太湖蓝藻水华的演变过程与成因分析

太湖蓝藻水华的演变过程与成因分析_湖泊环境治理与生

第二节　太湖蓝藻水华的演变过程与成因分析

一、太湖蓝藻水华的演变过程

太湖存在的藻类有7个门类共97个种，其中的6大门类最常见，分别为蓝藻、绿藻、硅藻、甲藻、裸藻和隐藻。20世纪80年代，蓝藻、硅藻、绿藻占优势，分别占20%、28%和40%；90年代以来，蓝藻占绝对优势，最高时约占总量的94%，其中蓝藻又以微囊藻为主。太湖的蓝藻水华通常自5月开始出现一直持续到10月。目前太湖夏季水华主要发生在北部的梅梁湾、竺山湾以及太湖西部的沿岸带。实际上，太湖蓝藻水华的发生是一个逐步发展的过程。20世纪50年代初期，太湖几乎没有水华（图2-3）；60年代在五里湖及邻近水域出现水华；80年代初发展至大半个梅梁湾，80年代末至整个梅梁湾以及西部沿岸带；90年代中期扩展至西北部湖区；2002年则蔓延到西部沿岸带。2007年水华发生的时间比过去提前近1个月，4月25日起在太湖北部梅梁湾就出现了大规模水华，使无锡市的充山、小湾里和南泉取水口告急（图2-4，图2-5）。

图2-3 昔日美丽的太湖（左）与蓝藻水华暴发后的太湖（右）

图2-4 蓝藻水华暴发期在沿岸带发现的大量蓝藻水华

图2-5 太湖沿岸的蓝藻水华威胁到供水安全

二、蓝藻水华的成因

灾害性水华的形成有两个要素：一是藻类的过度生长，二是在水表面大量聚集，这两方面的要素都受到藻类自身的生物学特性以及自然条件的影响。总体上看，藻类的生长主要由其生物学特征决定，而藻类的聚集则主要由气象条件决定。

1. 营养盐阈值

不少人认为，富营养化引起蓝藻水华暴发，水体富营养治理只要降低水体中的营养物浓度，就可以抑制藻类的生长。然而，早在20世纪四五十年代，科学家们发现，当水体中总磷浓度超过0.015 mg/L，总氮超过0.3 mg/L时（这是非常低的浓度），藻类就出现恶性繁殖，藻类的繁殖量与外界输入的P、N浓度值成正比。后来，国外有专家进一步指出，水体中的可溶性磷一旦高于0.01 mg/L，通过降低磷的浓度对藻类生长量影响甚微。并且将水体中的可溶性磷的浓度降低到低于0.01 mg/L，所花的代价是极其昂贵的。水体富营养治理，过去比较重视水体中富营养因子（例如N、P等）的去除，没有注重藻类的去除和抑制。需要指出的是，当水体中的磷、氮浓度很低，而在一定的环境、气候条件下，仍会出现藻类过度生长的问题。密云水库是北京市主要的地表水源地，水体的水质达到地表水II~III类标准，2002年暴发大面积蓝藻水华。磷是藻类生长的主要限制因子，那么，限制的尺度是多少呢？美国环境保护署在其《湖泊与水库技术指导手册——营养盐标准》中指出，在湖泊与水库中，总磷与总氮浓度分别超过0.01 mg/L与0.15 mg/L时即有可能发生蓝藻水华。密云水库取水口各时期采样的结果显示，总磷的浓度>0.01 mg/L，2002年总氮的浓度>1.0 mg/L，因此密云水库具备发生蓝藻水华的营养盐基础。我国地表水III类水质标准（可以作为饮用水源）的总磷与总氮浓度指标值分别是0.2 mg/L与1.0 mg/L，也就是说，按我国地表水水质标准，就算达到III类、甚至II类标准的水体，仍然存在藻类过度繁殖而发生蓝藻水华的可能。

2. 蓝藻自身的生物学优势

蓝藻自身具有很多生物学方面的优势，如蓝藻在强光条件下伤害较小，在光照不足时仅需很少的光就可以维持其自身需要；水华期间微囊藻都是以群体形式存在的，群体结构减少了浮游动物的捕食。微囊藻具有伪空胞，使藻细胞在获取光能方面占据优势并抑制其他藻类对光的吸收；微囊藻可以将磷贮备在细胞内以满足自身需要；微囊藻的最佳生长温度比其他藻类高，因此在夏季蓝藻容易建立优势；微囊藻能适应低氧环境，水华形成后的低溶解氧使蓝藻更容易巩固其优势地位。

3. 气象与水文条件

大量蓝藻在适当的条件下聚集，会形成严重的水华。藻类的堆积主要与气象和水文条件有关。

（1）风速、风向

风速对蓝藻水华的形成具有重要的作用。风速较大（>3 m/s）时，水体就会受到强烈扰动，蓝藻会相对均匀地垂直分布，这时水面上的蓝藻看起来不会很多，蓝藻水华也就相对缓和，这时候风对蓝藻漂移作用也不大。如果风速非常大，这时候不仅仅水面的蓝藻数量减少，蓝藻自身的生长速度也会减小，一方面是因为扰动使水体浑浊，从而影响了水下的光强，另一方面还因为蓝藻在水体受到强烈扰动的时候生长速度也会减慢。风速足够大的时候还可能会搅动湖泊中的底泥进入水体，产生絮凝作用使藻类下沉。当然，风浪也可能会促进底泥中的营养盐释放，从而致使风浪过后蓝藻的生长加快。

风速降低到3 m/s以下的时候，水体受到扰动减小，蓝藻就会上浮并聚集到水面形成水华，这时风向会直接影响到蓝藻的漂移方向。因为多数蓝藻漂浮在水面，风力使得蓝藻朝下风方向漂移，最终在沿岸带和湖湾聚集，形成非常严重的水华。

（2）光照、温度以及降雨

光照的影响主要表现在藻类光合作用的速率随着光强变化而变化，以及不同种类的藻对不同波长、不同强度的光敏感性不同等方面。在水体中，光条件决定了哪种生理特征的藻成为生态系统中优势种群。蓝藻除了含有叶绿素a和类胡萝卜素这两个主要色素外，还含有藻青蛋白和异藻青蛋白，这些色素能吸收光谱中的绿光和黄光（500~650 nm），而这段波谱的光是很难被其他浮游生物所吸收利用的。藻胆蛋白与叶绿素a结合在一起能有效地吸收绿光，可以很好地生活在仅有绿光的环境中（浑浊的富营养湖泊水下广谱中绿光占多数）。许多藻对高强度的光很敏感，例如浮丝藻（Planktothrix agardhii）在高于180 μE·m^-2·s^-1的条件下，生长就会受到抑制，相比较而言，由于微囊藻能在水面形成聚集群落，能抵抗较高强度的光。

温度对藻类生长的影响比较突出。水体增温对浮游藻类的影响与环境温度和增温幅度有关，当环境温度较低时，水体增温会促进藻的生长，环境温度较高时则起抑制作用。总体来看，光照充分时蓝藻生长速率会加大，有利于蓝藻水华的形成。当然，很强的光照往往同高温联系在一起，高光强和高温会使表面蓝藻迅速死亡腐烂，从而产生严重的气味，这样会使人们从认识上感觉到蓝藻水华加重了。有关研究表明，微囊藻的最佳生长温度高于其他藻类，室内实验证明，太湖微囊藻的最适生长温度为30~35 ℃，水库中的围隔实验证实当水温为26 ℃时，最适宜于微囊藻的聚集、上浮而形成水华。

降雨条件明显时蓝藻水华也会有所减轻。可能的原因有几个方面：因为降雨时光照不足从而影响了蓝藻的生长；降雨促进了蓝藻的下沉从而使表面水华减轻；如果降雨量明显，湖泊中总体水量增加，就会使得蓝藻水华有所缓和；陆地上的地表径流会稀释沿岸带的蓝藻。

（3）水文条件

水文条件会影响水体的物理化学性质，如溶解氧、氧化还原电位、有机质含量、金属螯合作用、颗粒物沉降与再悬浮、吸附与解吸、沉淀与溶解等，这些因素直接作用于藻体本身，影响藻的各生理阶段，从而对藻类生长起间接作用。此外，水文条件与水体受到的扰动情况密切相关，因此在水流较大的时候蓝藻生长以及在表层聚集作用都会产生削减效应。

通过以上分析可知，蓝藻自身具有很多生物学方面的优势，这些优势使蓝藻容易在水体建立起数量上的优势，通过形成群体后，在合适的气象与水文条件下，蓝藻水华便会形成，并且在沿岸带和湖湾尤为严重。太湖蓝藻水华的形成与太湖本身的生态环境特点相关，如湖面开阔、水浅、温热条件好、湖湾众多（利于蓝藻堆积）。

三、蓝藻水华的预测与预报

蓝藻水华的出现指示着水体中的蓝藻细胞已超过一定的浓度，这是生物量积累、聚集、上浮的结果。影响水华形成的环境因子多种多样，人们检测了水华形成过程中的物理、化学、生物等多项指标，总结出了各类环境因子与水华形成之间的关系以及蓝藻水华的形成规律。如果能提前预测敏感湖区蓝藻水华的发生概率，就可以提前采取必要的措施，减少蓝藻水华对湖泊环境和生产生活的危害。目前湖泊中蓝藻水华的预测研究还比较有限，而关于赤潮预测的研究相对较多，可作为借鉴。

（1）根据水体的物理化学特征预测赤潮

日本东京水产大学等研究单位提出利用硒（Se）含量变化预测赤潮的发生，因为赤潮发生之前，随着浮游植物的增殖，表层海水中Se浓度就有所上升，赤潮高峰值时，硒浓度是平时的3倍以上。此外，水体中pH和溶解氧也可作为预测指标，当pH超过8.25，溶解氧的饱和度超过110%~120%时，有可能在未来几天内发生赤潮。

（2）根据水温、盐度和气象条件的预测

很多赤潮事例表明，在河口、内湾因降雨或河流径流量增大而引起盐度变化，常可诱发水华或赤潮发生。例如，日本兵库县发生赤潮的年份往往与5月份的盐度变动量有关。很多水华和赤潮事例表明，当其他条件具备时，若天气形势发展比较稳定，海区风平浪静，阳光充足、闷热的条件下，就有可能发生赤潮。

（3）根据生物学特征的预测

由于水华的发生过程往往伴随着水体中一系列生物学指标的变化，因此可以通过跟踪水体中各种水华和赤潮生物的增殖情况，监测水体中叶绿素a含量的变化、藻类光合活性甚至是水体细菌类别及数量变化都有可能用来作为预测的方法。

（4）蓝藻水华发生的生态数学模型

生态数学模型被认为是研究及预报水华的较好方法，但由于其参数繁多且不易确定等缺点限制了其使用，因此在对各个不同的湖泊研究时参数也不相同。目前主要的预测模型有以下几种：

① 神经网络数据模拟

神经网络（Artificial neural networks，ANNs）数据模拟已经被多次用来预测水华的形成。Friedrich Recknagel等分析了浮游藻类生长动力的影响因子和过程，采用神经网络算法处理数据，以日本的Kasumigaura湖、琵琶湖，芬兰的Tuusulanjaervi湖为例进行模拟，得出了理想的结论。

② 遗传算法程序

遗传算法（Genetic Programming，GP）在水华预测中也有运用。Nitin Muttil等运用遗传算法实时分析和预测海湾的水华过程。

③ 水华相关环境因子的逐步回归分析

陈宇炜等以太湖梅粱湾1992~1999年的连续监测资料为基础，运用多元逐步回归统计方法，选择水温等l5项环境理化因素与藻类叶绿素a、藻类总生物量和微囊藻生物量等3项生物因素进行逐步回归分析，找出与生物因素显著相关的环境因子，建立多元逐步回归方程，预测了梅粱湾藻类生物量的变化情况，初步进行了梅梁湾蓝藻水华的预测预报。

④ 灰色关联分析

林小苹等应用灰关联方法对2001年10月至2002年7月柘林湾海域的海水采样结果进行数据分析，在磷酸盐、硅酸盐等11项生态因子中找出影响浮游植物密度的关键因子。根据这个结果，进一步建立了以这些关键因子为自变量的线性回归模型，对于水华预测很有借鉴作用。

总之，蓝藻水华的形成是在蓝藻生物量积累到一定程度后，在适宜的气象和水文条件下，大量藻类聚集到水面，并在特定的湖区大量聚集而形成。对水华的预测也取得了不少成果，预测的关键是要了解蓝藻的生物量，确定水华形成的气象条件，结合气象预报，就有望对蓝藻水华进行预测。

国内外对水华预警的研究主要围绕3个方面展开：

① 利用单变量或多变量营养指标对水体营养程度进行预测；

② 利用水质模型对水体富营养化程度进行模拟和预测；

③ 利用地理信息系统或遥感系统对水华的发生进行预测。

以下就国内外水华预警模型研究进行详细介绍：

1. 国外水华预警模型研究进展

20世纪70年代湖泊学家们通过建立简单的磷负荷模型，用于评价、预测湖泊水体的营养状态。这类模型的典型代表是加拿大湖泊学家Vollenweider提出的Vollenweider模型。Vollenweider模型假定湖泊中随时间而变化的总磷浓度值等于单位容积内输入的磷减去输出的磷及其在湖内沉积的磷。到80年代，随着对水华和富营养化研究的不断深入，不少专家建立了一系列藻类生物量与营养物质负荷量之间的相关经验模型，其中比较经典的有Rast和Lee的经验模型。这类经验模型简单直观，使用方便，但都假定水体混合均匀、稳态，且限制性营养物质是唯一的，与实际情况往往有较大差别，更不能反映藻类生长的机理。进入90年代后，国外出现了更多对湖泊藻类的预测模型，较有名的有PACGAP模型（即藻类种群生长和生产力的预测模型）和PROTECH-2模型（即浮游植物与环境因子关系模型），以及由美国国家环境保护局提出一种多参数综合水质生态模型（Water quality analysis simulation program，WQASP）。

此后，越来越多的有针对性的水华预警模型被建立并得到成功应用。Scardi和Harding研究美国东部的Chesapeake Bay富营养化问题时，采用多层传感器，运用概括方法构造了两个人工神经网络模型，对处于富营养化的初级生产力进行了成功预测。Wei等建立了Kasumi-gaura湖的多因子水质关系模型，利用人工神经网络成功预测到了几种主要优势藻微囊藻（Microcystis）、席藻（Phormidium）和针杆藻（Synedra）的暴发。

Friedrieh Recknagel等根据12年以上的环境监测资料，利用神经网络建立了4个系统的淡水水华预测模型，对藻类发生的时间、数量级等的成功预测显示该类模型对复杂的非线性的生态现象进行预测的准确率达到了很高的程度。此外，Nitin Muttil，Joseph，Lee运用遗传算法对香港铜锣湾3年的叶绿素a、溶解氧和气象水文资料建立实时预测模型进行水华超前预测，也得到令人满意的效果。Marsili Libell利用15个月的水质监测值（溶解氧、pH、氧化还原电位、温度等）的变化来预测水华发生的可能性，运用模糊评价的方法建立了Orbetello湖的水华预警模型，进行了成功的水华预测。

2. 国内水华预警模型应用研究

国内对水华预警的研究起步较晚，近年来随着水体水质的恶化及不断发生的严重水污染事件，人们对环境问题越来越重视。国内对水质预报的研究工作已经全面展开，但更多着眼于大流域的水质预警和湖泊的综合水质预报。

朱继业等在研究物元分析理论的基础上，运用综合评判模型对南京市外秦淮河进行综合水质评定，并建立回归预警模型进行综合水质预报，在实际应用中取得了较满意的结果。董志颖等采用模糊综合评判法对吉林地区的地下水水质进行预警评价后，结合GIS系统得出了该地区的水质预警结果图。王东云等运用多层前馈神经网络模型和BP算法，对我国海域的水质富营养化水平进行了评价，只要将观测结果提供给网络，模型可自动将评价结果输出。刘载文等利用算法改进型的BP（Back propagation）神经网络，选择叶绿素含量、磷、氮磷比、电导率和水温五个参数作为模型输入，以预测1天、3天和5天后的叶绿素浓度为目标，构建了北京市长河水系水华短期预报系统，对该水系3个周期的预测精度分别达到了97.2%、94%、88.3%。王洪礼等利用支持向量机理论对海水水质富营养化的程度进行评价，并与BP人工神经网络方法所得结果进行比较，发现SVM理论能更好地解决小样本的分类评价问题，评价效果良好，在水质评价领域有较好的应用前景。韩涛等以MATLAB为工具，建立了评价湖泊水体富营养化状态的BP神经网络模型，应用此模型对我国9个湖泊富营养化程度进行评价。对比分级评分法、模糊数学法、Fuzzy-Grey决策法的评价结果，BP神经网络的评价结果更为准确。BP神经网络由于采用了足够多的学习样本对网络进行了训练，最大限度地避免了人为主观因素的影响，并经过样本的检验证明了网络具有很强的泛化能力，所以其评价结果更客观、可靠。曾勇等采用决策树方法和非线性回归方法建立湖泊水华预警模型。应用决策树方法预测水华暴发时机，非线性回归方法预测水华暴发强度。以北京“六海”为例，利用分段线性多元统计回归预测公式，建立了3个由叶绿素a、水量、水温以及总磷组成的回归方程。通过这几个回归方程来计算叶绿素a的含量，从而达到预测水华的目的。

近年来，随着科技的发展，更多的高新技术应用于水质预警中。GIS、RS应用比较广泛并取得了良好的效果。窦明等综合运用GIS、RS、网络、多媒体及计算机仿真等现代高新科技手段，对汉江流域的地形地貌、水质状况、生态环境、水资源分布等各种信息进行动态监测与处理，建立全流域水质基础信息平台、不同功能的水质模型及其相应的管理系统。汉江水质预警系统具备对汉江水质实时监控、水污染事故应急响应、水资源优化调度和水环境综合管理等功能。朱灿等以GIS和数据库管理系统（DBMS）为开发平台，建立了数字西江水质预警预报系统，在发生水污染突发事故后，能够快速预报污染物向下游的扩散时间、扩散面积、确定污染范围、污染程度及对下游取水口等所造成的影响，为决策部门提供决策支持。丰江帆等针对太湖的蓝藻暴发引起的太湖水质不断恶化，结合预警模型和GIS技术以太湖历年来的连续监测资料为基础，运用多元逐步回归统计方法，选择水温等多项环境理化因素与叶绿素a、藻类生物量、蓝藻生物量等生物因素进行逐步回归分析，建立起多元逐步回归方程，对太湖藻类生物量的变化情况进行预测预报。

3. 存在的问题及发展方向

近20年来，富营养化模型和水华预警模型得到了很大发展：状态变量由最初的几个发展到几十个；水体维数由一维稳态发展到多维动态；研究角度由简单的营养盐吸收发展到对生态系统分析模拟；研究对象由单一的藻类生长模拟发展到综合考虑水体的动力学、热力学及生物动态过程等。

但是，在建模过程中仍存在许多问题：

（1）建模所依据的数据量不足，缺乏统一详细的水体水化学方面的数据，这给模型的校正、验证造成很大困难，降低了水华预警模型的可靠性和适用性。

（2）模型缺乏真正生态系统所具有的灵活性，不能实时模拟环境的突变，因而预测结果不能反映水体生态系统的真实性。

（3）模型的模拟对象主要是营养盐的循环、浮游植物的生长和死亡的动态过程，水华预警模型在整个生态系统中非常独立，没有形成一整套水体管理决策支持体系。

为了克服上述问题，近期的报道提出了一些新的方法，例如：用模糊数据方法克服数据量不足的问题，用人工智能方法进行参数估计，用混沌与分形理论增强参数估计的能力，用灾变理论模拟系统结构变化，建立生态参数数据库，使用目标函数等。

王云中等采用微宇宙培养法分析了不同水动力条件（不循环、水循环和泥循环）对微污染景观湖泊富营养化模拟过程中藻类演替的影响。结果表明：水循环和泥循环使得水体的TP值前期增加后期减少，前期藻类生长主要受TP影响，而后期浊度成了重要的影响因素。水循环引起的TP值减少及蓝藻聚集状态的破坏，导致了藻类的生长明显减缓，但优势种的演化过程却变得复杂。泥循环导致了水体TP值的极大减少及浊度的极大增加，从而明显的抑制了藻类的生长，其优势种的演替过程也变得更简单。

富营养化模拟的发展趋势以学科相互渗透与交叉为主，如水体物理环境与藻类生态行为相结合，藻类生态学与分子生物学相结合。富营养化模型也将从单一的预测和评价发展成为多目标管理优化模型。随着新技术的发展，一些新的研究思路和技术也开始逐渐应用到水体富营养化模型中，比如在模型中综合考虑社会学、经济学和心理学因素，结合人工智能方法或GIS技术，从而使模型的适用性和可靠性得到进一步加强。综合运用GIS、RS、计算机仿真技术、多媒体技术等，对水体预警因子进行实时监测与处理，建立更符合水体实际的多维动态水华预警模型，进一步提高预警模型的可靠性，是水华预警模型研究的方向。