朱廣偉，施 坤，李 未，李 娜，鄒 偉，國超旋，朱夢圓，許 海，張運林，秦伯強

(1:中國科學院南京地理與湖泊研究所,湖泊與環(huán)境國家重點實驗室,太湖湖泊生態(tài)系統(tǒng)研究站，南京 210008)(2:南京師范大學虛擬地理環(huán)境教育部重點實驗室，南京 210023)

在持續(xù)高投入治理10年之后，太湖藍藻水華仍處于高發(fā)態(tài)勢. 特別是2017年，太湖的藍藻水華強度和水體總磷濃度雙雙反彈，給太湖藍藻水華防控及周邊城市飲用水安全保障帶來了挑戰(zhàn)[1]. 除了太湖之外，國內(nèi)外多個類似大型湖庫的藍藻水華暴發(fā)強度都出現(xiàn)了高強度治理背景下的反復(fù). 如巢湖近年來的治理投入大，藍藻水華控制收效不佳，2012-2018年間，巢湖水質(zhì)改善的效果變緩，雖然氨氮濃度繼續(xù)下降，但2018年藍藻水華的面積反而增加，水體總氮、總磷濃度也反彈增高[2]. 我國浙江省富春江水庫，在“五水共治”水污染治理行動全面鋪開、河道水體營養(yǎng)鹽開始下降的情況下，卻于2016年8月發(fā)生了較大規(guī)模的藍藻水華狀況[3]. 美國伊利湖自1960s實施了嚴格的營養(yǎng)鹽控制措施，成功控制藍藻水華數(shù)十年，但近年來藍藻水華再次出現(xiàn)，2011年甚至暴發(fā)了歷史上最大規(guī)模的藍藻水華[4]；2014年8月1日，因藍藻水華引起的水廠出水藻毒素超標，伊利湖畔60萬人口的城市Toledo中斷供水2天[5]. 即使在水質(zhì)優(yōu)良的貝加爾湖，2016年7月26日也發(fā)生了數(shù)平方千米的長孢藻(Dolichospermum)水華[6]. Ho等通過遙感反演的方法評價了全球85個重要湖庫過去30年的藍藻水華變化趨勢，發(fā)現(xiàn)大多數(shù)水體的藍藻水華問題仍在加重[7]. 這些現(xiàn)象都表明，即使人類控制湖庫富營養(yǎng)化的力度在加強，但是由于人類活動產(chǎn)生的污染負荷增加，損害湖庫流域自凈能力的土地擾動強度增加，氣候變暖等有利于發(fā)生藻類水華的自然環(huán)境條件在惡化，湖泊和水庫等重要水體的藍藻水華風險仍將在較長時間內(nèi)存在. 研發(fā)湖庫藍藻水華風險預(yù)測技術(shù)，提前對湖泊和水庫的藍藻水華發(fā)生強度及其引發(fā)的環(huán)境風險實施預(yù)測，指導(dǎo)管理部門充分應(yīng)對，顯得十分必要.

關(guān)于藻類水華災(zāi)害的預(yù)測預(yù)警技術(shù)，起步于20世紀末，近年來得到快速發(fā)展. 尤其是短期預(yù)測預(yù)報技術(shù)的發(fā)展迅速. 1999年，美國新澤西州Rutgers大學海洋與海岸帶研究所的Schofield等提出了利用遙感技術(shù)與水體光學探頭原位監(jiān)測為信息支撐，采用簡單推算模型的方法實施海洋赤潮短期預(yù)測的概念[8]. 隨后，香港大學的Wong等在對近海赤潮短期預(yù)報的機理模型及條件閾值等方面進行了系統(tǒng)完善，并于2000-2003年在香港海灣實踐了赤潮預(yù)測[9]. 美國海洋與大氣局(NOAA)依托大尺度遙感監(jiān)測信息，從2004年開始對墨西哥灣的腰鞭毛藻(Kareniabrevis)赤潮進行預(yù)測，從2008年起對緬因灣芬地亞歷山大藻(Alexandriumfundyense)赤潮實施預(yù)測，2011年開始對伊利湖的微囊藻(Microcystis)水華實施預(yù)測[10]. Tian等則在深圳灣構(gòu)建了完善的原位監(jiān)測-遙感監(jiān)測-水動力生態(tài)模型及基于GIS系統(tǒng)的結(jié)果展示海灣赤潮監(jiān)測預(yù)測系統(tǒng)HMFS，實現(xiàn)了5 d的大面積海域赤潮短期預(yù)報[11]. 由于海灣環(huán)境變化和流場變化的復(fù)雜性，關(guān)于海灣的赤潮預(yù)測，目前都是一周以內(nèi)的短期預(yù)報，未見有中長期預(yù)測的研究報道.

內(nèi)陸水體的藻類水華預(yù)測技術(shù)方面，孔繁翔、秦伯強、李未等在太湖開展了大量的探索. 通過對太湖藍藻水華不同生長階段限制因子的辨識，孔繁翔等提出了以衛(wèi)星遙感數(shù)據(jù)和湖面人工巡測為數(shù)據(jù)驅(qū)動、以未來1～3 d氣象條件為預(yù)測情景條件的太湖藍藻水華短期預(yù)測預(yù)警方法，并從2007年7月起在太湖開始應(yīng)用[12]. 秦伯強、李未等則從藍藻水華漂移堆積的水動力過程精準模擬入手，開發(fā)了基于三維水動力模型支撐的太湖藍藻水華預(yù)測預(yù)警系統(tǒng)并長期實施業(yè)務(wù)化運行[13-15]. 葉麟和蔡慶華則基于逐日單點水質(zhì)及環(huán)境參數(shù)的監(jiān)測，開發(fā)了利用人工神經(jīng)網(wǎng)絡(luò)(ANN)預(yù)測未來7 d的大型水庫支汊藍藻水華風險預(yù)測方法[16]. 此后，大量關(guān)于湖庫藍藻水華短期預(yù)測的方法被報道. 這其中絕大多是基于模型算法方面的短期預(yù)測嘗試和改進[17-21].

關(guān)于年際尺度、季度尺度的中長期藍藻水華情勢預(yù)報技術(shù)的報道很少. 與海灣相比，湖泊和水庫生態(tài)系統(tǒng)更加封閉，環(huán)境條件更加穩(wěn)定，具備在更長尺度上實施藍藻水華強度預(yù)測的可行性. 孔繁翔等根據(jù)藍藻水華形成的“四階段假說”理論，基于2007年的藍藻種源情況、影響藍藻水華強度的水環(huán)境現(xiàn)狀及2008年的水文和氣候預(yù)測，對2008年的藍藻水華開始時間、夏季強度及秋季結(jié)束時間等進行了定性預(yù)測[12]. 美國海洋與大氣局的Stumpf等從2012年開始對伊利湖的藍藻水華情勢實施了提前一個月到提前一個季度的預(yù)測嘗試[22-23]. 通過構(gòu)建春季經(jīng)由西伊利湖主要污染入流河道Maumee河的入湖有效磷負荷與夏季藍藻水華強度之間的關(guān)系，建立了伊利湖夏季藍藻水華強度的定量預(yù)測方法[23]. Obenour等在其基礎(chǔ)上，通過貝葉斯層次模型進一步優(yōu)化了預(yù)測模型的應(yīng)用范圍，將水華期藻類葉綠素a濃度與春季磷負荷的響應(yīng)關(guān)系細分為3類，分類使用不同模型進行預(yù)測，提升了模型預(yù)測的精度[24]. 盡管該預(yù)測結(jié)果不盡理想，但是該預(yù)測的思路為進一步開發(fā)中長期藍藻水華預(yù)測技術(shù)提供了借鑒.

太湖是國際上關(guān)于湖泊藍藻水華情勢及環(huán)境條件觀測記錄最完整的湖泊之一. 基于太湖湖泊生態(tài)系統(tǒng)研究站(簡稱“太湖站”)的觀測記錄數(shù)據(jù)庫，回溯太湖藍藻水華年度強度與環(huán)境因子之間的關(guān)系，有望建立切實可行的湖泊藍藻水華季度/年度情勢預(yù)測方法. 因此，本文通過對2005-2019年太湖藍藻水華情勢及相關(guān)水質(zhì)、水文、氣象關(guān)系的統(tǒng)計分析，試圖構(gòu)建利用早春氣象、水文及營養(yǎng)鹽條件與年度藍藻水華強度之間的定量關(guān)系，探索一種能對全年藍藻水華情勢實施定量預(yù)判的方法，為太湖及類似的富營養(yǎng)湖庫藻類水華防控提供理論支撐.

1 材料與方法

1.1 年度藍藻水華強度估算

采用兩種信息綜合對太湖的年度藍藻水華強度進行評估. 第一，太湖年度水體浮游植物葉綠素a人工監(jiān)測的加權(quán)平均濃度. 這是一種能夠定量反映全湖全年浮游植物生物量的指標. 本文采用太湖站每年2月、5月、8月、11月4次全太湖32個觀測點采樣(分上、中、下3層采樣后混合水樣)分析獲得的水體浮游植物葉綠素a濃度，按照泰森多邊形的方式獲得各個點位的水量權(quán)重，加權(quán)計算出全年水體浮游植物葉綠素a濃度平均值，計作[Chl.a]LB，具體布點及加權(quán)平均值計算方法見文獻[25]. 第二，采用每月多幅遙感影像獲得的全年太湖藍藻水華面積平均值，記作ABL. 這是一種定量精準反映全湖水華分布及其動態(tài)變化的指標. 本文采用的太湖藍藻水華面積及其葉綠素a的遙感反演方法見文獻[26]，遙感影像數(shù)據(jù)采用MODIS aqua L-0數(shù)據(jù)，2005年1月1日-2019年12月31日的5000余景的逐日影像從NASA的Goddard Space Flight Center Web網(wǎng)站下載(oceancolor.gsfc.nasa.gov)，經(jīng)目視遴選，共獲得太湖湖面無云可用的1522景影像實施水體葉綠素a濃度反演，反演的葉綠素a濃度記作[Chl.a]RS，其反演算法[27]為：

[Chl.a]RS=-1545.3- [(EXP(Rrc(645))-EXP(Rrc(859)))/

(EXP(Rrc(645))+EXP-(Rrc(859)))]+69.346

(1)

在本文中，[Chl.a]LB、[Chl.a]RS、ABL均可以在一定程度上反映當年的藍藻水華強度. 為了更為客觀地反映藍藻水華的藻類生物量和水華面積特征，構(gòu)建藍藻水華強度指數(shù)BI(Bloom Intensity)，定義BI為[Chl.a]LB與ABL的乘積與統(tǒng)計期間(2005-2019年)該值最大值的比值.

(2)

式中，i是具體某年份，而max則是2005-2019年的最大值，為2017年. 按此公式，2017年的BI值為100，其余年份與之相比. 對未來值而言，BI值允許大于100.

1.2 相關(guān)環(huán)境因子數(shù)據(jù)及其來源

根據(jù)施坤等對2003-2017年太湖藍藻水華物候?qū)W的分析[26]，溫度、降雨、風速、營養(yǎng)鹽等均為影響太湖藍藻水華情勢變化的重要環(huán)境條件. 從預(yù)測的操作性方面，我們分別從氣象、水文、營養(yǎng)鹽3個方面考慮影響年度太湖藍藻水華強度的環(huán)境因子.

氣象要素方面，從太湖湖泊生態(tài)系統(tǒng)觀測站獲得2004年1月1日-2019年12月31日太湖站氣象觀測場逐日降雨量數(shù)據(jù). 由于前期的降雨量大小直接影響了外源引發(fā)的湖泊營養(yǎng)鹽的積蓄程度，我們分3個時段進行分析，前一年降雨總量(RFYB，mm)，前一年12月至當年3月降雨總量(RF12-3，mm)，以及前一年9月至當年2月降雨總量(RF9-2，mm). 之所以強調(diào)12-3月的累積量，是因為傳統(tǒng)上該時段是藻類生長的緩慢期，也是藍藻快速增長的物質(zhì)和能量積蓄期.

水文數(shù)據(jù)方面，采用了太湖站2004年1月1日-2019年12月31日逐日觀測的水位(WL)數(shù)據(jù)及水下50 cm的水溫(WT)數(shù)據(jù). 其中水位方面，提取了前一年12月至當年3月的逐日水位平均值(WL12-3，m). 水溫方面，也提取了前一年12月至當年3月的逐日水溫平均值(WT12-3，℃). 此外，根據(jù)孔繁翔等觀測提出的野外9℃以上太湖藍藻開始復(fù)蘇的報道[12]，也嘗試了積溫統(tǒng)計：也即，將12-3月期間，每天的水溫減去9℃，然后，將其中的正值部分進行累加，獲得該時段的水溫有效積溫，記作AT12-3；同理，依據(jù)1月之后水溫開始大于9℃起至3月底的逐日水溫獲得的有效積溫記作ATs，依據(jù)2月和3月的逐日水溫獲得的有效積溫記作AT2-3.

水質(zhì)數(shù)據(jù)方面，根據(jù)前期的研究報道，氮和磷均能影響太湖藍藻生物量的變化[28]，因此，綜合考慮了水體氮、磷濃度. 但由于水體總氮(TN)、總磷(TP)濃度很大程度上受水體藻類生物量反饋的影響[29]，因此，還特別采集了北太湖具有代表性監(jiān)測點位的溶解性總氮(DTN)和溶解性總磷(DTP)濃度表征水體營養(yǎng)鹽因素，在太湖站逐月監(jiān)測的北太湖14個監(jiān)測點中，剔除THL00和THL06兩個分別位于梅梁灣梁溪河口和直湖港河口的點位，將其余12個點位的TN、DTN、TP、DTP進行月值數(shù)學平均，然后，再將前一年12月至當年3月共計4個月的數(shù)學平均值求出，分別記作TN12-3、DTN12-3、TP12-3和DTP12-3.

1.3 數(shù)據(jù)統(tǒng)計處理

藍藻水華強度與相關(guān)環(huán)境因子之間的定量關(guān)系分析，采用SPSS多元回歸分析中的進入回歸法依次分析. 各環(huán)境因子與藍藻水華強度的關(guān)系，采用相關(guān)分析進行比選.

2 結(jié)果

2.1 2005-2019年太湖藍藻水華強度變化

2005-2019年太湖水體[Chl.a]LB、ABL、[Chl.a]RS以及BI的變化如圖1. 從圖中可以看出，2017年所有指標出現(xiàn)峰值，年均藍藻水華面積達到284.28 km2，是15年平均值(180.62 km2)的1.6倍；年均[Chl.a]LB達到40.8 μg/L，是15年平均值(19.6 μg/L)的2.1倍.

圖1 2005-2019年太湖藍藻水華強度指標變化Fig.1 Variation of annual cyanobacterial bloom intensity in Lake Taihu from 2005 to 2019

表征藍藻水華年度強度的指標[Chl.a]LB和ABL在年度變化上并不完全一致. 水華面積ABL在2007年和2006年分別出現(xiàn)第2峰值和第3峰值，而反映藻類生物量的指標[Chl.a]LB則分別在2008年、2014年等形成與面積變化不同步的峰值. 2008年和2014年浮游植物葉綠素a濃度的反常增高，與同期藻類群落結(jié)構(gòu)變化，特別是硅藻門生物量的明顯增高有關(guān)[30]. [Chl.a]LB與[Chl.a]RS在變化趨勢上基本一致，但遙感反演的值明顯偏高，[Chl.a]LB與[Chl.a]RS多年均值分別為19.6和33.1 μg/L. 遙感值偏高是由于藍藻水華物質(zhì)的表層聚集現(xiàn)象所致，表層水體藻類生物量高于水柱平均值是合理的. 此外，二者的相關(guān)性非常好，相關(guān)系數(shù)達到0.701(P<0.004,n=15).

2.2 相關(guān)環(huán)境因子變化

2005-2019年與藍藻水華情勢密切關(guān)聯(lián)的氣象、水文、營養(yǎng)鹽等相關(guān)指標見表1. 從表中可以看出，與BI顯著相關(guān)的指標包括RFYB、RF9-2、WT12-3、AT12-3等. 這反映出水溫、降雨等環(huán)境變化對年度太湖藍藻水華強度具有較強的決定作用. 而冬、春季節(jié)的水體TN、DTN、TP、DTP等指標甚至與BI呈不顯著的弱的負相關(guān)關(guān)系. 2005-2019年太湖冬季及早春(12-3月)逐日水溫、水位、降雨量以及前一年的降雨總量變化如圖2所示. 可以看出，就12-3月的平均水溫而言，15年來的平均值為8.50℃，其中2007年、2008年、2017年和2019年的平均水溫超過9℃，也即微囊藻能夠開始生長的野外臨界溫度[12]. 最大值出現(xiàn)在2017年，為9.83℃，比平均值高16%. 第2高值出現(xiàn)在2007年，為9.73℃，第3高值出現(xiàn)在2019年，為9.45℃，第4高值出現(xiàn)在2008年，為9.38℃. 最低值出現(xiàn)在2012年，為7.40℃. 與圖1比較能夠看出，2007年和2017年的太湖藍藻水華大暴發(fā)，都經(jīng)歷了冬季及早春的水溫異常偏高，這與之前的分析結(jié)果一致[29]. 同時表明，在進行太湖這種營養(yǎng)鹽本底較高的湖泊水華情勢預(yù)測時，水溫是最應(yīng)關(guān)注的環(huán)境要素.

圖2 2005-2019年每年12-3月太湖日均水溫、日均水位、累積降雨量及前一年降雨總量的變化Fig.2 Variation of daily average water temperature, water level, accumulate rainfall during December and March,and rainfall of the ahead year in Lake Taihu from 2005 to 2019

與水溫均值類似的參數(shù)積溫，表現(xiàn)出與水溫變化類似的趨勢，也均與[Chl.a]LB等年度水華強度數(shù)據(jù)呈正相關(guān)(圖3). 相比較而言，12-3月的逐日水溫均值WT12-3與全年全湖平均浮游植物葉綠素a濃度[Chl.a]LB的相關(guān)系數(shù)明顯強于積溫. AT12-3盡管與[Chl.a]LB仍呈顯著相關(guān)，但是相關(guān)系數(shù)明顯小于WT12-3. 這表明，整個冬季的水溫狀況，而非僅僅是高于微囊藻復(fù)蘇生長部分的積溫，對全年藻類生物的影響更為重要.

圖3 冬、春季水溫相關(guān)指標與[Chl.a]LB的相關(guān)性Fig.3 Relationship between [Chl.a]LB and water temperature parameters in winter and early spring

與之前的報道類似，北太湖水體TN、DTN濃度在2006年峰值以后，呈現(xiàn)不斷下降的趨勢[29]. 冬、春季是太湖水體TN濃度較高的季節(jié)，12-3月的北太湖均值在2006年為5.88 mg/L，2019年下降為2.95 mg/L，首次降至3 mg/L以下，下降幅度接近50%. DTN濃度的下降幅度更大，達到59%(表1). 然而，冬、春季水體TN濃度的下降與藍藻水華強度變化和水體TP濃度變化很不一致，說明在當前的TN濃度范圍內(nèi)，氮的變化不是影響太湖藻類生物量的關(guān)鍵因素.

冬、春季(12-3月)北太湖TP濃度的最高值出現(xiàn)在2009年，為0.151 mg/L. 此后基本呈下降趨勢，2017年為0.113 mg/L，與其他年份相比，水華異常嚴重的2017年年初水體TP濃度并不特別高. 這也從一個方面表明冬、春季水體磷濃度對夏季藍藻水華情勢影響也有限(表1). 2019年冬、春季北太湖TP濃度為0.102 mg/L，接近近15年來的最低值，與當年較為嚴重的藍藻水華現(xiàn)象也不一致(表1).

表1 2005-2019年太湖藍藻水華情勢相關(guān)環(huán)境因子及其與年度水華強度BI的相關(guān)性分析1)

2.3 預(yù)測模型構(gòu)建

根據(jù)表1和圖3，篩選了RFYB、WT12-3、DTN12-3、WL12-3、TP12-35個指標作為太湖藍藻水華周年強度BI的預(yù)測因子，采用依次增加的方式進行逐步回歸，比較各因子加入后對太湖年度水華強度的預(yù)測能力. 對數(shù)據(jù)進行正態(tài)分布分析發(fā)現(xiàn)，除RFYB之外的指標均符合正態(tài)分布. 為此，先對所有的數(shù)據(jù)取自然對數(shù)，然后再進行回歸分析. 各回歸方程及決定系數(shù)R2見表2.

表2 不同環(huán)境因子組合對太湖年度水華強度BI的預(yù)測關(guān)系式

圖4 太湖年度藍藻水華強度實測值與方程擬合值的關(guān)系Fig.4 Relationship between calculated BI and simulated BI of Lake Taihu

對比表2中回歸方程的決定系數(shù)，方程3和4具有明顯的優(yōu)勢，特別是方程4，相關(guān)系數(shù)已經(jīng)接近最大值，整個公式的顯著性較高，入選參數(shù)簡單易測. 而更多參數(shù)的方程，如方程5和6，對方程的精度提高有限，但增加了更多的參數(shù)需求，也增加了不確定性. 為此，采用方程4較為合理. 對比方程3和方程4擬合值與實際值可以看出，包含了水溫、降雨量和DTN 3個環(huán)境參數(shù)的方程4擬合值與實測值相關(guān)性優(yōu)于只有水溫和降雨量2個參數(shù)的方程3(圖4).

3 討論

3.1 預(yù)測模型參數(shù)選擇的合理性分析

越來越多的研究表明，水文氣象因素是太湖等富營養(yǎng)化湖庫藍藻水華強度的主導(dǎo)因素. 影響湖泊浮游植物生長的主要因子包括光、溫等氣象條件，水動力、換水周期等水文條件，氮、磷、碳、鐵、硅等營養(yǎng)鹽條件，以及浮游動物、魚類、大型水草等生態(tài)系統(tǒng)結(jié)構(gòu)狀況等. 王菁晗等統(tǒng)計了太湖、巢湖、滇池35年來的氣象、水質(zhì)因子的區(qū)別，發(fā)現(xiàn)適合藻類水華發(fā)生的時間長是滇池藍藻水華較太湖、巢湖嚴重的原因之一[31]. 太湖的水體營養(yǎng)鹽條件目前還明顯高于能夠限制浮游植物生長、藍藻水華暴發(fā)的臨界條件. 據(jù)許海等的原位浮游植物生長的營養(yǎng)鹽添加實驗判斷，當水體溶解性磷濃度達到0.03 mg/L、溶解性氮濃度達到0.8 mg/L時，對藻類生物量增加的影響就不明顯了，也即達到該濃度水體就能完全滿足湖水中藻類快速增殖的需要[28]. 2005-2019年太湖全湖水體DTP濃度均值為0.053 mg/L，DTN濃度均值為3.45 mg/L. 其中2019年的年均值分別為0.045和2.110 mg/L，分別高出臨界值50%和164%，因此，太湖全湖營養(yǎng)鹽濃度并未低到能夠?qū)Ω∮沃参锷L產(chǎn)生限制的水平.

就空間上而言，2017年和2019年太湖年均水體DTN和DTP濃度如圖5. 統(tǒng)計表明，2017年和2019年DTN濃度低于0.8 mg/L的面積分別為109和317 km2，也即藻類生長能夠受到氮限制的區(qū)域增加了208 km2，約占太湖總面積的10%. 而2017年和2019年DTP濃度低于0.03 mg/L的區(qū)域面積分別為1703和1544 km2，2019年受到磷限制的水域面積反而減少了159 km2，凸顯了太湖水體磷控制的復(fù)雜性. 從表1可知，太湖水體DTN濃度與全年藻類浮游植物濃度甚至呈不顯著的弱的負相關(guān)，并不表明藍藻水華強度的增加與氮的下降有關(guān). 有兩種可能的解釋：(1)15年來太湖的治理帶來的營養(yǎng)鹽下降效應(yīng)，被氣溫增加、雨量增加等對湖泊藍藻水華生物量影響更大的環(huán)境因子的不利影響所抵消，出現(xiàn)了水體DTN濃度不斷下降，但湖泊水體浮游植物葉綠素a濃度反而升高的結(jié)果，這種負相關(guān)，不代表二者具有因果關(guān)系；(2)水體氮濃度的明顯下降，引起了浮游植物群落結(jié)構(gòu)的變化，刺激了硅藻、絲狀藍藻占比增加，促進了水體浮游植物葉綠素a濃度的升高. 如果是這種機制，氮降低帶來的葉綠素a濃度升高，雖然具有因果關(guān)系，但主要是非水華種藻類的增加. 這種可能性可以從近年來太湖直鏈硅藻等硅藻門生物量的快速增加得到支持[30]. 初步判斷，可能是兩種機制共同導(dǎo)致了太湖目前DTN濃度與水體葉綠素a濃度的負相關(guān)關(guān)系. 比較幾個營養(yǎng)鹽參數(shù)發(fā)現(xiàn)，15年來太湖冬春季DTN12-3濃度與[Chl.a]LB之間統(tǒng)計關(guān)系最好，因此，可以在藍藻水華強度的預(yù)測中將DTN12-3列入作為營養(yǎng)鹽要素代表.

圖5 2017年與2019年太湖年均DTN和DTP空間插值對比Fig.5 Comparison of spatial DTN and DTP distribution between 2017 and 2019 in Lake Taihu

使用溫度和降水指標作為太湖年度藍藻水華情勢預(yù)測的關(guān)鍵參數(shù)既符合太湖實際，也具有合理性. 近年來，變暖、極端天氣增多等氣候變化與人類活動的影響交織，使得全球湖泊、水庫等淡水水體藍藻水華問題在加重. Huisman等系統(tǒng)分析了近年來氣候變化趨勢有利于藍藻水華發(fā)生的機制，包括：(1)氣溫升高、熱分層加劇，更有利于喜歡表層生長的藍藻生長和細胞集聚，且下層缺氧幾率增大帶來的內(nèi)源營養(yǎng)鹽釋放增加；(2)大氣CO2分壓增高，增加水體CO2供給，有利于水體浮游植物生長；(3)暴雨等極端氣象事件增加帶來的流域地表沖刷作用加劇，湖泊外源營養(yǎng)鹽負荷增加等[32]. Huisman提出的氣候變化有利于藍藻水華的幾種機制，近年來在太湖都有所表現(xiàn). 施坤等通過太湖2003-2017年藍藻水華物候?qū)W分析發(fā)現(xiàn)，氣候變暖等導(dǎo)致近年來太湖藍藻水華發(fā)生的物候?qū)W條件提前了近1個月[26]. 鄧建明等研究發(fā)現(xiàn)，氣溫升高顯著影響了太湖浮游植物群落結(jié)構(gòu)的演替，氣溫、水溫與微囊藻生物量的變化呈顯著正相關(guān)[33]. 近年來全球普遍發(fā)生的風速下降現(xiàn)象在太湖流域同樣存在，而風速的下降有利于易于上浮集聚的藍藻細胞快速增殖和優(yōu)勢形成，疊加太湖近年來的水位升高，下層水體擾動減弱，又促進了太湖內(nèi)源釋放，共同加劇了太湖的藍藻水華問題[34].

冬、春季水溫的變化對微囊藻為主的藍藻冬季種源、春季生物量基礎(chǔ)有著重要的影響. 因此，水溫成為預(yù)測年度藍藻水華情勢的重要考量要素是合理的. 平均溫度顯示出比有效積溫更好的藍藻水華強度擬合關(guān)系，說明太湖的藍藻生長、藍藻水華強度不僅受9℃以上的水溫高低的影響，更低的溫度對藻類種源的存量基礎(chǔ)也有影響. 其原因可能有兩點：(1)太湖的微囊藻在9℃以下死亡或生物量下降是個緩慢的過程，甚至成團之后的微囊藻能在9℃以下長期存在. 馬健榮等發(fā)現(xiàn)太湖冬季藍藻水華還能存在，表明短期低溫下微囊藻依然存活、微囊藻水華尚可存在[35]. 此外，如果低于9℃時微囊藻細胞能夠部分被凍死，抑或有助于食物鏈牧食降低微囊藻種源，那么，溫度低于9℃也的確依然影響整個冬季的藍藻生物量基礎(chǔ). (2)其他藻類的生長狀況會間接影響夏季微囊藻的生長. 比如，冬季太湖的魚腥藻大量存在，其生物量對后期微囊藻的演替具有影響. 此外，冬季硅藻生物量偏高，可能有助于營養(yǎng)鹽在水相的累積，也有利于春、夏季微囊藻生長. 因此，選擇WT12-3而非有效積溫作為溫度預(yù)測變量，對太湖藍藻水華年度強度的預(yù)測更為合理.

降雨量高低對太湖藍藻水華形成和發(fā)展的影響是多方位的. 太湖的降雨量不但代表了太湖的年度換水程度，還在很大程度上反映了外源綜合污染的負荷量. 翟淑華等通過水量平衡及物量平衡的方法，估算了太湖2012年、2015-2016年的磷負荷特征，指出入湖水量大小是影響太湖磷收支的主要因素[36-37]. 朱偉等進一步分析認為2016年太湖流域特大洪水期間的洪峰攜帶入湖及太湖的高滯留特點對太湖磷收支影響很大[38]. 陳潔等分析了2017年3月1日-2018年2月28日間太湖主要營養(yǎng)鹽入湖河道大浦河(陳東港)水體氮、磷濃度與降雨過程之間的關(guān)系[39]，發(fā)現(xiàn)河道入湖水量是表征磷負荷的重要指標，河道降雨過程對入湖河道水體氮、磷濃度影響不大，大雨、中雨、小雨和無雨期間河道水體總氮濃度分別為3.00、3.34、3.55和3.37 mg/L，總磷濃度分別為0.228、0.258、0.219和0.225 mg/L，不同雨強之間統(tǒng)計上無差異，降雨量、入湖水量很大程度上表征了河道入湖的氮、磷負荷. 此外，降雨量大小還影響了太湖湖體的營養(yǎng)鹽等物質(zhì)的空間輸移，間接影響藍藻適宜生長區(qū)的時空動態(tài)變化. 比如2016年的暴雨增加了太湖高磷濃度水域的空間擴張[38]，形成了明顯的自西北向東南湖區(qū)推移趨勢，增加了藍藻水華易發(fā)區(qū)的面積，從而影響藍藻水華情勢. 因此，降雨量大小綜合反映了水文和營養(yǎng)鹽兩方面對藍藻水華情勢的影響，納入預(yù)測模型具有合理性. 由于秋、冬季降雨量不大，偶然性很大，因此利用前一年總降雨量RFYB對年度藍藻水華強度的預(yù)測精度反而明顯高于秋、冬季RF9-2或冬、春季RF12-3.

3.2 預(yù)測模型存在的不足

缺乏對未來氣象情景預(yù)測信息的綜合考慮是本預(yù)測模型的不足. 本預(yù)測模型主要從影響藻類生長的現(xiàn)有環(huán)境條件基礎(chǔ)的角度開展未來藻情預(yù)測. 影響藻情變化的，除了現(xiàn)有條件基礎(chǔ)，還與未來春、夏季藍藻水華暴發(fā)期間的水文、氣象、營養(yǎng)鹽條件密切關(guān)聯(lián). 因此，對未來春、夏季氣象水文情勢的預(yù)測信息未能體現(xiàn)，是本預(yù)測模型的不足. 目前對氣候預(yù)測的信息渠道比較多，有一些非常專業(yè)的機構(gòu)對外發(fā)布報告，可將其納入，將有助于對未來藍藻水華情勢的判斷.

缺乏對藻類群落結(jié)構(gòu)變化的深入分析會影響本預(yù)測模型的精度. 本預(yù)測也未考慮藻類群落結(jié)構(gòu)信息的影響，泛泛采用在一定程度上反映總藻類生物量的葉綠素a濃度年均值表征藍藻水華強度，在藻情評估方法上尚有一定的不足. 太湖藻類群落結(jié)構(gòu)的季節(jié)變化較大，空間差異性也很大[30]，因此，僅僅采用藻類葉綠素a濃度表征有害藍藻生物量、微囊藻生物量存在一定的不足. 目前，由于藻類群落結(jié)構(gòu)數(shù)據(jù)的監(jiān)測、可比性仍待提高，優(yōu)質(zhì)數(shù)據(jù)的獲取存在難度，納入模型之后可能會降低預(yù)測工作的時效性. 建議在今后模型的優(yōu)化中，當藻類群落結(jié)構(gòu)快速檢測技術(shù)成熟時[40]，將其納入預(yù)測模型中.

致謝：太湖湖泊生態(tài)系統(tǒng)研究站錢榮樹、黃建明、韋金權(quán)、夏麗萍等及時提供了2019年監(jiān)測數(shù)據(jù)，在此表示感謝.