摘 要: 綜述了藍藻水華預防、預測預警的重要意義及其理論與技術體系. 基于作者所提出的將藍藻水華形成分為休眠、復蘇、生長和上浮聚集形成水華的“四階段理論”, 以及太湖藍藻越冬、春季復蘇和水華形成的時空規律, 提出了太湖藍藻水華的預防理念. 綜述了國內外藍藻水華形成與預測研究進展, 闡述了藍藻水華形成關鍵過程的主導生態因子及其閾值: 確定了水華藍藻越冬的空間分布與生命特征, 利用室內模擬實驗和野外原位觀測與捕捉, 得到了藍藻春季復蘇的室內和野外溫度閾值分別為14℃和9℃, 發現了藍藻復蘇量與有效生理積溫呈正相關的基本規律; 初步揭示了水華藍藻生長競爭優勢形成的生物學與生態學機理以及光利用策略, 利用細胞分裂頻率法測定了夏季太湖水華藍藻的原位生長速率為0.2-0.4; 確定了在不同水文氣象條件下, 水華藍藻在水體中垂直分布和在不同湖區之間輸移的基本格局, 發現藻類在水體中各層間百分含量的變異系數隨著風浪的增大而減小, 進一步證明了藍藻水華形成是在適當水文氣象要素驅動下, 已經成為優勢種群的水華藍藻在湖體中空間位置的改變而引起的. 建立了太湖藍藻水華預測模型和工作流程, 在2007 年和2008 年在太湖實施了未來3d 的藍藻水華預測預警, 了2008 年全年太湖藍藻水華情勢. 對預測結果的回顧性評估與分析表明, 目前已有的理論研究結果和預測工作流程可以對太湖藍藻水華發生概率、發生地點和強度進行預測, 預測準確率達到60%-80%. 此外, 還提出了未來藍藻水華預測的研究方向.

1 藍藻水華預防、預測預警的意義
湖泊富營養化和藍藻水華發生是目前*共同面臨的重大環境問題之一. 在太湖和許多富營養化湖泊, 夏季發生的藍藻水華漂浮在水面, 堆積在岸邊, 并在高溫下分解, 形成惡臭. 如果水華在水源地取水口附近大量集聚就有可能引起水源地的水質惡化, 危及供水安全.藍藻水華具有重大危害, 但目前還缺少有效的治理手段. 雖然有很多物理、化學和生物技術可以直接沉降或殺死形成水華的藍藻細胞, 或直接撈取大量聚集的藍藻, 避免藍藻對水質的影響, 但其所花費的人力物力十分巨大, 且很難*控制藍藻水華對水質產生的影響. 此外, 直接殺死藍藻的處理方法很容易因藍藻細胞的破碎從而將胞內藻毒素及代謝產物釋放到水中, 促進其降解, 形成異味物質, 反而增加了從水體中去除這些化學物質的難度. 因此, 水華的治理應該首先削減湖泊營養鹽, 從根本上阻斷藍藻水華生長的營養物質來源.就太湖而言, 全湖的平均氮磷含量近期一直居高不下, 藍藻水華發生已經成為常態, 其污染問題難以在短期內得到根本解決. 因為即使在外源輸入減少后, 在相當長一段時間內, *積累在湖泊底泥中的內源營養鹽仍然足以支撐水華藍藻的生長, 很難杜絕藍藻水華的發生. 因此在采用各種方法治理藍藻水華的同時, 必須認識藍藻水華形成的基本規律, 發展敏感湖區, 尤其是水源地和重點景觀湖區藍藻水華發生的預測預報技術, 提高環境管理部門的決策能力, 并及時采取應急措施. 以供水為例, 如果能提前數小時預測到藍藻水華將在取水口聚集降解, 就有足夠時間, 及時采取包括水源水的調度和制水工藝的改進與強化等措施, 減少藍藻水華帶來的生態危害和健康風險, 避免發生供水危機, 保障供水安全.

2 藍藻水華形成機制的研究
2.1 藍藻水華形成的“四階段理論”及其實踐意義
水華發生時往往表現為水面或岸邊突然出現大量的藍藻, 給人感覺是生物量的突然增加, 是一種“暴發”現象. 根據*的觀測, 發現在大多數情況下, 在特定湖區內, 這種突然“暴發”的“水華”是在適宜的氣象與水文條件下, 該湖區內亦已存在的、懸浮于水體中的藻類群體再加上其他湖區的水華藍藻, 隨著風和湖流的驅動, 漂移到該湖區聚集上浮至水面, 并為人們肉眼所見的過程, 即藍藻水華是由于特定的氣象與水文條件導致已成為優勢種群的藍藻群體在湖泊水體中水平和垂直位置的改變而“瞬時”形成的,并不*是本地的藻類在短時間內連續的快速生長, 生物量突然暴發所致. 因此, 藍藻水華的出現, 表觀現象上是瞬時的“暴發”, 但其本質卻是藻類生物量在水體中逐漸增加的一個可以預測的過程. 作者在探索藍藻水華形成機理方面, 提出了藍藻生長與水華形成經歷了越冬休眠、春季復蘇、生長和集聚上浮并形成水華四階段的理論, 認為在不同的階段, 藻類的生理特性不同, 影響其發展的主導生態因子也不同. 該理論的提出, 改變了以前在藍藻水華形成機理探索中對導致藍藻水華形成的眾多物理、化學和生物等因子進行逐個研究的狀況, 比較清晰地闡述了藍藻水華形成的幾個關鍵性階段以及導致不同階段轉換的關鍵因子及其閾值, 并將其作為指標, 監測其變化規律, 就有可能預測藍藻水華的發展趨勢, 為
提出更有針對性的控制藍藻水華的技術途徑提供了理論依據, 也為深入研究藍藻水華形成機理提供了一個理論框架.基于該理論, 要有效控制夏季藍藻水華, 就不能等到其已經形成巨大生物量, 在全湖隨風到處漂移擴散后再采取措施, 到那時, 所需要付出的人力物力將會大大增加, 而應該在藍藻越冬休眠或者春季復蘇這些藻類生命過程中弱的環節, 即藻類大量繁殖形成水華之前, 采取更加有針對性的措施抑制藍藻的生長, 在藻類大量復蘇生長前對其進行消減, 就有可能達到事半功倍的效果. 根據對太湖水華藍藻的休眠、復蘇, 水華的漂移、形成、沉降的時空規律的認識, 就可以科學地提出預防太湖藍藻水華發生的理念, 并探索在實際應用中的技術與工程措施的可行性.

2.2 藍藻水華形成不同階段的關鍵因子及其閾值的確定
2.2.1 水華藍藻越冬分布規律及其生理特性閻榮等和吳曉東等對太湖、巢湖和玄武湖等湖泊的周年野外觀測研究和室內模擬實驗發現, 在秋季, 隨著溫度的降低, 不同湖泊及不同湖區的水體中表征藍藻生物量的藻藍素濃度逐漸下降, 底泥表面的藻藍素濃度卻呈上升趨勢, 到次年的4 月達到大值, 而在夏季高溫季節底泥中的藻藍素含量較低, 這些結果表明部分藍藻在冬季會由水體下沉到底泥表面進行越冬.利用流式細胞儀比較處于同一系統中的水華藍藻微囊藻細胞和綠藻細胞的活性, 發現在冬季湖泊底泥表面的黑暗與低溫條件下, 無論是葉綠素熒光還是反映細胞活性的脂酶活性, 微囊藻均要高于綠藻柵列藻,說明微囊藻在劣境中生存活力較高. 也有相關研究發現微囊藻經15℃馴化后, 具有獲得性寒冷光照耐受性(ACLT), 與其它藻類相比較, 提高了其越冬存活力. 可見, 微囊藻在越冬期間較其它藻更具競爭優勢.
2.2.2 水華藍藻春季復蘇的生態閾值隨著春季溫度上升、光照加強, 在冬季下沉到湖泊底泥以及上覆水中的水華藍藻細胞及群體開始進入水柱中, 逐漸復蘇生長并發展為水華. 國內外研究主要關注的是影響復蘇過程生態因子的閾值及其對夏季藍藻水華形成的貢獻. Verspagen 等對于底泥微囊藻復蘇的模擬實驗顯示, 如果不考慮底泥微囊藻的貢獻, 夏季的微囊藻水華會減少50%. 正是緣于這些原因, 藍藻的復蘇特別是微囊藻的復蘇近年來備受關注, 成為藍藻水華形成機理的研究熱點之一. 在法國Grangent 水庫底泥中的銅綠微囊藻酯酶的活性隨著春季溫度的升高而逐漸增加, 在夏季達到大值. 這種活性的恢復使得底泥中的藍藻重新進入水柱中, 而底泥中藍藻生物量卻顯著下降.微囊藻下沉到底泥表面是由于隨秋季溫度降低而群體解體、細胞密度增大、浮力降低的結果, 所以要重新回到水柱中, 藍藻首先要降低其密度、增大其浮力. 已有的研究表明失去浮力的越冬藍藻在20℃能夠較快地恢復浮力, 而在12℃時則恢復較慢. 利用從野外采集的底泥樣品, 李闊宇等發現微囊藻的生長始于15℃和30μE/(m? s)的光照條件下, 接著向水柱遷移, 微囊藻適的生長溫度是20℃, 同時, *處于低溫和黑暗環境中的微囊藻細胞進行光合作用的光系統Ⅱ未受到嚴重損傷, 當環境轉變有利于藻類生長時, 微囊藻細胞的光系統Ⅱ很快恢復活性.陶益等在室內進行控制條件下野外樣品的復蘇模擬實驗, 確定了太湖藻類復蘇的溫度閾值. 通過采集太湖梅梁灣底泥及上覆水, 移到實驗室, 在底泥的表面上覆蓋經過0.2μm 濾紙過濾的原位湖水, 建立了湖泊水柱模擬系統, 經60d 光照并逐漸升溫培養, 定時取樣并顯微觀察藍藻復蘇細胞, 測定底泥和上覆水中藻藍素含量, 并以泥樣色素實驗值Ft 與其相應的背景值Fo 的比值為Gf 定量表征泥樣中藍藻的變化. 當Gf=1 時, 說明泥樣中藻類濃度沒有發生變化; 若Gf<1, 說明經過模擬培養, 泥樣中藻類濃度減少, 水樣中藻類濃度可能上升, 可能發生了藻類的復蘇; 若Gf>1, 說明底泥中藻類增加, 研究了太湖底泥中藍藻種群的復蘇規律. 結果表明, 在室內模擬條件下, 太湖底泥藍藻復蘇初始時主要以2-8 個細胞的小群體存在, 其細胞直徑為7.2-7.8μm, 大于夏季的藻群體中單個細胞的直徑(4.8-6μm), 底泥藍藻的復蘇與溫度變化密切相關. 在水體溫度達到14℃時藍藻開始少量進入水柱中, 在環境溫度升至18-20℃之間時大量進入水中, 為水華形成提供了種源.Cao 等在野外利用自行設計的藻類捕捉器, 測定藍藻復蘇期間的色素含量, 并比較水柱和底泥中
色素含量的變化. 結果表明, 藻類的復蘇可能與底泥環境中的溫度、光照、溶解氧、氧化還原電位密切相關. 捕捉器所覆蓋的底泥中以葉綠素a(Chl.a)、葉綠素b(Chl.b)和藻藍素(PC)分別表征總藻類、綠藻和藍藻. 在水體溫度達到9℃時藍藻就開始少量進入水中, 總藻類、綠藻以及藍藻的上浮量占底泥中起始色素含量分別達到了59.84%、76.83%和466.98%. 藻藍素和葉綠素含量之比一直上升表示藍藻逐漸建立優勢. 可見, 藍藻的復蘇對太湖水華的形成具有重要意義.由于在春季自然水體中, 水溫也會隨著氣溫的波動, 在復蘇溫度閾值的上下波動, 為了把握藍藻復蘇的基本規律, 在總結了野外觀測和室內模擬實驗結果的基礎上, 作者發現了“有效積溫”與水華藍藻復蘇相關的規律, 即無論是野外觀測還是室內的模擬實驗, 藍藻復蘇的生物量與每天高于藍藻生理代謝起始溫度(在室內模擬實驗中為14℃, 在野外原位觀測中為9℃)以上的連續積累溫度值(有效積溫)相關性*. 原位藻類復蘇量和有效積溫的相關性方程為:
葉綠素a(Chl.a): y=2.5919-0.01912x, r =-0.86
葉綠素 b(Chl.b): y=0.1665-0.0104x, r =-0.76
藻藍素(PC): y=0.2414+0.0027x, r =0.88
從以上方程可以看出, 隨著有效積溫的增加, 表征所有藻類的葉綠素a(Chl.a)和綠藻的葉綠素b(Chl.b)含量呈下降趨勢, 而以藻藍素(PC)表征的藍藻的量卻呈線性增加.
2.2.3 水華藍藻的生長競爭優勢的形成與原位生長速率藍藻復蘇進入水體, 開始生長并逐漸成為優勢種群. 關于藍藻優勢形成的原因已有很多報道, 例如藍藻能夠適應高溫、低光強和紫外線; 與其他類群的藻類相比較藍藻細胞可以過量攝取水體中的無機碳和營養物質; 在富營養化水體中, 由于磷含量的升高而引起氮磷比的下降從而有利于藍藻生長; 藍藻細胞形成的偽空胞, 可以上浮以選擇光照; 微囊藻形成膠鞘, 增大了體積, 降低了被浮游動物攝食的幾率; 微囊藻能夠分泌藻毒素, 可以抑制其他生物的生長, 有利于其形成優勢種群.近來研究證實, 與單細胞相比較, 微囊藻群體具有更加高的光合效率和對無機碳、磷的利用能力等生理特性. 微囊藻群體的抗高光強、重污染也是群體微囊藻種群優勢的形成和維持的重要機制, 這是其形成水華并保持優勢地位的重要前提. 儲昭升等的研究表明, 在氮限制性生長環境中, 微囊藻的偽空胞數量和浮力均會顯著下降. 這說明富營養化湖泊中由于水體中氮含量的增加會導致微囊藻細胞合成較多的偽空胞, 從而有利于藍藻群體的浮力調節, 使其具有更強的對表層光和無機碳的競爭力, 這可能也是水華藍藻形成優勢的機制之一.太湖這類淺水湖泊似乎很容易形成藍藻水華, 而這類湖泊底泥易受風浪攪動, 懸浮物大量增加, 水體渾濁, 光傳輸效率較差. Zhang 等從水動力和光照的耦合作用的角度研究了太湖中微囊藻形成優勢種群的機理, 發現風速為3.1m/s 條件下, 綠藻在水體中是趨于均勻分布, 硅藻和甲藻則易于沉入下層水體, 而微囊藻可以懸浮在水表面到水下30cm 這一深度, 因此在此種正常的風浪條件下, 微囊藻可以獲得大的光能利用, 形成大的生長速率, 在與其它藻類類群競爭中形成優勢.關于水華藍藻的生長速率已有的資料大多來源于實驗室控制條件下的檢測數據, 但在自然水體中藍藻的實際生長速率受到很多環境因素的影響, 傳統的定時定點采樣測定方法無法獲得藻類在湖泊水體中實際的原位生長速率, 必須找到合適的檢測方法. 近有研究對早用于計算細菌生長速率的細胞分裂頻率法(Frequency of Dividing Cells, FDC)進行了修正后, 應用于微囊藻的原位生長速率的計算, 并取得了較好的結果. 其原理就是微囊藻是以簡單的細胞二分裂方式進行繁殖, 因此, 根據細胞的形態可以將細胞分為單細胞、分裂期細胞和雙細胞三個時期. 觀測處于分裂期的細胞占總體細胞數的百分比, 根據不同時間的細胞分裂頻率, 可以計算微囊藻的原位生長速率. 應用該方法, 研究者在水華發生季節對太湖梅梁灣進行了微囊藻的原位生長速率檢測. 結果表明太湖微囊藻的細胞分裂頻率有顯著的日變化規律, 即白天高、夜晚低, 其中大的細胞分裂頻率在20%左右, 小分裂頻率在5%左右. 計算結果表明4個采樣點的微囊藻日生長速率介于0.19 到0.37, 其大生長速率與日本琵琶湖的大生長速率比較接近,且生長速率隨著微囊藻的密度上升而下降, 并可能與所在水體的營養鹽水平相關.
2.2.4 太湖水華藍藻的垂直沉浮與水平漂移在富營養化湖泊中, 當水華藍藻的生物量足夠大時, 雖然在水體中已經成為優勢種群, 但是在一般情況下, 這些藻類群體在垂直和水平方向上趨向于均勻分布, 不會在局部湖區堆積, 其危害性相對較小. 只有在適當的水文氣象條件下, 已經成為優勢種群的水華藍藻
將會漂浮到水面, 特別容易長距離快速漂移, 在風和湖流的驅動下, 將其他湖區的水華藍藻大量聚集到局部湖區, 對該湖區, 尤其是水源地或者景觀地等敏感湖區的水質產生嚴重威脅, 這就是形成了災害性藍藻水華. 根據在太湖的多年野外觀測, 研究者確定了在不同水文氣象條件下, 水華藍藻在水體中垂直分布的基本格局. 通過在太湖進行定點觀測, 在不同水文氣象過程連續采集水樣, 定量檢測不同水層中微囊藻生物量占整個水柱中微囊藻總量的百分比, 采用不同深度藻類分布變化的變異系數這一指標來反映藻類在水柱中垂直分布的均勻程度, 研究藻類的垂直分布與風速、湖流和波高的關系. 研究發現藻類在各層間百分含量的變異系數隨著風浪的增大而減小. 當風速為2.0m/s, 波高0.044m 時, 總藻類、綠藻和藍藻的垂直分布很不均勻, 變異系數分別是0.90, 0.53 和2.89, 此時大約40%的總生物量聚集在湖面(表層5cm), 微囊藻在太湖中形成水華; 當風速為2.5m/s, 波高為0.057m, 大約有34%的微囊藻生物量聚集在湖面; 風速為3.1m/s 且有效波高為0.06m 時, 總藻類、綠藻和藍藻在水柱中分層百分含量的CV分別為0.50、0.26 和0.69, 各層間的分布已經比較均勻, 表面水華消失, 大多數的藍藻在水體中充分混勻或聚集在湖水底層. 可見, 風浪對于水華的形成具有直接的驅動作用, 當風速小于閾值3.1m/s 時, 藍藻水華就會形成. 至于營養鹽因素對于太湖藍藻水華的作用, 則是由于營養鹽濃度很高, 促進水華藍藻生長, 形成并保持為優勢種群.白曉華等通過室內風箱水槽實驗和野外觀測, 定量研究了風力對已經上浮到水面上的藍藻水華在水平方向漂移速率的影響, 建立了風速與水華漂移速度的指數和相關方程, 并據此計算了在不同強度風力下水華漂移進入特定湖區的總量. 研究結果表明, 在太湖梅梁灣, 當風速為0 時, 藻類仍有漂移速度,此速度為水華由高濃度到低濃度的自由擴散速度; 當該湖區風場的平均風速為1.4m/s 時, 藻類在水體中的平均漂移速率為0.022m/s; 風速為1.9m/s, 漂移速率為0.029m/s; 風速上升為2.8m/s 時, 藻類的漂移速率達到0.114m/s; 而當風速再加大后, 水華藍藻群體與水體充分混和, 水平漂移的速率反而下降.2.3 太湖藍藻水形成的時空規律與預防理念.太湖藍藻水華初在夏季出現. 隨著近年來水體富營養化程度加劇, 發生的時間逐漸前移, 而到秋季, 藍藻水華*消失的時間則顯著推遲. 近年來, 3-4 月逐漸成為藍藻水華的初始出現期, 5-9 月,為藍藻水華的頻發期, 而自2000 年以來, 藍藻水華發生的時間一直延續到晚秋, 甚至可以延續至次年的1 月份(如2008 年). 早期, 太湖北部(梅梁灣、竺山灣)是藍藻水華的初發生地, 也是全年藍藻水華發生的重; 2001 年以來, 南部沿岸區(浙江附近水域, 即夾浦新塘一帶的沿岸水體)春季開始時有發生, 且在近幾年, 逐漸成為太湖藍藻水華的早發生地, 集聚面積也逐年擴大, 持續時間越來越長; 2003 年以來,藍藻水華開始向湖心擴散, 嚴重時幾乎覆蓋整個太湖的非水生植被區; 值得注意的是, 2005 年以來, 以前很少有藍藻水華發生的貢湖灣, 也開始有大面積藍藻水華覆蓋, 2007 年發生的頻率更是顯著增加.根據遙感圖像觀測, 2007 年3 月28 日, 湖州水域首先發生了規模化的藍藻水華并延續多日. 2008 年同樣也是首先在南太湖水域發生了藍藻水華(4 月3 日).而近幾年11-12 月間, 在太湖北部的梅梁灣和貢湖的藍藻水華逐步減少的同時, 南太湖浙江湖州水域的藍藻水華卻十分嚴重, 并且由于較高的太湖水位, 導致湖水倒灌, 大量藍藻涌入內河, 對其沿岸水廠取水口的水質產生了嚴重威脅.綜合分析近年來的遙感信息, 并結合太湖區域的風場玫瑰圖, 可以初步認為不同季節的風況是太湖藍藻水華在全湖分布格局變化的重要驅動因素, 并基本勾勒出近期全太湖藍藻水華形成的時空規律. 在秋季高頻率的西北風下, 夏、秋季全太湖已形成的大量藍藻水華漂移集聚到南太湖水域, 形成水華; 進入冬季后, 大量藍藻水華在南太湖以及西太湖死亡下沉, 在底泥表面過冬; 到翌年春季, 隨溫度上升以及光輻射加強, 在去年下沉并積累在底泥表面較多的藍藻“種源”的南太湖水域水華藍藻開始復蘇.在早年間, 南太湖水質相對較好, 其營養鹽濃度還不足以使得很早復蘇的藍藻快速生長, 形成大量水華.但是, 自2001 以來, 全太湖的營養鹽水平均處于較高水平, 已經不是生長的限制因素, 因此復蘇后的水華藍藻能夠快速生長, 在該水域首先形成藍藻水華, 隨后在夏、秋季主導風向為東風或東南風的驅動作用下, 向太湖北部漂移, 進入梅梁灣后與灣內自身生長的水華藍藻共同形成了嚴重的水華.根據太湖藍藻時空分布規律和藍藻越冬的特點, 說明太湖不同季節的風況使得在底泥表面越冬的水華藍藻可能具有一定的區域分布特征. 因此, 可以提出預防太湖藍藻水華的理念. 從理論上可以推斷,如果在春季復蘇期間, 采取物理或者生物等適當的技術與措施去除南太湖底泥表面水華藍藻的部分“種
源”(藍藻水華的初始種群密度N0), 在同樣的種群增長速率(r)條件下, 就有可能在一定程度上降低t 時的種群密度(Nt), 可以減輕夏季的藍藻水華強度, 達到預防或者減少藍藻水華大規模發生的目的. 在歷*, 太湖和巢湖流域的農民就有罱湖(河)泥和撈取“湖靛”作為農肥的習慣, 在去除并充分利用了沉積在湖泊底泥中營養鹽的同時, 一并除去了底泥表面越冬藍藻的細胞群體, 這可能對當時控制或者延緩藍藻水華的形成起到了一定的作用, 當然這僅僅是一種現象, 其科學依據還需要進一步探索. 如果能進一步確定太湖藍藻在南太湖水域底泥表面沉降越冬的分布面積、具體位置和生物量, 就可以進一步論證技術與工程措施的可行性, 并指導清除藍藻越冬種源, 預防夏季藍藻水華大規模發生的工程措施的實施.

3 太湖藍藻水華預測與預警
3.1 國內外藍藻水華預測預警研究進展
關于湖泊藍藻水華預測的理論基礎已有較多研究. Reynolds認為在藻類數量達到一定程度后, 水華會在適宜的水文氣象條件下出現; Spencer 等的研究表明光照條件對藍藻浮力調節, 上浮聚集、漂移乃至水華形成有著密切關系. 對太湖的研究發現, 水溫和總磷為梅梁灣藻類總生物量的顯著相關因子.
有研究表明較高的溫度條件下能導致水華的發生, 因此通過氣象條件和營養鹽的來源可以預測水華的發生. 也有研究表明可以根據水溫、pH、氣象條件、藻類生物量、數字模擬以及衛星影像數據來預測水華的發生. 很多水華和赤潮事例表明, 當其他條件具備時, 若天氣形勢發展比較穩定, 海區風平
浪靜, 陽光充足并悶熱, 就有可能發生水華或赤潮.歐盟1999 年曾經開展了藍藻水華的檢測、監測和預報的研究, 拓展了遙感技術對藻華發生的預測途徑[. 日本科學家利用人工神經網絡對Kasumigaura 湖研究結果顯示, 葉綠素a 的濃度可以表征藻類的總生物量并可以對藻類水華進行預測. Teles 等利用時間序列的人工神經網絡, 根據近年的理化和生物資料建立模型, 對Crestuma 水庫進行藍藻豐度變化預測, 得到了很好的結果. 利用衛星遙感影像的結果, 通過多重線性回歸分析, 建立了經驗模型, 對中國臺灣的Techi 水庫的硅藻數量以及硅藻水華進行預測,其預測準確性可達到74%. 根據1997-2001 年大亞灣澳頭水域赤潮檢測資料的統計分析, 發現潮汐、風向、天氣情況和水溫是赤潮發生的重要因子, 據此建立了多元回歸方程, 并繪制了赤潮的生物變化趨勢圖, 可以根據現場的生物觀測資料分析, 預報是否會發生赤潮[35]. 對渤海赤潮建立了三維的生態水文模型, 并利用1982-1983 年和1992-1993 年的資料進行校正, 結果表明富營養化是藻類生長的基本條件,而1998 年的異常高溫則引發了藻類的暴發, 但尚未見該模型用于赤潮的預報[36], 利用模型被認為是研究及預報水華的有效手段, 采用包含磷酸鹽濃度、物理條件和藍藻大生物量等三個相關體系的模糊邏輯模型預測水華發生時的大生物量[37], 但由于其參數繁多且不易確定等缺點限制了其使用, 仍然處于研究階段. 美國*采用衛星技術進行水華的監測, 美國海洋與*開發的水華暴發預測系
統, 試圖監測和預報墨西哥灣的赤潮, 在有赤潮的季節, 每周預報2 次. 以下是該預測系統近期的一次預報內容.從預報的內容可以看出, 目前主要是確定不同區域有無水華, 并局限在定性描述其影響程度的水平上. 在技術開發與實際應用方面還需要做很多工作.與水華預測研究內容比較接近的有美國1999 年, 該發明實際上是一種光學水質監測系統, 根據藻類數量的變化來預測水華的發生. 另外有是根據水體的反射光來檢測水體中含有藻藍素的藻類, 澳大利亞新南威爾士大學David Waite 教授也正在從事這方面的探索.從國內外藍藻水華預測預警的研究工作可以發現: 藍藻水華是可以進行預測預警的, 目前在大洋和近海海域藍藻水華的預測預警已經取得明顯進展, 并且取得較好的預報效果; 淺水湖泊藍藻水華發生的機制研究已有一定的進展, 具備了藍藻水華暴發預測預警的理論基礎. 因為目前相對比較成熟的氣象和水文監測方法可以提供相對比較準確的藍藻水華發生預測所需要的水文氣象信息, 遙感、地理信息系統技術可以適時捕捉和分析藍藻水華的空間分布現狀, 數值模擬技術可以基于水華發生的機理和外部條件,對未來藍藻水華發生的空間分布進行數字化定位并作出預測.水華預測的定量描述對于預測工作的實用性十分重要. 可以根據藻細胞濃度、葉綠素a、透明度、總磷和總氮5 個參數制定出水華程度評價等級, 但是此方法仍然沿用了湖泊富營養化程度的評價方法.而在太湖這樣的富營養化湖泊, 持續高營養鹽水平對水華藍藻生長的短期波動并沒有顯著影響. 因此需要更加實用的和具有針對性的藍藻水華等級分類標準. 同時, 在確定水華藍藻的生物量后, 更需要知道的是在哪個湖區, 即藍藻水華發生以及堆積的確切位置, 因為一般情況下, 只要湖泊處于富營養化狀態, 在適當的氣象和水文條件下, 藍藻將會大量繁殖, 容易形成一定面積的水華, 且持續很長一段時間, 改變水生生態系統的群落結構; 但是, 只有那些在湖濱岸帶, 在重要的景觀湖區, 尤其是飲用水源地等特殊功能湖區大量集聚的災害性藍藻水華有可能給人們的生活與社會穩定帶來威脅. 對藍藻水華的預警, 預測其發生的位置或所在功能湖區, 從某種程度上來說, 比知道其發生量更加重要. 因此,對太湖全湖藍藻水華的預警應該包括從無到有的一般預測, 以及從一般湖區到敏感湖區直至形成危害的發展趨勢的預警.
3.2 太湖藍藻水華預測的技術體系
3.2.1 太湖藍藻水華形成過程對藍藻水華的形成進行預測, 必須掌握藍藻水華形成機理與基本規律, 確定影響藍藻水華形成的關鍵要素及其閾值. 在太湖、巢湖和滇池等富營養化湖泊中, 營養鹽濃度已遠遠超過了藍藻生長的基本需求, 且在短時間內很難明顯下降, 因此營養鹽濃度在目前的高位波動, 一般不會對藍藻的生長產生顯著影響. 夏季太湖的營養鹽濃度、光照強度和溫度等對藍藻生長所需要的物質與能量等環境要素方面, 在相當長的一段時間內, 幾乎不是藻類生長的限制因子.在初春, 當水溫達到復蘇閾值時(在太湖野外自然水體中為9℃[10]), 水華藍藻開始復蘇、生長, 直至其生物量達到形成水華的閾值, 即細胞密度20000cells/L, 或葉綠素a 含量為10μg/L, 這是水華從無到有的漸進過程, 其中涉及到藍藻對營養鹽的吸收、環境要素對藍藻生長速率的影響、藍藻與其他藻類群體對營養鹽和光的競爭及其優勢的形成、動物對藍藻細胞的捕食以及藍藻的死亡等復雜的生態學過程, 要對這些相關關系進行定量計算與綜合考慮, 由于涉及的參數和過程比較多, 需要模型進行運行計算, 才能得到比較明確的結論. 但目前在太湖等富營養化水平較高的湖泊, 這個過程歷時較短, 尤其是暖冬,或春季溫度上升較快, 積溫以及營養鹽濃度又比較高, 水華形成的時間就相對較早, 而對于滇池等地處季節溫度差異不明顯地域的湖泊, 這個過程更為短暫, 導致藍藻水華形成的因素幾乎常年存在. 隨著溫度的持續上升(一般在4-10 月), 光照充沛, 營養鹽濃度較高, 雖然會由于惡劣天氣或其他環境因子的沖擊, 引起水華藍藻生物量的短時間的波動, 但是水體中水華藍藻的生物量將會一直高于發生水華的閾值, 且在整個浮游植物群落中占據了優勢. 在這段時間, 其它湖區的大量水華藍藻在合適的氣象與水文因素驅動下上浮, 快速漂移到某個局部湖區, 堆積形成水華. 對于地方管理部門以及自來水廠,更關心的是如此巨大生物量的藍藻何時會漂移集聚到取水口或旅游區, 形成災害性水華, 影響水質和景觀, 甚至引起供水危機, 因此該時期藍藻水華預測的需求更加迫切并能發揮更大的預警作用. 此時主要是要對藍藻水華發生的概率、發生的水域以及發生的強度進行預測預報, 一旦水華在水源地發生大量集聚, 有可能降解發臭, 危及到水源地水質安全, 就要及時發出預警.
3.2.2 太湖藍藻水華形成的主要過程與參數水華的預測主要關注嚴重的表層水華的預測, 如前所述, 因為一旦水華藍藻漂浮到水面, 就特別容易漂移集聚, 形成災害性藍藻水華. 而表層水華強度取決于藻類種群密度. 根據生態學基本理論, 影響特定湖區內藍藻生物種群密度大小的參數是生長與死亡、遷入與遷出. 野外觀測發現, 特定湖區內水華藍藻的增加主要取決于外源微囊藻隨著氣象與水文條件的變化在水平方向漂移到該湖區的外源漂移遷入, 以及該湖區內原位的藍藻生長速率, 兩者同時導致該湖區水華藍藻種群生物量的急劇增加. 同時, 這些增加的藻類群體在合適氣象與水文條件下上浮到水面形成藍藻水華. 因此從理論上可以認為, 在確定了初始時刻(T0)的水華藍藻種群密度(N0), 再耦合未來一段時間內該湖區水文氣象信息, 計算其在t 時間內藻類的生長率、死亡率, 遷入與遷出量, 就可以得到t 時該湖區水華藍藻種群密度(Nt), 確定是否會形成水華并作出預測.
3.2.3 藍藻水華的動態模擬藍藻水華動態模擬是實現藍藻水華預測預警的重要步驟. 太陽能導致的溫度、風速、風向、降雨等是湖泊內藍藻水華發生的能量基礎. 藍藻水華的動態模擬基于藍藻水華發生、發展、漂移擴散與堆積原理. 將湖體劃分為一定數量的200m×200m的網格, 并給予每個網格一個的編碼. 在每個網格中, 耦合藻類模型、營養物質遷移模型和水動力模型, 在初始條件和邊界條件下, 采用動態環境模擬技術進行藍藻水華的模擬. 預測分為6 大部分:
(1) 藍藻水華動態模擬的時間和空間尺度. 尺度的大小是指模擬時間步長和網格空間大小的密集程度. 尺度過小, 對外部輸入條件的要求提高, 模擬計算量以幾何級數增加, 工作量大大增加. 因此, 需要在效率和精度之間達到平衡, 在達到精度要求的前提下, 選擇合適的時間和空間尺度.
(2) 藍藻水華強度分級指標體系. 藍藻水華對于不同湖區所造成的危害不同. 太湖作為一個物理、化學、生物、功能等在空間上具有異質性的湖泊, 需要針對不同的功能劃分湖區, 并給以指標不同的權重. 描述藍藻水華強度的指標主要指持續時間、分布范圍、堆積厚度、葉綠素a 濃度等, 根據等級體系,
劃分出不同的級別, 建立指標體系.
(3) 湖泊水動力過程模擬. 3D 水動力模型可以較好地描述湖泊水力學特征, 但模擬計算工作量大,耗時時間長; 2D 水動力模型不能精確描述淺水湖泊各層的動力特征; 準3D 水動力模型既吸收2D 水動力模型模擬效率高的特點, 同時也可以描述淺水湖泊水動力特征在垂線上的變化, 滿足了藍藻水華動態模
擬對水動力的要求.
(4) 微囊藻的原位生長. 根據細胞分裂頻率計算微囊藻在不同水文氣象條件下原位生長速率, 得到相關的計算公式.
(5) 藻類遷移與擴散的生態模擬. 根據湖泊水動力條件確定藍藻水華漂移的方向和速度, 同時根據實際觀測, 取得藍藻水華擴散的參數, 計算在每一個時間步長中藍藻水華遷出、遷入的量, 根據網格內藍藻水華在計算時段內的平衡方程, 得到時段末每個網格內藍藻水華的量, 同時作為下個模擬時段的初始值進行模擬.
(6) 模型的校準與驗證. 采用自動模型優化參正技術實現模型優化和參數校準. 優化方法采用遺傳算法和馬爾科夫模擬. 模擬的驗證通過預測結果與實地監測和遙感解譯的結果比對, 以及納什效率分析實現.
3.3 太湖藍藻水華預測預法與運行
要預測未來2-3d 內太湖藍藻水華在敏感湖區以及全湖的分布格局和發展趨勢, 首先需要確定目前藍藻水華的分布現狀, 然后根據原位微囊藻生長率以及藻類生長與溫度和光輻射強度相關定量模型, 并考慮在不同風向和風速條件下不同水層中藍藻生物量及其占整個水柱中總生物量的百分比以及不同風速條件下水華藍藻的漂移速率等重要參數, 構建藍藻水華預測預警模型, 確定未來一段時間藍藻水華在特定湖區將會出現的概率及其強度. 由于藍藻水華的分布與該湖區的水文氣象要素密切相關, 且目前3d 左右的氣象預報準確率相對較高, 因此對藍藻水華的預測預警也以24-72h 的預測預警比較合適, 隨著對藍
藻水華現狀監測的精度提高以及氣象預報的準確性和預測模型的完善, 對藍藻水華的預測精確度也將會大大提高.在建立了衛星遙感影像和水面葉綠素濃度的關系模型后, 就可以直觀地獲得初始時刻(T0)的藍藻水華分布現狀, 其葉綠素濃度的估算精度目前一般可以達到70%左右, 為提高精度, 同時還需要通過水面的自動監測儀器和人工巡測, 獲得更精確數據, 并將所有觀測數據匯總到數據采集器中, 通過無線傳輸系統遠距離傳輸到預測預警專家服務器.預測專家在獲得了現狀參數, 主要是特定湖區以及外圍湖區的葉綠素濃度、藻藍素濃度、溶氧、水溫和濁度, 同時根據氣象預報和水文觀測部門提供的未來1-3d 的天氣預報參數, 包括風速、風向、降雨和氣溫以及湖流與波高等水文特征, 采用動態環境模擬技術進行數值模擬. 將引起藍藻水華發生的水文、氣象和生物因素按照網格空間離散; 結合不同氣象條件下太湖藍藻水華的生長速率確定具體條件下的藍藻生長公式, 模擬得到每個網格內藍藻水華生長狀況; 利用湖泊水動力學模型和藍藻水華漂移通量公式, 構建藍藻水華空間擴散模型, 實時模擬運算藍藻水華的狀態, 終實現藍藻水華未來趨勢的預測預報, 必要時發出預警.由于藍藻水華預測是一項時效性很強的工作, 因此在預測過程中, 從數據采集到模型運算, 以及后的預測報告的編制、報送與發布, 形成了一規范的工作流程, 這對預測工作的順利進行十分重要.
3.4 太湖藍藻水華預測預警及其評估
3.4.1 太湖藍藻水華短尺度預測及其評估 2007 年7 月起對太湖藍藻水華進行正式預測預報, 每半周進行一次, 預測內容為未來3d 內太湖重要水源地梅梁灣、貢湖灣以及大太湖葉綠素濃度的分布格局, 說明水華發生的概率及其水域. 預測預報一直延續到2007 年10 月31 日, 共發布32 份太湖藍藻水華預測報告.2008 年4 月17 日至10 月31 日, 共發布藍藻水華預報54 期, 同樣是每次預報未來3d. 同時通過衛星遙感獲得每天全湖藍藻水華實際發生及分布情況, 并做出遙感監測報告. 在一段時間后, 將當時做出的未來3d 預測報告內容與實際3d 中每天的遙感監測報告進行比對, 對藍藻水華發生概率以及位置預測的準確程度進行回顧性評估, 確定預測精度.由于在受云層覆蓋的情況下無法獲得太湖湖面的有效遙感圖像, 因此可用于驗證預測精度的實際監測報告在2007 年為32 份, 2008 年為43 份. 預報結果的回顧性評價見表1 和表2. 總的來說, 2007 年和2008 年未來3d 的藍藻水華發生概率預測的準確性在大太湖為88%和95%, 在貢湖和梅梁灣為60%-84%之間. 而在不同湖區中藍藻水華發生具體地點的預測, 在大太湖相對比較低, 在貢湖灣和梅梁灣則介于60%-84%. 這可能是由于目前用于水華預測的未來全太湖水文氣象數據每天僅有一個均值, 而對于近2400 平方公里的太湖, 實際上在不同湖區之間其風況卻有顯著差異, 導致其藍藻水華的形成情況有所不同所致.
3.4.2 2007 年太湖藍藻水華預測結果的案例分析 2007 年7 月25 日和26 日, 無論是遙感圖像以及人工監測在梅梁灣和貢湖灣均未見藍藻水華. 根據當時水質情況和未來3d 的天氣預報以及湖流狀況, 預測小組作出了7 月27 日梅梁灣、貢湖北部水華發生概率為90%的預測報告. 27 日的遙感圖像顯示, 確實當日在梅梁灣和貢湖灣發生了藍藻水華.進一步分析發現, 2007 年7 月16 日至22 日風速很低, 均在1.0-3.3m/s 之間, 而除21 日外, 這段時間每天均發生了藍藻水華. 預測和監測結果從另一個角度確認了在野外觀測中得到的湖面形成藍藻水華的風速閾值. 在8 月上旬, 由于臺風過境, 因此這期間雖然水體中的葉綠素濃度大于水華形成閾值, 但是由于風力擾動較大, 水華藍藻無法上浮到水面并快速漂移集聚到局部湖區, 因此遙感衛星幾乎沒有觀測到太湖水面藍藻水華的形成. 到了9 月份, 平均風速為1.6-2.7m/s, 且持續高溫, 因此, 在低風速條件下,藍藻大面積上浮, 形成了藍藻水華. 其中9 月6 日由于云層覆蓋, 從遙感圖像無法確定當時水華的分布情況. 根據人工監測數據以及未來的水文與氣象預報, 預測9 月7 日、8 日梅梁灣口水華概率為70%, 而貢湖灣不會發生水華. 實際監測結果表明, 梅梁灣次日發生了大面積的藍藻水華, 而貢湖灣幾乎沒有藍藻水華, 與預測*一致.
3.4.3 2008 年藍藻水華情勢分析與預測為了地方政府決策的需要, 除目前所開展的太湖藍藻水華短期預測外, 還需要進行長時間尺度的藍藻水華情勢分析與預測. 在2008 年初對未來一年太湖藍藻水華的情勢進行了分析與預測. 由于目前太湖營養鹽濃度較高, 在相當長的一段時間內其濃度波動一般不會成為藍藻水華形成的限制因素. 因此2008 年水華情勢分析與預測的主要依據是氣候變化趨勢、水文等環境要素的預測以及水華藍藻的“種源”分布特征. 根據水文部門所提供的數據, 2008 年1 月9 日太湖就開始實施100m3/s 的人工調水, 太湖水位保持在3.15-3.20m 左右, 比常年偏高10-15cm, 這在一定程度上將有助于抑制藍藻生長與水華形成; 氣象部門認為2008 年是拉尼娜年, 其氣候特征是冷冬熱夏, 春季則是以濕冷為主; 另外根據原位的觀測與分析, 發現太湖水華藍藻的種源可能是來自于去年水華沉降到底泥表面過冬的藍藻, 而2007 年底, 由于藍藻水華規模十分嚴重, 尤其是在南太湖湖州水域, 持續
到2008 年1 月初仍然有大量的藍藻水華漂浮在水面, 直到1 月中旬的嚴冬和降雪, 水體中的藍藻群體才基本消失, 延續的時間比往年更長. 基于冷春, 以及年初的持續調水稀釋了營養鹽并推動了水體流動等多種因素的綜合考慮, 預計2008 年藍藻水華早發生時間不會早于2007 年; 與近幾年類似, 仍有可能在太湖西南部水域早形成水華; 夏季的高溫, 使得藍藻水華強度有可能總體與去年持平, 持續的高溫天氣仍然會在西太湖和梅梁灣等湖區形成嚴重的藍藻水華; 近年來秋季高溫, 藍藻水華仍會延遲.至2008 年年底對當年太湖藍藻水華的監測與分析結果表明, 其發生與發展的實際情況與年初預測結果基本吻合. 根據可獲得的遙感信息統計數據, 2008 年早發現藍藻水華是在4 月3 日, 比2007 年3月28 日發現大面積藍藻水華晚了近一周, 且同樣首先出現在太湖西南湖區. 2008 年藍藻水華主要分布在太湖西部沿岸和梅梁灣, 發生面積在400km2 以上的僅為8 次, 與2007 年同期相比較, 發生頻次和面積均顯著下降, 但是一直延續到2008 年12 月下旬, 在適當的氣象水文條件下, 太湖仍有一定面積的藍藻漂浮在水面.
3.5 未來藍藻水華預測的研究方向
總體來看, 藍藻水華形成的理論和構建的預測模型對太湖藍藻水華的預測具有一定的實用價值. 在野外觀測中發現, 水華藍藻生長與水華形成的四個階段彼此相互部分重疊. 在富營養化程度較高的淺水湖泊, 如太湖、巢湖和滇池, 水華藍藻從復蘇到成為優勢種群所需時間越來越短, 只要有合適的水文氣象條件, 就有可能在早春形成災害性藍藻水華. 而在水華大量形成的夏、秋兩季, 其生長并形成優勢和上浮漂移聚集兩個階段可以重復無數次. 也就是說, 藍藻形成水華后, 在不利的環境壓力下, 如惡劣的氣象條件, 或者因大量堆積, 降解后, 會大量消亡, 生物量急劇下降, 死亡細胞釋放出大量的營養鹽和異味物質進入水體, 種群密度急劇下降. 一旦環境有利, 水華藍藻可以充分利用水體中的營養鹽, 以其很高的增長速率快速生長并重新形成優勢, 又會在適當的水文氣象條件下再次形成災害性水華. 目前需要進一步研究在富營養化湖泊中影響水華藍藻在與其他種群競爭并成為優勢種群的主導生態因子, 探索水華藍藻對環境壓力的適應性及其在不同污染水平的水體中競爭優勢的形成與維持的生物學和生態學機理; 要追蹤夏季水華繁盛期間以及秋、冬季水華消落期水華藍藻的消亡與優勢再現的過程; 提高衛星遙感對葉綠素、藻藍素以及溫度等指標的反演精度, 開發多源數據的同化技術, 并在獲取每天不同湖區不同時段的氣象數據的基礎上, 進一步提高水華預測的時間與空間精度, 通過水華面積和色素濃度確定全太湖水華藍藻的總存量; 建立預測預警的可視化平臺, 確定太湖藍藻水華等級, 為預警提供更好的工作環境; 更要進一步追蹤藍藻水華在局部湖區大量堆積后降解, 惡化水質的發生與發展全過程, 確定其發生的誘導因素, 制訂有效的防治與控制對策和應急措施; 根據水華藍藻越冬分布的時空特征和前期水華發生的強度, 結合中*的水文與氣象預測, 揭示其對水華藍藻原位生長以及輸移漂浮和集聚的驅動作用, 綜合考慮流域的社會、經濟發展趨勢和土地利用模式的改變以及營養鹽入湖總量等要素, 確定環境變化以及大量堆積導致水華藍藻降解死亡對水體中營養鹽含量增加及其在不同湖區之間遷移的貢獻,對未來一個月、一個季度、一年乃至更長一段時間內太湖是否會形成藍藻水華做出中*預報; 通過對藍藻水華的形成與堆積的預測, 對更加科學地確定打撈堆積的水華藍藻的時間與地點, 減輕藍藻水華堆積降解惡化水質的危害具有實際的指導意義.