張虎軍,宋 挺,朱冰川,石浚哲,張軍毅

江蘇省無(wú)錫環(huán)境監(jiān)測(cè)中心,江蘇 無(wú)錫 214000

水華是淡水水體中的藻類大量繁殖引發(fā)的一種自然生態(tài)現(xiàn)象,表觀特征為水體表面有藻類聚集或藻類顆粒懸浮在水體中[1]。 藍(lán)藻水華不僅影響環(huán)境景觀,還會(huì)釋放異味和藻毒素,并且藻類死亡后的分解過(guò)程會(huì)大量耗氧,造成水體溶解氧濃度迅速降低,使水體發(fā)黑發(fā)臭,形成湖泛[2-3]。2007 年,太湖湖泛引發(fā)了嚴(yán)重的供水危機(jī),給當(dāng)?shù)孛癖姷挠盟踩珟?lái)了巨大威脅。 經(jīng)過(guò)10 多年的持續(xù)治理,雖然太湖水體營(yíng)養(yǎng)鹽濃度總體持續(xù)下降,但富營(yíng)養(yǎng)化狀況并沒(méi)有得到本質(zhì)上的逆轉(zhuǎn),太湖藍(lán)藻水華仍舊高發(fā),暴發(fā)強(qiáng)度并未出現(xiàn)明顯的下降[4],特別是在2017 年出現(xiàn)了的反彈,使太湖藍(lán)藻水華防控工作和飲用水安全保障工作受到了嚴(yán)峻挑戰(zhàn)[5]。

實(shí)時(shí)監(jiān)視太湖水質(zhì)指標(biāo)變化,對(duì)太湖藍(lán)藻水華進(jìn)行預(yù)警預(yù)報(bào),是當(dāng)前太湖水質(zhì)監(jiān)測(cè)工作的重點(diǎn)[6]。 太湖浮標(biāo)式自動(dòng)監(jiān)測(cè)系統(tǒng)自2008 年開(kāi)始建設(shè)以來(lái),目前總計(jì)有20 多套投入運(yùn)行,其主體設(shè)備為水質(zhì)多參數(shù)儀,可對(duì)水溫、濁度、pH、電導(dǎo)率、溶解氧、葉綠素a、藍(lán)藻密度等水質(zhì)參數(shù)進(jìn)行實(shí)時(shí)、連續(xù)的自動(dòng)監(jiān)測(cè)。 該項(xiàng)工作對(duì)于掌握太湖水質(zhì)指標(biāo)的瞬時(shí)變化和藍(lán)藻情勢(shì)起到了重要作用。 相較于傳統(tǒng)的地面監(jiān)測(cè),衛(wèi)星遙感具有觀測(cè)范圍大、多時(shí)相、獲取快速等優(yōu)點(diǎn),在水環(huán)境質(zhì)量和藍(lán)藻水華監(jiān)測(cè)中具備較大的優(yōu)勢(shì),可以和太湖湖體中分布的浮標(biāo)式自動(dòng)監(jiān)測(cè)系統(tǒng)相互配合,取長(zhǎng)補(bǔ)短,形成“天地一體化”的監(jiān)測(cè)系統(tǒng),有利于藍(lán)藻水華預(yù)警預(yù)測(cè)工作的進(jìn)一步深入與完善。 關(guān)于藍(lán)藻水華預(yù)警預(yù)測(cè)技術(shù),已有學(xué)者開(kāi)展了相關(guān)研究。 王兆群等[7]通過(guò)建立環(huán)境因子和生物因子的逐步回歸模型,對(duì)洪澤湖藻類密度開(kāi)展了預(yù)測(cè);羅曉春等[8]使用隨機(jī)森林算法分析了氣象要素與藍(lán)藻水華綜合指數(shù)的關(guān)系,對(duì)影響藍(lán)藻水華的主要?dú)庀笠靥卣髯兞康闹匾远攘亢拓暙I(xiàn)率開(kāi)展了定量評(píng)估;YE 等[9]基于對(duì)逐日單點(diǎn)水質(zhì)及環(huán)境參數(shù)的監(jiān)測(cè),開(kāi)發(fā)了利用人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)大型水庫(kù)支流未來(lái)7 天藍(lán)藻水華風(fēng)險(xiǎn)的方法;黃煒等[10]構(gòu)建了以藍(lán)藻水華強(qiáng)度等級(jí)為應(yīng)變量,水質(zhì)、水文和氣象3 類指標(biāo)為自變量的多元線性回歸模型。

太湖位于長(zhǎng)江三角洲南部,橫跨江蘇和浙江兩省,是我國(guó)五大淡水湖泊之一。 當(dāng)?shù)貙賮啛釒Ъ撅L(fēng)氣候,年平均氣溫16～18 ℃。 太湖面積約為2 400 km2,湖岸線全長(zhǎng)約393 km,北部有梅梁湖、竺山湖、貢湖3 個(gè)主要湖灣。 太湖最大水深為3 m,平均水深僅為1.89 m[11],湖泊動(dòng)力比(湖泊面積的平方根/平均湖深)高達(dá)25.6[12],且水體富營(yíng)養(yǎng)化水平較高,屬于典型的渾濁二類水體。 夏秋季節(jié)經(jīng)常有大范圍的藍(lán)藻水華暴發(fā),較容易導(dǎo)致湖泛的發(fā)生,從而對(duì)太湖周邊飲用水安全造成威脅。 目前,針對(duì)年際尺度藍(lán)藻水華預(yù)測(cè)技術(shù)的報(bào)道還較少。 本研究通過(guò)對(duì)2012—2020 年太湖浮標(biāo)站自動(dòng)監(jiān)測(cè)數(shù)據(jù)、實(shí)驗(yàn)室分析數(shù)據(jù)與藍(lán)藻水華遙感監(jiān)測(cè)結(jié)果進(jìn)行統(tǒng)計(jì)分析,試圖構(gòu)建逐月層面的各環(huán)境因子與藍(lán)藻水華強(qiáng)度之間的定量關(guān)系,探索一種能對(duì)太湖全年藍(lán)藻水華形勢(shì)進(jìn)行預(yù)測(cè)預(yù)判的方法,以期為太湖藍(lán)藻水華預(yù)警監(jiān)測(cè)提供一定的技術(shù)支持。

1 材料與方法

1.1 環(huán)境因子數(shù)據(jù)

自動(dòng)監(jiān)測(cè)數(shù)據(jù)來(lái)源于江蘇省環(huán)境監(jiān)測(cè)中心在太湖水域設(shè)立的22 個(gè)浮標(biāo)站(圖1),主體設(shè)備為水質(zhì)多參數(shù)儀(美國(guó)YSI,6600V2),測(cè)量深度為水下0.5 m,監(jiān)測(cè)頻次為1 次/0.5 h,測(cè)量參數(shù)為水溫、濁度、pH、電導(dǎo)率、溶解氧、葉綠素a 和藍(lán)藻密度。 此外,本研究還使用了江蘇省無(wú)錫環(huán)境監(jiān)測(cè)中心對(duì)太湖國(guó)控點(diǎn)位開(kāi)展的每月例行監(jiān)測(cè)數(shù)據(jù),監(jiān)測(cè)項(xiàng)目包括總磷、總氮、高錳酸鹽指數(shù)和生化需氧量。

圖1 水質(zhì)自動(dòng)監(jiān)測(cè)浮標(biāo)站分布示意圖Fig.1 Location map of the automatic water-quality monitoring sites

1.2 藍(lán)藻水華遙感監(jiān)測(cè)

衛(wèi)星資料來(lái)源于2012—2020 年歷年4—10月太湖藍(lán)藻水華預(yù)警期間EOS 系列衛(wèi)星的MODIS 傳感器影像數(shù)據(jù),空間分辨率為250 m。藍(lán)藻水華暴發(fā)時(shí),藍(lán)藻覆蓋區(qū)的光譜特征與湖泊其他水體區(qū)域有明顯差異[13],特別是在近紅外波段,有藍(lán)藻水華覆蓋的水體會(huì)出現(xiàn)類似植被的“陡坡效應(yīng)”。 本研究使用歸一化植被指數(shù)(NDVI)來(lái)反映藍(lán)藻水華信息[14],計(jì)算公式為

式中:ρNIR為近紅外波段反射率,ρR為紅光波段反射率,分別對(duì)應(yīng)MODIS 數(shù)據(jù)的B2 和B1 波段。通過(guò)人工設(shè)定NDVI 閾值判定藍(lán)藻水華覆蓋區(qū)域,共篩選出935 幅出現(xiàn)藍(lán)藻水華的影像,并分別提取藍(lán)藻水華面積。

為更客觀地反映藍(lán)藻水華的影響程度,本研究綜合考慮藍(lán)藻水華的年度平均面積和最大面積,構(gòu)建了太湖藍(lán)藻水華綜合指數(shù)(Ic)來(lái)表征藍(lán)藻水華暴發(fā)強(qiáng)度,方法如下:

式中:Ic為藍(lán)藻水華綜合指數(shù);NA 和NM 分別為各年度藍(lán)藻水華平均面積和最大面積經(jīng)歸一化處理后的數(shù)值;ωA和ωM分別為NA 和NM 對(duì)應(yīng)的權(quán)重系數(shù),均取0.5。

通過(guò)空間分布頻率指數(shù)(SDFI)法計(jì)算太湖不同區(qū)域的藍(lán)藻水華暴發(fā)頻率[15],計(jì)算公式為

式中:SDFI 為空間分布頻率指數(shù);Ri為第i日藍(lán)藻水華解譯二值圖中的柵格像元值;n為影像數(shù);t為整個(gè)統(tǒng)計(jì)周期的總天數(shù)。

1.3 藍(lán)藻水華預(yù)測(cè)數(shù)據(jù)統(tǒng)計(jì)處理

使用SPSS 軟件多元線性回歸分析中的“進(jìn)入方法”分析藍(lán)藻水華強(qiáng)度與各項(xiàng)環(huán)境因子之間的定量關(guān)系,根據(jù)各項(xiàng)環(huán)境因子與藍(lán)藻水華強(qiáng)度的相關(guān)性分析結(jié)果篩選建模指標(biāo)。

2 結(jié)果與討論

2.1 太湖藍(lán)藻水華時(shí)空變化分析

2.1.1 水華發(fā)生規(guī)模的年際變化

依據(jù)生態(tài)環(huán)境部發(fā)布的《水華遙感與地面監(jiān)測(cè)評(píng)價(jià)技術(shù)規(guī)范(試行)》(HJ 1098—2020)中的基于水華面積比例的水華程度分級(jí)標(biāo)準(zhǔn)[1],以太湖總面積(2 400 km2)為換算基準(zhǔn),根據(jù)藍(lán)藻水華暴發(fā)面積(A),將太湖水華暴發(fā)規(guī)模分為4 個(gè)等級(jí):當(dāng)A<240 km2時(shí),為無(wú)明顯水華;當(dāng)240 km2≤A<720 km2時(shí),為輕度水華;當(dāng)720 km2≤A<1 440 km2時(shí),為中度水華;當(dāng)A≥1 440 km2時(shí),為重度水華。 本文對(duì)2012—2020 年歷年4—10 月預(yù)警期間的太湖藍(lán)藻水華發(fā)生情況進(jìn)行了統(tǒng)計(jì),結(jié)果如表1 所示。

表1 太湖藍(lán)藻水華發(fā)生次數(shù)Table 1 Occurrence times of cyanobacteria blooms in Taihu Lake 次

通過(guò)表1 及圖2 可以看出,2012—2020 年,太湖藍(lán)藻水華發(fā)生規(guī)模以無(wú)明顯水華和輕度水華為主,2017、2019、2020 年分別出現(xiàn)了4 次、3 次、3次中度水華,其余年份未出現(xiàn)中度及以上規(guī)模水華。 其中,2017 年無(wú)明顯水華的占比最低,輕度和中度規(guī)模水華的占比相對(duì)較高,表明2017 年的水華暴發(fā)規(guī)模較其他年份更大。

圖2 太湖各等級(jí)水華發(fā)生次數(shù)占比Fig.2 Proportion of occurrences of cyanobacteria blooms of various levels in Taihu Lake

2.1.2 水華發(fā)生區(qū)域的空間變化

圖3 為2012—2020 年太湖藍(lán)藻水華暴發(fā)頻率,即SDFI。 從歷年情況來(lái)看,太湖藍(lán)藻水華暴發(fā)最頻繁的水域?yàn)橐伺d西部沿岸區(qū),東部區(qū)域藍(lán)藻水華暴發(fā)頻率最低,整體呈現(xiàn)從西北向東南逐步遞減的空間分布特征。 根據(jù)太湖往年水質(zhì)監(jiān)測(cè)數(shù)據(jù),氮磷等營(yíng)養(yǎng)鹽濃度也呈現(xiàn)西部沿岸區(qū)最高、東部區(qū)域最低的空間分布特征,因此,營(yíng)養(yǎng)鹽濃度可能是導(dǎo)致太湖藍(lán)藻水華暴發(fā)頻率西北高、東南低的原因之一。 2012—2017 年,太湖藍(lán)藻水華發(fā)生頻率基本呈逐年升高的趨勢(shì),高頻暴發(fā)區(qū)由西部沿岸區(qū)往東逐步擴(kuò)展,至2017 年達(dá)到頂峰。2017 年后,高頻暴發(fā)區(qū)開(kāi)始有所收縮,表明近年來(lái)的太湖治理工作初見(jiàn)成效。

圖3 太湖藍(lán)藻水華年度暴發(fā)頻率Fig.3 Annual frequency of cyanobacteria blooms in Lake Taihu

2.2 太湖藍(lán)藻水華年度形勢(shì)預(yù)測(cè)

2.2.1 環(huán)境因子篩選

依據(jù)公式(2)計(jì)算得到太湖2012—2020 年各年度Ic,分別為0.338、0.179、0.256、0.429、0.369、0.596、0.345、0.567、0.562。 可 以 看 到,2017 年太湖藍(lán)藻水華強(qiáng)度最大,2013 年則最小。將2012—2020 年各項(xiàng)環(huán)境因子的逐月均值與歷年Ic做相關(guān)性分析,結(jié)果如表2 所示。

表2 2012—2020 年太湖Ic 與相關(guān)環(huán)境因子的相關(guān)性分析Table 2 Environmental factors related to cyanobacteria bloom intensity in Taihu Lake from 2012 to 2020

從表2 可以看到,各項(xiàng)環(huán)境因子的逐月均值與歷年Ic的相關(guān)性存在較大的月度變化,其中,各項(xiàng)環(huán)境因子對(duì)應(yīng)的最大相關(guān)系數(shù)(取絕對(duì)值)與出現(xiàn)的月份分別如下:水溫,0.790,1 月;pH,0.623,11 月; 溶 解 氧, 0.626, 5 月; 電 導(dǎo) 率,-0.860,1 月;濁度, - 0.544,4 月;葉綠素 a,-0.756,10 月;藍(lán)藻密度,0.778,6 月;高錳酸鹽指數(shù),0.677,5 月;生化需氧量,-0.880,1 月;總氮,-0.907,5 月;總磷,0.767,7 月。

為達(dá)到預(yù)測(cè)當(dāng)年藍(lán)藻水華強(qiáng)度的目的,本研究設(shè)定了3 個(gè)條件用于篩選環(huán)境因子:①選用歷年年初1—3 月的數(shù)據(jù);②相關(guān)性需達(dá)到顯著相關(guān)以上;③在符合前兩項(xiàng)條件的前提下,取最大相關(guān)系數(shù)。最終篩選得到的指標(biāo)分別為1 月水溫(T1)、1 月電導(dǎo)率(σ1)、1 月生化需氧量(B1)、3 月總氮(TN3)。

2.2.2 預(yù)測(cè)模型構(gòu)建

將篩選出的T1、σ1、B1和TN34 個(gè)指標(biāo)作為年度太湖藍(lán)藻水華強(qiáng)度的預(yù)測(cè)因子,采用依次增加的方式做逐步回歸,比較各因子加入后的年度太湖藍(lán)藻水華強(qiáng)度預(yù)測(cè)能力。 先將所有數(shù)據(jù)取自然對(duì)數(shù),再進(jìn)行回歸分析。 各回歸方程及決定系數(shù)R2見(jiàn)表3。

表3 環(huán)境因子組合對(duì)太湖年度水華強(qiáng)度Ic 的預(yù)測(cè)模型Table 3 Regression equations between Ic and environmental factors in Taihu Lake

通過(guò)查看表3 中不同回歸方程的決定系數(shù)可知,回歸方程(5)的優(yōu)勢(shì)較為明顯,其顯著性很高,且決定系數(shù)達(dá)到最大。 因此,采用包含了水溫、電導(dǎo)率、總氮和生化需氧量4 個(gè)環(huán)境因子的回歸方程(5)比較合理。

將根據(jù)回歸方程(5)得到的Ic模擬值與實(shí)際值進(jìn)行相關(guān)性分析,擬合度為0. 908,通過(guò)了0. 01 水平顯著性檢驗(yàn),表明模擬值與實(shí)際值高度相關(guān)。 圖4 為模型模擬值與實(shí)際值的擬合曲線。 從圖4 可以看出,模型模擬值與實(shí)際值的年度變化趨勢(shì)基本保持一致,平均相對(duì)誤差為10. 35%,僅在2019 年有相對(duì)明顯的偏差,預(yù)測(cè)模型模擬效果整體較好。

圖4 2012—2020 年Ic 實(shí)際值與模擬值Fig.4 Cyanobacteria index and model simulation values from 2012 to 2020

2.2.3 2021 年太湖藍(lán)藻水華形勢(shì)預(yù)測(cè)

2021 年1 月全太湖平均水溫、電導(dǎo)率、生化需氧量分別為5.1 ℃、452.41 μS/cm、2.63 mg/L,3 月總氮濃度為1.43 mg/L,將其代入優(yōu)選出的回歸方程,預(yù)估得到2021 年Ic為0.480±0.050,與歷史數(shù)據(jù)相比處于偏高水平,但和2019 年的0.567 以及2020 年的0.562 相比有所降低,如圖5 所示。

圖5 2012—2020 年Ic 實(shí)際值與2021 年預(yù)估值Fig.5 Cyanobacteria index from 2012 to 2020 and estimated value for 2021

2.3 討論

2.3.1 模型的有效性

本研究構(gòu)建的藍(lán)藻水華強(qiáng)度預(yù)測(cè)模型的分析結(jié)果與該研究領(lǐng)域的主流觀點(diǎn)一致[8,10],證明了該模型的有效性。 該模型同時(shí)也具備一定的實(shí)用性和普適性,因?yàn)樵谥T多湖泊、水庫(kù)和河流都設(shè)有自動(dòng)監(jiān)測(cè)設(shè)備或人工監(jiān)測(cè)點(diǎn)位,且衛(wèi)星遙感具有大范圍覆蓋監(jiān)測(cè)的能力,說(shuō)明該類研究工作需要的數(shù)據(jù)在更多區(qū)域是比較容易獲得的,可通過(guò)獲取相應(yīng)數(shù)據(jù)對(duì)其他水域的藍(lán)藻水華進(jìn)行模型構(gòu)建與研究。

2.3.2 藍(lán)藻水華與環(huán)境因子的關(guān)系

在探索藍(lán)藻水華形成機(jī)理方面,孔繁翔等[16]提出了藍(lán)藻的生長(zhǎng)與水華的形成經(jīng)歷了越冬休眠—春季復(fù)蘇—生長(zhǎng)—集聚上浮并形成水華的四階段理論,認(rèn)為不同階段的藻類的生理特性不同,影響其發(fā)展的主導(dǎo)生態(tài)因子也不同。 水溫是影響藻類生長(zhǎng)的重要要素,可通過(guò)控制浮游植物的光合作用與呼吸代謝速率影響藻類生物量,特別是在當(dāng)前太湖水質(zhì)呈富營(yíng)養(yǎng)化的情況下,水溫在藍(lán)藻的休眠、復(fù)蘇和生長(zhǎng)等不同階段起著關(guān)鍵作用。1 月處于冬季,其間的水溫變化對(duì)處于休眠期的藍(lán)藻冬季種源、春季生物量基礎(chǔ)有著重要影響,且與年度藍(lán)藻水華強(qiáng)度有著較好的擬合關(guān)系。 因此,本研究將1 月水溫作為預(yù)測(cè)年度藍(lán)藻水華形勢(shì)的環(huán)境要素是合理的。

水體中充足的營(yíng)養(yǎng)鹽和適宜藻種吸收的電解質(zhì)也是水華暴發(fā)的主要原因之一[17],并且兩者含量的變化同時(shí)又影響著電導(dǎo)率的變化[18]。 電導(dǎo)率的大小主要由溶解在水中的離子種類和濃度、水溫、降雨及pH 等決定[19],電導(dǎo)率數(shù)值的變化主要與水體中營(yíng)養(yǎng)鹽、離子等物質(zhì)的消耗或補(bǔ)充有關(guān)。 從表2 可知,電導(dǎo)率與年度藍(lán)藻水華強(qiáng)度有著比較強(qiáng)的負(fù)相關(guān)。 不同的離子物質(zhì)對(duì)水體中不同藻種的生長(zhǎng)繁殖起著不同的作用(抑制或促進(jìn))[20],因此,上述負(fù)相關(guān)可能是因?yàn)樘w中的部分離子物質(zhì)對(duì)藍(lán)藻的生長(zhǎng)繁殖具有較強(qiáng)的抑制作用。

在水華形成機(jī)理的研究中,常常涉及營(yíng)養(yǎng)鹽與藻類生長(zhǎng)之間的關(guān)系。 當(dāng)浮游植物的生長(zhǎng)受到營(yíng)養(yǎng)鹽的限制時(shí),其體內(nèi)碳水化合物的積累、光合作用的產(chǎn)量均會(huì)受到影響,但太湖的水體營(yíng)養(yǎng)鹽條件目前還明顯高于能夠限制浮游植物生長(zhǎng)、藍(lán)藻水華暴發(fā)的臨界條件。 在富營(yíng)養(yǎng)化湖泊中,當(dāng)水體的總氮總磷比(TN/TP)較低時(shí),藍(lán)藻的生長(zhǎng)和水華的形成通常處于有利條件[21]。 但也有研究表明,較低的TN/TP 并不是促進(jìn)藍(lán)藻水華形成的條件,而是藍(lán)藻水華產(chǎn)生的結(jié)果[22]。 從表2 可知,雖然太湖水體總氮濃度與全年藍(lán)藻水華強(qiáng)度呈負(fù)相關(guān),但這并不能表明藍(lán)藻水華強(qiáng)度的增加與總氮濃度的下降有關(guān),可能的原因是藍(lán)藻的生長(zhǎng)造成了總氮濃度的下降。 特別是在3—5 月的藍(lán)藻復(fù)蘇和生長(zhǎng)階段,總氮濃度與全年藍(lán)藻水華強(qiáng)度的相關(guān)性尤其高,表明這兩個(gè)階段的總氮濃度對(duì)預(yù)測(cè)全年藍(lán)藻水華強(qiáng)度具有較好的指示作用。

2.3.3 模型的局限性

從遙感監(jiān)測(cè)結(jié)果來(lái)看,藍(lán)藻水華暴發(fā)強(qiáng)度在2012—2017 年呈波動(dòng)上升趨勢(shì),于2017 年達(dá)到峰值,之后開(kāi)始有所緩和。 本研究通過(guò)在年初水質(zhì)數(shù)據(jù)中篩選環(huán)境驅(qū)動(dòng)因子構(gòu)建的年度藍(lán)藻水華強(qiáng)度預(yù)測(cè)模型的模擬結(jié)果,在變化趨勢(shì)上與實(shí)際情況基本一致,但在2019 年有相對(duì)明顯的偏差。由于太湖水域較長(zhǎng)時(shí)間序列的風(fēng)速、光照等氣象數(shù)據(jù)不易獲取且部分缺失,本研究暫未將氣象數(shù)據(jù)作為影響要素納入預(yù)測(cè)模型。 本預(yù)測(cè)模型主要從影響藻類生長(zhǎng)的環(huán)境因子的角度開(kāi)展藻情估測(cè),但藻情變化除受環(huán)境因子影響外,還與未來(lái)春夏季藍(lán)藻水華暴發(fā)期間的水文、氣象條件密切相關(guān)。 因此,未能體現(xiàn)未來(lái)氣象、水文情勢(shì)預(yù)測(cè)信息是本模型的不足。 目前,氣候預(yù)測(cè)信息的獲取渠道較多,今后可納入一些專業(yè)機(jī)構(gòu)對(duì)氣候的預(yù)測(cè)結(jié)果,有助于加強(qiáng)對(duì)未來(lái)藍(lán)藻水華情勢(shì)的準(zhǔn)確估測(cè)。 此外,本模型也未考慮藻類群落結(jié)構(gòu)和生物量變化的影響,僅僅采用遙感監(jiān)測(cè)結(jié)果表征藍(lán)藻水華強(qiáng)度還存在一定的局限性,在藻情評(píng)估方法上尚有一定的不足。 由于目前較難獲取藻類群落結(jié)構(gòu)方面的優(yōu)質(zhì)數(shù)據(jù),將其納入模型后可能會(huì)降低模擬精度。 建議在今后的模型優(yōu)化過(guò)程中,待藻類人工智能快速識(shí)別等技術(shù)成熟后,再將其納入預(yù)測(cè)模型。

總而言之,藍(lán)藻水華的暴發(fā)是一個(gè)受氣象、水質(zhì)和生物行為等多重因素共同影響的復(fù)雜過(guò)程。本研究通過(guò)水質(zhì)要素構(gòu)建的藍(lán)藻水華強(qiáng)度預(yù)測(cè)模型還不完善,今后需考慮更多方面的影響因素,從而實(shí)現(xiàn)對(duì)藍(lán)藻水華強(qiáng)度預(yù)測(cè)模型的進(jìn)一步優(yōu)化。

3 結(jié)論

本研究以遙感手段獲取了2012—2020 年歷年4—10 月預(yù)警期間的太湖藍(lán)藻水華發(fā)生規(guī)模與頻率,在此基礎(chǔ)上提出了表征藍(lán)藻水華強(qiáng)度的太湖藍(lán)藻水華綜合指數(shù),并通過(guò)對(duì)該指數(shù)與同步浮標(biāo)站自動(dòng)監(jiān)測(cè)數(shù)據(jù)、實(shí)驗(yàn)室分析結(jié)果進(jìn)行相關(guān)性分析,最終篩選出1 月水溫、1 月電導(dǎo)率、1 月生化需氧量和3 月總氮濃度4 項(xiàng)指標(biāo),用于構(gòu)建基于年度太湖藍(lán)藻水華強(qiáng)度及與其顯著相關(guān)的環(huán)境因子的多元線性回歸預(yù)測(cè)模型。 該預(yù)測(cè)模型的決定系數(shù)達(dá)到了0.908,平均相對(duì)誤差為10.35%,預(yù)測(cè)精度總體較好。 該項(xiàng)研究能為有關(guān)部門制定藍(lán)藻水華防治規(guī)劃和開(kāi)展藍(lán)藻水華預(yù)警工作提供一定的技術(shù)支持。 此外,該模型和研究方法還存在有待進(jìn)一步提高和完善的地方,在收集氣象、生物量等更多影響要素相關(guān)數(shù)據(jù)的基礎(chǔ)上,預(yù)期可以獲得更好的預(yù)測(cè)效果。