北京动物园水体水华发生的生态学机理

20 0 1年 7～ 10月间通过对北京动物园水体的水质监测 ,从生态学角度探讨各环境因子对水华过程的影响。同时 ,通过建立浮游植物生态模型 ,模拟了浮游植物的生物量变化。水质监测结果揭示 ,水体中叶绿素浓度与总磷浓度之间有明显的正相关关系。浮游植物生态模型的模拟结果和实测数据基本符合。浮游藻类的生物量的变化趋势主要受水温、光照和总磷浓度的影响 ,而总磷浓度和光照的影响大于温度的影响。夏季藻类增长对光照的影响比其它季节更为敏感。浮游动物的捕食作用在藻类的衰减率中占有的比例明显小于其它因子 ,浮游动物对藻类的影响不大。     

湖面亮温对巢湖水华影响的遥感监测分析

利用2002～2007年NOAA气象卫星搭载的先进甚高光谱分辨率辐射计(NOAA/AVHRR)资料,对巢湖蓝藻水华发生频次和湖面亮温的时空分布规律进行统计分析,得到巢湖水体表面亮温的时空分布规律,并探讨其与气温、降水等气象因子以及水华之间的关系和可能存在的机制.从结果来看,湖面亮温与水华发生频次的空间分布规律相近,而在时间分布上存在着较大的差别.一方面,空间分布的相似性表明,湖面亮温高的区域容易发生水华现象;另一方面;时间分布的不一致性表明还有其它的因素会影响水华的发生.通过讨论,得出以下结论:①以5月为分界线,巢湖水华总体上可以分为春季和夏季两大暴发期,春季藻类在较低的水温条件下就能生长繁殖,并暴发水华,但难以形成较大的规模.②受降水量增加的影响,在气温达到最高值的7月不仅湖面亮温所有降低,而且水华发生频次也有所减少.     

不同扰动强度对浮游藻类群落结构演替的影响

三峡水库蓄水后,库区支流水华频发。为研究水华生消机理,以中度扰动理论为指导,在神农溪支流水库敏感区域设立围隔实验系统,研究不同扰动强度对浮游藻类群落结构演替的影响。设置不同扰动强度,对围隔水体叶绿素a浓度(ρ(Chl-a))、浮游藻类细胞密度进行跟踪监测。结果表明,无扰动的围隔浮游藻类生长最迅速,并暴发水华,ρ(Chl-a)最高值达到53.725 mg/m3,浮游藻类细胞密度最高值达到111.42×106cells/L,而有扰动的围隔浮游藻类则生长缓慢,扰动越强ρ(Chl-a)及藻细胞密度越低,它们与扰动强度呈显著负相关(r1=-0.918,r2=-0.845)。中度扰动理论适合本实验,存在一个临界扰动强度,浮游藻类多样性水平最高,多样性指数最高值为3.329;低于临界值时优势藻种生长较快抑制其他藻种的生长,高于临界值时不利浮游藻类生长,藻类生物量及生物多样性水平降低。     

北方富营养分层型水库藻类季节性暴发机制及其阈值分析

季节性藻类水华严重威胁供水安全,为探明北方富营养分层型水库藻类季节性暴发机制,以李家河水库为例,于2017～2020年开展长期连续高频监测,采用传统藻群和功能藻群分类法,并耦合局部加权回归法和边界分析模型,提炼藻华季节性(春季和夏季)演替规律及暴发环境因子阈值.结果表明：(1)春季和夏季藻华演替规律及响应机制不同,春季以绿藻、硅藻和甲藻为主,而夏季以绿藻、硅藻和蓝藻为主;其中,春季以低温、小型且高比表面积藻为主,而夏季以高温、大型或团状且低比表面积藻为主;藻类生理和形态特征差异是造成季节性藻华的主要内因;(2)春季和夏季藻华主要驱动因子不同,春季藻华主要为水温、混合层深度(Z_mix)和光利用率(Z_eu/Z_mix)控制,而夏季藻华主要受水温、Z_mix、Z_eu/Z_mix和总磷(TP)的共同影响;主驱动因子的变化差异是诱发季节性藻华的主要外因;(3)春季和夏季藻华暴发的水环境阈值不同,春季藻类暴发的水温、Z_mix和Z_eu     

西南山区典型河道型水库藻类功能群时空演替特征及其影响因素:以紫坪铺水库为例

为了解中国西南山区河道型水库——紫坪铺水库的藻种类的构成、演替及其影响因素,于2016年4月~2017年3月对紫坪铺水库8个点位进行采样分析,首次探索该区藻类生物量、藻类构成并进行藻类功能分组、分析环境因子与功能群之间的关系.结果表明,共检出藻类6门49属,其中绿藻门18属,硅藻门15属,裸藻门7属,蓝藻门6属,甲藻门2属,隐藻门1属,可分为21个功能群:B、C、D、F、G、H_1、J、L_0、L_M、M_P、N、P、S_2、T、W_1、W_2、X_1、X_2、X_3、Y、Z.紫坪铺库区一年内不同时期的藻类优势功能群存在明显差异,其中W_2、Y、L_0、W_1、M_P、B是紫坪铺水库的优势藻类功能群.该库区藻类C-R-S生长策略的季节演替过程中,R策略藻种长期占据优势地位,S与C策略藻种占优时间相对较少.紫坪铺库区2016年6月发生轻度水华,水华藻种为甲藻门多甲藻属,其功能群分组为L_0,生长策略为S型胁迫耐受者.藻密度、叶绿素a、水温、五日生化需氧量是主要的影响因子,其中水温的变化对藻类功能群演替影响程度最大.     

基于复杂网络同步特征的水华暴发数值模型

基于复杂网络的同步特征和藻类动力学生长特性, 以汉江近年来水华污染的现场监测资料为例, 并结合氮磷浓度、水温等实测数据构建了水华暴发的数值模型, 用以描述藻类生长和水华暴发的动力学机制; 同时, 利用达到指定藻生物量临界值的网格数规模作为判定水域是否暴发水华以及规模大小的依据, 从复杂网络同步特性的角度验证了水华暴发的临界性和全局突发性, 进而揭示了水华暴发现象是水域子区域整体协同作用的结果. 计算结果表明, 如果达到临界值的网格数超过指定的规模, 相应水域将暴发水华, 且网格达到峰值状态持续的时间越长, 水华污染越严重.     

新立城水库藻类水华环境因子分析及其预警监测

调查研究表明长春市新立城水库发生小范围藻类水华期间浮游植物藻类群落结构变化不明显,种群丰度增加。对监测数据进行了分析并与该地区非水华期间的监测数据相比较;同时对水质进行了环境因子相关性及对藻类水华的影响分析。结果显示溶解氧和温度是影响水库叶绿素a值变化的主要环境因子,且可以作为北方湖泊藻类水华预警的主要监测指标。     

水电梯级开发对乌江流域浮游植物分布的影响

调查研究了乌江流域贵州段5个水库上游来水、库区、坝下浮游植物的种类、密度和生物量,结果显示,库区较电站上游来水浮游植物种类增加,其中绿藻门、蓝藻门种类增加较多,硅藻门种类仍然是水库库区的主要种类,库区浮游植物密度和生物量分别为上游来水的2.06倍和1.77倍。库区浮游植物数量的增加幅度与水库调节能力、水体营养负荷及库区周边环境等因素有关。索风营水库为日调节型水库,水文情势较原河流变化较小,库区浮游植物增加幅度较小,而洪家渡水库为多年调节水库,水文情势的变化差异很大,库区浮游植物密度和生物量较上游来水显著增加。     

常见卫星传感器在蓝藻水华监测中的应用进展

在全球气候变暖的背景下,湖泊富营养化程度日益加剧导致了全球范围内蓝藻水华暴发频次和暴发范围的逐步增加。利用传统水质监测方法实现蓝藻水华的实时动态监测尚存困难,而遥感技术具有监测范围广、速度快和成本低等优势,于蓝藻水华动态监测中得到了广泛应用。文章在介绍湖泊蓝藻水华遥感监测的原理和方法的基础上,对几种常见卫星传感器在湖泊蓝藻水华监测中的应用现状进行了总结,对比了各种传感器和反演模型的优缺点,最后对目前湖泊蓝藻水华遥感监测研究中存在的不足和发展方向作了分析和展望。     

太湖地区太阳辐射与水温的变化特征及其对叶绿素a的影响

基于中国科学院太湖湖泊生态系统研究站1993年以来的常规监测资料,利用比较与数理统计相关分析方法对太湖地区的太阳辐射和水温变化特征及其对水体叶绿索a浓度的影响进行分析.结果显示,太湖地区太阳总辐射、光合有效辐射、光合有效辐射占总辐射的比例及水温总体上都呈上升的趋势.其中,光合有效辐射的增长速率大于总辐射的增长速率,年际水温增长率春季秋季>夏季.太阳辐射及水温的年内变化呈夏季大,春秋季次之,冬季最小的特征.此外,太阳辐射和水温与叶绿素a呈显著正相关关系(P<0.01),太阳辐射特别是光合有效辐射和水温的增加为藻类的大量生长和水华暴发提供了良好的物理条件,太湖蓝藻水华初始暴发时间有逐年前移的趋势且水华持续时间逐年增加.     

红色赤潮藻主导的混合赤潮对浮游生物群落结构的影响——以浙江南部沿海为例

根据2016年6月中旬浙江南部沿海一次红色赤潮藻主导的混合赤潮的调查数据,分析了赤潮海域和非赤潮海域浮游生物的种类及丰度、优势种、多样性指数差异以及其与水环境因子的相关性。结果表明,该海域共鉴定出浮游植物22种,浮游动物20种,赤潮区浮游植物平均丰度显著高于非赤潮区,赤潮区与非赤潮区浮游动物平均丰度和生物量差异不显著。赤潮区浮游植物均匀度指数显著低于非赤潮区,而赤潮区和非赤潮区浮游动物各指数均差异不显著。赤潮发生对桡足类影响较大,其在赤潮区的种类和丰度均显著少于非赤潮区。主成分分析结果表明非赤潮区最主要优势种红色赤潮藻与氮磷浓度呈正相关,赤潮区则相反。浮游动物总丰度在非赤潮区及赤潮区均与叉状角藻丰度呈正相关,与有毒赤潮生物具刺膝沟藻丰度呈负相关。以上结果表明红色赤潮藻为主的混合赤潮爆发能够显著改变赤潮发生海域浮游生物的群落结构。     

基于天地协同的巢湖水华分布特征分析

基于MODIS影像监测2016年巢湖蓝藻水华分布,结果表明：水华的频次,持续时间从西北部水域向东南部水域逐渐减弱;西半湖湖心水华开始日期最早（5月19日）,持续时间最长为131d,塘西水华发生频次较多（10次）.进一步将水华遥感监测结果与同步水面实测水质参数数据（藻密度,叶绿素a,总氮,总磷）进行相关性分析,利用Q型聚类分析将水面实测采样点分为东区和西区两部分.西区藻密度,叶绿素a,总氮,总磷和水华面积相关性较强（R²均大于0.6）.     

基于宏条形码技术的白洋淀水华藻类识别及其驱动因子分析

浮游藻类是引起水华暴发的主要原因.为筛选潜在水华藻类,评估白洋淀水华风险区域,于2020年8月对白洋淀373点位展开浮游藻类调查.利用宏条形码技术分析,解析水华藻类群落组成,同时采用显微镜计数法统计藻密度.根据总藻密度对白洋淀不同区域的水华程度进行评估,同时进一步针对水华藻类群落,耦合淀区水质条件,探究白洋淀不同区域水华藻类群落空间差异驱动因子,以甄别影响水华藻类群落结构关键环境因子.结果表明,95%以上采样区域无水华风险(藻类密度<2×10⁶个·L^-1),仅5个样点存在轻微水华风险.但水华藻类群落分析共检测到了90种水华藻类,其中优势水华藻种有20种,隶属于以绿藻门、蓝藻门和裸藻门为主.水华藻类群落结构在不同区域上具有显著空间异质性(P<0.05).关键驱动因子解析结果表明,总磷(TP)、总氮(TN)和氨氮(NH⁺₄-N)是造成水华藻类群落结构差异的关键因子.其中,门水平上,蓝藻门水华藻类与以上关键因子显著正相关;种水平上,硅藻门和绿藻门水华藻类与关键因子响应更显著.因此,水华藻类群落...     

A vertically integrated eutrophication model and its application to a river-style reservoir-Fuchunjiang,China

Based on a 2-D hydrodynamic model, a vertically integrated eutrophication model was developed. The physical sub-model can be used for calculation of water density at different depths and the water quality sub-model was for calculation of algal growth. Suspended solids were divided into two types of sediment which named cohesive and non-cohesive sediments and simulated using separate methods. The light extinction coefficient used in the underwater light regime sub-model was linearly related to the sum of sediment and phytoplankton biomass. Some components less important to the model were simplified to improve practicability and calculation efficiency. Using field data from Fuchunjiang Reservoir, we calculated the sensitivity of ecological parameters included in this model and validated the model. The results of sensitivity analysis showed that the parameters strongly influenced the phytoplankton biomass including phytoplankton maximum growth rate, respiration rate, non-predatory mortality rate, and settling rate, zooplankton maximum filtration rate, specific extinction coefficient for suspended solids and sediment oxygen demand rate. The model was calibrated by adjusting these parameters. Total chlorophyll a (chl-a) concentrations at different layers in the water column were reproduced very well by the model simulations. The simulated chl-a values were positively correlated to the measured values with Pearson correlation coefficient of 0.92. The mean difference between measured and simulated chl-a concentrations was 12% of the measured chl-a concentration. Measured and simulated DO concentrations were also positively correlated (r=0.74) and the mean difference was 4% of measured DO concentrations. The successful validation of model indicated that it would be very useful in water quality management and algal bloom prediction in Fuchunjiang Reservoir and a good tool for water quality regularation in other river-style reservoirs.     

汉江下游河流型水华暴发的多影响要素特征识别

水体富营养化通常发生于湖泊和水库等闭合水域,在大型流动性河流中通常较少发生.然而,随着近年来人类活动的干扰,汉江中下游水华事件频繁暴发,给沿岸居民的饮用水安全带来了严重隐患.科学辨识可能导致汉江下游水华暴发的多要素变化特征,是揭示河流水华成因和优化上游水利工程调度的重要依据.基于收集的汉江流域下游气象、水文、水环境和水生态长序列数据,系统检测了可能导致汉江河流型水华暴发的多要素特征和不同时期的变化差异.结果表明:①汉江中下游降雨量（1961-2015年）下降、气温（1961-2012年）显著上升,汉江流域近50年气候逐渐呈现暖干的变化趋势.②1992-2013年汉江中下游径流变化呈显著下降趋势,在水华严重暴发的2008-2011年,汉江干流中下游主要断面年均流量和水位均处于历史上相对较低的一段时期.③2004-2014年汉江下游主要水环境指标变化趋势不显著,但总体水质状况较差,水华年ρ（COD_Mn）和ρ（TP）明显高于非水华年.④汉江水华暴发季节时间自2008年后有明显前移趋势,每年春季的2月中下旬-3月中旬将是水华暴发的重点防控时段.研究显示,汉江下游藻密度的变化相对于营养盐和水文情势要素更加敏感,在不同水华暴发时期的差异也最为显著,是导致河流型水华暴发的主要驱动因素.      

基于MODIS数据的洞庭湖水体和水华时空变化研究

为明确洞庭湖水华发生规律、水体面积的变化规律及其影响因子,利用MODIS传感器提供的MOD02HKM数据,采用多波段水体指数（MBWI）模型、浮游藻类指数（FAI）方法识别、提取洞庭湖水体、水华范围,并对2001~2015年洞庭湖水体、水华时空分布数据进行分析.结果表明：洞庭湖的水面范围在年内呈现明显的季节变化,在年际成缩减趋势.水域面积由大到小依次是夏季、秋季、春季、冬季,且2001~2015年丰水期水体的平均面积是枯水期的2.2倍;2001~2015年洞庭湖水域面积萎缩速率为-14.574km²/a,其中夏季的萎缩速率最大,达到-38.678km²/a;2001~2015年期间,洞庭湖区域均发生水华,水华主要集中发生在东洞庭湖的西部湖湾区,西洞庭湖和南洞庭湖的水华则沿河岸零星分布;洞庭湖水华存在明显的季节变化和年季变化.每年水华面积基本呈现正态分布,最小值出现在冬季,最大值出现在夏季和秋季,其值达到681.43km²;2001~2015年水华爆发面积最高占全湖面积的18.2%,水华面积年平均变化率为-8.657km²/a,水华爆发面积呈现缩小的趋势.     

基于NARX神经网络的千岛湖藻类短期预测模型构建

局部水域的藻类异常增殖现象逐渐成为千岛湖面临的水环境保护难题. 构建以数据驱动的水华预测模型,实现对重点水域叶绿素a (Chla)浓度短期动态变化的预测,是快速应对潜在水华风险的有效手段之一. 鉴于NARX神经网络在预测非平稳时间序列动态特征方面的优势,以千岛湖国控监测断面小金山2016—2019年Chla的高频时间序列作为研究对象,对Chla剖面数据进行沿深平均、缺失值插补后,分别以连续3 d和连续7 d的Chla浓度作为输入,构建了基于NARX神经网络的藻类预测模型,用于预测未来0.5~7 d Chla浓度的变化,探讨了相关参数设置、训练及评价方法,并针对不同的预见期分析了模型性能. 结果表明:① 模型预测性能稳定,预测值与实测值相关系数保持在0.8~0.9之间,均方误差在15~30之间. ②随着预见期的变化,模型性能不同. 其中,在未来0.5~4 d的预测中,使用连续3 d的 Chla浓度作为输入的预测效果较好;在未来4.5~7 d的预测中,使用连续7 d的Chla浓度作为输入的预测效果较好. 研究显示,该模型可以较为准确地预测未来0.5~7 d的Chla浓度,可为构建以数据驱动的千岛湖水华监测预警系统提供科学依据.      

广东省沿岸海域藻华发生的时空特征

本文收集了1980—2017年广东省沿岸藻华发生数据,并进行了系统分析,结果表明藻华发生区域主要集中于珠江口附近、大鹏湾和大亚湾水域,具有明显的时空特征。不同区域的藻华种类差异明显,广东西部多发硅藻藻华,广东中部多发甲藻藻华,广东东部多发金藻藻华。且各地区主要藻华种类的发生也呈现出不同的年际和季节差异,广东沿岸中部地区每年几乎都有藻华出现,其中大鹏湾海域在2000年以后无硅藻藻华发生,大亚湾海域在2002年之前以硅藻藻华为主,2002年以后以甲藻藻华为主;而东部和西部在2000年以前几乎无藻华发生,直到2000年以后才开始频繁出现藻华。西部地区（湛江海域）夏季多发硅藻藻华,中部地区的珠江口春季多发有毒藻华,大鹏湾春季多发夜光藻（Noctiluca scintillans）藻华,大亚湾夏秋季节多发锥状斯氏藻（Scrippsiella trochoidea）藻华,广东东部的球形棕囊藻（Phaeocystis globosa）藻华可在全年出现。综上,广东省藻华原因种类分布具有明显的地域和季节特征,因此需要对不同地区的藻华发生情况和可能诱因进行有针对性的监测和研究,采取区域化的管理,以期能够更合理高效地利用和保护广东省的海洋资源。     

广东大亚湾藻类水华的动力学分析Ⅰ. 藻类水华的生消过程及其与环境因子的关系

1998年广东大亚湾澳头海域先后发生日本星杆藻(Asterionellajaponica)水华(01-24～02-23)、细弱海链藻(Thalathiosirasubtilis)水华(04-08～04-20)、裸甲藻(Gymnodiniumspp.)水华(04-29～05-08)、角毛藻(Chaetocerosspp.)水华(05-11～05-20)。本文研究了水华期间藻类的生消过程及其动态变化,并分析环境因子在水华形成和消亡过程中的作用和机制。研究结果显示稳定、适宜的水温是水华形成的必要条件,水温的急剧改变是水华消散的重要原因。海水盐度的大幅度波动与水华的消散密切相关。连续的低光照对藻类有诱导作用,而不同的藻类对光照强度的需求和反应并不完全相同。