![]()
目前，全球范围内的湖泊和水库普遍面临蓝藻水华的问题。这些水华不仅影响水质，还可能释放毒素，对人类健康和生态系统构成威胁。现有研究表明，蓝藻水华的发生与多种环境因素密切相关，如温度、风速、降水、营养状态指数和浊度等。然而，当前的研究往往集中于单一或少数几个环境变量，缺乏对多变量综合影响的系统分析。此外，蓝藻水华的时空动态复杂，不同湖泊之间的水华发生模式存在显著差异，这增加了风险评估的难度。因此，研究的关键在于如何综合考虑多种环境因素的交互作用，并准确预测蓝藻水华的时空分布，从而更有效地进行风险管理和防控。
太湖、巢湖和滇池是中国长江流域的三个大型浅水富营养化湖泊，均靠近人口密集地区。这三个湖泊不仅是周边城市的重要水源，还承担着饮用水供应、农业灌溉、旅游和休闲等多种功能。然而，它们经常发生蓝藻水华，给水安全带来了重大风险，影响了周边居民的正常生活。![]()
研究数据集（表1）来自：每日的MODIS Aqua/Terra Level-0数据（MODIS L1A，250m/500m）、10天平均湖泊水质数据（LWQ， 300m）、逐日热重分析中分辨率无缝地表温度数据（TRIMS LST，1km）、逐小时的ERA5-Land风速数据（9km）以及逐日的气候灾害组织红外站点降水数据（CHIRPS，0.05° × 0.05°）。本研究开发了一个风险评估框架，以评估蓝藻水华的像素级风险水平，定义为蓝藻水华风险指数（Riski）。该框架涵盖了与水华相关的五个重要因素，包括水华面积、营养状态、地表温度、风速和降水量。本研究基于蓝藻的相关知识，使用经验阈值定义风险指标的公式，以评估暴发水华的可能性。(1)不同的浮动藻类指数（FAI）阈值被用于识别三个湖泊中的强水华像素和无水华像素。根据以往研究，FAITaihu=0.004、FAIChaohu =0.0006和FAIDianchi=0被用于识别三个湖泊中的强水华或无水华像素。(2)营养状态指数（TSI）反映湖泊富营养化状态的长期趋势。本研究使用季节性TSI产品来描绘湖泊的富营养化状态。湖泊的营养状态被分类为贫营养、中营养和富营养。以往研究表明，高营养水平可能触发蓝藻水华。本研究中的风险评估框架使用TSI阈值=30来区分中营养状态以下或以上的营养状态。(3)先验知识表明，适度高的温度、轻风和无雨或小雨为蓝藻水华提供了适宜的气象条件。为了建立蓝藻水华的风险评估框架，设定了温度（25 ℃ ≤ LST ≤ 30 ℃）、风速（WS < 3 m/s）和降水量（0 mm ≤ Pre < 10 mm）作为风险识别的阈值。最后，蓝藻水华风险水平使用与水华相关的五个变量的公式逐像素进行评估，公式如图1定义:![]()
图 1. 湖泊蓝藻水华风险评估框架:该框架涵盖了与蓝藻水华相关的五个重要因素（水华面积、营养状态、温度、风速和降水量），蓝藻水华风险等级通过指标（Riski）进行估算。
为了评估和比较三个湖泊的环境特征，本研究计算了从2002年到2020年五个环境变量（温度、风速、降水量、营养状态和浊度）的长期平均值。它们的数据分布如图2、3所示。本研究还统计了每个湖泊可能促进蓝藻水华形成的天数，通过降水量（0–10毫米）、风速（<3 m/s）、温度（25−30°C）和营养状态指数（TSI > 30）来识别这些天数（图4）。
![]()
![]()
图 4.按条件识别出的可能促进蓝藻水华形成的天数
本研究利用2002年至2020年的浮游藻类指数（FAI）产品，估算了三个湖泊中蓝藻水华的面积覆盖率。它们的年际变化如图5所示。巢湖和滇池的蓝藻水华面积覆盖率表现出显著的年际波动，而太湖的面积覆盖率则相对稳定。箱线图用于比较三个湖泊中蓝藻水华面积的年内分布情况。![]()
图 5.蓝藻水华面积覆盖率的年际变化（平均曲线）和年内分布（箱线图）
2002年至2020年期间，三个湖泊中蓝藻水华的季节性发生频率如图6所示。太湖和巢湖在夏季、秋季和冬季的蓝藻水华发生频率存在不均匀性：在太湖，夏季和秋季的蓝藻水华通常出现在湖泊的北部，而冬季则多发生在南部；巢湖中，蓝藻水华高发生频率的两个子区域分别位于西南湖岸（秋季）和东部（冬季），而北部湖岸在夏季也会出现蓝藻水华；滇池的蓝藻水华则主要集中在夏季和秋季，且其发生频率分布较为均匀；因此，在夏季和秋季，三个湖泊均观察到蓝藻水华的高发生频率，并且表现出典型的空间分布模式。![]()
图 6.蓝藻水华的季节性发生频率 (a–c) 以及每个像素内发生蓝藻水华事件的天数 (A–C)。
基于本研究开发的风险评估框架，估算了三个湖泊在天气尺度上的蓝藻水华风险水平，其年际变化和年内分布如图7所示。三个湖泊的蓝藻水华风险水平介于0.1到0.35之间。相比其他两个湖泊，太湖的蓝藻水华风险水平在年际和年内变化上均表现出较强的稳定性，太湖的风险水平保持在一个稳定的范围内，变化幅度较小，且低于巢湖和滇池的风险水平。此外，滇池的蓝藻水华风险水平整体高于巢湖，除了在2012年和2014年这两年。![]()
图 7. (a) 2002 年至 2020 年期间，三个湖泊中蓝藻水华风险水平 (Riski) 的年际变化（均值曲线）和年内分布（箱线图）。(b)蓝藻水华风险水平的年际均值曲线。
本研究基于像素尺度的风险水平估算，绘制了三个湖泊在五个时期（春季、夏季、秋季、冬季及2002−2020年）的蓝藻水华风险地图（图8）。不同子区域的太湖蓝藻水华风险水平存在显著差异，湖岸地区的风险水平高于中央区域，尤其是在秋季。巢湖和滇池的风险地图显示，不同子区域的蓝藻水华风险水平相似，其中夏季和秋季的风险水平普遍高于春季和冬季。根据蓝藻水华风险水平的季节平均值，三个湖泊在夏季和秋季的风险水平均高于春季和冬季。![]()
图 8.蓝藻水华的季节性 (a–c) 和长期 (A–C) 风险分布图。
基于对蓝藻的先前知识，本研究开发了一种专门用于富营养化湖泊中的蓝藻水华的多变量综合风险评估框架，该框架包含与蓝藻水华相关的五个因素。对三个富营养化湖泊（太湖、巢湖和滇池）在2002年至2020年期间的蓝藻水华风险水平进行了像素尺度（250米）的估算。长期分析表明，三个湖泊在夏季和秋季的蓝藻水华风险水平高于其他两个季节。太湖的风险水平低于巢湖和滇池。风险地图显示，太湖的蓝藻水华风险水平在不同子区域之间存在差异，湖岸地区的风险高于中央区域。进一步的比较揭示了湖泊蓝藻水华风险水平的季节性和区域性差异分别受气候和营养水平的影响。气候在三个湖泊蓝藻水华风险水平差异中发挥了关键作用。蓝藻在温暖、细雨和微风气候下更容易聚集在水面上，这表明由于全球变暖，富营养化湖泊的水华风险在增加。以上总结仅代表个人对论文的理解，仅供研究参考所用，不用于商业用途。若上述理解内容有误，请以论文原文为主。未经同意，禁止转载。
https://doi.org/10.1016/j.watres.2022.119367点击左下方 “阅读原文” 可下载论文原文。
湖泊遥感与智慧流域创新团队，主要围绕湖泊开展历史重构、现状观测和未来变化模拟等模型研制和应用实践工作，并在流域尺度开展大数据智慧管理平台研究，保障湖泊水质安全。团队拥有博士和硕士导师5人（段洪涛，罗菊花，刘东，谭振宇，邱银国），可分别在中国科学院南京地理与湖泊研究所、西北大学以及南京信息工程大学（国科大南京学院联合培养）等招收博、硕士研究生，欢迎报考！同时，长期招收联合培养研究生，欢迎咨询！
联系人：段洪涛研究员，htduan@niglas.ac.cn。
