蔣晨韻 唐曉先 王璨 袁俁 李小龍 錢新

摘要：近年來，巢湖藍藻水華頻頻暴發(fā)，位于巢湖東部的水源地亦出現(xiàn)嚴重的藍藻水華，影響漁業(yè)以及周邊人們生產(chǎn)生活用水安全等。巢湖是典型的富營養(yǎng)化淺水湖泊，營養(yǎng)鹽濃度水平適宜藍藻生長繁殖。在當前水質(zhì)條件下，研究氣象因子及其變化對藍藻水華生消和遷移的影響具有重要意義。以巢湖2016年9月的實測數(shù)據(jù)為基礎(chǔ)，構(gòu)建三維水動力-水質(zhì)模型，設(shè)置不同的氣溫、輻射、風速、風向的組合情景，對藍藻水華進行模擬，并重點關(guān)注巢湖水源地。結(jié)果顯示，入秋后，巢湖氣溫仍有利于藍藻的生長。這種溫暖晴好天氣下，如持續(xù)小風且風向不利（西南風），中部出現(xiàn)的藍藻水華，能夠在3 d左右到達巢湖水源地。因此，在營養(yǎng)鹽充足且溫度較為適宜的季節(jié)，風速和風向是巢湖藍藻水華預警的重要因子。

關(guān)鍵詞：巢湖;水質(zhì)模型;藍藻水華;氣象因子;情景模擬;預測預警

中圖分類號： X524? 文獻標志碼： A? 文章編號：1002-1302（2019）10-0281-05

20世紀70年代以來，巢湖多次出現(xiàn)藍藻水華，巢湖富營養(yǎng)化問題逐漸受到重視。近年來，有關(guān)巢湖藍藻水華的研究不斷深入，藍藻控制有了更多的理論基礎(chǔ)與實踐經(jīng)驗[1-2]。盡管如此，巢湖藍藻水華問題仍未得到改善。2007年，巢湖經(jīng)歷了2000年以后較為嚴重的藍藻水華[3]。2008年以后富營養(yǎng)化仍維持較高水平。從2000—2015年衛(wèi)星觀測研究結(jié)果看[4-5]，巢湖藍藻水華呈初次暴發(fā)時間提前、覆蓋面積變大、暴發(fā)頻率增加以及持續(xù)時間增長的趨勢。藍藻水華的暴發(fā)對水體中生物、水質(zhì)造成不良影響，同時，危及巢湖水源地飲水安全和人體健康。

藍藻水華的形成受到物理、化學、生物等因素影響[6]，一方面是內(nèi)生性因素，包括藻類生長需要的營養(yǎng)物質(zhì)、藻類自身的生理結(jié)構(gòu)，另一方面是適合藍藻增殖、形成水華的外生性環(huán)境條件[7-9]。在營養(yǎng)鹽充足的情況下，環(huán)境因素對藍藻水華的暴發(fā)和擴散起到重要作用。已有研究證實了氣溫、風、太陽輻射、降水等氣象因子對巢湖藍藻水華的暴發(fā)及面積具有重要影響[10-12]。從2014—2016年巢湖水質(zhì)監(jiān)測數(shù)據(jù)來看，巢湖全湖營養(yǎng)鹽總氮（TN）、總磷（TP）濃度的最小值均大于美國環(huán)保局（USEPA）《湖泊與水庫技術(shù)指導手冊——營養(yǎng)鹽標準》所述可能發(fā)生藍藻水華的閾值（TP濃度為0.001 mg/L、TN濃度為0.150 mg/L）[13]，在藍藻所需營養(yǎng)鹽相對充足的前提下，氣象因子很有可能成為影響巢湖藍藻水華形成和分布的關(guān)鍵因素，對此進行針對性研究很有必要。已有研究主要通過對監(jiān)測數(shù)據(jù)進行分析得出結(jié)論[14]，本研究通過水動力-水質(zhì)模型具體分析巢湖藍藻水華在時間空間上對氣象因素的響應(yīng)，為巢湖藍藻水華的預測預警和控制提供參考。

1 資料與方法

1.1 數(shù)據(jù)資料

模型計算所需的水質(zhì)數(shù)據(jù)來源于巢湖管理局，包括每月1次的常規(guī)水質(zhì)監(jiān)測數(shù)據(jù)以及在藍藻水華易暴發(fā)期每周2次的加密監(jiān)測數(shù)據(jù)。

氣象數(shù)據(jù)包括中國氣象數(shù)據(jù)共享服務(wù)平臺（http：//data.cma.cn/）中國地面國際交換站氣候資料日值數(shù)據(jù)集（V3.0）中合肥站點的氣溫、降水、風速、風向等日值數(shù)據(jù)，以及在巢湖忠廟處自建小型氣象站采集的氣溫、降雨、風速、風向、輻射等間隔15 min的數(shù)據(jù)。

巢湖水華分布遙感監(jiān)測圖片來自于MODIS影像，2012—2016年共有292份監(jiān)測到有效藻華，各年中藍藻水華最大面積分別達到184.0、167.6、198.0、321.9、237.6 km2。

1.2 模型應(yīng)用

本研究選用ELCOM-CAEDYM（三維水動力-水質(zhì)）耦合模型模擬氣象因子對巢湖藍藻水華的影響。通過將水動力模型ELCOM與水質(zhì)模型CAEDYM耦合，模擬三維流場中光照、溫度、溶解氧含量、碳氮磷循環(huán)等對藻類生長的影響，納入藍藻上浮與沉降等過程模擬，生成不同時點、網(wǎng)格、深度中各指標濃度，能夠有效模擬氣象因子在不同維度上對藍藻水華規(guī)模、分布產(chǎn)生的影響。

ELCOM-CAEDYM模型在國內(nèi)外都有應(yīng)用。在國外，ELCOM-CAEDYM被成功應(yīng)用于澳大利亞西部天鵝河口[15]、Daecheong水庫[16]、Urayama水庫[17]等，國內(nèi)也有學者將其用于淀山湖[18]、太湖[19]、天目湖[20]水質(zhì)模擬研究，成功模擬了降水、入湖河流、營養(yǎng)鹽、水溫等因素對藍藻水華的影響，并能夠很好地反映出藍藻水華的時空分布。謝興勇等成功將ELCOM運用于巢湖引江濟巢調(diào)水的工作[21]，為ELCOM-CAEDYM模型在巢湖的運用打下了基礎(chǔ)。

通過選取典型的藍藻水華事件，搜集同期數(shù)據(jù)構(gòu)建模型，對模型進行率定與驗證。結(jié)果表明，模型能夠較好地反應(yīng)藍藻生消與分布情況。

1.3 情景設(shè)置

1.3.1 基本情景 選擇2016年9月18—30日的藍藻水華過程為基礎(chǔ)，對全湖進行初始化。全湖初始水溫在25 ℃左右?？偟獫舛确秶?.77～2.91 mg/L，氨氮濃度在0.08～2.39 mg/L，總磷濃度在0.04～0.20 mg/L。整體上，營養(yǎng)鹽濃度西部高，中部次之，東部低。初始時藍藻水華集中出現(xiàn)在西湖區(qū)以及湖心處（以藻濃度65 μg/L作為藻華出現(xiàn)的臨界值）。通過對比基本情景模擬的結(jié)果與相應(yīng)的藍藻衛(wèi)片，進一步對模型進行驗證。

1.3.2 氣溫情景 監(jiān)測到有效藍藻水華時，日均氣溫在 14.3～33.4 ℃之間，各年日均氣溫均值在24.5～26.5 ℃之間，日最低氣溫均值在20 ℃以上，日最高氣溫均值在30 ℃左右。根據(jù)自動監(jiān)測站的數(shù)據(jù)，設(shè)置不同的溫度區(qū)間，分別為a（22.6～29.4 ℃）、b（20.7～31.8 ℃）、c（17.2～18.3 ℃）、d（20.9～25.7 ℃）。通過氣溫情景模擬，分析不同溫度范圍（a、c、d）和波動幅度（a、b）對藍藻水華的影響。

1.3.3 輻射情景 根據(jù)自建氣象站采集的輻射數(shù)據(jù)，日最高太陽輻射值范圍在400～800 W/m2，根據(jù)實際數(shù)據(jù)設(shè)置4檔不同的輻射值，日最高值分別為極低值（LL）144.4 W/m2、低值（L）388.1 W/m2、中值（M）578.1 W/m2和高值（H） 815.6 W/m2。通過輻射情景模擬的結(jié)果分析太陽輻射（光照）對藍藻水華的影響。

1.3.4 風向風速情景 從風向上看，藍藻暴發(fā)的時段各種風向均出現(xiàn)過，其中以東風、東南風、東北風為主，西南風、南風、西風次之。為模擬不同風向?qū)λ{藻水華遷移擴散的影響，在小風、高溫、晴天的情形下設(shè)置不同的風向，在模擬東風下藍藻的遷移擴散的基礎(chǔ)上，重點關(guān)注主要不利風向（如西風、西南風）作用下，湖區(qū)西部、中部藻華可能對巢湖東部水源地巢湖船廠（圖1）造成的影響。

從2012—2016年的藍藻暴發(fā)時段的風速分析，日平均風速均值均小于2 m/s，各年的均值在1.62～1.94 m/s之間。據(jù)此，設(shè)置1、2、3 m/s 3種情景，風速恒定。其他氣象因子控制在適合藍藻生長的范圍內(nèi)進行模擬，以考察風速對水華的影響。

2 結(jié)果與分析

2.1 基本情景模擬結(jié)果

基本情景下，藍藻水華主要分布在西湖區(qū)和湖心區(qū)域靠北岸，逐漸向南擴散，在南岸形成藻華，面積在初始時略有增加，隨后逐漸減小，與衛(wèi)星圖像監(jiān)測到的藍藻水華變化趨勢基本一致（圖2）。

2.2 氣溫對藍藻水華的影響

氣溫較低的c情景中，由于輻射較高，計算期間水溫維持

在25 ℃左右，藻濃度緩慢上升，在模擬后期保持在50 μg/L的水平。在巢湖地區(qū)夏季偶發(fā)的低氣溫條件下，即使營養(yǎng)鹽較高、輻射較強，暴發(fā)水華的可能性也相對較小。

氣溫高于20 ℃的情景（a、b、d）中，水溫均呈緩慢上升的趨勢，最高能夠達到33 ℃。在水溫未超過29 ℃時，隨著水溫的升高，巢湖船廠處表層藻濃度逐漸升高，從初始的30 μg/L上升到80～90 μg/L，隨后濃度開始緩慢下降，但始終高于 65 μg/L。在藻濃度下降階段，水溫多在30 ℃左右，此時高溫對藍藻生長形成抑制，氣溫越高，水溫越高，藻濃度下降的速度越快。情景a與b下，氣溫日均值相近，日氣溫波動幅度變大（±2 ℃）對藻濃度水平?jīng)]有明顯影響。

藻濃度在不同溫度區(qū)域變化趨勢不同，源于藍藻生長速率在不同溫度下的變化。在達到29 ℃之前，藍藻生長速率隨溫度升高而升高，因此，氣溫高于20 ℃的情景中初始藻濃度增長明顯快于氣溫20 ℃以下的情景。當水溫高于29 ℃時，氣溫越高，藻濃度下降越快，可能是由于溫度超過了藻類生長的最適溫度，藻類生長速率下降，而同時代謝死亡速率加快，使得藻濃度下降。另外，從已有觀測值看，即使在入秋后的9月，氣溫日均值仍處于20～30 ℃之間，極少情況會低于 20 ℃，因此該時段氣溫條件有利于藍藻生長。

2.3 輻射對藍藻水華的影響

在輻射值較高的情景下，水溫上升較快，僅在日最大輻射極低時，水溫出現(xiàn)了下降。水源地巢湖船廠處，較高輻射值下，隨水溫上升，藻濃度呈先上升后下降的趨勢，在低輻射情景下，藻濃度呈下降趨勢（圖4）。然而，在東半湖湖心藻濃度隨時間始終呈下降趨勢?？傮w上，輻射值越高，藻濃度越高。

不同輻射值代表了不同的光照度以及向水體傳遞的能量，影響藻類生長所能獲取的光照以及水體表層溫度的變化。水溫適宜的情況下，光照不足（輻射值較低）會抑制藍藻的生長，藻濃度呈下降趨勢，但仍然維持在25 μg/L左右。東半湖湖心處，藻濃度始終呈下降趨勢，可能是受其他因素影響，如附近低濃度水的混合稀釋。巢湖在6—9月，每日輻射最高值小于200 W/m2的情況很少，基本能夠滿足藍藻快速生長繁殖的條件。其他條件有利藍藻增殖時，當輻射值達到 500 W/m2 以上，水源地藻濃度快速上升并且能夠穩(wěn)定在 65 μg/L 以上，出現(xiàn)藍藻水華。隨著輻射值上升，藻濃度穩(wěn)定時達到的值變高，但是增長率變?。▓D5）。有研究發(fā)現(xiàn)滇池藻濃度與輻射值存在負相關(guān)關(guān)系的情況[22]，這可能是由于滇池緯度低海拔高，輻射強度整體較高下的特有現(xiàn)象。巢湖處于亞熱帶，出現(xiàn)這種情況的概率不大。

2.4 風對藍藻水華的影響

風速1 m/s時，表層藻類快速繁殖，風向的影響更為明顯。西風、西南風情景下，巢湖船廠水源地的藻濃度均快速上升。西風下，濃度上升最快，最高能夠上升到100 μg/L。東風能夠阻礙藍藻水華遷移到達東湖區(qū)取水口（船廠）處，使藻濃度維持在較低水平。不同風向下，忠廟、東半湖湖心藻濃度變化差別不大（圖6）。

從不同風速情景下的藻濃度平面分布（圖7）看，風速為1 m/s時，藍藻水華連續(xù)、大面積出現(xiàn)，隨時間不斷向西南方向延伸，覆蓋大部分湖區(qū)。風速2、3 m/s時，藍藻水華未在全湖范圍連成一片，且面積遠小于風速為1 m/s時。

風速小時，藍藻濃度迅速上升并且上浮至表層，隨風擴散遷移，形成大片水華。在巢湖，當風速維持在1 m/s左右時，會在 1 d 內(nèi)迅速形成大面積藻華，在迅速增殖的同時向四周擴散。

不同點位上垂直方向的平均濃度變化也有所不同（圖8）。忠廟處，1 m/s風速下垂直方向藻濃度平均值要小于2、3 m/s 時，差距最大時近20 μg/L。東半湖湖心處，3種風速下垂直方向平均濃度相差并不大（小于10 μg/L）。巢湖船廠處，垂直方向平均濃度與表層濃度一致，風速小時濃度高。

風速小時，藻類漂浮在表層，有適宜的溫度和充足的光照，迅速繁殖、擴散遷移。因此，風速小時，表層濃度更大。風速較大時，對水體擾動增大，達到一定程度可能會破壞高溫下的水體分層，使得營養(yǎng)鹽、藻類在垂直方向上快速混合。在水深較小的巢湖船廠處，即使在風速1 m/s的情況也能充分混合。但在水深較大的忠廟處，1 m/s的風速不足以破壞整個分層，藻類在表層迅速增殖積聚，消耗表層營養(yǎng)鹽。一方面，由于分層未被打破，阻礙了底層營養(yǎng)鹽向表層的遷移，表層未得到補給。另一方面，1 m/s風速下，表層水溫會更高，表層藻類代謝死亡速率也會增快。這可能共同導致了1 m/s時忠廟處垂直方向平均藻濃度低于2 m/s和3 m/s時。

2.5 藻濃度與藍藻氣象指標的關(guān)系

在營養(yǎng)鹽充足的條件下，嘗試分析藻濃度與氣象因子之間的關(guān)系。將氣溫、輻射和風速進行歸一化處理，計算氣象指標。選取每天正午過后15：00的數(shù)據(jù)，分析藻濃度與氣象指標的關(guān)系。從西半湖湖心、忠廟、東半湖湖心3個點的結(jié)果看，藻濃度總體上與氣象指標呈正相關(guān)關(guān)系。西半湖湖心處初始藻濃度高，趨勢更為明顯（圖9）。

忠廟處，有2個明顯的低值，原因可能是這2點對應(yīng)初始時段（09-18和09-19），初始濃度較低，盡管氣象條件較為適宜，藻濃度仍然處于較低水平。另外，氣象指標最大值點出現(xiàn)在9月20日，并未對應(yīng)最高濃度，但仍然相對前2日大幅上升。其他點位濃度水平較高，可能是由于后續(xù)高濃度區(qū)的藻類遷移到了該處。在未來分析考慮藻濃度的變化時，除了原位生長的藍藻外，還應(yīng)納入遷移量。

3 結(jié)論

在營養(yǎng)鹽充足的春夏季節(jié)，氣溫、輻射、風等氣象因素對藻濃度及藍藻水華時空分布的影響可能更加明顯。進入秋季后，巢湖氣溫日均值仍處于20～30 ℃之間，有利于藍藻的生長。同時，巢湖藻濃度會隨著輻射值的增加而增加。當氣象預報為晴天或者多云時，仍應(yīng)加強監(jiān)測。

氣溫適宜的晴好天氣，風對藍藻水華生消和分布產(chǎn)生的影響可能會更加明顯。如果在此時巢湖中部湖區(qū)出現(xiàn)藍藻水華，1 m/s的西南風下，經(jīng)過3 d左右，水華會遷移擴散到位于巢湖東部、裕溪河口上游的巢湖水源地。如在中部湖區(qū)觀測到藍藻水華，應(yīng)密切結(jié)合未來風速風向的預報進行分析，如在未來幾日氣象預報中出現(xiàn)風速在1 m/s以下的情況，應(yīng)對水源地的藻濃度進行跟蹤加密監(jiān)測，并制定相應(yīng)的應(yīng)急方案。

將氣溫、輻射和風速歸一，計算藍藻氣象指標，對藻濃度與其關(guān)系進行了分析?？傮w上，在溫度適宜（大多在20～30 ℃）、天氣晴好時，巢湖不同湖區(qū)的藻濃度均與藍藻氣象指標呈一定的正相關(guān)關(guān)系，但未考慮藻類的湖內(nèi)遷移。在后續(xù)的研究中，應(yīng)考慮遷移量的影響。

參考文獻：

[1]陳云峰，殷福才，陸根法. 水華暴發(fā)的突變模型——以巢湖為例[J]. 生態(tài)學報，2006，26（3）：878-883.

[2]賈曉會，施定基，史綿紅，等. 巢湖藍藻水華形成原因探索及“優(yōu)勢種光合假說”[J]. 生態(tài)學報，2011，31（11）：2968-2977.

[3]張 民，孔繁翔. 巢湖富營養(yǎng)化的歷程、空間分布與治理策略（1984—2013年）[J]. 湖泊科學，2015，27（5）：791-798.

[4]唐曉先，沈 明，段洪濤. 巢湖藍藻水華時空分布（2000—2015年）[J]. 湖泊科學，2017，29（2）：276-284.

[5]Zhang Y，Ma R，Zhang M，et al. Fourteen-year record （2000-2013） of the spatial and temporal dynamics of floating algae blooms in Lake Chaohu，observed from time series of MODIS images[J]. Remote Sensing，2015，7（8）：10523-10542.

[6]孔繁翔，高 光. 大型淺水富營養(yǎng)化湖泊中藍藻水華形成機理的思考[J]. 生態(tài)學報，2005，25（3）：589-595.

[7]吳 珺，李 浩，曹德菊，等. 巢湖東半湖藍藻水華暴發(fā)時空動態(tài)及成因[J]. 農(nóng)業(yè)環(huán)境科學學報，2013，32（10）：2035-2041.

[8]于 洋，彭福利，孫 聰，等. 典型湖泊水華特征及相關(guān)影響因素分析[J]. 中國環(huán)境監(jiān)測，2017，33（2）：88-94.

[9]王雪蕾，王新新，朱 利，等. 巢湖流域氮磷面源污染與水華空間分布遙感解析[J]. 中國環(huán)境科學，2015，35（5）：1511-1519.

[10]張 紅，黃 勇，李 堃. 湖面亮溫對巢湖水華影響的遙感監(jiān)測分析[J]. 環(huán)境科學，2012，33（10）：3323-3328.

[11]范裕祥，金社軍，周 培，等. 巢湖藍藻水華分布特征和氣象條件分析[J]. 安徽農(nóng)業(yè)科學，2015（4）：191-193.

[12]張 紅，黃 勇，姚 筠，等. 巢湖藻類遙感監(jiān)測和氣象因子分析[J]. 環(huán)境科學與技術(shù)，2009，32（1）：118-121.

[13]Gibson G，Carlson R，Simpson J，et al. Nutrient criteria technical guidance manual：lakes and reservoirs （EPA-822-B-00-001）[M]. Washington DC：U.S. Government Publishing Office，2000.

[14]張 紅，黃 勇. 基于NOAA/AVHRR衛(wèi)星資料的巢湖水華規(guī)律分析[J]. 中國環(huán)境科學，2009，29（7）：727-732.

[15]Robson B J，Hamilton D P. Three-dimensional modelling of a Microcystis bloom event in the Swan River estuary，Western Australia [J]. Ecological Modelling，2004，174（1）：203-222.

[16]Chung S W，Imberger J，Hipsey M R，et al. The influence of physical and physiological processes on the spatial heterogeneity of a Microcystis bloom in a stratified reservoir[J]. Ecological modelling，2014，289：133-149.

[17]Yajima H，Choi J. Changes in phytoplankton biomass due to diversion of an inflow into the Urayama Reservoir[J]. Ecological engineering，2013，58：180-191.

[18]盧 嘉，陳小華，李小平. 基于ELCOM-CAEDYM模型的淀山湖營養(yǎng)物投入響應(yīng)關(guān)系的模擬[J]. 湖泊科學，2011，23（3）：366-374.

[19]王長友，于 洋，孫運坤，等. 基于ELCOM-CAEDYM模型的太湖藍藻水華早期預測探討[J]. 中國環(huán)境科學，2013，33（3）：491-502.

[20]成曉奕，李慧赟，戴淑君. 天目湖沙河水庫溶解氧分層的季節(jié)變化及其對水環(huán)境影響的模擬[J]. 湖泊科學，2013，25（6）：818-826.

[21]謝興勇，錢 新，錢 瑜，等. “引江濟巢”工程中水動力及水質(zhì)數(shù)值模擬[J]. 中國環(huán)境科學，2009，28（12）：1133-1137.

[22]謝國清，李 蒙，魯韋坤，等. 滇池藍藻水華光譜特征、遙感識別及暴發(fā)氣象條件[J]. 湖泊科學，2010，22（3）：327-336.