军, 郭俊如, 等. 基于遥感资料的北黄海叶绿素a浓度时空演变特征分析[J]. 海洋通报, 2020, 39(6): 705-716. |
[19] |
孟庆辉, 王林, 陈艳拢, 等. 2002-2021年渤海叶绿素a浓度变化及环境响应分析[J]. 中国环境监测, 2022, 38(6): 228-236. |
[20] |
田洪阵, 刘沁萍, GOES J I, 等. 基于2002-2018年MODIS数据的黄海叶绿素a时空变化研究[J]. 海洋通报, 2020, 39(1): 101-110. |
[21] |
中华人民共和国环境保护部. 2016年中国近岸海域环境质量公报[R/OL]. (2017-06-29)[2024-07-18]. https://www.mee.gov.cn/hjzl/sthjzk/jagb/201706/P020170629334342524664.pdf.
|
[22] |
中华人民共和国生态环境部. 2021年中国海洋生态环境状况公报[R/OL]. (2022-05-27)[2024-07-18]. https://www.mee.gov.cn/hjzl/sthjzk/jagb/202205/P020220527579939593049.pdf.
|
[23] |
SAGARMINAGA Y, BORJA Á, FONTÁN A. "Extreme highest" and "extreme anomalous": proposed indices for chlorophyll-a extreme events in European seas between 2003 and 2021[J]. Remote Sensing of Environment, 2024, 300: 113885. DOI:10.1016/j.rse.2023.113885 |
[24] |
LIU D Y, WANG Y Q. Trends of satellite derived chlorophyll-a (1997-2011) in the Bohai and Yellow Seas, China: effects of bathymetry on seasonal and inter-annual patterns[J]. Progress in Oceanography, 2013, 116: 154-166. DOI:10.1016/j.pocean.2013.07.003 |
[25] |
王晴, 袁德奎, 李旭, 等. 渤海叶绿素a浓度与环境因素的响应关系研究[J]. 海洋通报, 2022, 41(5): 601-609. |
[26] |
李威岐. 长江口锋面对叶绿素a浓度时空分布的影响及机制[D]. 上海: 华东师范大学, 2022.
|
[27] |
王梦雪, 丁晓坤, 侯兴, 等. 渤海叶绿素a的时空分布及其影响因素[J]. 中国海洋大学学报(自然科学版), 2023, 53(9): 123-131. |
[28] |
GLIBERT P M, MARANGER R, SOBOTA D J, et al. The Haber Bosch-harmful algal bloom (HB-HAB) link[J]. Environmental Research Letters, 2014, 9(10): 105001. DOI:10.1088/1748-9326/9/10/105001 |
[29] |
WANG J J, YU Z G, WEI Q S, et al. Long-term nutrient variations in the Bohai Sea over the past 40 years[J]. Journal of Geophysical Research: Oceans, 2019, 124(1): 703-722. DOI:10.1029/2018JC014765 |
[30] |
孙策策, 刘军, 张爱军, 等. 环渤海河流营养盐的向海输送及环境效应[J]. 中国环境科学, 2024, 44(1): 178-192. |
[31] |
张海波, 史华明, 裴绍峰, 等. 北黄海夏秋季营养盐时空变化趋势及影响因素分析[J]. 中国海洋大学学报(自然科学版), 2021, 51(增Ⅰ): 24-34. |
[32] |
赵行行. 东港赤潮监控区浮游植物生长的环境因子影响分析[D]. 大连: 大连海事大学, 2017.
|
[33] |
徐菡悦, 王保栋, 辛明, 等. 胶州湾营养盐的长期变化及其生态效应[J]. 海洋科学进展, 2020, 38(2): 276-286. |
[34] |
杨广普. 基于长时序遥感影像的胶州湾叶绿素a浓度变化及其影响因素研究[D]. 青岛: 山东科技大学, 2019.
|