多元聚类分析在长江水质中的应用

《多元聚类分析在长江水质中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第37卷第1期‘浙江工业大学学报V01．37NO．12009年2月JOURNALOFZHEJIANGUNIVERSITYOFTECHNOLOGYFeb．2009多元聚类分析方法在杭州湾水质分析上的应用曾淦宁，吴国权，徐晓群(1．浙江工业大学化学工程与材料学院，浙江杭州310032；2．国家海洋局第二海洋研究所，浙江杭州310012)摘要：根据杭州湾调查资料，应用统计学软件SPSS，对浮游植物、浮游动物以及水质调查结果分别进行聚类分析．运用多元聚类分析方法综合理化和生物指标对杭州湾水质进行评价．研究结果表明聚类分析方法能够较好的评价生物及水质指标，

2、将各种聚类结果与水环境要素调查结果综合考虑，能够更为准确地对水质进行评价；杭州湾水域的浮游生物多样性较好，优势种为近岸低盐种，富营养化程度由外海向近岸递增．关键词：聚类分析；浮游生物；水质中图分类号：Q178．532文献标识码：A文章编号：1006—4303(2009)01—0014—05ApplicationofmultivariateclustermethodonthewaterqualityanalysisofHangzhouBayZENGGan—ning，WUGuo—quan，XUXiao—qun(i．CollegeofChemicalE

3、ngineeringandMaterialsScience，ZhejiangUniversityofTechnology，Hangzhou310032，China~2．SecondInstituteofOceanography，StateOceanicAdministration。Hangzhou310012，China)Abstract：Basedonthe．investigationdataofHangzhoubay，thecorrelationamongphytoplankton，zooplankton，andwaterqualitywas

4、evaluatedbythemethodofclusteranalysis．Combinedwiththemethodofclusteranalysis，thebiologicaldiversityconcept，andthesimilarityindex，multivariateanalysiswasincludedinto．thewaterevaluation，whichprovedtobeabettermethodthantheregularsinglefactoranalysis．Theresultsshowedthatclusteran

5、alysismethodissuitableforoceanographicdataprocessing，andwaterqualitycouldbeevaluatedmoreaccuratelybymultivariateanalysis．Asfarastheinvestigationresultswereconcerned，relativelygoodbiodiversityofplanktonwasobservedatHangzhouBay．However，thedegreeofeutrophicationpresentedtheincre

6、asingtendencyfromtheoutsidetothecoast．Keywords：clusteranalysis；plankton；waterquality的变化直接或间接地反映着水域水质的状况及其发0引言展趋势．对水域浮游生物与水质关系的探讨多基于某种浮游生物在水域生态系统的物质循环和能量流特征生物，从空间或时间尺度分别进行分析，如吴生动过程中发挥着重要作用，它们的群落结构与功能才等研究了太湖浮游植物生物量的周期性变化；收稿日期：2008—04—07基金项目：卫星洋环境动力国家重点实验室开放研究基金资助项目(SOED0608)作者简

7、介：曾淦宁(1977一)，男，江西新干人，讲师，博士，研究方向为海洋环境动力学第1期曾淦宁，等：多元聚类分析方法在杭州湾水质分析上的应用但整体来看，将水域生态系统各主要组分与水质综合分析的报道较少．基于此，笔者在杭州湾水质及浮2数据处理与分析游生物的调查基础上，选取浮游植物、浮游动物及海水水质等作为研究对象，对杭州湾浮游植物、浮游动2．1多元聚类分析方法物与环境化学参数之间的相关性进行聚类分析，尝多元聚类分析方法是根据研究对象的特征研究试运用多元分析方法综合理化和生物指标(包括浮多个变量集合之间，以及具有这些变量的个体之间游动物、浮游植物)评价杭

8、州湾水质特征．关系的一类统计技术，它能降低数据矩阵的复杂性，抽取重要信息，直观地表现多个变量如不同种类之1调查区域间的相互关系。。]．因