專利名稱：大型淺水湖泊72小時藍(lán)藻水華預(yù)測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種湖泊、水庫等水域的短時間尺度內(nèi)藍(lán)藻水華的監(jiān)測預(yù)報方法，特 別是涉及一種大型淺水湖泊72小時藍(lán)藻水華預(yù)測方法。
背景技術(shù)：
藍(lán)藻水華是目前全球許多國家所面臨的環(huán)境問題，在很多富營養(yǎng)的湖泊或水庫 中，藍(lán)藻在局部湖區(qū)或庫區(qū)堆積，并在高溫下分解，形成惡臭；特別是當(dāng)藍(lán)藻在水源地取水 口附近大量集聚時，就有可能引起水源地的水質(zhì)惡化，危及供水安全。目前還缺少有效的治理手段徹底地消除這一環(huán)境問題，藍(lán)藻水華仍會大量出現(xiàn)于 許多湖泊和水庫中。因此，在研究藍(lán)藻水華治理方法的同時，發(fā)展短期的藍(lán)藻水華預(yù)測、預(yù) 報技術(shù)，提前預(yù)知敏感湖區(qū)、尤其是水源地和重點景觀湖區(qū)水華的發(fā)生幾率，可提高環(huán)境管 理部門的決策能力，并有利于相關(guān)部門及時采取應(yīng)急措施應(yīng)對水華污染。目前國內(nèi)外還沒有關(guān)于短期藍(lán)藻水華預(yù)報方法的報道。有關(guān)藍(lán)藻水華監(jiān)測預(yù)報 的報道主要是采用逐步回歸的統(tǒng)計學(xué)方法對浮游植物在長時間尺度上進(jìn)行預(yù)測，如連續(xù)觀 測水溫，透明度，pH，總氮(TN)，總磷(TP)，溶解無機磷(DIP)等指標(biāo)，經(jīng)過連續(xù)觀察，建立 葉綠素與環(huán)境因子的關(guān)系，并在此基礎(chǔ)上利用監(jiān)測的數(shù)據(jù)來預(yù)測藻類密度。藍(lán)藻水華是一 定密度的藻類在特定氣象、水文條件下上浮并大量聚集于水面的現(xiàn)象，因此，即時的藻類密 度、氣象、水文條件與水華的發(fā)生密切相關(guān)，如果能闡明其中的相互關(guān)系，并結(jié)合大量的野 外調(diào)查數(shù)據(jù)，并根據(jù)相關(guān)參數(shù)建立模型，則能夠據(jù)以對藍(lán)藻水華進(jìn)行預(yù)報。目前已有水體細(xì) 胞色素快速監(jiān)測的儀器，但是這些儀器在應(yīng)用于藻類密度很大的水體時往往會有很大的誤 差，用于進(jìn)行藍(lán)藻監(jiān)測時給預(yù)測結(jié)果帶來較大的誤差。衛(wèi)星遙感圖片可以從整體上識別水 體中的藍(lán)藻水華分布情況，可用于藍(lán)藻水華預(yù)報工作準(zhǔn)確性的評價。

發(fā)明內(nèi)容
本發(fā)明提供了一種大型淺水湖泊72小時藍(lán)藻水華的預(yù)測方法，基于水體中即時 的藍(lán)藻狀況和未來的氣象信息，利用構(gòu)建的預(yù)測模型對藍(lán)藻水華的發(fā)生進(jìn)行短時間尺度的 預(yù)報。本發(fā)明方法的技術(shù)內(nèi)容如下
一種大型淺水湖泊72小時藍(lán)藻水華預(yù)測方法，其特征在于根據(jù)藍(lán)藻原位生長率和漂 移速率參數(shù)，構(gòu)建水體葉綠素a含量預(yù)測模型和水華發(fā)生概率預(yù)報模型；分析監(jiān)測水域即 時的葉綠素a含量和分布狀況；將監(jiān)測水域即時的葉綠素a含量、分布狀況，以及監(jiān)測期內(nèi) 氣象信息數(shù)據(jù)輸入模型，輸出監(jiān)測水域預(yù)測期內(nèi)葉綠素a濃度的預(yù)測值和藍(lán)藻水華出現(xiàn)的 水域及其概率，發(fā)布水華監(jiān)測預(yù)報。本發(fā)明方法包括以下步驟
1)在監(jiān)測水域設(shè)置采樣點，采集分析監(jiān)測水域即時的水質(zhì)、藍(lán)藻生物量和分布狀況； 可根據(jù)監(jiān)測水域的特點和水域面積，結(jié)合歷史數(shù)據(jù)設(shè)置采樣點，通過人工野外巡測，或使用離線或在線監(jiān)測儀采集并分析獲得監(jiān)測水域即時葉綠素a濃度值和分布狀況，以獲得 本發(fā)明方法進(jìn)行水華預(yù)測所需的監(jiān)測水域即時水質(zhì)、藍(lán)藻生物量和分布狀況數(shù)據(jù)。預(yù)報期間每周至少采樣兩次，采樣后可利用快速水質(zhì)監(jiān)測儀器測定采樣點各層水 體的平均葉綠素濃度?？焖偎|(zhì)監(jiān)測儀器在測量野外群體藍(lán)藻葉綠素a含量時存在一定的誤差，本發(fā)明 方法建立了水體平均葉綠素濃度與快速水質(zhì)監(jiān)測儀器測定結(jié)果的校正關(guān)系式，即
水體平均葉綠素 a 濃度=Chla YSIX7. 76 (Chi YSI ( 4(^g/L) 水體平均葉綠素 a 濃度=Chla YSIX2. 2 (Chi YSI > 4(^g/L) 式中Chla YSI為快速水質(zhì)監(jiān)測儀器測定結(jié)果。2 )采集預(yù)測期內(nèi)的包括風(fēng)速、風(fēng)向、降雨在內(nèi)的氣象信息數(shù)據(jù)
根據(jù)氣象部門的預(yù)報，采集監(jiān)測水域預(yù)測期內(nèi)未來天氣情況(晴、陰以及降雨)以及風(fēng) 速、風(fēng)向、溫度等氣象信息。本發(fā)明選取并采集特定的監(jiān)測數(shù)據(jù)，并據(jù)以建立短時間尺度的水華預(yù)報模型。本 發(fā)明方法利用生態(tài)學(xué)原理，根據(jù)不同氣候條件下藍(lán)藻原位生長率，以及不同風(fēng)向和風(fēng)速條 件下水華藍(lán)藻的漂移速率參數(shù)，構(gòu)建水體葉綠素a含量預(yù)報模型和水華發(fā)生概率預(yù)報模 型。藍(lán)藻水華發(fā)生與很多因素相關(guān)，如藻類密度，風(fēng)速，風(fēng)向，降雨等，建立藍(lán)藻水華的 預(yù)報模型通常用如下公式進(jìn)行表達(dá)
F (水華概率)=/ (藻類密度，風(fēng)速，風(fēng)向，降雨，有效光輻射，湖流，總氮，總磷， 水溫，電導(dǎo)率，溶解無機氮，溶解無機磷，pH，溶氧，…)公式1
為本發(fā)明目的，根據(jù)歷史數(shù)據(jù)可將營養(yǎng)鹽等在長時間尺度上影響藍(lán)藻生物量的環(huán)境因 素忽略，將公式1簡化為如下公式
F = / (Ni Vw, R)公
式2
式中，F(xiàn)為水華的發(fā)生頻率，Nt為對應(yīng)時刻水體中的藻類密度，Vw為該時刻的風(fēng)速，R為 降雨情況。風(fēng)速和降雨情況可以通過氣象預(yù)報獲得，而水體中藻類的數(shù)量則可根據(jù)生態(tài)學(xué) 原理由如下公式計算
Ni = N0+ (Bt - Dt)+ (It - Et)公
式3
式中，Nt為所預(yù)報時刻(t)的水體中藻類密度，N0為監(jiān)測時刻(0)藻類密度，Bt、Dt、 It、Et分別是0— 時段該湖區(qū)藻類的生長、死亡、遷入、遷出的數(shù)量。本發(fā)明根據(jù)上述生態(tài)學(xué)原理，分別建立用于短時間內(nèi)藍(lán)藻水華的水體葉綠素a濃 度預(yù)測模型和水華發(fā)生概率預(yù)報模型
3)構(gòu)建水體葉綠素a濃度預(yù)測模型，輸入監(jiān)測水域即時的葉綠素a濃度值、分布狀況以 及氣象信息數(shù)據(jù)，輸出監(jiān)測水域預(yù)測期內(nèi)葉綠素a濃度的預(yù)測值；
為定量描述水域葉綠素a濃度的分布及變化過程，將監(jiān)測水體網(wǎng)格化，水體網(wǎng)格單元 大小為amXbm的矩形，通常a、b可根據(jù)預(yù)測要求在200-—500m范圍內(nèi)選擇。如上文所述，水體中藻類的數(shù)量則可根據(jù)公式3計算 Ni = N0+ (Bt - Dt) + (It — Et)藍(lán)藻由于生長、死亡引起的變化量，可用以下公式計算
ι
(Bt-Dt) - No*l(l +g)5 —1]
公式4
式中，7為葉綠素a濃度的日變化率，各氣象條件下藻類日變化率用表1的參數(shù)來進(jìn)行 計算，Ntl可以通過步驟1)現(xiàn)場監(jiān)測獲得。對于水體網(wǎng)格單元內(nèi)遷入(或遷出)的藍(lán)藻量，風(fēng)速是決定藍(lán)藻遷移的主要因素， 遷入(或遷出)的藍(lán)藻量可用以下公式計算
E = aXVXtXdXPXC公式 5
式中，a為網(wǎng)格的邊長，E為遷入(或遷出)的藻類量，V為風(fēng)速，t為時間(lh，3600s), d 為水深，P為發(fā)生漂移的藻類占總藻量的百分比，C為水體中葉綠素a的濃度，相關(guān)參數(shù)根據(jù) 觀測數(shù)據(jù)，按下表2選取。以此計算出所有漂移出(移入)的藻類。表1不同氣象條件下藍(lán)藻由于原位生長死亡引起的日變化率
天氣、風(fēng)速1-2級2-3級3 — 4級4-5級5級以上晴0. 60. 40. 30. 080晴到多云0. 50. 30. 20. 060多云0. 40. 20. 070. 050多云到陰0. 20. 10. 050. 050陰，降雨00000
表2不同風(fēng)力條件下漂移的藻類比例和對應(yīng)的漂移速度
風(fēng)力(風(fēng)速m/s)漂移藻類占總藻的百分比(%)漂移速度(m/s)1 - 2 級(0. 3-3. 3)500. 073 級(3. 4-5.4)400. 044 級(5. 5-7.9)250. 035 級(8. 0-10.7)100. 015級以上(>10.8)50. 005
4)構(gòu)建水華概率預(yù)測模型，輸入監(jiān)測水域葉綠素a濃度值、分布狀況的預(yù)測值以及氣 象信息數(shù)據(jù)，輸出藍(lán)藻水華出現(xiàn)的水域及其概率；
為實現(xiàn)本發(fā)明目的，本發(fā)明方法將葉綠素a濃度，降雨和風(fēng)速作為水華形成的共同的 觸發(fā)因子，預(yù)測模型各因子之間的關(guān)系如下
F=Z1 (Nt) Xf2 (V)X/3 (R)公式
6
其中人(Nt)為t時刻由藻類密度引起的水華發(fā)生概率;/2 (V)為由風(fēng)速條件引起的 水華發(fā)生概率；/3 (R)為降雨條件引起的水華發(fā)生概率。根據(jù)實際監(jiān)測數(shù)據(jù)，將葉綠素a含量劃分為5個等級，并將相應(yīng)氣象條件下的水華 發(fā)生概率賦值(表3)。表3藍(lán)藻水華預(yù)報中葉綠素a含量、風(fēng)速和降雨與水華發(fā)生概率的對應(yīng)表
葉綠素a (μ8/ )Z1(Nt)風(fēng)力(風(fēng)速m/s)Z2(V)降雨Λ (R)60以上11 - 2 級(0. 3-3. 3)1晴、多云1500. 93 級(3. 4-5.4)0. 9陰、小雨0. 9400. 84 級(5. 5-7.9)0. 8陣雨、雷陣雨0. 8300. 65 級(8. 0-10.7)0. 7中雨0. 7200. 45級以上(>10.8)0. 5中、大、暴雨0
將監(jiān)測水域藍(lán)藻生物量、分布狀況以及氣象信息數(shù)據(jù)輸入預(yù)報模型，得到預(yù)測期 內(nèi)藍(lán)藻水華在特定水域出現(xiàn)的概率及其強度。5)水華預(yù)報發(fā)布
根據(jù)模型輸出數(shù)據(jù)，發(fā)布湖區(qū)未來三天的葉綠素a濃度等值線圖和未來水華趨勢的預(yù) 報。水華的預(yù)報以文字闡述并結(jié)合圖表對未來三天特定水域藍(lán)藻水華的概率和程度進(jìn)行描 述，同時提供相關(guān)的建議。本發(fā)明方法還可以利用遙感影像數(shù)據(jù)對水華預(yù)報進(jìn)行修正，并對本方法的預(yù)報方 法進(jìn)行評價。


圖1為本發(fā)明的72小時藍(lán)藻水華預(yù)測方法的工作流程圖(TO表示預(yù)測開始的時間， T0+4h表示四小時以后，余類推)；
圖2A-2C為本發(fā)明方法預(yù)測的太湖水域未來72小時葉綠素a濃度的等值線圖； 圖3A-3C為本發(fā)明方法預(yù)測的太湖水域未來72小時葉綠素a的濃度分布圖。
具體實施例方式按照本發(fā)明方法在2007，2008，2009年水華發(fā)生期間對太湖藍(lán)藻水華進(jìn)行預(yù)報。 工作流程圖參見圖1。72小時藍(lán)藻水華預(yù)測方法，包括以下步驟 1)資料的采集和應(yīng)用
包括分析太湖水域即時的水質(zhì)、藍(lán)藻生物量和分布狀況和氣象信息數(shù)據(jù)的采集。人工巡測預(yù)報期間每周采樣兩次，根據(jù)歷史數(shù)據(jù)，北太湖的三個湖灣(梅梁灣、貢 湖灣和竺山灣)是藍(lán)藻水華發(fā)生比較頻繁的區(qū)域，而梅梁灣、貢湖灣又是水源地和景觀水 域，因此，在太湖區(qū)域?qū)λ{(lán)藻水華的預(yù)報主要關(guān)注梅梁灣、貢湖灣的水華狀況。在這兩個湖 區(qū)的每個水廠取水口附近和景觀水域設(shè)立采樣點，采樣分析以獲得關(guān)注區(qū)域的葉綠素a濃 度，其它水域則選擇有代表性的位點設(shè)立采樣點，以獲得該水域整體的葉綠素a濃度。到達(dá)采樣點后，用ail的PVC管采集整水柱，置于測量桶中搖勻，將多功能水質(zhì)參數(shù) 儀(YSI6600)放入測量桶中進(jìn)行測定，以獲得采樣點各層水體的平均葉綠素濃度。數(shù)據(jù)的校正由于YSI6600在測量野外群體藍(lán)藻葉綠素a含量時存在一定的誤差， 根據(jù)YSI6600測定結(jié)果與室內(nèi)化學(xué)法測定的比較分析，按下式根據(jù)YSI6600測定結(jié)果對水 體平均葉綠素濃度a進(jìn)行校正
水體平均葉綠素 a 濃度=Chla YSIX7. 76 (Chi YSI ( 4(^g/L) 水體平均葉綠素 a 濃度=Chla YSIX2. 2 (Chi YSI > 4(^g/L) 式中Chla YSI為YSI6600測定結(jié)果。遙感數(shù)據(jù)除非湖面上有云層覆蓋，每天10點左右自太湖上空獲得MODIS遙感影 像。氣象數(shù)據(jù)來自氣象部門的關(guān)于太湖區(qū)域的氣象預(yù)報，應(yīng)用的主要參數(shù)有天氣情 況(晴、陰以及降雨)、風(fēng)速、風(fēng)向、溫度。2007年7月26日采集的數(shù)據(jù)如下表4所示
表4 2007年7月沈日太湖各巡測點葉綠素a含量以及未來7 氣象信息
權(quán)利要求
1.一種大型淺水湖泊72小時藍(lán)藻水華預(yù)測方法，其特征在于根據(jù)藍(lán)藻原位生長率 和漂移速率參數(shù)，構(gòu)建水體葉綠素a含量預(yù)測模型和水華發(fā)生概率預(yù)報模型；分析監(jiān)測水 域即時的葉綠素a含量和分布；將監(jiān)測水域即時的葉綠素a含量、分布，以及監(jiān)測期內(nèi)氣象 信息數(shù)據(jù)輸入模型，輸出監(jiān)測水域預(yù)測期內(nèi)葉綠素a濃度的預(yù)測值和藍(lán)藻水華出現(xiàn)的水域 及概率，發(fā)布水華監(jiān)測預(yù)報。
2.根據(jù)權(quán)利要求1所述的藍(lán)藻水華預(yù)測方法，其特征在于所述方法包括以下步驟1)在監(jiān)測水域設(shè)置采樣點，采集分析監(jiān)測水域即時葉綠素a濃度值和分布；2)采集預(yù)測期內(nèi)的包括風(fēng)速、風(fēng)向、降雨在內(nèi)的氣象信息數(shù)據(jù)；3)構(gòu)建水體葉綠素a濃度預(yù)測模型，輸入監(jiān)測水域即時的葉綠素a濃度值、分布以及氣 象信息數(shù)據(jù)，輸出監(jiān)測水域預(yù)測期內(nèi)葉綠素a濃度的預(yù)測值；4)構(gòu)建水華發(fā)生概率預(yù)測模型，輸入監(jiān)測水域葉綠素a濃度值、分布的預(yù)測值以及氣 象信息數(shù)據(jù)，預(yù)測藍(lán)藻水華出現(xiàn)的水域及其概率；5)輸出數(shù)據(jù)，發(fā)布水華監(jiān)測預(yù)報。
3.根據(jù)權(quán)利要求1或2所述的藍(lán)藻水華預(yù)測方法，其特征在于所述的水體中葉綠素 a濃度采用快速水質(zhì)監(jiān)測儀器測定并根據(jù)下列公式校正水體平均葉綠素 a 濃度=Chla YSIX7. 76 (Chi YSI ( 4(^g/L)水體平均葉綠素 a 濃度=Chla YSIX2. 2 (Chi YSI > 4(^g/L)式中Chla YSI為快速水質(zhì)監(jiān)測儀器測定結(jié)果。
4.根據(jù)權(quán)利要求1或2所述的藍(lán)藻水華預(yù)測方法，其特征在于所述的葉綠素a濃度 預(yù)測模型將監(jiān)測水域劃分為網(wǎng)格單元，并按下式得到水體網(wǎng)格單元內(nèi)葉綠素a濃度的預(yù)測 值Ni = N0+ (Bt - Dt) + (It — Et)式中，Nt為所預(yù)報時刻(t)的水體中藻類密度，Ntl為監(jiān)測時刻(0)藻類密度，Bt、Dt、It、 肚分別是0— 時段該湖區(qū)藻類的生長、死亡、遷入、遷出的數(shù)量。
5.根據(jù)權(quán)利要求4所述的藍(lán)藻水華預(yù)測方法，其特征在于藍(lán)藻由于生長、死亡引起 的變化量，可用以下公式計算ι(Bi -D^ = Na 31XP + -1]式中4為葉綠素a濃度的日變化率，Ntl由現(xiàn)場監(jiān)測獲得。
6.根據(jù)權(quán)利要求4所述的藍(lán)藻水華預(yù)測方法，其特征在于水體網(wǎng)格單元內(nèi)遷入或遷 出的藍(lán)藻量用以下公式計算Et = aXVXtXdXPXC式中，a為網(wǎng)格的邊長，Et為遷入或遷出的藻類量，V為風(fēng)速，t為時間，d為水深，P為 發(fā)生漂移的藻類占總藻量百分比，C為水體中葉綠素a的濃度。
7.根據(jù)權(quán)利要求1或2所述的藍(lán)藻水華預(yù)測方法，其特征在于所述的水華發(fā)生概率預(yù) 測模型，按下式計算水華發(fā)生概率F=Z1 (Nt) Xf2 (V) X/3 (R)其中人(Nt)為t時刻由藻類數(shù)量引起的水華發(fā)生概率-J2 (V)為由風(fēng)速條件引起的 水華發(fā)生概率；/3 (R)為降雨條件引起的水華發(fā)生概率；根據(jù)輸入的葉綠素a和氣象數(shù)據(jù)，按下表1對水華發(fā)生概率賦值；表1藍(lán)藻水華預(yù)報中葉綠素a含量、風(fēng)速和降雨與水華發(fā)生概率的對應(yīng)表葉綠素a (MB/L)Z1(Nt)風(fēng)力(風(fēng)速m/s)Z2(V)降雨/3 (R)60以上11 一 2 級(0.3-3. 3)1晴、多石1500. 93 級(3. 4-5.4)0. 9陰、小雨0. 9400. 84 級(5. 5-7.9)0. 8陣雨、雷陣雨0. 8300. 65 級(8. 0-10.7)0. 7中雨0. 7200. 45級以上(>10.8)0. 5中、大、暴雨0
8.根據(jù)權(quán)利要求1或2所述的藍(lán)藻水華預(yù)測方法，其特征在于所述的輸出數(shù)據(jù)包括監(jiān) 測水域葉綠素a濃度預(yù)測值的等值線圖或濃度分布圖、特定水域藍(lán)藻水華發(fā)生的概率。
9.根據(jù)權(quán)利要求1或2所述的藍(lán)藻水華預(yù)測方法，其特征在于利用遙感影像數(shù)據(jù)對 水華預(yù)報進(jìn)行修正，并對預(yù)報方法進(jìn)行評價。
全文摘要
本發(fā)明公開了一種大型淺水湖泊72小時藍(lán)藻水華預(yù)測方法，根據(jù)藍(lán)藻原位生長率和漂移速率參數(shù)，構(gòu)建水體葉綠素a含量預(yù)測模型和水華發(fā)生概率預(yù)報模型；分析監(jiān)測水域即時的葉綠素a含量和分布并采集監(jiān)測期內(nèi)氣象信息數(shù)據(jù)，輸入構(gòu)建的模型后，輸出監(jiān)測水域未來72小時葉綠素a濃度的預(yù)測值和藍(lán)藻水華出現(xiàn)的水域及概率。本發(fā)明方法操作性強、用于預(yù)測的參數(shù)易獲取，對藍(lán)藻水華的暴發(fā)能做出迅速而準(zhǔn)確的預(yù)判，時效性強?？捎糜谒吹鼗蛑攸c景觀水域藍(lán)藻水華的預(yù)報。
文檔編號G01N33/00GK102135531SQ20101060420
公開日2011年7月27日 申請日期2010年12月24日 優(yōu)先權(quán)日2010年12月24日
發(fā)明者于洋, 吳曉東, 孔繁翔, 張民, 陽振, 馬榮華, 高俊峰 申請人:中國科學(xué)院南京地理與湖泊研究所