本发明专利技术公开了一种大型浅水湖泊翌年蓝藻水华首次发生水域的预测方法，其特征在于：基于水体面积和特征设定监测点对水体和底泥取样；利用色素分析表征蓝藻的时空分布；利用细胞光合作用活性、酯酶活性表征各湖区蓝藻活性；采集湖区气象数据，确定有效风场；建立生态动力学模型对蓝藻水华翌年首次发生水域进行预测。本发明专利技术方法将蓝藻生物量、生长活性和有效风场视为水华形成的共同触发因子，分析蓝藻生长、迁移及水华形成的驱动因素，对蓝藻越冬复苏的生态格局变化规律进行评估，从不同角度对蓝藻水华的形成进行预测，并通过模型将各参数进行整合，将预测结果以蓝藻生物量等高线图的形式按时间序列直观的展现。
【技术实现步骤摘要】
本专利技术涉及一种大型浅水湖泊蓝藻水华早期预测方法，特别是涉及一种大型浅水 湖泊翌年蓝藻水华首次发生水域的预测方法，具体是通过色素分析、藻类光合作用及活性 分析、有效风场分析等，结合模型预测，对翌年蓝藻水华最初发生水域进行早期预测。
技术介绍
由于湖泊富营养化问题难以在短期内得到根本解决，在相当长一段时间内，很难 杜绝湖泊等水体每年蓝藻水华的发生，因此在削减湖泊营养盐，从根本上阻断蓝藻水华生 长的营养物质来源的同时，发展蓝藻水华预测技术，将有助于减少蓝藻水华带来的生态危 害和健康风险。国内外的研究主要针对已经形成的蓝藻水华进行短时间尺度预警预测，分析藻类 水华形成与气象水文条件、营养盐水平的关系。例如，欧盟1999年开展了蓝藻水华的检测、 监测和预报的研究，发展了通过遥感技术对藻华发生预测的途径。日本通过人工神经网络 发现叶绿素a的浓度可以表征藻类的总生物量，并可以对藻类水华进行预测。美国海洋与 气象局开发了赤潮短期预测系统，监测和预报墨西哥湾的赤潮，在有赤潮的季节每周预报2 次。在我国，中科院南京地理与湖泊研究所于2007开始在太湖夏季水华形成时期进行水 华短期预测及发布，每半周预测未来3天内太湖重要水源地及大太湖叶绿素浓度的分布格 局。然而，目前对于较长时间尺度上预测来年水华形成趋势的研究还未有相关报道。 长时间尺度预测需要考虑越冬期的种源分布格局、复苏期藻类的生长、迁徙等一系列过程， 对天气预报的要求也更高，涉及到的问题比短期预测更为复杂。然而，长时间尺度预测将会 有助于提高环境管理部门的决策能力，提高湖泊治理中的技术与工程措施的针对性和科学 性。因此，在湖泊生态灾害防治体系中，有必要引入新的和更有效的检测与分析方法，建立 一套科学的蓝藻水华早期预测方法。
技术实现思路
本专利技术提供一种大型浅水湖泊翌年蓝藻水华首次发生水域的预测方法，运用生物 学、生态学检测方法，结合气象、遥感相关技术，尽可能真实地对蓝藻越冬复苏的整个生态 格局进行全方位的监测，并通过蓝藻生长、迁移规律，预测来年蓝藻水华最初的发生地点。简言之，本专利技术以色素分析、藻类光合作用及活性分析、有效风场分析等为基础， 分析蓝藻生长、迁移及水华形成的驱动因素，从而对蓝藻越冬复苏的生态格局变化规律进 行评估；结合生态动力学预测模型，对蓝藻水华翌年首次发生水域进行早期预测。本专利技术的上述目的是这样实现的一种大型浅水湖泊翌年蓝藻水华首次发生水域的预测方法，其特征在于基于水体面 积和特征设定监测点对水体和底泥取样；利用色素分析表征蓝藻的时空分布，利用细胞光 合作用活性、酯酶活性表征各湖区蓝藻活性；采集湖区气象数据，确定有效风场；建立生态动力学模型对蓝藻水华翌年首次发生水域进行预测。本专利技术所述的预测方法，包括以下步骤1)基于水体面积和特征设定监测点，在监测期内在各监测点分别对水体和底泥取样；每年冬春的10月至次年4月进行全水域采样，每月至少一次。泥样切取最上层2cm左 右厚度的表层底泥移至密封袋中。水样采集整水柱，混勻，并即时测定各项水质参数。在每 个采样点采集三份平行样品。2)测定水体和底泥中的藻蓝素含量，利用色素分析表征蓝藻越冬复苏的时空分布 格局；藻蓝素的测定可采用分光光度法进行测定。在藻蓝素含量测定前，先对样品进行处理， 样品处理方法为水样的处理量取IOOml水样滤纸抽滤。将滤纸剪碎加入0. 05 M pH7. 0 Tris缓冲液 研磨，于4°C下黑暗中静置提取8-10h。样品离心并将上清转移至容量瓶中。最后定容测定 藻蓝素含量。底泥样品的处理称取一定量解冻后的底泥样品，计算含水率。称取5g左右研磨 好的样品放入研钵中，加入0.05 M pH 7.0 Tris缓冲液研磨，于4°C黑暗条件下静置8-10h。 样品离心并将上清液用90%丙酮定容至10mL。此待测液用于测定藻蓝素含量。通过荧光分光光度计测定样品荧光强度，以荧光强度对藻蓝素浓度作出工作曲线，再 根据底泥样品重量或水样体积计算出最终含量。根据水体和底泥中藻蓝素含量，可以确定不同水域在不同时期水体和底泥中蓝藻 的生物量，反映蓝藻的时空分布格局。从下文的描述中可知，在生态动力学模型中，藻蓝素 含量可作为种源量带入预测模型。3)测定水体中藻细胞的光合活性和酯酶活性，表征蓝藻复苏过程的时间序列，结 合种源量对蓝藻的原位生长量进行修正；对每个采集的样品分别测定水体中藻细胞的光合作用能力和酯酶活性，其中通过色素 荧光分析仪进行藻类光合活性分析，通过酯酶检测方法分析藻细胞活性。藻类光合活性分析的具体操作如下取刚采回的水样适量装入测量杯，暗适应 15min先打开测量光(ML)，待初始荧光稳定后得到Fo，打开饱和光强(ST)，得到样品的Fm 和光系统II的最大光合效率，并测定快速光响应曲线。酯酶检测方法分析藻细胞活性的具体方法如下向Iml藻液中加入适量荧光染料 (Fluorescence dieastrate)，室温避光染色后，通过流式细胞仪检测酶活的强度。通过光合活性分析得到的Fv/Fm、光系统II的最大光合效率以及快速光响应曲线 可以全面表征藻细胞的光合作用能力，而酯酶活性检测通过染色后FLl通道荧光信号的强 弱表示酯酶活性大小。两者都从不同角度表征藻细胞的活性在时间上的序列，通过界定蓝 藻的活性，结合种源量对蓝藻的原位生长量进行修正，在生态动力学模型预测中可以根据 蓝藻的活性确定蓝藻的原位生长量在预测模型中所占权重。4)采集湖区气象数据，确定有效风场，可根据气象条件对蓝藻复苏过程中的迁移 进行预测；(a)数据的采集利用自动气象监测站收集各种气象数据，包括风速风向，光照，温度寸。(b)分析有效风场在蓝藻越冬和复苏过程中的驱动作用。方法如下不同水域根 据实际观测数据，确定湖区蓝藻水平迁移主要风速区间，例如太湖通常为1.9-3. lm/s，筛选 此风速区间不同风向的频次，制作有效风向风频玫瑰图，以此确定每个月监测水域的有效 风场。5)基于ELC0M-CAEDYM模式构建蓝藻水华生态动力学模型，对蓝藻水华的形成进 行预测，包括(a)数据的采集参数化方案包括湖泊地形数据、气象数据、湖泊理化数据(包括营养盐 分布)。(b)生态动力学模型的建立及预测由于最初蓝藻水华的形成是以一定的蓝藻生 物量(种源量)为基础，在其生长活性和风场条件下的迁移共同影响下形成，因此为了本发 明目的，将有效风场导致的蓝藻迁移和蓝藻原位生长(种源和活性因子)视为水华形成的共 同的触发因子。根据监测数据率定模型参数，选择网格，根据模型对每个网格内的蓝藻生物 量进行预测。在实际数值模型构建中，根据参数地域性程度的差异分别选择实验测定值、相似 系统参考值和文献值作为模型参数初始值，然后应用数据同化技术进行优化。对于高强度 地域性参数，采用监测湖泊原位生态实验等现场实验方法获得；例如蓝藻生长速率，最适生 长温度等。对于中等强度地域性参数，一般采用相似系统参考值；例如悬浮颗粒降解速率常 数，营养盐再生系数等。此外，对于个别自由参数，例如悬浮颗粒迁移速率常数等，在模型模 拟结果和原位观测数据基础上，采用模型参数优化方法最终予以确定。(C)结果输出以时间序列分阶段模式输出结果，预测时间的缩短将提高预测的准 确性。可以用surfer软件绘制蓝藻生物本文档来自技高网...
【技术保护点】
１．大型浅水湖泊翌年蓝藻水华首次发生水域的预测方法，其特征在于：基于水体面积和特征设定监测点对水体和底泥取样；利用色素分析表征蓝藻的时空分布；利用细胞光合作用活性、酯酶活性表征各湖区蓝藻活性；采集湖区气象数据，确定有效风场；建立生态动力学模型对蓝藻水华翌年首次发生水域进行预测。
【技术特征摘要】
【专利技术属性】
技术研发人员：于洋，孔繁翔，张民，阳振，季健，王长友，马荣华，
申请(专利权)人：中国科学院南京地理与湖泊研究所，
类型：发明
国别省市：84
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。