气象因子对巢湖水源地蓝藻水华暴发的影响

蒋晨韵 唐晓先 王璨 袁俣 李小龙 钱新

摘要：近年来，巢湖蓝藻水华频频暴发，位于巢湖东部的水源地亦出现严重的蓝藻水华，影响渔业以及周边人们生产生活用水安全等。巢湖是典型的富营养化浅水湖泊，营养盐浓度水平适宜蓝藻生长繁殖。在当前水质条件下，研究气象因子及其变化对蓝藻水华生消和迁移的影响具有重要意义。以巢湖2016年9月的实测数据为基础，构建三维水动力-水质模型，设置不同的气温、辐射、风速、风向的组合情景，对蓝藻水华进行模拟，并重点关注巢湖水源地。结果显示，入秋后，巢湖气温仍有利于蓝藻的生长。这种温暖晴好天气下，如持续小风且风向不利（西南风），中部出现的蓝藻水华，能够在3 d左右到达巢湖水源地。因此，在营养盐充足且温度较为适宜的季节，风速和风向是巢湖蓝藻水华预警的重要因子。

关键词：巢湖;水质模型;蓝藻水华;气象因子;情景模拟;预测预警

中图分类号： X524  文献标志码： A  文章编号：1002-1302（2019）10-0281-05

20世纪70年代以来，巢湖多次出现蓝藻水华，巢湖富营养化问题逐渐受到重视。近年来，有关巢湖蓝藻水华的研究不断深入，蓝藻控制有了更多的理论基础与实践经验[1-2]。尽管如此，巢湖蓝藻水华问题仍未得到改善。2007年，巢湖经历了2000年以后较为严重的蓝藻水华[3]。2008年以后富营养化仍维持较高水平。从2000—2015年卫星观测研究结果看[4-5]，巢湖蓝藻水华呈初次暴发时间提前、覆盖面积变大、暴发频率增加以及持续时间增长的趋势。蓝藻水华的暴发对水体中生物、水质造成不良影响，同时，危及巢湖水源地饮水安全和人体健康。

蓝藻水华的形成受到物理、化学、生物等因素影响[6]，一方面是内生性因素，包括藻类生长需要的营养物质、藻类自身的生理结构，另一方面是适合蓝藻增殖、形成水华的外生性环境条件[7-9]。在营养盐充足的情况下，环境因素对蓝藻水华的暴发和扩散起到重要作用。已有研究证实了气温、风、太阳辐射、降水等气象因子对巢湖蓝藻水华的暴发及面积具有重要影响[10-12]。从2014—2016年巢湖水质监测数据来看，巢湖全湖营养盐总氮（TN）、总磷（TP）浓度的最小值均大于美国环保局（USEPA）《湖泊与水库技术指导手册——营养盐标准》所述可能发生蓝藻水华的阈值（TP浓度为0.001 mg/L、TN浓度为0.150 mg/L）[13]，在蓝藻所需营养盐相对充足的前提下，气象因子很有可能成为影响巢湖蓝藻水华形成和分布的关键因素，对此进行针对性研究很有必要。已有研究主要通过对监测数据进行分析得出结论[14]，本研究通过水动力-水质模型具体分析巢湖蓝藻水华在时间空间上对气象因素的响应，为巢湖蓝藻水华的预测预警和控制提供参考。

1 资料与方法

1.1 数据资料

模型计算所需的水质数据来源于巢湖管理局，包括每月1次的常规水质监测数据以及在蓝藻水华易暴发期每周2次的加密监测数据。

气象数据包括中国气象数据共享服务平台（http：//data.cma.cn/）中国地面国际交换站气候资料日值数据集（V3.0）中合肥站点的气温、降水、风速、风向等日值数据，以及在巢湖忠庙处自建小型气象站采集的气温、降雨、风速、风向、辐射等间隔15 min的数据。

巢湖水华分布遥感监测图片来自于MODIS影像，2012—2016年共有292份监测到有效藻华，各年中蓝藻水华最大面积分别达到184.0、167.6、198.0、321.9、237.6 km2。

1.2 模型应用

本研究选用ELCOM-CAEDYM（三维水动力-水质）耦合模型模拟气象因子对巢湖蓝藻水华的影响。通过将水动力模型ELCOM与水质模型CAEDYM耦合，模拟三维流场中光照、温度、溶解氧含量、碳氮磷循环等对藻类生长的影响，纳入蓝藻上浮与沉降等过程模拟，生成不同时点、网格、深度中各指标浓度，能够有效模拟气象因子在不同维度上对蓝藻水华规模、分布产生的影响。

ELCOM-CAEDYM模型在国内外都有应用。在国外，ELCOM-CAEDYM被成功应用于澳大利亚西部天鹅河口[15]、Daecheong水库[16]、Urayama水库[17]等，国内也有学者将其用于淀山湖[18]、太湖[19]、天目湖[20]水质模拟研究，成功模拟了降水、入湖河流、营养盐、水温等因素对蓝藻水华的影响，并能够很好地反映出蓝藻水华的时空分布。谢兴勇等成功将ELCOM运用于巢湖引江济巢调水的工作[21]，为ELCOM-CAEDYM模型在巢湖的运用打下了基础。

通過选取典型的蓝藻水华事件，搜集同期数据构建模型，对模型进行率定与验证。结果表明，模型能够较好地反应蓝藻生消与分布情况。

1.3 情景设置

1.3.1 基本情景 选择2016年9月18—30日的蓝藻水华过程为基础，对全湖进行初始化。全湖初始水温在25 ℃左右。总氮浓度范围在0.77～2.91 mg/L，氨氮浓度在0.08～2.39 mg/L，总磷浓度在0.04～0.20 mg/L。整体上，营养盐浓度西部高，中部次之，东部低。初始时蓝藻水华集中出现在西湖区以及湖心处（以藻浓度65 μg/L作为藻华出现的临界值）。通过对比基本情景模拟的结果与相应的蓝藻卫片，进一步对模型进行验证。

1.3.2 气温情景 监测到有效蓝藻水华时，日均气温在 14.3～33.4 ℃之间，各年日均气温均值在24.5～26.5 ℃之间，日最低气温均值在20 ℃以上，日最高气温均值在30 ℃左右。根据自动监测站的数据，设置不同的温度区间，分别为a（22.6～29.4 ℃）、b（20.7～31.8 ℃）、c（17.2～18.3 ℃）、d（20.9～25.7 ℃）。通过气温情景模拟，分析不同温度范围（a、c、d）和波动幅度（a、b）对蓝藻水华的影响。

1.3.3 辐射情景 根据自建气象站采集的辐射数据，日最高太阳辐射值范围在400～800 W/m2，根据实际数据设置4档不同的辐射值，日最高值分别为极低值（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。通过辐射情景模拟的结果分析太阳辐射（光照）对蓝藻水华的影响。

1.3.4 风向风速情景 从风向上看，蓝藻暴发的时段各种风向均出现过，其中以东风、东南风、东北风为主，西南风、南风、西风次之。为模拟不同风向对蓝藻水华迁移扩散的影响，在小风、高温、晴天的情形下设置不同的风向，在模拟东风下蓝藻的迁移扩散的基础上，重点关注主要不利风向（如西风、西南风）作用下，湖区西部、中部藻华可能对巢湖东部水源地巢湖船厂（图1）造成的影响。

从2012—2016年的蓝藻暴发时段的风速分析，日平均风速均值均小于2 m/s，各年的均值在1.62～1.94 m/s之间。据此，设置1、2、3 m/s 3种情景，风速恒定。其他气象因子控制在适合蓝藻生长的范围内进行模拟，以考察风速对水华的影响。

2 结果与分析

2.1 基本情景模拟结果

基本情景下，蓝藻水华主要分布在西湖区和湖心区域靠北岸，逐渐向南扩散，在南岸形成藻华，面积在初始时略有增加，随后逐渐减小，与卫星图像监测到的蓝藻水华变化趋势基本一致（图2）。

2.2 气温对蓝藻水华的影响

气温较低的c情景中，由于辐射较高，计算期间水温维持

在25 ℃左右，藻浓度缓慢上升，在模拟后期保持在50 μg/L的水平。在巢湖地区夏季偶发的低气温条件下，即使营养盐较高、辐射较强，暴发水华的可能性也相对较小。

气温高于20 ℃的情景（a、b、d）中，水温均呈缓慢上升的趋势，最高能够达到33 ℃。在水温未超过29 ℃时，随着水温的升高，巢湖船厂处表层藻浓度逐渐升高，从初始的30 μg/L上升到80～90 μg/L，随后浓度开始缓慢下降，但始终高于 65 μg/L。在藻浓度下降阶段，水温多在30 ℃左右，此时高温对蓝藻生长形成抑制，气温越高，水温越高，藻浓度下降的速度越快。情景a与b下，气温日均值相近，日气温波动幅度变大（±2 ℃）对藻浓度水平没有明显影响。

藻浓度在不同温度区域变化趋势不同，源于蓝藻生长速率在不同温度下的变化。在达到29 ℃之前，蓝藻生长速率随温度升高而升高，因此，气温高于20 ℃的情景中初始藻浓度增长明显快于气温20 ℃以下的情景。当水温高于29 ℃时，气温越高，藻浓度下降越快，可能是由于温度超过了藻类生长的最适温度，藻类生长速率下降，而同时代谢死亡速率加快，使得藻浓度下降。另外，从已有观测值看，即使在入秋后的9月，气温日均值仍处于20～30 ℃之间，极少情况会低于 20 ℃，因此该时段气温条件有利于蓝藻生长。

2.3 辐射对蓝藻水华的影响

在辐射值较高的情景下，水温上升较快，仅在日最大辐射极低时，水温出现了下降。水源地巢湖船厂处，较高辐射值下，随水温上升，藻浓度呈先上升后下降的趋势，在低辐射情景下，藻浓度呈下降趋势（图4）。然而，在东半湖湖心藻浓度随时间始终呈下降趋势。总体上，辐射值越高，藻浓度越高。

不同辐射值代表了不同的光照度以及向水体传递的能量，影响藻类生长所能获取的光照以及水体表层温度的变化。水温适宜的情况下，光照不足（辐射值较低）会抑制蓝藻的生长，藻浓度呈下降趋势，但仍然维持在25 μg/L左右。东半湖湖心处，藻浓度始终呈下降趋势，可能是受其他因素影响，如附近低浓度水的混合稀释。巢湖在6—9月，每日辐射最高值小于200 W/m2的情况很少，基本能够满足蓝藻快速生长繁殖的条件。其他条件有利蓝藻增殖时，当辐射值达到 500 W/m2 以上，水源地藻浓度快速上升并且能够稳定在 65 μg/L 以上，出现蓝藻水华。随着辐射值上升，藻浓度稳定时达到的值变高，但是增长率变小（图5）。有研究发现滇池藻浓度与辐射值存在负相关关系的情况[22]，这可能是由于滇池纬度低海拔高，辐射强度整体较高下的特有现象。巢湖处于亚热带，出现这种情况的概率不大。

2.4 风对蓝藻水华的影响

风速1 m/s时，表层藻类快速繁殖，风向的影响更为明显。西风、西南风情景下，巢湖船厂水源地的藻浓度均快速上升。西风下，浓度上升最快，最高能够上升到100 μg/L。东风能够阻碍蓝藻水华迁移到达东湖区取水口（船厂）处，使藻浓度维持在较低水平。不同风向下，忠庙、东半湖湖心藻浓度变化差别不大（图6）。

从不同风速情景下的藻浓度平面分布（图7）看，风速为1 m/s时，蓝藻水华连续、大面积出现，随时间不断向西南方向延伸，覆盖大部分湖区。风速2、3 m/s时，蓝藻水华未在全湖范围连成一片，且面積远小于风速为1 m/s时。

风速小时，蓝藻浓度迅速上升并且上浮至表层，随风扩散迁移，形成大片水华。在巢湖，当风速维持在1 m/s左右时，会在 1 d 内迅速形成大面积藻华，在迅速增殖的同时向四周扩散。

不同点位上垂直方向的平均浓度变化也有所不同（图8）。忠庙处，1 m/s风速下垂直方向藻浓度平均值要小于2、3 m/s 时，差距最大时近20 μg/L。东半湖湖心处，3种风速下垂直方向平均浓度相差并不大（小于10 μg/L）。巢湖船厂处，垂直方向平均浓度与表层浓度一致，风速小时浓度高。

风速小时，藻类漂浮在表层，有适宜的温度和充足的光照，迅速繁殖、扩散迁移。因此，风速小时，表层浓度更大。风速较大时，对水体扰动增大，达到一定程度可能会破坏高温下的水体分层，使得营养盐、藻类在垂直方向上快速混合。在水深较小的巢湖船厂处，即使在风速1 m/s的情况也能充分混合。但在水深较大的忠庙处，1 m/s的风速不足以破坏整个分层，藻类在表层迅速增殖积聚，消耗表层营养盐。一方面，由于分层未被打破，阻碍了底层营养盐向表层的迁移，表层未得到补给。另一方面，1 m/s风速下，表层水温会更高，表层藻类代谢死亡速率也会增快。这可能共同导致了1 m/s时忠庙处垂直方向平均藻浓度低于2 m/s和3 m/s时。

2.5 藻浓度与蓝藻气象指标的关系

在营养盐充足的条件下，尝试分析藻浓度与气象因子之间的关系。将气温、辐射和风速进行归一化处理，计算气象指标。选取每天正午过后15：00的数据，分析藻浓度与气象指标的关系。从西半湖湖心、忠庙、东半湖湖心3个点的结果看，藻浓度总体上与气象指标呈正相关关系。西半湖湖心处初始藻浓度高，趋势更为明显（图9）。

忠庙处，有2个明显的低值，原因可能是这2点对应初始时段（09-18和09-19），初始浓度较低，尽管气象条件较为适宜，藻浓度仍然处于较低水平。另外，气象指标最大值点出现在9月20日，并未对应最高浓度，但仍然相对前2日大幅上升。其他点位浓度水平较高，可能是由于后续高浓度区的藻类迁移到了该处。在未来分析考虑藻浓度的变化时，除了原位生长的蓝藻外，还应纳入迁移量。

3 结论

在营养盐充足的春夏季节，气温、辐射、风等气象因素对藻浓度及蓝藻水华时空分布的影响可能更加明显。进入秋季后，巢湖气温日均值仍处于20～30 ℃之間，有利于蓝藻的生长。同时，巢湖藻浓度会随着辐射值的增加而增加。当气象预报为晴天或者多云时，仍应加强监测。

气温适宜的晴好天气，风对蓝藻水华生消和分布产生的影响可能会更加明显。如果在此时巢湖中部湖区出现蓝藻水华，1 m/s的西南风下，经过3 d左右，水华会迁移扩散到位于巢湖东部、裕溪河口上游的巢湖水源地。如在中部湖区观测到蓝藻水华，应密切结合未来风速风向的预报进行分析，如在未来几日气象预报中出现风速在1 m/s以下的情况，应对水源地的藻浓度进行跟踪加密监测，并制定相应的应急方案。

将气温、辐射和风速归一，计算蓝藻气象指标，对藻浓度与其关系进行了分析。总体上，在温度适宜（大多在20～30 ℃）、天气晴好时，巢湖不同湖区的藻浓度均与蓝藻气象指标呈一定的正相关关系，但未考虑藻类的湖内迁移。在后续的研究中，应考虑迁移量的影响。

参考文献：

[1]陈云峰，殷福才，陆根法. 水华暴发的突变模型——以巢湖为例[J]. 生态学报，2006，26（3）：878-883.

[2]贾晓会，施定基，史绵红，等. 巢湖蓝藻水华形成原因探索及“优势种光合假说”[J]. 生态学报，2011，31（11）：2968-2977.

[3]张 民，孔繁翔. 巢湖富营养化的历程、空间分布与治理策略（1984—2013年）[J]. 湖泊科学，2015，27（5）：791-798.

[4]唐晓先，沈 明，段洪涛. 巢湖蓝藻水华时空分布（2000—2015年）[J]. 湖泊科学，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. 大型浅水富营养化湖泊中蓝藻水华形成机理的思考[J]. 生态学报，2005，25（3）：589-595.

[7]吴 珺，李 浩，曹德菊，等. 巢湖东半湖蓝藻水华暴发时空动态及成因[J]. 农业环境科学学报，2013，32（10）：2035-2041.

[8]于 洋，彭福利，孙 聪，等. 典型湖泊水华特征及相关影响因素分析[J]. 中国环境监测，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与水华空间分布遥感解析[J]. 中国环境科学，2015，35（5）：1511-1519.

[10]张 红，黄 勇，李 堃. 湖面亮温对巢湖水华影响的遥感监测分析[J]. 环境科学，2012，33（10）：3323-3328.

[11]范裕祥，金社军，周 培，等. 巢湖蓝藻水华分布特征和气象条件分析[J]. 安徽农业科学，2015（4）：191-193.

[12]张 红，黄 勇，姚 筠，等. 巢湖藻类遥感监测和气象因子分析[J]. 环境科学与技术，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]张 红，黄 勇. 基于NOAA/AVHRR卫星资料的巢湖水华规律分析[J]. 中国环境科学，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]卢 嘉，陈小华，李小平. 基于ELCOM-CAEDYM模型的淀山湖营养物投入响应关系的模拟[J]. 湖泊科学，2011，23（3）：366-374.

[19]王长友，于 洋，孙运坤，等. 基于ELCOM-CAEDYM模型的太湖蓝藻水华早期预测探讨[J]. 中国环境科学，2013，33（3）：491-502.

[20]成晓奕，李慧赟，戴淑君. 天目湖沙河水库溶解氧分层的季节变化及其对水环境影响的模拟[J]. 湖泊科学，2013，25（6）：818-826.

[21]谢兴勇，钱 新，钱 瑜，等. “引江济巢”工程中水动力及水质数值模拟[J]. 中国环境科学，2009，28（12）：1133-1137.

[22]谢国清，李 蒙，鲁韦坤，等. 滇池蓝藻水华光谱特征、遥感识别及暴发气象条件[J]. 湖泊科学，2010，22（3）：327-336.