碳酸酐酶活性影响因素分析及消落带藻华形成机制研究

如表3.1所示为通过Spearman双变量相关性分析得出的嘉陵江主城段水体碳酸酐酶活性与常规水文水质指标、金属离子、不同形态碳素间的相关系数，如表所示，CAA与大多数参数之间具有显著相关。本节主要从影响酶活性的六大因素入手，对不同指标与酶活性间的关系进行分析。表3.1中涉及这六大因素的参数主要有T、pH、CO2、DIC、Chla、Zn等。

表3.1　碳酸酐酶活性与相关指标间相关系数

**.在置信度（双测）为0.01时，相关性是显著的。
*.在置信度（双测）为0.05时，相关性是显著的。

在以上众多酶活相关指标中，水温对碳酸酐酶活性的变化具有重要影响，有相关研究表明，在30 °C以下的水环境温度下，大多数酶的活性均随温度上升而提高[164，165]，而30 °C以上酶活性与温度的正相关性并不明显，这是由于过高的温度可能会导致酶出现一定程度的变性。如图3.4（a）所示展示了嘉陵江主城段水体中温度与CAA的年变化规律及其曲线对比情况，在一定温度范围内CAA随着T的上升而增加，与其他环境下酶活性与温度的关系一致。由图可知，从2013年9月至10月及2014年11月上旬至4月上旬CAA与T的变化趋势相似，然而从5月至8月之间，两者并无显著相关。对二者全年分布进行的相关性分析显示T与CAA间存在低度正相关，表明CAA除了温度外还受其他因素的影响。二次回归拟合结果显示，CAA与T间存在如下经验公式：CAA＝－0.001 69 T2＋0.008 22 T－0.207（R2＝0.091，n＝28）［见图3.4（b）］。

pH是CAA的重要影响因素之一。如图3.4（a）所示，pH与CAA间高度正相关。从图中可知，pH曲线与CAA曲线高度相似，表明在7.61～8.29的pH范围内，CAA随着pH的上升而上升。Erin的研究表明，海洋碳酸酐酶的最适pH范围与嘉陵江水体中碳酸酐酶的最适pH范围具有明显差别，这表明CAA虽然受到pH的影响，但其他因素对CAA的影响仍不可忽略[166]。线性拟合结果显示pH与CAA间存在如下经验公式：CAA＝1.528 pH－11.493（R2＝0.796，n＝28）［见图3.4（b）］。

在碳酸酐酶催化的碳酸平衡中，CO2和DIC即是反应底物，同时也是反应产物。它们分别与CAA呈高度负相关及中度负相关关系，因此水体中二者的浓度均能对水体CAA产生影响。由图可知，C（CO2）与CAA、DIC与CAA之间均存在相反的曲线走势。这种现象符合“抑制-诱导”作用的特征，即当水体中缺乏藻类生长所需的足够碳素时，藻类将分泌大量碳酸酐酶，使得周围环境中碳酸酐酶活性上升，进而转化和利用更多的碳素以满足藻类的生长。“抑制-诱导”作用在碱性磷酸酶[94，95]和硝酸还原酶[99]的活性研究中同样被广泛提及。通过对C（CO2）与CAA之间的线性拟合，发现二者间存在如下关系式：CAA＝－0.1C（CO2）＋1.373（R2＝0.788，n＝28）；同时，DIC与CAA间的二次拟合显示，二者间有如下关系式：CAA＝－0.003 DIC2＋0.113 DIC－0.162（R2＝0.498，n＝28）［见图3.4（b）］。(www.xing528.com)

酶的浓度是决定酶活性的重要因素之一，由于水体中大量的酶是由浮游植物分泌[167，168]，因此酶的浓度应与水体生物量成正比。如表3.1所示，CAA与水体Chla浓度呈高度正相关，间接说明：随着酶浓度的提高，水体酶活性将会增加。如图3.4（a）所示，CAA曲线与Chla浓度曲线趋势较为相似，然而CAA的波峰要略晚于Chla浓度的波峰，这主要是由于在藻华后期，藻细胞在对碳素的需求下大量分泌碳酸酐酶，同时部分藻细胞的凋亡使得碳酸酐酶释放到周围环境中。因此，在这个期间水体生物量开始出现下降趋势，然而碳酸酐酶浓度仍保持在较高水平，甚至有一定的增加。通过二次拟合发现CAA与Chla浓度之间存在以下关系式：CAA＝－0.011C（Chla2）＋0.22C（Chla）＋0.031（R2＝0.639，n＝28）［见图3.4（b）］。

Zn2+是碳酸酐酶的辅基，因此水体Zn2+的浓度与CAA有密切关系。嘉陵江主城段水体中Zn2+浓度与CAA呈中度正相关，表明在嘉陵江水体Zn2+浓度范围内，Zn2+浓度增加会促进CAA的上升。如图3.4（a）所示，在2013年11月至2014年7月间二者曲线较为相似，而在之后的走势中呈现相反趋势。线性拟合表明，CAA 与 C（Zn2+）间存在以下关系式：CAA＝11.93C（Zn2+）＋0.18（R2＝0.360，n＝15）［见图3.4（b）］。

图3.4　嘉陵江主城段碳酸酐酶活性与相关指标间曲线对比（a）及回归拟合（b）

在以上对CAA与相关参数的讨论中，得到了CAA与各因子之间的经验公式，然而CAA在水体中受到众多因素的影响，通过单一的参数无法对其进行准确的估算和监测。因此，为了提高对水体中CAA的监测精确度，并通过公式更好地阐述水体CAA的变化机理，本书通过多元线性回归对CAA及其相关参数进行拟合。将T、pH、CO2、DIC、Chla、Zn2+引入回归方程，发现T、DIC的系数较低且sig.值较低，因此将其排除，最终得出如下关系式：CAA＝0.027C（Chla）＋0.052pH－0.079C（CO2）＋1.774C（Zn2+）＋0.592（R2＝0.803，n＝15）。通过这个方程，可借助常规指标对水体碳酸酐酶活性进行较精确的估算。