鄒嘉澍，許陽春，蘇玉萍，Balaji PRASATH·BARATHAN，陳 斌,蘇金洙

(1.福建師范大學(xué)環(huán)境科學(xué)與工程學(xué)院，福建 福州 350007；2.福建省污染控制與資源循環(huán)重點實驗室，福建 福州 350007；3.福州福光水務(wù)技術(shù)有限公司，福建 福州 350007)

赤潮是一種無常的水體生態(tài)失衡的自然現(xiàn)象，其形成機理復(fù)雜，是海洋中的某些浮游生物，包括微藻、原生動物和細菌等暴發(fā)性增殖，導(dǎo)致海洋的顏色總體上變?yōu)榧t色或接近棕色，并對沿海地區(qū)和水生生態(tài)系統(tǒng)造成嚴重影響的水體污染問題[1-4]．目前，關(guān)于赤潮形成的機理研究尚未有明確定論．但許多研究指出，豐富的營養(yǎng)鹽等水質(zhì)條件是赤潮形成的物質(zhì)基礎(chǔ)，適宜的氣象條件加速促進了赤潮的暴發(fā)，并影響了赤潮發(fā)生的頻率、規(guī)模、生物地理特性以及藻類毒性[5-9]．赤潮一方面會對海洋生態(tài)系統(tǒng)造成破壞，給近海水產(chǎn)養(yǎng)殖業(yè)和水產(chǎn)資源造成嚴重損失；另一方面有毒赤潮還能直接或間接對人體健康產(chǎn)生危害[10]．因其產(chǎn)生的種種危害，20世紀90年代，赤潮就已被聯(lián)合國列為三大近海海洋污染問題之一，引起了世界各沿海國家、地區(qū)的高度重視[11-13]．

通過對赤潮藻的時空分布特征及其對水生生態(tài)系統(tǒng)的影響的了解，人們可以更好地加強赤潮災(zāi)害管理.但是，由于赤潮藻的高度空間變異性，傳統(tǒng)的野外水樣采集及數(shù)據(jù)分析方法使其時空分布研究受限．而人工智能數(shù)據(jù)驅(qū)動型預(yù)警模型因具有信息分布式存儲與并行計算、存儲與處理一體化，以及較強的容錯性和適應(yīng)性等特征，目前已被廣泛應(yīng)用于解決復(fù)雜背景下的赤潮預(yù)警問題[14]．國內(nèi)外在赤潮預(yù)警模型開發(fā)上，通常以機理模型與非機理模型兩種方式進行．機理模型是基于現(xiàn)有理論、知識和研究經(jīng)驗建立的，使用戶能夠模擬特定系統(tǒng)的行為趨勢[15]．例如，覃苗[16]、許陽春等[17-18]用Chl-a的含量來反映藻類生物量,并將其作為BP神經(jīng)網(wǎng)絡(luò)模型的輸出指標，演算出以水溫、溶解氧、電導(dǎo)率和氣溫作為組合變量的輸入指標，該模型預(yù)測藻華發(fā)生的結(jié)果最佳．就非機理模型而言，主要通過統(tǒng)計學(xué)方法、相關(guān)性分析和機器學(xué)習(xí)方法從經(jīng)驗數(shù)據(jù)模式中提取出整體信息，從而使用戶能夠預(yù)測系統(tǒng)的趨勢而不是解釋系統(tǒng)的行為[19]．例如，Noh等[20]研究開發(fā)了一種新型的地球靜止海洋彩色成像儀(GOCI)赤潮量化算法，結(jié)果顯示東海葉綠素-a濃度與赤潮呈現(xiàn)較高相關(guān)性，在一定程度上可用于赤潮災(zāi)害的及時量化．因此，針對特定海域，建立一個可實現(xiàn)短期預(yù)報、判定指標相對精確并能穩(wěn)定表征赤潮發(fā)生的預(yù)警模型具有重要的理論意義與現(xiàn)實價值．除人工智能數(shù)據(jù)驅(qū)動型預(yù)警模型外，研發(fā)相對簡易且實用的預(yù)警方法是目前的預(yù)警模型發(fā)展的另一趨勢．許多學(xué)者發(fā)現(xiàn)Chl-a與眾多水質(zhì)因子如pH、DO、CODMn都有較強的相關(guān)性，甚至一些營養(yǎng)因子SiO42-、NH4+對Chl-a含量的影響也很大，說明浮游植物的生長繁殖是眾多水質(zhì)因子和營養(yǎng)因子綜合作用的結(jié)果[21]．研究指出，海水中的溶解氧含量在赤潮形成至暴發(fā)期間逐漸升高，且溶解氧與浮游植物細胞密度的相關(guān)性較高．許昆燦等[22]提出了“表觀增氧量”的概念，他假定赤潮形成初期，水體與大氣中的氧處于平衡狀態(tài)；赤潮暴發(fā)期間，赤潮生物光合作用產(chǎn)生大量的氧氣從而使水體溶解氧含量增高．需要注意的是，赤潮期間溶解氧濃度的變化不僅與赤潮藻生物暴發(fā)后的光合作用產(chǎn)氧量有關(guān)，生物的呼吸作用和有機物的礦化分解作用同時也會消耗一部分的氧氣．另外，水的混合及與大氣瞬間完成平衡的偏離也會使增氧量對浮游植物光合作用下真實的產(chǎn)氧量存在一定的偏差．因此，用“表觀”二字來定義增氧量，即允許上述影響的存在，用表觀增氧量來估算赤潮生物量的多少．在赤潮快速評價和預(yù)警的研究中，表觀增氧量(Apparent oxygen increase，AOI)赤潮預(yù)警模式僅需對海水鹽度、水溫、溶解氧進行測定，其測定方法簡便、快速、準確，也易于實現(xiàn)現(xiàn)場測定，AOI在赤潮預(yù)警中具有較高的實用價值．

1 研究區(qū)及數(shù)據(jù)來源

1.1 研究區(qū)概況

平潭綜合實驗區(qū)古稱海壇,位于福建省福州市，東鄰臺灣海峽，西隔海壇海峽，經(jīng)緯度介于119°32′E～120°10′E，25°15′N～25°45′N之間．平潭由126個島嶼，167個巖礁組成，總面積371.91 km2，海域面積6 064 km2，擁有豐富的海洋生物資源，包括魚類、藻類、貝類、甲殼動物類等高達934種[23]，是著名的漁業(yè)基地．其中部多平原，位于東北偏北方向的長江澳，是貫穿中部平原的風(fēng)口；南部以低丘為主，在這一地勢之間，平原穿插其中，其獨特的地形條件也使平潭綜合實驗區(qū)形成了獨具特色的氣候特點[24]．據(jù)福建省海洋與漁業(yè)局的赤潮預(yù)警信息統(tǒng)計，平潭海域在2013—2019年間共發(fā)生過8次赤潮，赤潮暴發(fā)的藻種多為夜光藻、米氏凱倫藻、東海原甲藻等，赤潮頻發(fā)給其海洋經(jīng)濟帶來了嚴重損失．

1.2 數(shù)據(jù)來源

本研究數(shù)據(jù)來源于福建省海洋與漁業(yè)廳提供的2013—2019年4-6月份的698組海洋監(jiān)測有效樣本數(shù)據(jù)，主要包括水溫(℃)、鹽度(g·L-1)、溶解氧 (mg·L-1)、pH、Chl-a(μg·L-1)、藻細胞密度(L-1)等參數(shù)．

通常每年的4-6月為平潭海域赤潮的高發(fā)期，監(jiān)測頻率為每周1～2次；7-10月為赤潮藻類的消亡期，監(jiān)測頻率下降至每月1～2次．2013—2018年的監(jiān)測點位共有6個，2019年的監(jiān)測點位數(shù)量保持不變，但監(jiān)測點位的經(jīng)緯度相較于2013—2018年略有變化．2013—2019年的監(jiān)測點位名稱和具體經(jīng)緯度如表1所示．

表1 2013—2019年監(jiān)測點位名稱及位置

2 研究方法

2.1 AOI在平潭海域赤潮的預(yù)警方法

為探究AOI能否作為預(yù)測赤潮發(fā)生的評價指標，本研究以單一不同藻種為研究方向，既消除異種藻類細胞的個體差異對細胞密度測量造成的影響，也提高赤潮預(yù)警的精準性．首先對2013—2019年平潭海域內(nèi)的赤潮監(jiān)測數(shù)據(jù)進行收集，應(yīng)用Excel2016對數(shù)據(jù)進行整理和規(guī)一化處理，使用Origin201864Bit將AOI與藻密度進行線性擬合，找到AOI與赤潮藻密度之間的定量關(guān)系．隨后利用平潭海域2019年5月的赤潮監(jiān)測數(shù)據(jù)對AOI指標進行精度分析．最后依據(jù)日本安達六郎[25]提出的“赤潮生物密度”作為赤潮判斷的參考標準，從而找到赤潮生物密度的AOI的預(yù)警值和赤潮評價標準．本研究方案流程如下：

(1)收集整理平潭海洋監(jiān)測數(shù)據(jù)；

(2)探索AOI與赤潮藻密度的相關(guān)性；

(3)AOI預(yù)警指標精度分析；

(4)制定AOI預(yù)警值及赤潮判定標準．

2.2 AOI計算

收集赤潮監(jiān)測數(shù)據(jù)中的水溫(℃)和鹽度(g·L-1)，并采用Gammerson和Robertson提出的飽和溶解氧的經(jīng)驗式[26](簡稱G氏公式)計算現(xiàn)場水溫、鹽度條件下氧的飽和濃度．

(1)

式中ρs為固體溶解量(mg·L-1)；t為水溫(℃)．

根據(jù)許昆燦等[22]提出的“表觀增氧量”的概念，假定在赤潮形成初期，水體與大氣中的氧處于平衡狀態(tài)；而在赤潮暴發(fā)期間，赤潮藻類大量增殖并在光合作用下產(chǎn)生氧氣使水體溶解氧含量增加．因此，表觀增氧量(AOI)可以用下式表示為：

ρ(AOI)=ρ(O)-ρ(O′)，

(2)

式中ρ(AOI)為表觀增氧量(mg·L-1)；ρ(O)為現(xiàn)場測得的氧的質(zhì)量濃度(mg·L-1)；ρ(O′)為現(xiàn)場水溫、鹽度條件下氧的飽和質(zhì)量濃度(mg·L-1)．

2.3 AOI與浮游植物密度的擬合方法

根據(jù)我國對赤潮藻的計數(shù)習(xí)慣及已有的海洋監(jiān)測數(shù)據(jù)，本文選擇浮游植物細胞密度與AOI進行擬合．浮游植物生物量被定義為在同一時間內(nèi)單位體積水樣中所存在的浮游植物量[27]．由于藻細胞的個體大小有所差異，僅用藻細胞數(shù)量來表示藻生物量不夠準確．目前我國主要使用光學(xué)顯微鏡對藻類生物進行定量分析和細胞計數(shù)，并用藻細胞密度即單位體積的細胞數(shù)來表示藻類生物量[28],必須考慮其形態(tài)大小對赤潮判定值的影響．根據(jù)對平潭海域水生態(tài)特征的分析結(jié)果可知，近幾年，頻繁引發(fā)平潭海域赤潮的優(yōu)勢藻主要為東海原甲藻、夜光藻、米氏凱倫藻、中肋骨條藻等．

根據(jù)平潭海域的水生態(tài)特征，從2013—2019年的海洋監(jiān)測數(shù)據(jù)中篩選出平潭海域頻發(fā)的赤潮優(yōu)勢藻數(shù)據(jù)．在上述幾種常見的優(yōu)勢藻中，夜光藻的體長明顯大于其他優(yōu)勢藻種，且其生活習(xí)性異于其他浮游植物，常于海域較深層的位置生長增殖，而本研究選用的海洋監(jiān)測數(shù)據(jù)均為表層水體的數(shù)據(jù)，考慮到數(shù)據(jù)的一致性，本章節(jié)擬合數(shù)據(jù)將夜光藻數(shù)據(jù)剔除．選用東海原甲藻、米氏凱倫藻、中肋骨條藻等其他幾種體長均介于10～29 μm之間的浮游植物的監(jiān)測數(shù)據(jù)，在一定程度上消除了個體差異對擬合公式適用性的影響．此外，擬合數(shù)據(jù)的各采樣點位基本上覆蓋了平潭海域全部的赤潮頻發(fā)點位，這使數(shù)據(jù)更加具有區(qū)域代表性，也使擬合結(jié)果具有更強的海域適用性．

本文選用的121組擬合數(shù)據(jù)樣本的浮游植物細胞密度介于2.25×103～9.02×106L-1之間，ρ(AOI)在-2.48～2.70 mg·L-1之間波動．其中，米氏凱倫藻細胞密度介于5.00×103～8.40×105L-1之間，AOI的量值處于-0.77～1.11 mg·L-1之間．

2.4 最小二乘法線性擬合原理

為找到AOI同藻密度之間的相關(guān)模式，可通過實驗或觀測所獲得的離散數(shù)據(jù)來建立其對應(yīng)的、近似的連續(xù)模型．最小二乘法通常被應(yīng)用于處理擬合問題中，它秉承測量值偏差的加權(quán)平方和盡可能最小的原則，找到目標函數(shù)使其盡可能地接近已知離散數(shù)據(jù)點的總體分布輪廓[29]．其數(shù)學(xué)表達式為：

(3)

在線性擬合模型中，設(shè)對一組N個樣本數(shù)據(jù)(xi,yi)作出y=ax+b的一元線性擬合.根據(jù)最小二乘法原理，對n個樣本數(shù)據(jù)做誤差求和計算S值為：

為滿足S達到最小值，求得擬合(a,b)值使測量值偏差平方和最小，因此對S值做偏微分計算：

進而解得：

可求得最優(yōu)解(a,b)，即確定了一個最合適的線性擬合方程y=ax+b.相關(guān)系數(shù)r反映出兩變量之間的線性關(guān)系，通常被定義為[30]：

(4)

式中Cov(X,Y)為X與Y的協(xié)方差，Var[X]為X的方差，Var[Y]為Y的方差.|r|的范圍在0到1之間，其絕對值越接近1，表明實驗數(shù)據(jù)中各點同該直線偏離程度越小，其分布情況同該直線相鄰的越緊密.

在回歸模型中，判定系數(shù)R2可作為估計的回歸方程擬合程度的度量參數(shù)，通常用來評估模型預(yù)測值和實際值之間的相關(guān)程度[31].在簡單的線性回歸模型中，判定系數(shù)R2的值為相關(guān)系數(shù)r的平方，該統(tǒng)計量越接近1，表明模型的擬合程度越高[31].

2.5 擬合公式精度評價方法

在對擬合公式中的變量進行精度分析時，通?？捎妙A(yù)測誤差來表示預(yù)測結(jié)果同真實結(jié)果的差距.絕對誤差是預(yù)測估算值與真實觀測值的絕對差距，而相對誤差是絕對誤差相對于真實觀測的百分比[32]．本研究選用相對誤差來評估AOI實測值與由藻密度計算的AOI估算值之間的偏離度．

AOI實測值ρ(AOIi)對估算值ρ(AIi)的平均相對誤差系數(shù)可表示?AOI總體偏差程度，并按下式計算：

(5)

式中n為樣本數(shù)；ρ(AOIi)為AOI實測值；ρ(AIi)為根據(jù)擬合公式得到的AOI估算值；表示AOI實測值相對于估算值的相對誤差．

3 結(jié)果與分析

3.1 AOI和藻密度建模結(jié)果

近11年平潭沿海共發(fā)生15起赤潮，其中2012、2013年均發(fā)生3起，達到近11年最高．每年平潭海域都會受到赤潮不同程度的影響，年均持續(xù)天數(shù)達6.2 d．但自2013年以來，赤潮總影響面積、發(fā)生起數(shù)大體呈現(xiàn)遞減趨勢．為了判斷AOI與藻密度之間是否存在定量關(guān)系，該研究基于最小二乘法線性擬合原理，利用Origin201864Bit將121組數(shù)據(jù)中的米氏凱倫藻密度與AOI值按以下方程進行線性擬合，即：

ρ(AOI)=a+blgN,

(6)

式中a為常數(shù)；b為系數(shù)；N為藻密度(L-1)．

3.1.1 多種優(yōu)勢藻擬合結(jié)果

本組將2013—2019年平潭海域的121組海洋監(jiān)測數(shù)據(jù)進行擬合，得到的擬合關(guān)系如圖1，其擬合關(guān)系式的可決系數(shù)R2達到0.544 3(樣本數(shù)量n=121)，對比野外監(jiān)測數(shù)據(jù)的擬合優(yōu)度，R2已經(jīng)達到了較高的擬合度，這一精度也說明AOI與浮游植物細胞密度之間具有較強的相關(guān)性，同時也表明AOI作為赤潮判定指標具有客觀科學(xué)意義．其擬合公式為：

圖1 多種優(yōu)勢藻數(shù)據(jù)擬合圖

ρ(AOI)=0.599 2 lgN-2.751 8.

(7)

3.1.2 米氏凱倫藻擬合結(jié)果

平潭海域近年來米氏凱倫藻頻現(xiàn)，2019年5月下旬，在平潭蘇澳海域發(fā)生的米氏凱倫藻赤潮導(dǎo)致大面積的鯛魚等魚類死亡，給海產(chǎn)養(yǎng)殖戶帶來慘重的經(jīng)濟損失．本小節(jié)從平潭海域2013—2019年的海洋監(jiān)測數(shù)據(jù)中篩選出全部23組以米氏凱倫藻為優(yōu)勢藻的監(jiān)測數(shù)據(jù)，按照多種優(yōu)勢藻數(shù)據(jù)的計算方法得到AOI值，浮游植物細胞密度同樣進行取對數(shù)處理，最后對數(shù)據(jù)進行線性擬合分析，其擬合結(jié)果如圖2．米氏凱倫藻的具體擬合公式如下：

ρ(AOI)=0.791 1 lgN-3.685 6.

(8)

與多種優(yōu)勢藻的擬合結(jié)果相比，其擬合精度有了明顯的提高，可決系數(shù)R2達到了0.802 6(樣本數(shù)量n=23)．這一結(jié)果顯示，樣本擬合方程對樣本觀測值擬合程度好，而且通過圖2可以看出，各樣本觀測點與擬合線靠得較近，表明樣本擬合做出解釋的離差平方和與總離差平方和較接近．

圖2 米氏凱倫藻數(shù)據(jù)擬合圖

3.2 AOI預(yù)警指標的精度分析

為了評價AOI作為赤潮預(yù)警指標的可信度，本文以米氏凱倫藻為例，選取平潭海域2019年5月中下旬的3組赤潮期間海洋監(jiān)測數(shù)據(jù)，對AOI的實測值和估算值之間的偏離程度進行計算和分析．

將擬合公式(8)進行變形，得到：

(9)

將米氏凱倫藻細胞密度實測值代入擬合公式(8)中，得到AOI的估算值如表2所示．表2顯示AOI的實測值與估算值存在一定的偏差．為了具體地描述擬合公式中AOI的驗證誤差，將表2中AOI估算值和實測值代入公式(5)中得到?AOI=0.29，即表明AOI實測值對估算值的平均相對偏差為29%，AOI的估算精度達到71%．基于該研究是在理想的條件下，赤潮發(fā)生初期水體與大氣的氧處于平衡狀態(tài)，即影響氧濃度的各種物理、化學(xué)、生物過程都相互抵消處于平衡狀態(tài)，且假定赤潮暴發(fā)的過程中水體含氧量的增加是由浮游植物光合作用產(chǎn)生的．藻類生長發(fā)育的階段和個體大小的差異；藻密度計數(shù)時的測量誤差；浮游生物的呼吸作用和有機物的礦化分解作用；水溫及鹽度對溶解氧含量的影響等都有可能造成AOI實測值與估算值的相對偏差[33]．但是總體來看，該實驗采用的是自然海區(qū)內(nèi)的監(jiān)測數(shù)據(jù)其包容性也會更大，AOI實測值對估算值的平均相對誤差系數(shù)較小，因此證明了AOI與米氏凱倫藻密度之間有著密切的線性相關(guān)性，從而表明AOI作為度量米氏凱倫藻生物量的指標是可信的．

表2 AOI模式下AOI的實測值與估算值

3.3 AOI預(yù)警值設(shè)定及米氏凱倫藻赤潮評價標準

結(jié)合上節(jié)中的分析結(jié)果，本文以米氏凱倫藻為例，選用安達六郎[25]的赤潮生物判斷基準作為其赤潮臨界密度來確定AOI的預(yù)警值．研究的實驗樣本中米氏凱倫藻體長在10～29 um，依據(jù)安達六郎提出的赤潮生物判斷基準：當(dāng)赤潮生物體長在10～29 um，赤潮暴發(fā)時藻類細胞臨界密度為1×106L-1，將細胞密度1×106·L-1代入擬合公式(8)中，得到AOI值為1.06 mg·L-1．此值可作為判斷米氏凱倫藻赤潮發(fā)生時AOI的臨界值，但仍需綜合AOI臨界值情況和其他影響因素來確定合適的AOI預(yù)警值．由于AOI模式存在一定的不確定性，用1.06 mg·L-1作為判定米氏凱倫藻赤潮發(fā)生的AOI臨界值可能會有所偏差．并且安達六郎的赤潮生物判斷基準是基于赤潮發(fā)生時提出的，如果作為判斷赤潮發(fā)生的預(yù)警值明顯過高．

在AOI預(yù)警指標的精度分析中，已計算出米氏凱倫藻AOI實測值相對于AOI估算值的平均相對偏離系數(shù)為0.29．按照這個平均相對偏離系數(shù)進行計算，判斷赤潮發(fā)生時AOI臨界值應(yīng)該在0.75～1.37 mg·L-1范圍內(nèi)．AOI預(yù)警值的設(shè)定不僅要滿足赤潮監(jiān)測管理的需要，也要有較高的準確度和實效性，因此將ρ(AOI) =0.8 mg·L-1設(shè)定為米氏凱倫藻赤潮的AOI預(yù)警值．若當(dāng)AOI值接近0.8 mg·L-1時，藻密度達到5×105L-1，說明此時水體的溶解氧含量已經(jīng)明顯增高，并且米氏凱倫藻生長和聚集導(dǎo)致其生物量有所增加，暗示該海域正處于米氏凱倫藻赤潮即將發(fā)生或初步形成的階段，此時應(yīng)該開始加強并加密海域赤潮監(jiān)測點的監(jiān)測．

4 結(jié)論

本研究通過對2013—2019年平潭海域內(nèi)的海洋赤潮監(jiān)測數(shù)據(jù)進行處理和分析，應(yīng)用線性擬合分析找到了AOI與浮游植物細胞密度之間有較強的線性相關(guān)性，通過2019年5月實際監(jiān)測的數(shù)據(jù)進行驗證，多種優(yōu)勢藻的AOI預(yù)測精度達到63%．同時，通過結(jié)合對藻群落結(jié)構(gòu)的分析，可以進一步對某個優(yōu)勢種進行預(yù)警，以米氏凱倫藻為例，利用2019年5月平潭米氏凱倫藻赤潮監(jiān)測數(shù)據(jù)驗證得到AOI平均相對誤差為29%．綜合其擬合優(yōu)度、AOI的平均相對誤差和擬合模型的代表性，最終確定了米氏凱倫藻赤潮的AOI擬合公式為 (n=23，R2=0.802 6)．結(jié)果表明AOI可以較為客觀并準確地反映米氏凱倫藻的生物量，因此可以作為評價米氏凱倫藻赤潮發(fā)生的指標．

研究表明，利用AOI對藻類赤潮進行預(yù)警和評價更為快速、簡便，通過進一步分析藻的群落結(jié)構(gòu)和優(yōu)勢藻的種類，預(yù)期可提高預(yù)警精度，具有較高的應(yīng)用價值．同時可為平潭海域以表觀增氧量作為判定指標的赤潮預(yù)警和防控提供參考．根據(jù)本研究提出的AOI預(yù)警值：當(dāng)ρ(AOI) ≥0.80 mg·L-1時，表明該海域的溶解氧含量已達到飽和程度并且米氏凱倫藻生物量處于迅速積累的階段，此時當(dāng)?shù)卣途用駪?yīng)該提高警惕，及時做好監(jiān)測和防范赤潮的準備．對于不同的海域情況和其他區(qū)域需要進一步的驗證和研究．