太湖蓝藻水华发生风险区划

湖泊水华是全世界面临的严重生态环境问题之一,对人类和生态系统健康都有重大影响.以太湖为研究区域,基于近年的蓝藻水华及水环境监测数据,结合自组织特征映射神经网络和模糊风险评价方法,对太湖不同监测点蓝藻水华的发生风险进行综合评价,并借助GIS地学统计分析方法对全太湖蓝藻水华发生风险进行区划,绘制太湖蓝藻水华发生风险区划图.结果表明:太湖被分为重度风险区、中度风险区、轻度风险区、微风险区,各风险区基本呈带状分布.从各风险区面积来看,重度风险区、中度风险区、轻度风险区的面积约各占太湖总面积的1/5,而微风险区约占太湖总面积的2/5;从各风险区位置来看,重度风险区主要分布在西北部区域,且从整个湖区来看,蓝藻水华的发生风险等级自西北到东南依次递减.本研究揭示太湖水华灾害风险的空间分布规律,对支撑水环境监测和水华灾害防治方案的制定具有一定的意义.     

基于遥感数据的太湖蓝藻水华信息识别方法

2007 年太湖大规模蓝藻暴发,再次引起了人们对太湖环境的关注.有效地提取蓝藻水华信息对分析蓝藻动态分布有重要意义.而卫星遥感技术是进行太湖水质监测与保护的措施之一.本文以2007年4月23日CBERS-02星CCD数据为主要的数据源,以NDVI值为测试变量,运用CART算法确定分割阈值,从而通过构建决策树的方法识别蓝藻水华信息,分析其蓝藻水华的提取结果,取得了较好的效果.文中还在GIS技术支持下,提取了2007年5月17日MODIS影像中的蓝藻水华信息.本次研究为以后开展长期的太湖蓝藻水华动态监测提供技术参考.     

太湖蓝藻水华的扩张与驱动因素

蓝藻水华表征指标及驱动因子的多样性增加了研究人员、湖泊管理部门对于蓝藻水华扩张驱动因素的困惑,本研究通过整合太湖蓝藻水华长尺度研究的成果,将蓝藻水华扩张区分为时间扩张、空间扩张和生物量扩张3个方面,分析各自的驱动因子,系统阐述了当下太湖蓝藻水华的扩张和驱动因素.太湖蓝藻水华的时间扩张呈现由夏季集中发生向春季和秋冬季节扩张的趋势,导致春季蓝藻水华发生的提前,以及年度峰值的推迟;空间扩张呈现由西北太湖向湖心和东部湖区、乃至全湖扩张的趋势;太湖蓝藻生物量自2003年以后一直呈现缓慢增加的趋势.蓝藻水华时间扩张的驱动因素相对独立,主要受气象因子的影响,风速和日照时间是主要驱动因子,风速降低和日照时间延长均有助于蓝藻水华时间的扩张;空间扩张和生物量扩张则受气象因子和富营养化的双重影响,其中影响水华空间扩张的因子较多,富营养化和气象因素的主次难以确定,一般偶发性大面积蓝藻水华受气象因子驱动,而频发性大面积蓝藻水华主要受营养盐空间分布影响;影响蓝藻生物量扩张的主要驱动因素为总磷,另外氮磷比、水下可利用光和风速的变化也在一定程度上驱动了太湖蓝藻生物量的扩张.目前表征蓝藻水华强度通常利用空间扩张或生物量扩张指标,但是均具有一定局限性,相互间也缺乏可比性,各指标用于长尺度趋势研究更为可靠,短尺度比较受方法缺陷影响较大,应进一步开发表征水华蓝藻总存量的指标以统一空间扩张和生物量扩张.     

太湖蓝藻水华灾害灾情评估方法初探

通过对太湖蓝藻水华灾害影响分析,探讨了太湖蓝藻水华灾害灾情评估指标的选取和评价标准的划分,并采用模糊评价模型构建太湖蓝藻水华灾害灾情综合评估方法.评价指标分为影响人口、影响范围、生态环境影响和经济损失四个方面,其中影响人口指标为受灾人口,影响范围指标包括蓝藻水华面积发生百分比和影响时间,生态环境影响指标包括藻细胞浓度、...     

基于通径分析法的太湖蓝藻水华定量气象评估模型

利用2005-2017年太湖周边区域气象观测资料和基于遥感解译的蓝藻水华信息,基于信息量权数法构建太湖蓝藻水华影响程度指数（简称为蓝藻指数）,应用通径分析法,分析年平均气温（T_y）、1-3月平均气温（T_1-3）、年降水量（R_y）、6-7月降水量（R_6-7）和年高温日数（D_Tmax）5个气象因子对蓝藻水华影响的直接效应和间接效应,在此基础上构建太湖蓝藻水华气象评估模型.结果表明,2007年蓝藻指数值最大,为0.759,2017年其次,为0.709,2009年最小,仅为0.113,蓝藻指数与实际情况基本相符;直接通径系数中T_y和T_1-3为正值,其余为负值,表明T_y和T_1-3对蓝藻水华的发生发展具有正效应,而R_y、R_6-7和D_Tmax具有负效应,总通径系数绝对值排序为：T_y > T_1-3 > R_y > R_6-7 > D_Tmax,由此可以反映各气象因子对蓝藻水华影响程度的权重.根据模型计算的综合气象指数与蓝藻指数之间的相关系数达0.826,通过0.01显著性检验,根据百分位法将蓝藻指数和气象指数进行等级划分,分类总精度为84.6%,其中中度以上达90.9%,表明模型能够较好地反映综合气象因子与蓝藻水华发生发展程度的关系,在水体富营养化程度没有明显改善的情况下,可用于太湖蓝藻水华定量气象评估.上述研究结果有助于更好地理解环境因子、尤其是气象因子在蓝藻生长和水华形成机制中所起的作用,从而为太湖蓝藻水华的监测、预测预警和精细化防控提供理论依据.     

太湖蓝藻水华暴发机制与控制对策

湖泊蓝藻水华暴发由于引发水生态系统的灾害和饮用水安全风险而成为国内外研究的热点之一.太湖蓝藻水华暴发原因多样,其中蓝藻自身的特性是水华暴发的内因,太湖的地理、水文和气象特征为蓝藻水华暴发提供了合适的温度和水动力条件,是蓝藻水华暴发的外因,湖泊草-藻型生态系统的转变以及氮、磷营养盐的高负荷输入更利于蓝藻生长,湖泊氮、磷营养盐四重循环是蓝藻水华不断暴发的维持机制,蓝藻水华暴发与氮、磷营养盐浓度之间存在交互作用关系.太湖蓝藻水华的控制应以陆源控源截污为基础,增加湖泊营养盐输出为重点,实现疏堵有机结合,其中恢复水生植被,重建草-藻结合型水生态系统是太湖湖泊生态修复的关键所在.     

太湖蓝藻水华的年度情势预测方法探讨

在太湖、巢湖、滇池、洱海、三峡水库等我国重要湖泊和水库,蓝藻水华时常发生但年际之间藻情往往有较大差异,给蓝藻水华的防控物资及人员投入、湖库水源地水质安全保障带来较大的挑战,亟待探索周年尺度的蓝藻水华强度预测方法.本文收集了太湖连续15年的蓝藻水华情势观测数据和同步的气象、水文数据用于构建蓝藻水华预测模型,提出了利用遥感反演的蓝藻水华面积(A_BL)及人工观测的水体浮游植物叶绿素α浓度([Chl.a]_LB)共同表征的蓝藻水华强度指标(BI).分析了太湖年尺度的BI值与环境条件的关系,提出了基于年初能够掌握的气象、水文、营养盐等综合环境指标进行年度BI预测的统计模型.结果表明,太湖年度BI值与冬季及初春(12-3月)日均水温(WT_12-3)、冬春季有效积温(AT_12-3)、前一年降雨总量(RF_YB)等环境因子呈显著正相关,与冬季及初春的水体总氮(TN_12-3)、溶解性总氮(DTN_12-3)、总磷(TP_12-3)及溶解性...     

结合卫星遥感技术的太湖蓝藻水华形成温度特征分析

气温对太湖蓝藻的复苏生长和水华形成、大面积暴发及衰退具有重要作用.利用太湖湖面及周边地区20032013年气象与卫星观测数据分析,结果发现太湖蓝藻水华形成的温度范围宽泛,在蓝藻复苏后,在日平均气温0~35.0℃区间都能观测到蓝藻水华现象,其中日平均气温15.1~35.0℃区间为太湖蓝藻水华频发区间,累计频次和面积占比分别为85%和90%;大面积蓝藻水华集中暴发的气温区间为20.1~35.0℃,累计频次和面积占比分别为72%和73%;蓝藻水华出现的概率随平均气温的升高而增大,二者呈二次正相关关系,而平均面积则随气温在均值附近波动,日平均气温达33℃后平均面积迅速减小.表明气温并非复苏后太湖蓝藻水华出现与否的主要限制因子,适度高温有利于蓝藻水华形成,但在日平均气温33℃以上时蓝藻水华会受到抑制.在此基础上将蓝藻水华分成4个阶段:休眠期、复苏期、增长期和衰退期,确定了基于气温的阶段量化指标,对应起始和终止的界限温度分别为:(0℃,5℃)、(5℃,15℃)、(15℃,30℃)和(30℃,0℃),据此可以计算出每年蓝藻水华的各生育阶段对应的时间节点,为防控提供依据.     

太湖富营养化条件下影响蓝藻水华的主导气象因子

利用2004-2018年卫星遥感解译的太湖蓝藻水华信息构建蓝藻综合指数,采用随机森林机器学习算法分析同期气象因子与蓝藻水华综合指数的关系,定量评估影响蓝藻水华的主要气象因子特征变量的重要性度量和贡献率.结果表明,在光、温、水、风等主要气象要素中,气温对蓝藻水华综合指数起着主导的作用,其次是风速和降水,日照时间的影响或可忽略.其中气温条件中重要性度量最大的是年平均气温,其次是冬、春季节的平均气温;风速因子中影响较大的是7月份的平均风速;水分条件中主导因子是9月累计降水量.优选的随机森林模型模拟值与实际蓝藻水华综合指数的变化趋势基本一致,拟合优度为0.91,通过0.01显著性检验,随机森林模型模拟效果较好.用随机森林模型模拟值对太湖蓝藻水华分等级评估,模型模拟精度达到了86.7%,其中5个重度等级年份模型模拟结果完全一致,中度等级的6个年份模型模拟值有5年与之相符,中度以上等级的模拟精度达90.9%,模型能够反映气象因子对蓝藻水华综合指数的综合影响,对中、重度蓝藻水华的模拟效果更好.随机森林模型有助于理解富营养化状态下影响蓝藻水华的主导气象因子,利用气象因子的可预测性可以促进蓝藻水华预测预警能力的提升.     

利用Himawari-8高频次监测太湖蓝藻水华动态

新一代静止气象卫星Himawari-8以其10 min/次的高观测频次,为连续动态监测蓝藻水华提供了有力的数据支持.基于太湖实地光谱测量资料,提出Himawari-8卫星资料太湖蓝藻水华动态监测方法.以2015年10月2日蓝藻水华发生过程为例,利用连续、多时次Himawari-8资料,动态监测了太湖蓝藻水华的发展变化,分析蓝藻水华的出现、发展和消失,计算蓝藻水华强度的动态变化,认识蓝藻水华程度及变化特征,估算蓝藻水华的动态变化速度.上述分析为研究蓝藻水华的生长消亡过程提供了支持.进一步探讨蓝藻水华动态变化与气象要素的关系,发现在相同的温湿条件下,风场对蓝藻水华的形成、运动和消失有直接的驱动作用.     

太湖水华成因及控制途径初探

1990年8～12月对太湖水华9次调查表明,水华主要由漂浮性蓝藻—微囊藻组成,夏季SE风时其漂移集聚是西北湖区形成严重水华的主要原因。这种漂移使得藻类所含营养物逆吞吐流方向传输,形成了一种“生物营养滤器”,加速了太湖尤其是西北湖区的富营养化进程。太湖外源N、P负荷量分别为12.0和0.85g/(m~2·a),足以引起富营养化;表层5cm底泥中含丰富的N、P,其释放也成为湖水中部分营养的来源。因2～8月藻类总生物量的增长基本遵守Logistic方程dN/dt=N·r(1—N/K),故对藻类控制可从N、r入手,即通过收获藻类达到控制藻类总量和营养输出的双重功效;提高水位增加非光合层厚度,有效地降低水柱中藻类生产力;建立有水生植被的水质保护区也是一种局部藻类控制方法。     

基于MODIS数据的太湖藻华水体识别模式

针对2007年5月太湖爆发的蓝藻水华事件,利用MODIS植被指数数据对其进行遥感监测.结果表明:MODIS数据可成功提取蓝藻水华信息.近红外/红光波段比值识别模式和植被指数NDVI值、EVI值识别模式均可确定蓝藻分布范围,但前两者不易将高浑浊水体区分开来,或不易识别低蓝藻分布区域,因此易扩大或缩小蓝藻分布范围;而后者由于引入了背景调节参数,可有效抑制背景水体及泥沙的影响,因此根据EVI值得到的蓝藻范围及强度较为真实的反映了藻华情况.该研究可为今后利用遥感技术,建立太湖蓝藻水华监测系统奠定基础.     

太湖蓝藻水华遥感监测方法

利用遥感技术监测太湖蓝藻水华具有重要的现实意义.基于不同遥感数据,包括MODIS/Terra、CBERS-2 CCD、ETM和IRS.P6 LISS3,结合蓝藻水华光谱特征,采用单波段、波段差值、波段比值等方法,提取不同历史时期太湖蓝藻水华.结果表明:MODIS/Terra数据可以利用判别式Band2＞0.1和Band2/Band4＞1提取蓝藻水华;CBERS-2 CCD、ETM和IRS-P6 LISS3数据可以利用Band4大于一定阈值和Band4/Band3＞1提取蓝藻水华;波段比值(近红外,红光＞1)算法稳定,可以发展成为蓝藻水华遥感提取普适模式.同时,本文成功利用ETM和IRS.P6 LISS3数据Band4波段对蓝藻水华空间分布强度进行了五级划分.这为今后利用遥感技术,建立太湖蓝藻水华监测和预警系统莫定了基础.     

巢湖、太湖蓝藻湖靛及其提取物的动物毒性初步研究

对国内淡水湖泊巢湖、太湖中的蓝藻湖靛及其提取物（藻胆蛋白）,进行了动物毒性实验。实验动物为昆明种小白鼠,采用灌胃法给药。给药后小白鼠均无中毒症状,一周内无死亡。说明巢湖、太湖中蓝藻湖靛及其提取物,对以小白鼠为代表的哺乳类动物消化系统,基本不产生毒性。这对于开发两湖中的蓝藻作为鱼、家禽等饲料和提取其中的植物蛋白（藻胆蛋白）作为营养食品添加剂等有一定意义。     

太湖蓝藻水华的预防、预测和预警的理论与实践

综述了蓝藻水华预防、预测预警的重要意义及其理论与技术体系.基于作者所提出的将蓝藻水华形成分为休眠、复苏、生长和上浮聚集形成水华的"四阶段理论",以及太湖蓝藻越冬、春季复苏和水华形成的时空规律,提出了太湖蓝藻水华的预防理念.综述了国内外蓝藻水华形成与预测研究进展,阐述了蓝藻水华形成关键过程的主导生态因子及其阈值:确定了水华蓝藻越冬的空间分布与生命特征,利用室内模拟实验和野外原位观测与捕捉,得到了蓝藻春季复苏的室内和野外温度阈值分别为14℃和9℃,发现了蓝藻复苏量与有效生理积温呈正相关的基本规律;初步揭示了水华蓝藻生长竞争优势形成的生物学与生态学机理以及光利用策略,利用细胞分裂频率法测定了夏季太湖水华蓝藻的原位生长速率为0.2-0.4;确定了在不同水文气象条件下,水华蓝藻在水体中垂直分布和在不同湖区之间输移的基本格局,发现藻类在水体中各层间百分含量的变异系数随着风浪的增大而减小,进一步证明了蓝藻水华形成是在适当水文气象要素驱动下,已经成为优势种群的水华蓝藻在湖体中空间位置的改变而引起的.建立了太湖蓝藻水华预测模型和工作流程,在2007年和2008年在太湖实施了未来3d的蓝藻水华预测预警,预测分析了2008年全年太湖蓝藻水华情势.对预测结果的回顾性评估与分析表明,目前已有的理论研究结果和预测工作流程可以对太湖蓝藻水华发生概率、发生地点和强度进行预测,预测准确率达到60%-80%.此外,还提出了未来蓝藻水华预测的研究方向.