東中國海浮游植物粒徑等級診斷色素權(quán)重參數(shù)分析研究

賴文典 孫德勇 環(huán)宇

摘 要：利用診斷色素分析方法（DPA）對2016年6月、2016年9月和2017年1月東中國海高效液相色譜數(shù)據(jù)（HPLC）進行分析，葉綠素a濃度（Chla）范圍在0.5～5mg·m-3內(nèi)，回歸得到不同區(qū)域（渤海、黃海和東海）、不同季節(jié)（冬季、夏季）和不同建模方法（隨機擬合、順序擬合和“留一法”）的診斷色素權(quán)重參數(shù)，結(jié)果表明：渤海、黃海診斷色素權(quán)重參數(shù)差距不大，與東海有明顯差異，在東中國海范圍內(nèi)，由于But色素含量較少，可以忽略其影響，使用其余6種色素對Chla濃度進行反演；東中國海診斷色素權(quán)重參數(shù)受季節(jié)影響較??；不同的回歸方法對診斷色素權(quán)重參數(shù)影響很小。

關鍵詞：HPLC；診斷色素分析；浮游植物粒徑等級；東中國海

中圖分類號：P73 文獻標識碼：A 文章編號：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環(huán)中扮演著許多角色。在光合作用下，CO2被吸收和釋放，從而為浮游植物的新陳代謝提供需要。雖然這一過程較為常見，但有些物種因其獨特的生理特征具有特定的化學要求，從而有了一系列不同功能角色。例如，顆石藻主要控制鈣元素；硅藻主要影響硅元素的變化；藍藻細菌對氮有重要影響；鞭毛藻負責在海洋中增強二甲基硫丙酸（DMSP）的生產(chǎn)，促進海洋與大氣之間的交換[1]。

浮游植物粒徑等級（Phytoplankton Size Classes，PSC）與其功能類型[2]有著密切的相關性[3]。Sieburth將浮游植物粒徑等級分為三類：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與小型真核生物，微型浮游植物則為綠藻，小型浮游植物包括硅藻類與鞭毛藻類。我國近海與海岸帶海水浮游植物結(jié)構(gòu)與分布比較復雜，常見優(yōu)勢藻種硅藻、藍藻、綠藻和甲藻處于不一致的PSC中[4]，從而為利用PSC探測研究中國近海浮游植物種群結(jié)構(gòu)提供了良好的機會。了解浮游植物粒徑等級對研究水生態(tài)系統(tǒng)中生源要素（主要包括碳、氮、磷等）的生物地球化學循環(huán)、個體的新陳代謝、生物資源量變化和生態(tài)系統(tǒng)的多樣性等均具有重要的科學意義。

利用遙感手段的綜合性和多時相性，國內(nèi)外學者針對浮游植物粒徑等級遙感探測提出諸多算法。其中一種主流方法是基于衛(wèi)星遙感葉綠素a（Chla）濃度對PSC進行反演[5]。

基于高效液相色譜數(shù)據(jù)（HPLC）可以使用診斷色素分析（DPA）方法區(qū)分浮游植物種群[6]。不同類型的浮游植物種群擁有不同大小的粒徑，可以將其劃分為微微型浮游植物、微型浮游植物和小型浮游植物[7，8]。通過將PSC濃度與Chla濃度進行回歸分析，得到不同Chla濃度下不同浮游植物粒徑貢獻，為針對東中國海基于Chla濃度對PSC反演算法服務，進而對中國PSC濃度進行長時序遙感反演，為實現(xiàn)大面積宏觀范圍的分布提取作出有效貢獻。然而，對于中國近海Ⅱ類復雜水體，已有大洋Ⅰ類清潔水體診斷色素權(quán)重參數(shù)并不適用。

因此，本文使用現(xiàn)場獲取高效液相色譜（HPLC）數(shù)據(jù)，對東海不同區(qū)域、不同季節(jié)的數(shù)據(jù)通過不同的方法回歸擬合分析其診斷色素權(quán)重參數(shù)，為遙感算法的建立提供重要的科學依據(jù)。

2 數(shù)據(jù)與方法

2.1 研究區(qū)域及站位

國際上說的東中國海包括我國的渤海、黃海、（常規(guī)）東海。渤海位于中國東北部，是唯一半封閉性內(nèi)海，其海岸線長約3 200km，面積約77 000km2，平均深度約18m，最大深度約83m[9]。黃海位于大陸和朝鮮半島間，為太平洋的邊緣海，近似為南北向半封閉海域，面積約38萬km2，平均深度約45m，最深處約170m。海底較平緩，是東亞大陸架一部分[10]。東海為我國三大邊緣海之一，北至長江口與朝鮮濟州島，南至南海領界，面積約77萬km2，平均水深約349m，最深處約2 322m[11]。

文中實時觀測時間為2016年6月、2016年9月和2017年1月，隨“東方紅2號”考察船對渤海、黃海和東海進行取樣調(diào)查，調(diào)查站位分布如圖1所示。

2.2 數(shù)據(jù)分析方法

根據(jù)Aiken[7]使用的數(shù)據(jù)檢驗方法，筆者對所有航次獲得的HPLC數(shù)據(jù)進行檢驗：輔助色素與總?cè)~綠素a的差應該小于總色素濃度的30%，且其之間的回歸應該有一個在0.7～1.4范圍內(nèi)的斜率，且相關系數(shù)R2必須超過0.9。通過此樣本數(shù)量必須超過此航次總觀測值的85%，才能接受此航次數(shù)據(jù)。

參考Uitz[5]的使用方法，利用實測海水診斷色素（DP）與Chla數(shù)據(jù)，可以進行多元回歸分析，從而獲取浮游植物診斷色素權(quán)重參數(shù)，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]為總的診斷色素濃度，可以等值為Chla濃度。[Fuco]（Fucoxanthin，墨角藻黃素）、[Perid]（Peridinin，多甲藻素）、[Hex-fuco]（hexanoyloxyfucoxanthin，Hex-墨角藻黃素）、[But-fuco]（butanoyloxyfucoxanthin，But-墨角藻黃素）、[Allo]（Alloxanthin，黃素）、[TChlb]（總?cè)~綠素b）、[Zea]（Zeaxanthin，玉米黃素）分別為7種診斷色素濃度[6]。

因此，只需要通過將實測Chla濃度與7種診斷色素濃度進行回歸分析，便可得到其權(quán)重參數(shù)。

2.3 方差分析與優(yōu)度檢驗

為了檢驗診斷色素權(quán)重參數(shù)擬合的效果與可行性，筆者對所有回歸模型進行方差分析，決定系數(shù)R2擬合優(yōu)度檢驗。決定系數(shù)R2計算公式為：

[R2=i=1Nxi-xyi-yi=1Nxi-x2yi-y2] （2）

式中，[x]、[y]分別表示Chla濃度的實測值、擬合值；[x]、[y]分別表示Chla濃度實測平均值、擬合平均值。

Chla平均絕對百分誤差（MAPE）的計算公式為：

[MAPE=1Ni=1Nxi-yixi×100%] （3）

Chla標準誤差（RMSE）的計算公式為：

[RMSE=1Ni=1Nxi-yi2] （4）

Chla均值比（Mean ratio）的計算公式為：

[Mean ratio=1Ni=1Nxi/1Ni=1Nyi] （5）

其中，[xi]、[yi]為Chla實測值和擬合值。

3 結(jié)果

3.1 不同區(qū)域診斷色素權(quán)重參數(shù)回歸

考慮到不同區(qū)域水體不同，筆者對渤海、黃海和東海3個區(qū)域數(shù)據(jù)進行隨機抽樣（隨機抽取70%樣本建模，剩余30%樣本用于驗證）回歸分析，結(jié)果見表1和表2。3個區(qū)域模型R2都達到了0.98以上，RMSE都小于0.100mg·m-3，MAPE都小于15.0%，擬合模型誤差較小。但是，從表1可以看出，只有渤海的權(quán)重參數(shù)正常，黃海與東海的But色素的權(quán)重參數(shù)為負值。通過分析色素濃度，筆者發(fā)現(xiàn)總數(shù)據(jù)中But色素含量相對較少，對模型影響非常小。

忽略其對模型的影響，使用其余6種診斷色素進行回歸分析，結(jié)果如表3和表4所示。其回歸系數(shù)都為正值，6種診斷色素建立模型的R2都高于0.96，RMSE都小于0.17mg·m-3，MAPE小于12%，模型效果相較7種色素建立的模型更好。從表3可以得出，渤海、黃海診斷色素權(quán)重參數(shù)較為相近，而東海差異較大。由此可以認為，對這3個海域進行研究時，可以忽略But這個色素的影響，使用其他6種色素所建立的模型。

3.2 不同季節(jié)診斷色素權(quán)重參數(shù)回歸

為了研究不同季節(jié)診斷色素權(quán)重參數(shù)之間的區(qū)別，分別對冬季、夏季兩個季節(jié)權(quán)重參數(shù)進行回歸，回歸結(jié)果如表5、表6所示。從表中可知，R2均大于0.95，RMSE均小于0.2mg·m-3，MAPE則為10%～11%，模型效果較好，不同季節(jié)東中國海診斷色素權(quán)重參數(shù)差異很大，不同季節(jié)需要使用不同的參數(shù)進行反演。

3.3 不同建模方法診斷色素權(quán)重參數(shù)回歸

考慮到不同的建模方法可能會對權(quán)重參數(shù)造成影響，用順序回歸（將Chla濃度按大小進行排序，3個樣本分為一組，其中2個用于建模，一個用于檢驗）與“留一法”（順序每次取一個樣本進行驗證，剩余的用于建模，得到的權(quán)重參數(shù)取均值）對所有HPLC數(shù)據(jù)進行回歸分析。其結(jié)果與隨機抽樣回歸進行對比（見表7、表8）。從表7和表8可以看出，運用不同方法得到的診斷色素權(quán)重參數(shù)大致相同，其差值最大不超過0.3，R2都達到0.96以上，MAPE值為11%～13%，RMSE則為0.12～0.17，均值比大于0.97，因此，可以認為不同的建模方法對其系數(shù)影響不大，模型適用性很好。

4 討論

通過診斷色素分析方法來分析浮游植物生物量和群落是目前非常流行的一種方法。姚鵬[12]基于此方法對膠州灣浮游藻功能類進行研究，Vidussi[6]基于此方法對大洋水體進行遙感反演分析。但較少有學者對東中國海浮游植物診斷色素權(quán)重參數(shù)進行分析。本文通過HPLC數(shù)據(jù)與Chla濃度進行回歸分析，對結(jié)果進行驗證，分區(qū)域、分方法、分季節(jié)給出不同的診斷色素權(quán)重參數(shù)，為今后開展基于Chla遙感反演PSC研究起到指導性作用。

將本文的模型與Utiz模型進行對比，結(jié)果見圖2。本文模型R2均大于0.95，MAPE為10%～13%，RMSE最小可以達到0.05mg·m-3，而Utiz模型計算得到的Chla均偏小，R2雖然穩(wěn)定在0.9以上，但MAPE最高達到33.79%，RMES最大達到0.394，效果遠不如本文模型。因而，本文模型更適用于東中國海區(qū)域。

5 結(jié)論

本文模型有效適用范圍為Chla濃度為0.5～5mg·m-3。①渤海、黃海診斷色素權(quán)重參數(shù)差距不大，但與東海權(quán)重參數(shù)有明顯差異，在東中國海范圍內(nèi)，由于But色素含量較少，可以忽略其影響，使用其余6種色素對Chla濃度進行反演；②東中國海診斷色素權(quán)重參數(shù)受季節(jié)影響較小；③不同的回歸方法（隨機擬合、順序擬合和“留一法”）對診斷色素權(quán)重參數(shù)影響很小。本文給出了適用于東中國海的診斷色素權(quán)重參數(shù)，但對PSC反演并未涉及，結(jié)合本文參數(shù)可以對PSC進行長時空反演，從而對東中國海生物量、種群進一步探測研究。

參考文獻：

[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]丘仲鋒，孫德勇，王勝強，等.海洋浮游植物粒徑等級遙感研究現(xiàn)狀與展望[J].廣西科學，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.環(huán)渤海集約用海區(qū)海洋環(huán)境現(xiàn)狀[M].北京：海洋出版社，2015.

[10]何起祥.中國海洋沉積地質(zhì)學[J].海洋地質(zhì)與第四紀地質(zhì)，2006（4）：66.

[11]師先進，呂炳全.試論東海地質(zhì)構(gòu)造的成因[J].海洋通報，1983（6）：41-50.

[12]姚鵬，于志剛，鄧春梅，等.基于診斷色素分析的膠州灣浮游藻功能類群研究[J].海洋與湖沼，2013（4）：866-876.

[13]Jiménez-Mu?oz 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.