基于高频监测的千岛湖湖心藻类时空变化研究

为探究亚热带深水水库藻类时空变化特征,在千岛湖(新安江水库)湖心区布设藻类荧光分析仪(BBE FluoroProbe)浮标,对该区域藻类门类的剖面变化进行为期1年的高频观测.结果表明：在夏季暴雨之后的高温晴热期(7月底至8月底),水库藻类总量出现峰值;不同门藻类的数量峰值出现时间有差异,硅藻门、甲藻门的藻类数量峰值出现在4月底至7月下旬,蓝藻门和绿藻门藻类数量峰值出现在6月中旬至9月初;不同门藻类在垂向上出现数量峰值的深度也不同,绿藻门藻类数量的垂向峰值出现在1 m左右的表层,而蓝藻门、硅藻门、甲藻门的垂向数量峰值出现在3～5 m的次表层.统计分析发现,温度、总磷浓度和光照强度与湖心区藻类细胞密度时空变化显著相关.暴雨过程会对藻类群落结构变化产生两方面影响：一方面会降低温度和光照强度,抑制藻类生长;另一方面会带来大量的营养盐,刺激藻类生长.研究显示：藻类荧光分析仪等高频监测浮标能高效捕捉藻类水华等关键水生态风险过程,能为湖库水源地水质风险提供预警信息;在极端天气事件发生频率增加的气候背景下,应加强对灾害性藻类异常增殖问题的关注.     

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.      

基于高频监测的千岛湖湖心藻类时空变化研究

为探究亚热带深水水库藻类时空变化特征,在千岛湖(新安江水库)湖心区布设藻类荧光分析仪(BBE FluoroProbe)浮标,对该区域藻类门类的剖面变化进行为期1年的高频观测.结果表明：在夏季暴雨之后的高温晴热期(7月底至8月底),水库藻类总量出现峰值;不同门藻类的数量峰值出现时间有差异,硅藻门、甲藻门的藻类数量峰值出现在4月底至7月下旬,蓝藻门和绿藻门藻类数量峰值出现在6月中旬至9月初;不同门藻类在垂向上出现数量峰值的深度也不同,绿藻门藻类数量的垂向峰值出现在1 m左右的表层,而蓝藻门、硅藻门、甲藻门的垂向数量峰值出现在3～5 m的次表层.统计分析发现,温度、总磷浓度和光照强度与湖心区藻类细胞密度时空变化显著相关.暴雨过程会对藻类群落结构变化产生两方面影响：一方面会降低温度和光照强度,抑制藻类生长;另一方面会带来大量的营养盐,刺激藻类生长.研究显示：藻类荧光分析仪等高频监测浮标能高效捕捉藻类水华等关键水生态风险过程,能为湖库水源地水质风险提供预警信息;在极端天气事件发生频率增加的气候背景下,应加强对灾害性藻类异常增殖问题的关注.     

湖库富营养化指标的高频监测方法研究

湖泊和水库中蓝藻水华等富营养化灾害的形成往往只需几天的时间,因此,在富营养化水体的水质管理上需要进行高频的水质指标监测.本研究以新安江水库(千岛湖)为例,基于水质传感器探头现场获取的水质参数,采用多元逐步回归分析方法,获得总氮(TN)、总磷(TP)、高锰酸盐指数(CODMn)、叶绿素a(Chl)、营养状态指数(TSI)、透明度(SD)等指示湖库富营养化状况的关键水质指标与水体藻蓝素(PC)、浊度(TURB)、有色可溶性有机物(CDOM)、电导率(EC)、溶解氧(DO)等现场水质参数之间的定量关系,以满足高频监测湖泊富营养化关键指标的需要.结果表明,2013年调查期间,新安江水库各湖区水质差异较大,调查的54个点位中,SD介于1.10~8.60 m之间,TN介于0.78~1.68mg·L-1之间,TP介于7.90~71.1μg·L-1之间,具有较为宽泛的代表性.相关分析表明,CDOM与TN、TP、CODMn、Chl、TSI、SD均存在显著的相关关系,可以作为新安江水库水质富营养化状况的一个重要自动监测指标;TURB与TP、Chl、SD、TSI之间也显著相关,PC则与TN、CODMn相关,而探头获得的叶绿素浓度值(Chls)与TN、SD显著负相关.通过与实测值比较表明,统计分析建立的富营养化指标多元回归方程估算值与实测值吻合度较高,能够满足水体管理的需要.本研究为湖泊和水库的富营养化灾害监控、预警提供了理论依据.     

风场对太湖梅梁湾水华及营养盐空间分布的影响

为了解风场对湖泊表层蓝藻水华及营养盐空间分布的影响,以太湖梅梁湾为例,在蓝藻水华期间开展表层粒子漂流实验,研究风场对水体表层物质的推移规律,并开展全水域水体表、中、底层密集布点采样,测定水体藻类叶绿素a、氮、磷、高锰酸盐指数、溶解性有机碳、溶解氧等水质指标,探讨风场驱动下大型浅水湖泊蓝藻水华及营养盐时空分布特征.结果表明,在平均风速1. 9 m·s~(-1)和2. 3 m·s~(-1)的情况下,表层粒子的平均漂移速度分别为3. 0 cm·s~(-1)和5. 0 cm·s~(-1);风场对表层水体蓝藻水华的空间分布具有决定性影响,能够引起蓝藻水华在空间上较高的异质性;蓝藻水华物质的空间变化对水体颗粒态氮、磷、有机质和溶解氧等水质指标产生较大影响,表、中、底层颗粒态氮和磷、高锰酸盐指数与叶绿素a浓度的空间分布一致,而溶解态氮、磷浓度及溶解性有机碳的分布与叶绿素a浓度分布不尽相同;蓝藻水华物质在风场作用下的再分配对水体溶解氧产生复杂的影响,底层溶解氧平均值低于表层与中层,可能对沉积物营养盐释放产生影响;依据高密度布点调查估算,仅表层20 cm,梅梁湾水域的蓝藻干物质赋存量约396 t,远大于蓝藻打捞工程的清除量.研究表明,鉴于水华期间风场作用下对蓝藻水华漂移的巨大影响,在湖泊水质调查采样方法及数据分析时应充分考虑蓝藻水华漂移的影响因素;防控湖泛灾害的蓝藻打捞作业对湖体蓝藻水华赋存量的清除能力有限,只能对岸边带湖泛的预防产生影响.