蘇青青,酈春蓉,王先云,張 東,黃 鑫

(1.上海大學(xué)環(huán)境與化學(xué)工程學(xué)院,上海200444;2.城市水資源開發(fā)利用(南方)國家工程研究中心,上海200082)

隨著經(jīng)濟(jì)發(fā)展和排污工作的展開,城市水源地的富營養(yǎng)化問題日益突出.如果不重視預(yù)警監(jiān)測(cè),那么后期可能會(huì)面臨藻類爆發(fā)風(fēng)險(xiǎn)[1-2].因此,水中藻的快速定量成為一個(gè)重要命題.傳統(tǒng)的藻定量方法包括藻顆粒計(jì)數(shù)法、以葉綠素chla為代表的色素定量法、干重法等[3-4].傳統(tǒng)的藻顆粒計(jì)數(shù)法將水中藻打散后對(duì)單藻進(jìn)行計(jì)數(shù),工作量大,計(jì)數(shù)誤差也較大.葉綠素a法和干重法無法實(shí)現(xiàn)連續(xù)測(cè)定;直接熒光探頭法和庫爾特細(xì)胞計(jì)數(shù)法測(cè)定簡(jiǎn)單,適宜監(jiān)測(cè),但易受其他因素如渾濁度、水質(zhì)等影響;流式細(xì)胞計(jì)數(shù)顯微計(jì)數(shù)法[5]在監(jiān)測(cè)藻團(tuán)密度和大小分布方面準(zhǔn)確性較高,但無法對(duì)水中龐雜的藻種進(jìn)行分類.

在自然水體中,數(shù)量占優(yōu)的藻種往往容易聚集成藻團(tuán)[6].在局部水域遷移聚集過程中,粒徑較大的藻團(tuán)易于在水體表層聚集[7-8].受風(fēng)的影響,漂浮于水體表面的藻易積聚成帶團(tuán)狀聚集體,沿下風(fēng)向運(yùn)動(dòng)遷移,從而形成水華[9].從供水角度出發(fā),水中不同大小、形態(tài)特征各異的顆粒物與自來水廠的凈化效率有直接的聯(lián)系.顆粒大小是影響水處理工藝效率的關(guān)鍵因素,由于水體中藻類顆粒的大小大多在2～200μm,極少數(shù)小于2μm,因此含藻原水進(jìn)入水廠后水質(zhì)將惡化,干擾水處理,具體表現(xiàn)為濾料層堵塞、老化池壁及致臭等.利用計(jì)算機(jī)圖形圖像算法,快速檢測(cè)水中聚集成團(tuán)藻的形態(tài)學(xué)特征值,能在現(xiàn)有藻密度、種屬檢測(cè)基礎(chǔ)上形成新的數(shù)據(jù),為水中藻形態(tài)的自動(dòng)快速測(cè)定提供前期研究,為水庫及下游水廠的藻類防控工作提供技術(shù)支持.本工作于2015年3～7月對(duì)華東某水源水庫進(jìn)行采樣,通過顯微鏡檢測(cè)水中藻種,獲取清晰圖像照片,并定量水中團(tuán)簇藻團(tuán)的2維投影特征值,進(jìn)而開展數(shù)據(jù)相關(guān)性分析,以及利用特征值統(tǒng)計(jì)學(xué)算法進(jìn)行藻的定量分析.

1 材料與方法

1.1 采樣點(diǎn)設(shè)置

圖1為華東某水源采樣點(diǎn)分布圖.該水源水庫水量豐富、水質(zhì)優(yōu)良,是該地區(qū)供水的戰(zhàn)略儲(chǔ)備.但其庫容較大,水體流速相對(duì)緩慢,藻類容易增殖.該水庫地處長(zhǎng)江口,水質(zhì)受到上游長(zhǎng)江來水和人類活動(dòng)的影響.監(jiān)測(cè)表明,該水庫總磷平均質(zhì)量濃度為0.10 mg/L,最高為0.15 mg/L,總氮平均質(zhì)量濃度為1.80 mg/L,最高為2.00 mg/L[10].考慮該水源水庫的水文、地形和供水區(qū)域等因素,在庫區(qū)設(shè)置6個(gè)監(jiān)測(cè)點(diǎn),各監(jiān)測(cè)點(diǎn)分布如圖1所示.圖中1#、2#為庫尾站點(diǎn);3#為庫中站點(diǎn);4#為墾區(qū)站點(diǎn);5#為庫首站點(diǎn).

1.2 樣品采集與分析

2015年3～7月,該水庫為人工水庫,水深3～8 m.為減小采樣誤差,現(xiàn)場(chǎng)采用多層采樣方法,同一取樣點(diǎn)采集表層(0.5 m)、中層(3.0～5.0 m)和底層(沉積物以上0.5 m)水樣進(jìn)行混合,后期頻率為每月一次;水樣采集后立即用魯哥式碘液固定(10 mL碘液加入到1 000 mL水樣中),固定后的水樣靜置沉淀24～36 h;充分沉淀后取底部沉淀和上浮邊壁藻濃縮液20～25 mL,加入質(zhì)量分?jǐn)?shù)為3%的福爾馬林溶液保存并盡快測(cè)定.上述過程參照《水和廢水監(jiān)測(cè)分析方法(第四版)》和《湖泊富營養(yǎng)化調(diào)查規(guī)范(第二版)》.

1.3 數(shù)據(jù)采集和處理

將濃縮沉淀后的水樣充分搖勻后,光學(xué)顯微鏡(LAO-1100B,上海)下開展藻類形態(tài)學(xué)觀察,依據(jù)《中國常見淡水藻志》[11]對(duì)每個(gè)藻種進(jìn)行辨別鑒定至屬或種水平,統(tǒng)計(jì)藻種數(shù)量.每個(gè)樣品重復(fù)計(jì)數(shù)3次,取平均值.同時(shí)通過與顯微鏡連接的數(shù)碼攝像頭進(jìn)行圖像采集,分辨率為2 592(H)×1 944(V).圖像后期處理經(jīng)Image-Pro Plus 6.0軟件測(cè)定面積、圓度、長(zhǎng)短軸等8種2維平面形態(tài)學(xué)指標(biāo).所有指標(biāo)的統(tǒng)計(jì)分析在R語言平臺(tái)實(shí)現(xiàn),利用Rpart包實(shí)現(xiàn)分類回歸樹(classification and regression tree,CART)方法構(gòu)建優(yōu)勢(shì)藻種識(shí)別模型.

圖1 華東某水源水庫采樣點(diǎn)分布Fig.1 Distribution of sampling sites in a water source reservoir of East China

2 結(jié)果與分析

2.1 優(yōu)勢(shì)藻種分析

2015年3～7月藻種分布的演替規(guī)律明顯(見圖2).在門水平上,3、4月份黃藻門占據(jù)絕對(duì)優(yōu)勢(shì),占總藻密度的78.9%～92.6%,對(duì)應(yīng)的藻密度在1.59×106～7.03×107cell/L之間;5月份氣溫上升,黃藻門數(shù)量急劇減少,同時(shí)綠藻門、隱藻門比例有所增大,黃藻門仍占據(jù)相對(duì)優(yōu)勢(shì);6、7月份綠藻門及硅藻門占據(jù)優(yōu)勢(shì),藍(lán)藻數(shù)量隨時(shí)間推移有一定增加.具體到種屬層面,3、4月份黃絲藻占總藻密度比例超過90%;5月份開始急劇減少;6月份達(dá)到最低值后,7月份又略有增加.期間,硅藻門中的小環(huán)藻、冠盤藻在5月份后數(shù)量有較明顯的增加.而該年度秋冬季(9月份之后),硅藻門的小環(huán)藻成為優(yōu)勢(shì)藻種(數(shù)據(jù)未列出).藻種分布變化的原因顯然受氣溫影響較大,黃絲藻呈現(xiàn)春季多夏季少的特點(diǎn),原因是春季水溫適宜,適合黃藻門的黃絲藻生長(zhǎng);但夏季光照充足,水溫相對(duì)較高,對(duì)黃絲藻生長(zhǎng)不利,這與文獻(xiàn)[12]中黃絲藻適宜低溫生長(zhǎng)的結(jié)論一致.

2.2 主要藻種的藻團(tuán)形態(tài)學(xué)特征

2015年2～12月間,除少數(shù)難以鑒定的藻種外,本工作共計(jì)辨識(shí)出93種藻種,累計(jì)處理圖形對(duì)象5 952個(gè),其中出現(xiàn)頻次最高的是黃藻門的黃絲藻,其次是硅藻門的小環(huán)藻.考慮到藻種種類繁多,本工作選取前20種出現(xiàn)頻次不小于10的藻種(圖3中自上而下排列)作為主要藻種,考察其面積、圓度、長(zhǎng)徑、長(zhǎng)短徑比值等形態(tài)特征(見圖3).

圖3中,不同藻種4種參數(shù)相差顯著.面積上,黃絲藻和偽魚腥藻的藻團(tuán)面積分別為(555.0±397.0)μm2和(318.0±293.0)μm2,面積平均值大,說明藻種自身體型較大;而小的藻種如小環(huán)藻僅為(55.2±54.4)μm2,是黃絲藻的六分之一,偽魚腥藻的十分之一左右(見圖(a)).藻團(tuán)2維投影的長(zhǎng)徑數(shù)據(jù)也表明黃絲藻和偽魚腥藻顯著高于其他藻類(見圖(b));藻團(tuán)長(zhǎng)短徑比值上,除黃絲藻和偽魚腥藻,其余藻團(tuán)的長(zhǎng)短徑的比值都小于3,而黃絲藻和偽魚腥藻分別達(dá)到7和30左右(見圖(c)).黃絲藻和偽魚腥藻的圓度值也較高.圖4為黃絲藻、小環(huán)藻和偽魚腥藻的顯微鏡檢圖,從圖中可以直觀地看出三者自身形態(tài)及藻團(tuán)面積的明顯差異.

圖2 2015年3～7月藻種分布Fig.2 Distribution of algal species from March to July 2015

圖3 主要藻種的形態(tài)參數(shù)分布特征對(duì)比Fig.3 Comparisons of morphological parameter distribution characteristics of main algal species

圖4 主要藻種的顯微鏡檢圖Fig.4 Microscopic pictures of main algal species

2.3 藻團(tuán)2維投影形態(tài)特征值的應(yīng)用

優(yōu)勢(shì)藻種中的黃絲藻為長(zhǎng)鏈型絲狀藻,藻團(tuán)體形狹長(zhǎng),形態(tài)學(xué)特征與其他藻種的藻團(tuán)差異明顯.理論上,藻團(tuán)投影面積側(cè)面反映了藻種數(shù)量的多少.在藻數(shù)量增加的同時(shí),藻團(tuán)投影面積也必然增大.如有學(xué)者建立微囊藻群體投影面積與細(xì)胞數(shù)之間的回歸方程,以估算藻細(xì)胞數(shù)[13].但是否在實(shí)際水樣中適用,還需要進(jìn)一步檢驗(yàn).

選取水中的優(yōu)勢(shì)藻種,包括出現(xiàn)頻次較高的小環(huán)藻、黃絲藻,以及形態(tài)學(xué)上有顯著不同的偽魚腥藻.對(duì)每個(gè)水樣中3種藻的藻團(tuán)投影面積與藻團(tuán)密度展開相關(guān)性分析(見圖5),其他藻類全部歸在第4類中.圖5中,只有黃絲藻的密度和投影面積呈現(xiàn)較高的相關(guān)性(R2=0.712),而藻的總密度和總面積之間的相關(guān)性不高(R2=0.430,數(shù)據(jù)未作圖).顯然由于藻種種類繁多(顯微鏡檢下能辨識(shí)的多達(dá)93種),形狀規(guī)則程度不同(見圖3),因此與文獻(xiàn)中的結(jié)論并不完全一致[14].而對(duì)單一藻種,如因密度大而為優(yōu)勢(shì)藻的黃絲藻,其藻團(tuán)狹長(zhǎng)、投影面積大,具有較好的辨識(shí)度,因此與藻密度具有較好的相關(guān)性.進(jìn)一步地,二者的關(guān)聯(lián)隨時(shí)間變化呈現(xiàn)基本同步的特征(見圖(a)),3、4月份藻密度和藻團(tuán)面積均最大,此后逐步降低.這與溫度升高后,水庫中優(yōu)勢(shì)藻種更替有關(guān).5月開始藍(lán)藻、硅藻增多,8月后優(yōu)勢(shì)藻不再是黃絲藻.由此可見,形態(tài)學(xué)特征顯著是顯微鏡自動(dòng)辨識(shí)的基本要求.藻團(tuán)2維投影面積定量藻種密度具有不確定性,作為單一指標(biāo)不夠精確,故需要引入藻團(tuán)形態(tài)特征等其他參數(shù)以進(jìn)一步提升辨識(shí)精度.

圖5 黃絲藻、小環(huán)藻和偽魚腥藻藻種投影面積與藻種密度的相關(guān)性Fig.5 Correlation between the projected area and algal species density of Tribonema,cyclotella and Pseudoanabaena

進(jìn)一步參照文獻(xiàn)[15-17]中的參數(shù)選取,考察面積、圓度、長(zhǎng)短軸比等2維平面形態(tài)學(xué)指標(biāo),作為優(yōu)勢(shì)藻種鑒別參數(shù)的可行性.于2015年2月～2016年8月(為期18個(gè)月),水庫內(nèi)的所有點(diǎn)位水樣顯微鏡檢測(cè)藻團(tuán)對(duì)象共計(jì)9 438個(gè),按照小環(huán)藻、黃絲藻、偽魚腥藻和其他4種分類對(duì)象進(jìn)行分類(見圖6).選擇黃絲藻和小環(huán)藻是因?yàn)檎{(diào)研中出現(xiàn)的頻次較高,而考慮到夏季偽魚腥藻疑似為水中2-甲基異莰醇(2-methylisoborneol,2-MIB)的來源藻種[18],且是大型絲狀藻種,藻團(tuán)面積較大,因此在上述2種優(yōu)勢(shì)藻種外加入偽魚腥藻,其余藻種一律歸為“其他”類別.最終,將9 438個(gè)藻團(tuán)對(duì)象分成4類,作為因變量y.將長(zhǎng)徑、短徑、長(zhǎng)短徑比、圓度、面積等形態(tài)學(xué)參數(shù)作為輸入數(shù)據(jù),同時(shí)考慮時(shí)間也是主觀判斷的一個(gè)重要因素,故月份數(shù)據(jù)也作為輸入變量之一,上述數(shù)據(jù)為自變量x.構(gòu)建通過X(自變量)計(jì)算得到Y(jié)(因變量,藻種類別)的分類回歸樹.

從分類效果看(見圖6),黃絲藻、偽魚腥藻和小環(huán)藻3個(gè)藻種顯微圖片的總體加權(quán)分辨率分別達(dá)到83%、86%和68%,其中前二者的辨識(shí)率較高,與黃絲藻和偽魚腥藻藻團(tuán)面積大、形狀狹長(zhǎng)、容易辨認(rèn)有關(guān).因此,基于藻團(tuán)輪廓的形態(tài)學(xué)特征可達(dá)到部分辨識(shí)優(yōu)勢(shì)藻團(tuán)目的,提供包括藻團(tuán)面積、粒徑、形狀及上述參數(shù)時(shí)空分布的有用信息.

圖6 優(yōu)勢(shì)藻種顯微圖的分辨效果(2015年2月～2016年8月)Fig.6 Resolution effect of microscopic pictures of dominant algal species(February 2015～August 2016)

本工作基于顆粒物大小對(duì)水廠水處理的影響,著重解決水中藻團(tuán)粒徑分布的快速檢測(cè).本工作重點(diǎn)不是藻的分類,而是快速檢測(cè)出優(yōu)勢(shì)藻種,為2維投影作為藻的圖形圖像學(xué)特征提供基礎(chǔ)數(shù)據(jù),為水中藻形態(tài)的自動(dòng)快速測(cè)定提供前期研究,最終化繁為簡(jiǎn),實(shí)現(xiàn)藻種辨識(shí)和統(tǒng)計(jì)分析目標(biāo).圖4中藻細(xì)胞的輪廓大小清晰可見,甚至部分大型藻細(xì)胞的內(nèi)部細(xì)節(jié)也可看到.但不可否認(rèn),清晰的圖像能夠提供更多的細(xì)節(jié),從而為后期的模型提供更多的圖像特征值.例如,通過對(duì)比度的閾值設(shè)置,提取有內(nèi)部氣泡的藻類,或通過藻細(xì)胞體內(nèi)色素的熒光特性,獲取熒光特征值,從而提升模型準(zhǔn)確度[19-22].靳雪萊等[23]建立了基于熒光比值特征和多元線性回歸的識(shí)別方法,其實(shí)地采集樣品的誤差僅為10.86%.

不僅僅是監(jiān)測(cè)儀器的升級(jí),模型測(cè)試集和訓(xùn)練集的合理劃分、藻細(xì)胞特征值的挖掘等也都是未來亟待研究的內(nèi)容.值得注意的是,實(shí)際研究中需要?jiǎng)討B(tài)監(jiān)測(cè)1 mL水樣中數(shù)以萬計(jì)的藻類.如何在圖像準(zhǔn)確度與快速測(cè)定之間取得平衡,也是研究中需要考慮的.

3 結(jié)論

(1)2015年3～7月開展某水源水庫優(yōu)勢(shì)藻種顯微圖像數(shù)字化分析.出現(xiàn)頻次最高的是黃藻門的黃絲藻,其次是硅藻門的小環(huán)藻和冠盤藻.

(2)通過圖形圖像數(shù)字化分析,得到藻團(tuán)2維投影面積.其中優(yōu)勢(shì)藻種黃絲藻的投影面積和藻密度呈現(xiàn)較高的相關(guān)性(R2=0.712),而其他藻種的相關(guān)性均較小.因?yàn)辄S絲藻為長(zhǎng)鏈型絲狀藻,藻團(tuán)體形狹長(zhǎng),所以其2維投影的面積、長(zhǎng)徑及長(zhǎng)短徑比值等顯著高于其他藻種,形態(tài)學(xué)特征明顯.

(3)采用分類回歸樹方法開展2015年3～12月期間原水樣品中黃絲藻、小環(huán)藻和偽魚腥藻3種典型藻種的統(tǒng)計(jì)回歸分類,分辨效果良好,分辨率分別達(dá)83%、68%和86%.

(4)藻團(tuán)2維投影特征度量方法結(jié)合圖像識(shí)別技術(shù),可提供藻團(tuán)面積、粒徑、形狀參數(shù)及這些參數(shù)的時(shí)空分布,同時(shí)辨識(shí)優(yōu)勢(shì)藻團(tuán).后續(xù)將獲取更多圖像特征值結(jié)合算法優(yōu)化,有望實(shí)現(xiàn)水中藻團(tuán)的快速識(shí)別與特征測(cè)量.