核电取水海域毛虾爆发成因探析

2022-12-28中国核电工程有限公司代丽张真智一凡张荣勇

区域治理 2022年25期

中国核电工程有限公司代丽，张真，智一凡，张荣勇

一、前言

根据世界核电运营者协会（WANO）的统计资料，2004年至2015年间发生了大量核电冷源堵塞事件，数量达到上百起。在近年来发生的多达104起冷源堵塞事件中，有58%是由海生物导致的，目前海生物已经成为影响核电机组安全稳定运行的重要因素。北部的红沿河核电站，东部的田湾核电站，以及南部的阳江核电站、海南昌江核电站等，近年来都曾爆发冷源堵塞事件，可见，冷源堵塞事件已成为中国沿海核电站普遍面临的问题。引起冷源安全事件的海生物种类繁多，包括以球形棕囊藻等为代表的浮游植物，以毛虾、水母等为代表的浮游动物，以鲈鱼、小沙丁鱼等鱼类为代表的游泳生物，以海地瓜为代表的底栖生物，以紫菜、马尾藻为代表的大型藻类等。

在造成冷源堵塞事件的海生物中，浮游动物是最为常见的类群，其中毛虾又是危害最为严重的代表性浮游动物。据统计，近年来中国近海核电站取水口发生的冷源安全事件中，浮游动物占比较大，大约占比30%，其中，毛虾、水母、尖笔帽螺等浮游动物都曾引发冷源堵塞事件，而毛虾曾多次引发冷源堵塞事件，是对核电冷源安全有极大威胁的物种之一。据报道，2016年1月，岭澳核电站周围海域发生毛虾爆发事件，导致反应堆紧急停堆。大亚湾核电站周围海域大量毛虾短时间内涌入核电进水口，引发循环水泵跳闸及机组降负荷事件。2020年3月，阳江核电站冷源系统遭到大量毛虾入侵，导致6台机组先后停机停堆，该次冷源堵塞事件导致了一级运行事件。

总结来说，毛虾作为典型的冷源致灾海生物具有三大特点：严重危害性、治理难度大以及研究紧迫性。第一，严重危害性，毛虾在中国沿海多个核电站多次引发冷源堵塞事件，在阳江核电站甚至造成了一级运行事件。第二，治理难度大。毛虾与水母都曾多次造成冷源安全事件，但毛虾与水母等大型浮游动物不同，其个体微小，中国毛虾成体大小为20mm至40mm，幼体则更微小，一旦出现大量毛虾突然涌入核电取水口的情况，防控难度较大。第三，研究紧迫性。长期以来，毛虾作为一种重要的渔获物，对其缺乏针对性的科学研究。在冷源堵塞事件发生后，对于毛虾爆发的成因、爆发条件已有一定的研究，还需要进行进一步研究，以获得系统、完善的科学认识。

包括毛虾在内的冷源致灾海生物爆发是自然因素和人为因素耦合的结果，既有气象因子变动、全球气候变化等自然因素的作用，也可能会受到富营养化等人为因素的影响[1]。同时，环境参数（海水温度、营养盐等）、水动力条件、气象因子（风、降雨等）等也会对海生物爆发产生潜在影响。浮游动物、浮游植物等海生物不具有游泳能力，只能被动地随水流迁移，多数浮游动物、浮游植物对于环境参数（海水温度、营养盐等）的变化较为敏感，其生长、繁殖、聚集过程与水动力条件、海水理化参数等的变动密切相关[2-4]。此外，野外调查及相关研究均表明，气象因子也是影响海生物爆发的重要因素。

二、海生物爆发成因研究方法

关于海生物爆发成因的研究，国内外已有相关探索，同时，海生物爆发成因及预测研究往往相伴相随，海生物爆发成因研究往往是为预测预警及处理处置打基础。目前常用的方法有生态动力学方法、统计学方法、人工智能技术等。

生态动力学方法能够通过对生物、物理、化学等因子的分析组合，形成动力学方程，并对模型进行求解。由于真实的海洋环境非常复杂，即使目前使用的生态动力学模型越来越复杂、参数越来越多，对于海洋中真实场景的模拟问题可能仍会存在较大困难。同时，生态动力学模型若过于复杂，会加大模型求解的复杂程度。

统计学方法也可用于海生物爆发成因及预测研究。研究表明，可以基于多元分析的统计学方法，例如回归分析、因子分析等，对海生物（例如有害藻华）的爆发情况进行预测，分析各因子的重要程度。有研究使用统计学方法（如Holt指数平滑法和Holt-Winter指数平滑法）对近年来中国近海赤潮爆发情况进行了分析和预测[5]。

近年来，计算理论的发展和计算机算力的提升逐步推动了人工智能技术的发展。人工智能技术因其应用领域广、数据处理智能化而广泛应用于各行各业中，国家十四五规划重点强调大力发展科学研究，推动人工智能与各产业的深度融合。根据浙江大学《人工智能发展水平评价分析报告》，目前国内人工智能发展状况排列全球第二，具备以人工智能手段开展各项研究的硬实力。人工智能以机器学习、深度学习为核心，深入开展数据挖掘与情报分析，基于大量的事实型数据，通过建模计算，协助解决一系列科学难题。[6]。

研究表明，应用机器学习的方法可对致灾物的成因进行分析，开展致灾物的监测预警工作，目前，在人工智能领域，已有神经网络模型、支持向量机、集成学习、决策树等人工智能模型应用于相关的成因分析和预测研究中。应用基于机器学习的人工智能技术搭建模型，能够通过挖掘数据背后的深度价值及内在联系，运用学习经验自动对计算机算法进行改进，同时对程序不断优化，从而解决复杂的非线性问题。目前，机器学习模型已应用于短期降水预报、藻华预警预测、径流预测等一系列工作中[7]。例如，有研究应用BP人工神经网络和模糊理论，建立了藻华发生的模糊风险评价方法。另外，基于长短期记忆循环神经网络建立的藻华预测模型，对藻华进行预测的精度较高，对样本具有较好的适应性。于沛轩等人应用机器学习的方法对有害藻华的成因进行了分析，同时建立了预测模型，可提前一到两周预测藻华的发生[4]。因此，应用人工智能技术研究海生物爆发成因具有可行性，可通过建立人工智能模型，进行训练模型、评估模型及优化模型，经过一系列智能化的逻辑运算，挖掘大量事实数据背后的潜在因素，对海生物爆发的成因进行定量化研究，从而解决复杂的线性及非线性问题。

目前对于海生物（尤其是毛虾）的爆发成因及预测研究仍存在一定的问题与不足。一是缺乏大量的实测数据作为支撑，二是成因研究及预测模型尚不成熟，三是某些模型的黑盒属性导致科学分析及寻找科学依据存在较大困难。众所周知，模型的搭建及研究需要基于大量的数据，目前对于海生物爆发的野外观测数据较少，很多监测站往往在海生物爆发后才开始监测及数据收集工作，因此实验样本的取样时间间隔较大，同时连续观测数据较为缺乏。同时，核电取水海域海生物爆发事件近年来频繁发生，此前对其关注较少，虽然基于统计学方法、生态动力学及机器学习等手段已搭建了相关模型进行研究，但目前对于海生物爆发成因研究的手段仍不够成熟。此外，相关人工智能模型具有一定黑盒属性，对于海生物爆发成因的分析目前仍存在一定困难。

三、毛虾爆发的生物学机理分析

在对海生物爆发成因的研究中，考虑的因素一般包括海水理化参数（温度、盐度、营养盐、溶解氧等）、水动力条件、气象因子（气温、气压、降雨等）等环境因子[8-11]。目前，针对海生物生长及爆发成因的研究，定性分析较多，缺少针对关键因子进行的定量分析。

相关研究表明，温度变化对于海生物的生长繁殖有不可忽视的影响。毛虾是典型的广温种（-0.1℃～29.5℃）、广盐（1.06‰～33.57‰），最适温度范围其中为19℃-27℃，盐度为24‰～33‰，温度对毛虾的季节洄游分布影响最大，在整年洄游过程中起主导作用[12-14]。可见，在影响毛虾生长及爆发的成因中，温度可能是较为重要的因素[15-16]；除此之外，盐度等海水理化参数也是影响毛虾生长及爆发较为重要的因素。

气象因子对于海生物爆发也可能具有重要影响，两者之间的关系有待进一步的量化分析。气象因子通常包括气温、气压、风、降雨、辐照等，能够影响海生物的繁殖、聚集，从而影响海生物的爆发、扩散与消失过程。

研究表明，毛虾的产量可能与降雨有关。一般情况下，降雨量的多少直接影响江河淡水流量的大小及携带营养物质的数量。降雨量较为充足的条件下，径流量较大，从陆地带入海洋的营养盐和有机碎屑就较为充足，为毛虾幼体的生长发育提供了丰富的饵料基础。根据历史资料，福建沿海毛虾产量与前一年的平均降雨量关系密切。

此外，风对毛虾的产量也有重要影响，主要体现在风向和风速上。毛虾的生命周期较短，要想通过繁殖迅速形成大量群体，保证幼体的存活率很重要，若在春季的繁殖季节适逢大风，虾卵与幼虾的成活会受到较大影响，而冬季的大风则会影响毛虾的洄游路线，从而影响毛虾的分布状况。

除此之外，海域富营养化状况、海流等因素也会在一定程度上影响海生物的生长和爆发。

四、总结

综上所述，近年来海生物爆发导致的冷源堵塞事件已成为影响核电安全、稳定和经济运行的潜在威胁，尤其是浮游动物毛虾，近年来较为频繁地引发冷源安全事件。对于海生物爆发成因，目前缺乏系统、定量化的研究，需要开展相关研究，以更好地指导核电设计。关于海生物爆发成因的研究手段主要包括生态动力学模型、统计学方法、人工智能手段等，但目前的研究仍存在一些问题与不足，对于海生物爆发的成因研究缺乏系统的定量分析，后续可综合分析目前手段的优缺点，综合应用生物理论研究及人工智能手段，对海生物爆发成因进行定量化研究，从而为后续的预测及治理工作提供科学依据和数据参考。