滇池蓝藻水华光谱特征、遥感识别及暴发气象条件

通过研究滇池蓝藻水华在可见光、红外谱段的光谱特征,并利用假彩色合成法以及归一化植被指数(NDVI)法进行了滇池蓝藻水华信息的遥感识别和提取,进而对提取结果进行了对比分析.结果表明:假彩色合成图的绿色区域和NDVI值大于-0.1的区域,为蓝藻水华区域.-0.1≤NDVI≤0.2时,轻度水华,像元内水华覆盖度为0-30%;0.2NDVI≤0.4时,中度水华,像元内蓝藻水华覆盖度为31%-80%;NDVI0.4时,重度水华,水华浓厚,像元内蓝藻水华覆盖度为81%-100%.同时研究了激励滇池蓝藻水华暴发的关键气象因子和指标.滇池蓝藻水华暴发的关键时期是6-9月份,影响滇池蓝藻暴发的关键因子是日照和风速.6-9月份连续4-5h的光照,且风速≤2m/s的气象条件组合极易引起蓝藻水华暴发.     

太湖富营养化条件下影响蓝藻水华的主导气象因子

利用2004-2018年卫星遥感解译的太湖蓝藻水华信息构建蓝藻综合指数,采用随机森林机器学习算法分析同期气象因子与蓝藻水华综合指数的关系,定量评估影响蓝藻水华的主要气象因子特征变量的重要性度量和贡献率.结果表明,在光、温、水、风等主要气象要素中,气温对蓝藻水华综合指数起着主导的作用,其次是风速和降水,日照时间的影响或可忽略.其中气温条件中重要性度量最大的是年平均气温,其次是冬、春季节的平均气温;风速因子中影响较大的是7月份的平均风速;水分条件中主导因子是9月累计降水量.优选的随机森林模型模拟值与实际蓝藻水华综合指数的变化趋势基本一致,拟合优度为0.91,通过0.01显著性检验,随机森林模型模拟效果较好.用随机森林模型模拟值对太湖蓝藻水华分等级评估,模型模拟精度达到了86.7%,其中5个重度等级年份模型模拟结果完全一致,中度等级的6个年份模型模拟值有5年与之相符,中度以上等级的模拟精度达90.9%,模型能够反映气象因子对蓝藻水华综合指数的综合影响,对中、重度蓝藻水华的模拟效果更好.随机森林模型有助于理解富营养化状态下影响蓝藻水华的主导气象因子,利用气象因子的可预测性可以促进蓝藻水华预测预警能力的提升.     

基于GOCI数据的太湖蓝藻垂向迁移特征及关键影响因素

蓝藻水华频繁暴发是太湖面临的主要环境问题之一,蓝藻聚集上浮是表层水华形成的前提。为探究蓝藻垂向迁移与水华日变化之间的关系,阐明蓝藻垂向迁移的关键影响因素,基于2015-2020年地球静止海洋彩色成像仪(GOCI)数据,分析了太湖不同湖区蓝藻水华日变化过程,发现太湖蓝藻水华垂向迁移的日变化主要呈现上升、下降、先上升后下降三种类型,且不同湖区存在差异。统计分析和偏最小二乘法结构方程模型(PLS-SEM)结果表明,水环境因子对蓝藻垂向迁移过程影响较小,累积光辐射是驱动蓝藻垂向迁移的主要气象因子。气温升高有利于蓝藻持续维持上浮能力,前一天风速较大且当天风速较小会加速蓝藻上浮。相较于沿岸湖区,湖心区受累积光辐射、风速的影响更大,蓝藻水华日变化过程更剧烈。本研究水环境因子数据为逐月数据,为深入探究水环境因子对蓝藻垂向迁移的影响后续还需进行高频监测研究。本文结果有助于探明浅水湖泊蓝藻水华形成机制,为富营养化湖泊蓝藻水华预测预警及治理提供理论支撑。     

基于小波-神经网络耦合模型对云南星云湖富营养化气象驱动因子的分析

气象因子是影响湖泊富营养化的重要因素,而湖泊富营养化对人群健康、生态系统和社会经济等均有负面影响.本文基于统计资料及遥感数据,结合Morlet小波分析和BP多层前馈神经网络(BP神经网络)构建了不同时间尺度下的小波—神经网络耦合模型,分析了1986—2011年云南星云湖水华强度变化与月降雨量、月平均气温、月平均风速、月日照时数变化之间的关系,探究了影响湖泊富营养化的主导气象因子.结果表明:气象因子的波动周期是影响湖泊年内水华强度变化的重要因素;小波—神经网络耦合模型能有效提高数据拟合的精度,最优小波—神经网络耦合模型的拟合优度为0.605,高于BP神经网络的拟合优度0.292;小波—神经网络耦合模型能更有效地对星云湖富营养化程度进行分析和描述,其均方误差和相关系数均优于BP神经网络;根据最优小波—神经网络耦合模型下的各气象因子的平均影响值,可知月平均气温是影响星云湖富营养化的主导气象因子,其次是月降水率、月平均风速,最后是月日照时数.综上,小波—神经网络耦合模型相比BP神经网络对样本数据具有更好的适应性,拟合精度更高,能为星云湖的保护与富营养化的治理提供参考依据.     

风场对鄱阳湖丰水期表层蓝藻密度的影响

目前,在风场对蓝藻的影响研究方面,国内针对太湖、滇池、巢湖等浅水湖泊的研究较多,针对鄱阳湖的研究则多集中于蓝藻群落特征及其与营养盐之间的关系。近年来,作为长江流域重要的通江湖泊,处于轻度富营养化状态的鄱阳湖水体蓝藻水华在局部库湾和部分水域出现,风场如何影响鄱阳湖表层蓝藻密度是一个值得探讨的问题。2019-2021年,在鄱阳湖布设13~49个采样点,于平水期、丰水期和枯水期现场采集各个点位表层水样、藻类、风场和流场数据,分析风场对鄱阳湖丰水期表层蓝藻密度的影响。结果表明,2019-2021年鄱阳湖丰水期风速与表层蓝藻密度呈显著正相关性,风场对水体的充分混合及驱动水体形成的风生流是促进蓝藻生长的原因之一。在流速较高(>0.05 m/s)的区域,无论风速高于还是低于临界风速(3~4 m/s),鄱阳湖表层蓝藻密度的空间分布受流场的影响更大;在流速较低(<0.05 m/s)的区域,风速在临界风速以下时,鄱阳湖表层蓝藻密度的空间分布受风场影响更大。2019-2021年鄱阳湖丰水期蓝藻密度超过水华暴发的阈值,但在高风速高流速的共同作用下未能发生大范围的蓝藻水华,仅能在风速适宜(<3~4 m/s)、流速较低(<0.05 m/s)的内湾、尾闾区等区域发生小面积的蓝藻水华。鄱阳湖丰水期水体处于长江顶托的低流速且微风条件下时,发生大面积蓝藻水华的概率可能会明显上升。     

太湖蓝藻水华的扩张与驱动因素

蓝藻水华表征指标及驱动因子的多样性增加了研究人员、湖泊管理部门对于蓝藻水华扩张驱动因素的困惑,本研究通过整合太湖蓝藻水华长尺度研究的成果,将蓝藻水华扩张区分为时间扩张、空间扩张和生物量扩张3个方面,分析各自的驱动因子,系统阐述了当下太湖蓝藻水华的扩张和驱动因素.太湖蓝藻水华的时间扩张呈现由夏季集中发生向春季和秋冬季节扩张的趋势,导致春季蓝藻水华发生的提前,以及年度峰值的推迟;空间扩张呈现由西北太湖向湖心和东部湖区、乃至全湖扩张的趋势;太湖蓝藻生物量自2003年以后一直呈现缓慢增加的趋势.蓝藻水华时间扩张的驱动因素相对独立,主要受气象因子的影响,风速和日照时间是主要驱动因子,风速降低和日照时间延长均有助于蓝藻水华时间的扩张;空间扩张和生物量扩张则受气象因子和富营养化的双重影响,其中影响水华空间扩张的因子较多,富营养化和气象因素的主次难以确定,一般偶发性大面积蓝藻水华受气象因子驱动,而频发性大面积蓝藻水华主要受营养盐空间分布影响;影响蓝藻生物量扩张的主要驱动因素为总磷,另外氮磷比、水下可利用光和风速的变化也在一定程度上驱动了太湖蓝藻生物量的扩张.目前表征蓝藻水华强度通常利用空间扩张或生物量扩张指标,但是均具有一定局限性,相互间也缺乏可比性,各指标用于长尺度趋势研究更为可靠,短尺度比较受方法缺陷影响较大,应进一步开发表征水华蓝藻总存量的指标以统一空间扩张和生物量扩张.     

基于高频高光谱近感观测量化风对蓝藻水华的影响

全球气候变化显著影响湖泊理化环境和生态系统演化,对生态系统服务造成负面影响甚至引发生态系统灾变,其中风速下降可能促使富营养化湖泊蓝藻水华的暴发和水面漂浮集聚。以往由于较低的观测频次,往往很难精细量化风对蓝藻水华的影响。利用陆基高光谱近感观测技术,基于分钟小时尺度开展周年高频观测,通过对6—10月蓝藻生长期太湖表层水体叶绿素a浓度统计分析,量化蓝藻水华高频动态变化特征,确定蓝藻水华漂浮集聚的风速阈值。研究发现,随着风速的下降,水体表层叶绿素a浓度随之增加,蓝藻水华出现概率也随之增加。概率分析显示,当近地面风速小于2.5 m/s时,湖泊表层比较容易形成明显肉眼可见的蓝藻水华,藻华发生概率为55.1%。长时间持续的低风速容易诱发蓝藻水华形成和漂浮集聚,强风浪事件后低风速出现1～2天叶绿素a往往就能恢复以往较高水平,这为管理者有效防控蓝藻水华提供了新视角。长期气象观测显示,气候变化影响下太湖地区风速呈现显著下降趋势,增加了蓝藻竞争优势和发生概率,有助于其在表面漂浮集聚。在未来的气候变化情景下,如果风速继续呈现下降趋势,在营养盐条件不变情况下湖泊表层蓝藻水华发生概率可能还会上升,增加蓝藻水华防控...     

太湖蓝藻水华的年度情势预测方法探讨

在太湖、巢湖、滇池、洱海、三峡水库等我国重要湖泊和水库,蓝藻水华时常发生但年际之间藻情往往有较大差异,给蓝藻水华的防控物资及人员投入、湖库水源地水质安全保障带来较大的挑战,亟待探索周年尺度的蓝藻水华强度预测方法.本文收集了太湖连续15年的蓝藻水华情势观测数据和同步的气象、水文数据用于构建蓝藻水华预测模型,提出了利用遥感反演的蓝藻水华面积(A_(BL))及人工观测的水体浮游植物叶绿素α浓度([Chl.a]_(LB))共同表征的蓝藻水华强度指标(BI).分析了太湖年尺度的BI值与环境条件的关系,提出了基于年初能够掌握的气象、水文、营养盐等综合环境指标进行年度BI预测的统计模型.结果表明,太湖年度BI值与冬季及初春(12-3月)日均水温(WT_(12-3))、冬春季有效积温(AT_(12-3))、前一年降雨总量(RF_(YB))等环境因子呈显著正相关,与冬季及初春的水体总氮(TN_(12-3))、溶解性总氮(DTN_(12-3))、总磷(TP_(12-3))及溶解性总磷(DTP_(12-3))不存在统计上的显著相关关系.此外,本研究开展了基于上述因子(BI为因变量,其余环境因子为自变量)的多元(或一元)回归分析,并遴选出最优模型.总体而言,最优模型的模拟计算结果与实测浓度具有较高的一致性,因此本研究得出的模型对太湖蓝藻水华年际强度预测具有较高精度.本研究对太湖等富营养化湖库蓝藻水华的中长期预测具有指导意义.     

巢湖蓝藻水华时空分布(2000-2015年)

巢湖是我国五大淡水湖之一,近年来水体富营养化严重,蓝藻水华频繁暴发.通过收集2000-2015年晴好天气下2478景MODIS Terra和Aqua影像,利用浮游藻类指数,提取巢湖蓝藻水华时空分布数据.结果显示,巢湖蓝藻水华覆盖面积、暴发频率以及持续时间都在增加,每年最初暴发时间提前.从分布上来看,西巢湖依然严重,中巢湖、东巢湖水华暴发面积较以往大大增加;过去16年内巢湖蓝藻水华暴发频率持续增长,其中2007年最为严重,2008-2010年暴发频率出现缓和,此后又出现增长趋势.这些研究结果有助于掌握蓝藻水华的情况,为巢湖科学治理提供了数据支持.     

西湖生态系统健康评价初探

建立了基于多源卫星遥感影像的太湖蓝藻水华信息提取的普适模式,获取了天气晴好条件下蓝藻水华的面积和空间分布近年来,太湖蓝藻水华暴发时间逐渐提前至3-4月,暴发的高频繁期发生在6—7月,其次是10—11月;2000年以来,蓝藻水华的持续时间有所增加,几乎全年（3—12月）都有发生北部（梅梁湾、竺山湾）是蓝藻水华的最初暴发地,是蓝藻水华暴发的重灾区＋每年都有发生;2001年以来,南部沿岸区（浙江附近水域,即夹浦新塘一带的沿岸水体）也几乎每年都有发生,且集聚面积逐年扩大,持续时间越来越长,逐渐成为太湖蓝藻的最早暴发地;2003年以来,蓝藻水华开始向湖心扩散,严重时几乎覆盖整个太湖的非水生植被区：值得注意的是．2005年以来,以前很少有蓝藻水华发生的贡湖湾,也开始有大面积蓝藻水华覆盖,2007年发生的频率显著增加．     

太湖、巢湖、滇池水华与相关气象、水质因子及其响应的比较(1981-2015年)

比较了太湖、巢湖、滇池（"三湖"）1981-2010年间的气象要素,1987-2015年间的水质要素,2000-2013年间的年内水华起始日期与持续时间,以及与水华相关的已有研究情况.其中,气象要素包括气温、日温差、风速、风向、气压、降水、相对湿度等;水质要素包括水温、总氮浓度、总磷浓度、水体综合营养指数等.对比结果表明,云贵高原湖泊滇池因其冬、春季节气温较高且日温差较大等气象特征,以及总磷浓度较高等水质特征,相比于东部平原湖泊太湖、巢湖而言更易发生水华,且在"三湖"中水华年内起始日期最早,持续时间最长.然而,目前有关滇池水华的研究相对于"三湖"中的太湖却远远不足.鉴于滇池所处湖区的独特气象、水质特征,平原水华湖泊的研究结果难以有针对性地指导其水华控制,亟需提高滇池水华研究的系统性与深度.只有因地制宜,方有希望逐步有效控制、减轻、乃至消除滇池水华.     

基于通径分析法的太湖蓝藻水华定量气象评估模型

利用2005-2017年太湖周边区域气象观测资料和基于遥感解译的蓝藻水华信息,基于信息量权数法构建太湖蓝藻水华影响程度指数（简称为蓝藻指数）,应用通径分析法,分析年平均气温（T_y）、1-3月平均气温（T_1-3）、年降水量（R_y）、6-7月降水量（R_6-7）和年高温日数（D_Tmax）5个气象因子对蓝藻水华影响的直接效应和间接效应,在此基础上构建太湖蓝藻水华气象评估模型.结果表明,2007年蓝藻指数值最大,为0.759,2017年其次,为0.709,2009年最小,仅为0.113,蓝藻指数与实际情况基本相符;直接通径系数中T_y和T_1-3为正值,其余为负值,表明T_y和T_1-3对蓝藻水华的发生发展具有正效应,而R_y、R_6-7和D_Tmax具有负效应,总通径系数绝对值排序为：T_y > T_1-3 > R_y > R_6-7 > D_Tmax,由此可以反映各气象因子对蓝藻水华影响程度的权重.根据模型计算的综合气象指数与蓝藻指数之间的相关系数达0.826,通过0.01显著性检验,根据百分位法将蓝藻指数和气象指数进行等级划分,分类总精度为84.6%,其中中度以上达90.9%,表明模型能够较好地反映综合气象因子与蓝藻水华发生发展程度的关系,在水体富营养化程度没有明显改善的情况下,可用于太湖蓝藻水华定量气象评估.上述研究结果有助于更好地理解环境因子、尤其是气象因子在蓝藻生长和水华形成机制中所起的作用,从而为太湖蓝藻水华的监测、预测预警和精细化防控提供理论依据.     

典型风力条件及水力调度下太湖藻华高频时空动态监测

湖泊藻华问题已成为全球水生态环境领域面临的长期挑战,风力条件变化和引调水工程的水力调度能改变湖体水动力结构,对藻类的生长和聚集过程产生影响,进行该过程的精细化监测和机制分析对于湖泊藻华预报预警和应急处置具有重要意义。本研究基于Hiamwari-8/AHI卫星遥感高频监测数据,对比分析了归一化差异植被指数(NDVI)、增强植被指数(EVI)和浮游藻类指数(FAI) 3种不同指数对太湖藻华的反演效果,开展了典型风力条件下和水力调度下太湖藻华生消过程的持续监测分析。结果表明,FAI对藻华区域和非藻华区域的区分更加明显,其阈值提取的藻华面积与基于MODIS图像解译的藻华面积的相对误差最低,为-2.27%。当营养盐充足且水温持续保持在蓝藻大量生长增殖的阈值以上时,风力条件是导致太湖藻类迁移聚集的关键因子,风向主要影响藻类的水平迁移,使其进行方向性迁移并逐渐形成大面积藻华区域。风速主要影响藻类的垂向迁移并存在临界阈值,当风速低于约2.5 m/s的临界风速时,藻华面积随风速增加而增加;当风速高于临界风速时,藻华面积随风速增加而降低。水力调度对距离较近的贡湖湾区域具有显著影响,主要通过水动力扰动来影响...