鄒嘉澍，許陽春，蘇玉萍，Balaji PRASATH·BARATHAN，陳 斌,蘇金洙

(1.福建師范大學(xué)環(huán)境科學(xué)與工程學(xué)院，福建 福州 350007；2.福建省污染控制與資源循環(huán)重點(diǎn)實(shí)驗(yàn)室，福建 福州 350007；3.福州福光水務(wù)技術(shù)有限公司，福建 福州 350007)

赤潮是一種無常的水體生態(tài)失衡的自然現(xiàn)象，其形成機(jī)理復(fù)雜，是海洋中的某些浮游生物，包括微藻、原生動(dòng)物和細(xì)菌等暴發(fā)性增殖，導(dǎo)致海洋的顏色總體上變?yōu)榧t色或接近棕色，并對沿海地區(qū)和水生生態(tài)系統(tǒng)造成嚴(yán)重影響的水體污染問題[1-4]．目前，關(guān)于赤潮形成的機(jī)理研究尚未有明確定論．但許多研究指出，豐富的營養(yǎng)鹽等水質(zhì)條件是赤潮形成的物質(zhì)基礎(chǔ)，適宜的氣象條件加速促進(jìn)了赤潮的暴發(fā)，并影響了赤潮發(fā)生的頻率、規(guī)模、生物地理特性以及藻類毒性[5-9]．赤潮一方面會(huì)對海洋生態(tài)系統(tǒng)造成破壞，給近海水產(chǎn)養(yǎng)殖業(yè)和水產(chǎn)資源造成嚴(yán)重?fù)p失；另一方面有毒赤潮還能直接或間接對人體健康產(chǎn)生危害[10]．因其產(chǎn)生的種種危害，20世紀(jì)90年代，赤潮就已被聯(lián)合國列為三大近海海洋污染問題之一，引起了世界各沿海國家、地區(qū)的高度重視[11-13]．

通過對赤潮藻的時(shí)空分布特征及其對水生生態(tài)系統(tǒng)的影響的了解，人們可以更好地加強(qiáng)赤潮災(zāi)害管理.但是，由于赤潮藻的高度空間變異性，傳統(tǒng)的野外水樣采集及數(shù)據(jù)分析方法使其時(shí)空分布研究受限．而人工智能數(shù)據(jù)驅(qū)動(dòng)型預(yù)警模型因具有信息分布式存儲(chǔ)與并行計(jì)算、存儲(chǔ)與處理一體化，以及較強(qiáng)的容錯(cuò)性和適應(yīng)性等特征，目前已被廣泛應(yīng)用于解決復(fù)雜背景下的赤潮預(yù)警問題[14]．國內(nèi)外在赤潮預(yù)警模型開發(fā)上，通常以機(jī)理模型與非機(jī)理模型兩種方式進(jìn)行．機(jī)理模型是基于現(xiàn)有理論、知識(shí)和研究經(jīng)驗(yàn)建立的，使用戶能夠模擬特定系統(tǒng)的行為趨勢[15]．例如，覃苗[16]、許陽春等[17-18]用Chl-a的含量來反映藻類生物量,并將其作為BP神經(jīng)網(wǎng)絡(luò)模型的輸出指標(biāo)，演算出以水溫、溶解氧、電導(dǎo)率和氣溫作為組合變量的輸入指標(biāo)，該模型預(yù)測藻華發(fā)生的結(jié)果最佳．就非機(jī)理模型而言，主要通過統(tǒng)計(jì)學(xué)方法、相關(guān)性分析和機(jī)器學(xué)習(xí)方法從經(jīng)驗(yàn)數(shù)據(jù)模式中提取出整體信息，從而使用戶能夠預(yù)測系統(tǒng)的趨勢而不是解釋系統(tǒng)的行為[19]．例如，Noh等[20]研究開發(fā)了一種新型的地球靜止海洋彩色成像儀(GOCI)赤潮量化算法，結(jié)果顯示東海葉綠素-a濃度與赤潮呈現(xiàn)較高相關(guān)性，在一定程度上可用于赤潮災(zāi)害的及時(shí)量化．因此，針對特定海域，建立一個(gè)可實(shí)現(xiàn)短期預(yù)報(bào)、判定指標(biāo)相對精確并能穩(wěn)定表征赤潮發(fā)生的預(yù)警模型具有重要的理論意義與現(xiàn)實(shí)價(jià)值．除人工智能數(shù)據(jù)驅(qū)動(dòng)型預(yù)警模型外，研發(fā)相對簡易且實(shí)用的預(yù)警方法是目前的預(yù)警模型發(fā)展的另一趨勢．許多學(xué)者發(fā)現(xiàn)Chl-a與眾多水質(zhì)因子如pH、DO、CODMn都有較強(qiáng)的相關(guān)性，甚至一些營養(yǎng)因子SiO42-、NH4+對Chl-a含量的影響也很大，說明浮游植物的生長繁殖是眾多水質(zhì)因子和營養(yǎng)因子綜合作用的結(jié)果[21]．研究指出，海水中的溶解氧含量在赤潮形成至暴發(fā)期間逐漸升高，且溶解氧與浮游植物細(xì)胞密度的相關(guān)性較高．許昆燦等[22]提出了“表觀增氧量”的概念，他假定赤潮形成初期，水體與大氣中的氧處于平衡狀態(tài)；赤潮暴發(fā)期間，赤潮生物光合作用產(chǎn)生大量的氧氣從而使水體溶解氧含量增高．需要注意的是，赤潮期間溶解氧濃度的變化不僅與赤潮藻生物暴發(fā)后的光合作用產(chǎn)氧量有關(guān)，生物的呼吸作用和有機(jī)物的礦化分解作用同時(shí)也會(huì)消耗一部分的氧氣．另外，水的混合及與大氣瞬間完成平衡的偏離也會(huì)使增氧量對浮游植物光合作用下真實(shí)的產(chǎn)氧量存在一定的偏差．因此，用“表觀”二字來定義增氧量，即允許上述影響的存在，用表觀增氧量來估算赤潮生物量的多少．在赤潮快速評價(jià)和預(yù)警的研究中，表觀增氧量(Apparent oxygen increase，AOI)赤潮預(yù)警模式僅需對海水鹽度、水溫、溶解氧進(jìn)行測定，其測定方法簡便、快速、準(zhǔn)確，也易于實(shí)現(xiàn)現(xiàn)場測定，AOI在赤潮預(yù)警中具有較高的實(shí)用價(jià)值．

1 研究區(qū)及數(shù)據(jù)來源

1.1 研究區(qū)概況

平潭綜合實(shí)驗(yàn)區(qū)古稱海壇,位于福建省福州市，東鄰臺(tái)灣海峽，西隔海壇海峽，經(jīng)緯度介于119°32′E～120°10′E，25°15′N～25°45′N之間．平潭由126個(gè)島嶼，167個(gè)巖礁組成，總面積371.91 km2，海域面積6 064 km2，擁有豐富的海洋生物資源，包括魚類、藻類、貝類、甲殼動(dòng)物類等高達(dá)934種[23]，是著名的漁業(yè)基地．其中部多平原，位于東北偏北方向的長江澳，是貫穿中部平原的風(fēng)口；南部以低丘為主，在這一地勢之間，平原穿插其中，其獨(dú)特的地形條件也使平潭綜合實(shí)驗(yàn)區(qū)形成了獨(dú)具特色的氣候特點(diǎn)[24]．據(jù)福建省海洋與漁業(yè)局的赤潮預(yù)警信息統(tǒng)計(jì)，平潭海域在2013—2019年間共發(fā)生過8次赤潮，赤潮暴發(fā)的藻種多為夜光藻、米氏凱倫藻、東海原甲藻等，赤潮頻發(fā)給其海洋經(jīng)濟(jì)帶來了嚴(yán)重?fù)p失．

1.2 數(shù)據(jù)來源

本研究數(shù)據(jù)來源于福建省海洋與漁業(yè)廳提供的2013—2019年4-6月份的698組海洋監(jiān)測有效樣本數(shù)據(jù)，主要包括水溫(℃)、鹽度(g·L-1)、溶解氧 (mg·L-1)、pH、Chl-a(μg·L-1)、藻細(xì)胞密度(L-1)等參數(shù)．

通常每年的4-6月為平潭海域赤潮的高發(fā)期，監(jiān)測頻率為每周1～2次；7-10月為赤潮藻類的消亡期，監(jiān)測頻率下降至每月1～2次．2013—2018年的監(jiān)測點(diǎn)位共有6個(gè)，2019年的監(jiān)測點(diǎn)位數(shù)量保持不變，但監(jiān)測點(diǎn)位的經(jīng)緯度相較于2013—2018年略有變化．2013—2019年的監(jiān)測點(diǎn)位名稱和具體經(jīng)緯度如表1所示．

表1 2013—2019年監(jiān)測點(diǎn)位名稱及位置

2 研究方法

2.1 AOI在平潭海域赤潮的預(yù)警方法

為探究AOI能否作為預(yù)測赤潮發(fā)生的評價(jià)指標(biāo)，本研究以單一不同藻種為研究方向，既消除異種藻類細(xì)胞的個(gè)體差異對細(xì)胞密度測量造成的影響，也提高赤潮預(yù)警的精準(zhǔn)性．首先對2013—2019年平潭海域內(nèi)的赤潮監(jiān)測數(shù)據(jù)進(jìn)行收集，應(yīng)用Excel2016對數(shù)據(jù)進(jìn)行整理和規(guī)一化處理，使用Origin201864Bit將AOI與藻密度進(jìn)行線性擬合，找到AOI與赤潮藻密度之間的定量關(guān)系．隨后利用平潭海域2019年5月的赤潮監(jiān)測數(shù)據(jù)對AOI指標(biāo)進(jìn)行精度分析．最后依據(jù)日本安達(dá)六郎[25]提出的“赤潮生物密度”作為赤潮判斷的參考標(biāo)準(zhǔn)，從而找到赤潮生物密度的AOI的預(yù)警值和赤潮評價(jià)標(biāo)準(zhǔn)．本研究方案流程如下：

(1)收集整理平潭海洋監(jiān)測數(shù)據(jù)；

(2)探索AOI與赤潮藻密度的相關(guān)性；

(3)AOI預(yù)警指標(biāo)精度分析；

(4)制定AOI預(yù)警值及赤潮判定標(biāo)準(zhǔn)．

2.2 AOI計(jì)算

收集赤潮監(jiān)測數(shù)據(jù)中的水溫(℃)和鹽度(g·L-1)，并采用Gammerson和Robertson提出的飽和溶解氧的經(jīng)驗(yàn)式[26](簡稱G氏公式)計(jì)算現(xiàn)場水溫、鹽度條件下氧的飽和濃度．

(1)

式中ρs為固體溶解量(mg·L-1)；t為水溫(℃)．

根據(jù)許昆燦等[22]提出的“表觀增氧量”的概念，假定在赤潮形成初期，水體與大氣中的氧處于平衡狀態(tài)；而在赤潮暴發(fā)期間，赤潮藻類大量增殖并在光合作用下產(chǎn)生氧氣使水體溶解氧含量增加．因此，表觀增氧量(AOI)可以用下式表示為：

ρ(AOI)=ρ(O)-ρ(O′)，

(2)

式中ρ(AOI)為表觀增氧量(mg·L-1)；ρ(O)為現(xiàn)場測得的氧的質(zhì)量濃度(mg·L-1)；ρ(O′)為現(xiàn)場水溫、鹽度條件下氧的飽和質(zhì)量濃度(mg·L-1)．

2.3 AOI與浮游植物密度的擬合方法

根據(jù)我國對赤潮藻的計(jì)數(shù)習(xí)慣及已有的海洋監(jiān)測數(shù)據(jù)，本文選擇浮游植物細(xì)胞密度與AOI進(jìn)行擬合．浮游植物生物量被定義為在同一時(shí)間內(nèi)單位體積水樣中所存在的浮游植物量[27]．由于藻細(xì)胞的個(gè)體大小有所差異，僅用藻細(xì)胞數(shù)量來表示藻生物量不夠準(zhǔn)確．目前我國主要使用光學(xué)顯微鏡對藻類生物進(jìn)行定量分析和細(xì)胞計(jì)數(shù)，并用藻細(xì)胞密度即單位體積的細(xì)胞數(shù)來表示藻類生物量[28],必須考慮其形態(tài)大小對赤潮判定值的影響．根據(jù)對平潭海域水生態(tài)特征的分析結(jié)果可知，近幾年，頻繁引發(fā)平潭海域赤潮的優(yōu)勢藻主要為東海原甲藻、夜光藻、米氏凱倫藻、中肋骨條藻等．

根據(jù)平潭海域的水生態(tài)特征，從2013—2019年的海洋監(jiān)測數(shù)據(jù)中篩選出平潭海域頻發(fā)的赤潮優(yōu)勢藻數(shù)據(jù)．在上述幾種常見的優(yōu)勢藻中，夜光藻的體長明顯大于其他優(yōu)勢藻種，且其生活習(xí)性異于其他浮游植物，常于海域較深層的位置生長增殖，而本研究選用的海洋監(jiān)測數(shù)據(jù)均為表層水體的數(shù)據(jù)，考慮到數(shù)據(jù)的一致性，本章節(jié)擬合數(shù)據(jù)將夜光藻數(shù)據(jù)剔除．選用東海原甲藻、米氏凱倫藻、中肋骨條藻等其他幾種體長均介于10～29 μm之間的浮游植物的監(jiān)測數(shù)據(jù)，在一定程度上消除了個(gè)體差異對擬合公式適用性的影響．此外，擬合數(shù)據(jù)的各采樣點(diǎn)位基本上覆蓋了平潭海域全部的赤潮頻發(fā)點(diǎn)位，這使數(shù)據(jù)更加具有區(qū)域代表性，也使擬合結(jié)果具有更強(qiáng)的海域適用性．

本文選用的121組擬合數(shù)據(jù)樣本的浮游植物細(xì)胞密度介于2.25×103～9.02×106L-1之間，ρ(AOI)在-2.48～2.70 mg·L-1之間波動(dòng)．其中，米氏凱倫藻細(xì)胞密度介于5.00×103～8.40×105L-1之間，AOI的量值處于-0.77～1.11 mg·L-1之間．

2.4 最小二乘法線性擬合原理

為找到AOI同藻密度之間的相關(guān)模式，可通過實(shí)驗(yàn)或觀測所獲得的離散數(shù)據(jù)來建立其對應(yīng)的、近似的連續(xù)模型．最小二乘法通常被應(yīng)用于處理擬合問題中，它秉承測量值偏差的加權(quán)平方和盡可能最小的原則，找到目標(biāo)函數(shù)使其盡可能地接近已知離散數(shù)據(jù)點(diǎn)的總體分布輪廓[29]．其數(shù)學(xué)表達(dá)式為：

(3)

在線性擬合模型中，設(shè)對一組N個(gè)樣本數(shù)據(jù)(xi,yi)作出y=ax+b的一元線性擬合.根據(jù)最小二乘法原理，對n個(gè)樣本數(shù)據(jù)做誤差求和計(jì)算S值為：

為滿足S達(dá)到最小值，求得擬合(a,b)值使測量值偏差平方和最小，因此對S值做偏微分計(jì)算：

進(jìn)而解得：

可求得最優(yōu)解(a,b)，即確定了一個(gè)最合適的線性擬合方程y=ax+b.相關(guān)系數(shù)r反映出兩變量之間的線性關(guān)系，通常被定義為[30]：

(4)

式中Cov(X,Y)為X與Y的協(xié)方差，Var[X]為X的方差，Var[Y]為Y的方差.|r|的范圍在0到1之間，其絕對值越接近1，表明實(shí)驗(yàn)數(shù)據(jù)中各點(diǎn)同該直線偏離程度越小，其分布情況同該直線相鄰的越緊密.

在回歸模型中，判定系數(shù)R2可作為估計(jì)的回歸方程擬合程度的度量參數(shù)，通常用來評估模型預(yù)測值和實(shí)際值之間的相關(guān)程度[31].在簡單的線性回歸模型中，判定系數(shù)R2的值為相關(guān)系數(shù)r的平方，該統(tǒng)計(jì)量越接近1，表明模型的擬合程度越高[31].

2.5 擬合公式精度評價(jià)方法

在對擬合公式中的變量進(jìn)行精度分析時(shí)，通?？捎妙A(yù)測誤差來表示預(yù)測結(jié)果同真實(shí)結(jié)果的差距.絕對誤差是預(yù)測估算值與真實(shí)觀測值的絕對差距，而相對誤差是絕對誤差相對于真實(shí)觀測的百分比[32]．本研究選用相對誤差來評估AOI實(shí)測值與由藻密度計(jì)算的AOI估算值之間的偏離度．

AOI實(shí)測值ρ(AOIi)對估算值ρ(AIi)的平均相對誤差系數(shù)可表示?AOI總體偏差程度，并按下式計(jì)算：

(5)

式中n為樣本數(shù)；ρ(AOIi)為AOI實(shí)測值；ρ(AIi)為根據(jù)擬合公式得到的AOI估算值；表示AOI實(shí)測值相對于估算值的相對誤差．

3 結(jié)果與分析

3.1 AOI和藻密度建模結(jié)果

近11年平潭沿海共發(fā)生15起赤潮，其中2012、2013年均發(fā)生3起，達(dá)到近11年最高．每年平潭海域都會(huì)受到赤潮不同程度的影響，年均持續(xù)天數(shù)達(dá)6.2 d．但自2013年以來，赤潮總影響面積、發(fā)生起數(shù)大體呈現(xiàn)遞減趨勢．為了判斷AOI與藻密度之間是否存在定量關(guān)系，該研究基于最小二乘法線性擬合原理，利用Origin201864Bit將121組數(shù)據(jù)中的米氏凱倫藻密度與AOI值按以下方程進(jìn)行線性擬合，即：

ρ(AOI)=a+blgN,

(6)

式中a為常數(shù)；b為系數(shù)；N為藻密度(L-1)．

3.1.1 多種優(yōu)勢藻擬合結(jié)果

本組將2013—2019年平潭海域的121組海洋監(jiān)測數(shù)據(jù)進(jìn)行擬合，得到的擬合關(guān)系如圖1，其擬合關(guān)系式的可決系數(shù)R2達(dá)到0.544 3(樣本數(shù)量n=121)，對比野外監(jiān)測數(shù)據(jù)的擬合優(yōu)度，R2已經(jīng)達(dá)到了較高的擬合度，這一精度也說明AOI與浮游植物細(xì)胞密度之間具有較強(qiáng)的相關(guān)性，同時(shí)也表明AOI作為赤潮判定指標(biāo)具有客觀科學(xué)意義．其擬合公式為：

圖1 多種優(yōu)勢藻數(shù)據(jù)擬合圖

ρ(AOI)=0.599 2 lgN-2.751 8.

(7)

3.1.2 米氏凱倫藻擬合結(jié)果

平潭海域近年來米氏凱倫藻頻現(xiàn)，2019年5月下旬，在平潭蘇澳海域發(fā)生的米氏凱倫藻赤潮導(dǎo)致大面積的鯛魚等魚類死亡，給海產(chǎn)養(yǎng)殖戶帶來慘重的經(jīng)濟(jì)損失．本小節(jié)從平潭海域2013—2019年的海洋監(jiān)測數(shù)據(jù)中篩選出全部23組以米氏凱倫藻為優(yōu)勢藻的監(jiān)測數(shù)據(jù)，按照多種優(yōu)勢藻數(shù)據(jù)的計(jì)算方法得到AOI值，浮游植物細(xì)胞密度同樣進(jìn)行取對數(shù)處理，最后對數(shù)據(jù)進(jìn)行線性擬合分析，其擬合結(jié)果如圖2．米氏凱倫藻的具體擬合公式如下：

ρ(AOI)=0.791 1 lgN-3.685 6.

(8)

與多種優(yōu)勢藻的擬合結(jié)果相比，其擬合精度有了明顯的提高，可決系數(shù)R2達(dá)到了0.802 6(樣本數(shù)量n=23)．這一結(jié)果顯示，樣本擬合方程對樣本觀測值擬合程度好，而且通過圖2可以看出，各樣本觀測點(diǎn)與擬合線靠得較近，表明樣本擬合做出解釋的離差平方和與總離差平方和較接近．

圖2 米氏凱倫藻數(shù)據(jù)擬合圖

3.2 AOI預(yù)警指標(biāo)的精度分析

為了評價(jià)AOI作為赤潮預(yù)警指標(biāo)的可信度，本文以米氏凱倫藻為例，選取平潭海域2019年5月中下旬的3組赤潮期間海洋監(jiān)測數(shù)據(jù)，對AOI的實(shí)測值和估算值之間的偏離程度進(jìn)行計(jì)算和分析．

將擬合公式(8)進(jìn)行變形，得到：

(9)

將米氏凱倫藻細(xì)胞密度實(shí)測值代入擬合公式(8)中，得到AOI的估算值如表2所示．表2顯示AOI的實(shí)測值與估算值存在一定的偏差．為了具體地描述擬合公式中AOI的驗(yàn)證誤差，將表2中AOI估算值和實(shí)測值代入公式(5)中得到?AOI=0.29，即表明AOI實(shí)測值對估算值的平均相對偏差為29%，AOI的估算精度達(dá)到71%．基于該研究是在理想的條件下，赤潮發(fā)生初期水體與大氣的氧處于平衡狀態(tài)，即影響氧濃度的各種物理、化學(xué)、生物過程都相互抵消處于平衡狀態(tài)，且假定赤潮暴發(fā)的過程中水體含氧量的增加是由浮游植物光合作用產(chǎn)生的．藻類生長發(fā)育的階段和個(gè)體大小的差異；藻密度計(jì)數(shù)時(shí)的測量誤差；浮游生物的呼吸作用和有機(jī)物的礦化分解作用；水溫及鹽度對溶解氧含量的影響等都有可能造成AOI實(shí)測值與估算值的相對偏差[33]．但是總體來看，該實(shí)驗(yàn)采用的是自然海區(qū)內(nèi)的監(jiān)測數(shù)據(jù)其包容性也會(huì)更大，AOI實(shí)測值對估算值的平均相對誤差系數(shù)較小，因此證明了AOI與米氏凱倫藻密度之間有著密切的線性相關(guān)性，從而表明AOI作為度量米氏凱倫藻生物量的指標(biāo)是可信的．

表2 AOI模式下AOI的實(shí)測值與估算值

3.3 AOI預(yù)警值設(shè)定及米氏凱倫藻赤潮評價(jià)標(biāo)準(zhǔn)

結(jié)合上節(jié)中的分析結(jié)果，本文以米氏凱倫藻為例，選用安達(dá)六郎[25]的赤潮生物判斷基準(zhǔn)作為其赤潮臨界密度來確定AOI的預(yù)警值．研究的實(shí)驗(yàn)樣本中米氏凱倫藻體長在10～29 um，依據(jù)安達(dá)六郎提出的赤潮生物判斷基準(zhǔn)：當(dāng)赤潮生物體長在10～29 um，赤潮暴發(fā)時(shí)藻類細(xì)胞臨界密度為1×106L-1，將細(xì)胞密度1×106·L-1代入擬合公式(8)中，得到AOI值為1.06 mg·L-1．此值可作為判斷米氏凱倫藻赤潮發(fā)生時(shí)AOI的臨界值，但仍需綜合AOI臨界值情況和其他影響因素來確定合適的AOI預(yù)警值．由于AOI模式存在一定的不確定性，用1.06 mg·L-1作為判定米氏凱倫藻赤潮發(fā)生的AOI臨界值可能會(huì)有所偏差．并且安達(dá)六郎的赤潮生物判斷基準(zhǔn)是基于赤潮發(fā)生時(shí)提出的，如果作為判斷赤潮發(fā)生的預(yù)警值明顯過高．

在AOI預(yù)警指標(biāo)的精度分析中，已計(jì)算出米氏凱倫藻AOI實(shí)測值相對于AOI估算值的平均相對偏離系數(shù)為0.29．按照這個(gè)平均相對偏離系數(shù)進(jìn)行計(jì)算，判斷赤潮發(fā)生時(shí)AOI臨界值應(yīng)該在0.75～1.37 mg·L-1范圍內(nèi)．AOI預(yù)警值的設(shè)定不僅要滿足赤潮監(jiān)測管理的需要，也要有較高的準(zhǔn)確度和實(shí)效性，因此將ρ(AOI) =0.8 mg·L-1設(shè)定為米氏凱倫藻赤潮的AOI預(yù)警值．若當(dāng)AOI值接近0.8 mg·L-1時(shí)，藻密度達(dá)到5×105L-1，說明此時(shí)水體的溶解氧含量已經(jīng)明顯增高，并且米氏凱倫藻生長和聚集導(dǎo)致其生物量有所增加，暗示該海域正處于米氏凱倫藻赤潮即將發(fā)生或初步形成的階段，此時(shí)應(yīng)該開始加強(qiáng)并加密海域赤潮監(jiān)測點(diǎn)的監(jiān)測．

4 結(jié)論

本研究通過對2013—2019年平潭海域內(nèi)的海洋赤潮監(jiān)測數(shù)據(jù)進(jìn)行處理和分析，應(yīng)用線性擬合分析找到了AOI與浮游植物細(xì)胞密度之間有較強(qiáng)的線性相關(guān)性，通過2019年5月實(shí)際監(jiān)測的數(shù)據(jù)進(jìn)行驗(yàn)證，多種優(yōu)勢藻的AOI預(yù)測精度達(dá)到63%．同時(shí)，通過結(jié)合對藻群落結(jié)構(gòu)的分析，可以進(jìn)一步對某個(gè)優(yōu)勢種進(jìn)行預(yù)警，以米氏凱倫藻為例，利用2019年5月平潭米氏凱倫藻赤潮監(jiān)測數(shù)據(jù)驗(yàn)證得到AOI平均相對誤差為29%．綜合其擬合優(yōu)度、AOI的平均相對誤差和擬合模型的代表性，最終確定了米氏凱倫藻赤潮的AOI擬合公式為 (n=23，R2=0.802 6)．結(jié)果表明AOI可以較為客觀并準(zhǔn)確地反映米氏凱倫藻的生物量，因此可以作為評價(jià)米氏凱倫藻赤潮發(fā)生的指標(biāo)．

研究表明，利用AOI對藻類赤潮進(jìn)行預(yù)警和評價(jià)更為快速、簡便，通過進(jìn)一步分析藻的群落結(jié)構(gòu)和優(yōu)勢藻的種類，預(yù)期可提高預(yù)警精度，具有較高的應(yīng)用價(jià)值．同時(shí)可為平潭海域以表觀增氧量作為判定指標(biāo)的赤潮預(yù)警和防控提供參考．根據(jù)本研究提出的AOI預(yù)警值：當(dāng)ρ(AOI) ≥0.80 mg·L-1時(shí)，表明該海域的溶解氧含量已達(dá)到飽和程度并且米氏凱倫藻生物量處于迅速積累的階段，此時(shí)當(dāng)?shù)卣途用駪?yīng)該提高警惕，及時(shí)做好監(jiān)測和防范赤潮的準(zhǔn)備．對于不同的海域情況和其他區(qū)域需要進(jìn)一步的驗(yàn)證和研究．