水文氣象因素對香溪河藻類動態的影響

黃宇波，范向軍，楊 霞，王攀菲

（中國長江三峽集團有限公司流域樞紐運行管理中心，湖北 宜昌 443133）

0 引言

藻類生長除了需要充足的營養鹽，也與流量、氣溫、光照、風、降雨等水文氣象條件密切相關。太湖長時序列研究表明氣象因素對藻類生物量的貢獻與營養鹽貢獻相當［1］。全球氣候變暖將會增加藻類生長速率，改變年內氣候形勢（干旱、洪澇及風暴），導致藻類水華越來越頻繁［2］。充沛的降雨導致入庫和出庫流量增加，水位升高，水體混合層變淺，湖下層增加，改變光和營養鹽的可利用性，藻類功能群發生改變［3］。同時，降雨可能增加水體營養負荷，促進水華暴發［4］。在水體營養鹽充足的情況下，流速減緩、光照和溫度適宜，藻類會大量繁殖。風速的降低和光照增強導致太湖藍藻水華時間擴張［5］。在三峽水庫，降雨日的減少促進了神農溪2008 年夏季藍藻暴發［6］。風也是影響藻類分布的重要因素，在強風干擾下，水柱中藻類分布趨向一致，當風速小于3.1 m/s，藻類更容易在水體表面聚集形成水華，1～2 m/s 風速易于使太湖微囊藻聚集形成薄層大面積水華［5，7］。風主要影響藻類的空間分布，也會影響水氣界面的CO2和O2交換，影響藻類的光合與呼吸作用［8］。

香溪河是三峽水庫水華較為頻發的一級支流，對于香溪河水華發生原因，不同學者從藻類群落結構與環境因子的關系［9，10］、氣象［11］、水動力方面［12，13］進行了闡述。但這些研究多從月度或者年際尺度分析，主要關注水環境與藻類生長的關系，日尺度的水文氣象因素研究較少，對水庫不同區域藻類對水文氣象的短期響應研究較少。目前香溪河TN 濃度約為1.5～2 mg/L、TP 濃度約為0.1 mg/L 左右，已超過水體富營養閾值（TN＞0.2 mg/L，TP＞0.02 mg/L）。說明水華暴發所需營養鹽充足，香溪河水華暴發也可能與水文氣象因素緊密相關。本研究以夏季水文氣象變化劇烈的8-9 月為研究時段，該時段內8 月TN、TP 多年均值分別為1.76±0.35、0.11±0.04 mg/L，9 月TN、TP 多年均值為1.75±0.28、0.10±0.04 mg/L，整個研究時段內TN、TP 無較大變化，因此通過對常年回水區和變動回水區兩個區域高頻監測，以及水華期間的加密監測，探究短時氣象水文條件對藻類生物量和群落結構的影響，從而為三峽水庫水華預警防控提供依據。

1 材料與方法

1.1 香溪河庫灣

香溪河是三峽水庫湖北庫區最大的一級支流，位于湖北省西北部，河流全長94 km，距離三峽大壩約33 km，流域總面積3 099 km2。三峽水庫蓄水后，秭歸縣香溪鎮至興山縣昭君鎮變為庫灣，由于流速減緩，香溪河庫灣多次發生藻類水華。在香溪河設置2 個自動監測浮標站采樣點（圖1），一臺位于峽口（XK），屬于庫灣常年回水區，一臺位于平邑口（PYK），屬于庫灣變動回水區。浮標的水質探頭為YSI EXO2，固定在水下0.5 m處。氣象站包括光照輻射、風速、風向、濕度、氣溫，使用前已對各探頭進行校準。在2021 年8-9 月水華頻發時期，逐日采集氣象水質數據，采樣頻次為每2 小時一次。香溪河日均流量和日均降雨量數據來自中國長江三峽集團有限公司水情系統。

圖1 樣點圖Fig.1 Sample sites

專項監測采樣方法：利用YSI EXO2測定水溫（WT）、pH值、溶氧（DO）、濁度（Turb）。藻類定量樣品在距離水面0.5 m 處用5 L 玻璃采樣器取水樣置于瓶中，加入1%魯哥氏液現場固定，樣品靜置，利用虹吸法沉淀濃縮至30 mL，充分搖勻后吸取0.1 mL 至浮游生物計數框，在Olympus 顯微鏡下進行計數，并進行藻類鑒定及密度計算［14］。

1.2 數據分析

利用Excel 2013和OriginPro 9.1對數據進一步處理，并繪制相關圖表。采用SPSS 進行相關性分析，分析方法為Spearman，置信區間為0.95。

采用GAM 模型來確定藻類生物量與水文氣象因子間的關系，與廣義線性模型類似，GAM 模型也是用一個鏈接函數建立響應變量平均值和預測變量光滑函數之間的關系，GAM 模型在形式上更為靈活，可以用于處理非線性的數據結構，適應于各種不同類型分布的函數分析，從而更好地反映數據特性。其一般表達形式為：

式中：s（μ）為因變量的連續函數（作為因變量的數據可以是任何形式的指數型分布）；a為恒定的截距；fi為各自變量的平滑函數，描述變換的平均響應s（μ）和第i個預測因子xi之間的關系。

張智淵等基于GAM 模型，分析了太湖葉綠素a 含量與環境因子的關系。采用edf、p-value 和 deviance explained 等參數來表征模型的統計結果，其中edf代表被估計值的自由度，參考其判斷因變量與各自變量是否屬于線性關系（edf=1 時，表明該環境因子與葉綠素a 含量呈線性關系，其值越大意味著非線性影響能力越強）；p-value代表了統計結果的顯著性水平，參考其評估各因子對因變量影響的相關性；deviance explained 為模型對因變量總體變化的解釋率［15］。模型建立通過R 語言中的“mgcv”程序包實現。

利用R 中randomForest 包對主要氣象水文因子進行重要度排序。隨機森林算法是Breiman于2001年提出的一種非線性建模工具，包括分類和回歸兩種算法。通過bootstrap 抽樣方法，從原始訓練樣本集N中有放回地重復隨機抽取K個樣本生成新的訓練樣本集合，然后根據自助樣本集生成K個決策樹組成隨機森林。對于回歸功能而言，將所有決策樹的平均值作為最終預測結果。通過預測精度法（衡量把一個變量的取值變為隨機數，隨機森林預測準確性的降低程度）計算每個變量的重要性［16］。利用Canoco4.5 分析加密監測期間藻類群落結構與氣象水文因子的關系。

2 結果與分析

2.1 氣象因素與藻類生物量的時間動態

葉綠素a 是藻類光合色素，通常作為藻類生物量的表征。峽口藻類生物量（Chla1）范圍1.55～34.75 μg/L，平邑口藻類生物量（Chla2）的范圍1.95～62.61 μg/L，8 月1-6 日，8 月15-22 日，8月31-9 月7 日，9 月10-16 日，9 月22-29 日，共有5 個藻類生長峰值，平邑口的變化幅度高于峽口，平邑口9 月葉綠素a 的峰值較高（圖2）。

圖2 氣象因子與藻類生物量隨時間變化Fig.2 Correlations between meteorological factors and algal biomass

日均太陽輻射的值為49.42～458.42 W/m2，峽口藻類生物量與太陽輻射度的變化基本一致［圖2（a）］，氣溫的變化范圍為20.00～32.00 ℃，氣溫與藻類生物量的變化趨勢相近［圖2（b）］。

風速的日均值為0.75～3.09 m/s［圖2（c）］，在風速變化范圍內，隨著風速變化值的增大，葉綠素a 的變化幅度隨之增大（圖3）。

圖3 峽口藻類生物量變化與風速關系Fig.3 Correlation between wind speed and algal biomass

日平均降雨量為0～58.5 mm，最大值出現在8 月11 日。總體來看，8 月中下旬日平均降雨量較高，而9 月日平均降雨量處于較低水平。葉綠素a 與日均降雨量呈負相關，9 月葉綠素a 濃度水平較高［圖2（d）］。

用香溪河中游興山水文站流量代表香溪河流量，監測數據顯示，8-9月興山流量為29～401 m3/s，其中最大值出現在8月27日，9 月興山流量較低，低于100 m3/s［圖4（a）］。峽口和平邑口藻類生物量隨香溪河流量增大而降低［圖4（b），圖4（c）］。

圖4 香溪河流量及其與峽口藻類生物量（Chla1）和平邑口藻類生物量（Chla2）的關系Fig.4 Correlation between water discharge and algal biomass at XK and PYK

2.2 藻類生物量對水文氣象的響應

建立GAM模型，用向前逐步回歸法探究峽口與平邑口藻類生物量對香溪河流量、太陽輻射、氣溫、降雨量和風速的響應。峽口分析步驟如表1 所列，以model1 為初始（只含流量1 個因子），加入太陽輻射sun、氣溫at、風速ws 這些指標后，模型性能顯著提升（決定系數和偏差解釋度提高，P＜0.05）。但是因降雨量不能提升模型性能而被剔除。Model 5：chla1～s（Q）+s（sun）+s（at）+s（ws）+7.94，該模型對藻類生物量的解釋達到36.8%。這表明峽口藻類生物量主要受到香溪河流量、太陽輻射、氣溫和風速的影響，而受降雨量影響較小。并且峽口藻類生物量與太陽輻射呈線性正相關，而與氣溫和風速呈非線性關系，表現為藻類生物量隨氣溫和風速的增大先升高后降低［圖5（a）］。

表1 峽口向前逐步回歸的方差分析結果Tab.1 Variation analysis between biomass and meteorology by forward selection at XK

平邑口藻類生物量加入流量、太陽輻射和降雨后，模型性能提升（決定系數和偏差解釋度提高），但加入氣溫和風速后，不能提升模型性能。流量、太陽輻射和降雨對藻類生物量的變化解釋達到31.2%，說明平邑口藻類生物量主要受香溪河流量、太陽輻射和降雨量的影響，并且與這些環境因子呈非線性關系［圖5（b）］。

圖5 氣象與藻類生物量的關系Fig.5 Correlation between algal biomass and meteorology

用隨機森林模型對不同影響因子進行重要性排序，以抽取該因子后，預測結果的均方根誤差MSE來表示，誤差越大，表明該因子的影響權重越大。分析表明，峽口影響因子排序為流量＞氣溫＞太陽輻射＞風速；平邑口影響因子排序為流量＞太陽輻射＞降雨（表3）。

表3 藻類生物量影響因子重要性Tab.3 Importance of influencing factors on algae biomass

2.3 氣象水文因子對藻類群落結構的影響

2021 年8 月17-26 日，對一次水華過程進行了6 天加密監測，采用典范對應分析CCA 分析不同藻類對水文氣象因子的響應，主要是藍藻（Cyanobacteria，Cya）、綠藻（Chlorophyta，Chl）、硅藻（Bacillariophyta，Bac）、甲 藻（Dinophyta，Din）、隱 藻（Cryptophyta，Cry），結果表明，前兩軸解釋了63.3%藻類變化，所有藻類均與太陽輻射、氣溫正相關，而與降雨、流量負相關，硅藻、甲藻、藍藻、綠藻與濁度負相關。

3 討論

3.1 水文氣象因素對藻類生物量的影響

研究表明，氣象水文因素對藻類生物量的解釋度超過30%，常年回水區主要影響因素為流量、氣溫、太陽輻射和風速，而變動回水區主要影響因子為流量、太陽輻射和降雨，說明水庫不同區域影響藻類生物量變化的氣象因子不完全一致。變動回水區受水庫調度影響，干流回水頂托區域處于變化之中，且受上游來流的沖刷更為明顯，常年回水區近似于湖泊區域，常年受干流頂托影響。

香溪河流量是藻類生物量最直接的影響因子，8 月份有兩次流量峰值，而在9 月流量處于較低范圍，使得藻類生物量在9月高于8 月（圖2）。流量增大一定程度與降雨相關（r=0.35，P＜0.01）。當流量超過100 m3/s 時，峽口和平邑口的葉綠素a 含量處于較低水平（圖4），有些研究表明，當香溪河流量超過100 m3/s 時，香溪河流速能夠達到0.05 m/s，對藻類生長產生一定抑制作用［17］，說明香溪河流量增加，流速明顯增大，有利于抑制水華［11］，這種沖刷對變動回水區的作用高于常年回水區。在漢江下游，由于流量降低，流速減緩容易誘發水華，通過加大流量，能有效抑制水華［18］。由于支流入庫流量與水溫負相關（r1=-0.33，r2=-0.55，P＜0.01），與濁度正相關（r1=0.53，r2=0.85，P＜0.01），說明支流入庫流量也可通過降低水溫和增大濁度抑制藻類生長。因此，通過上游直接增加支流流量，是抑制水華的手段之一。

降雨對藻類生物量的影響在不同區域存在差別，常年回水區降雨對藻類生物量的影響不顯著（表1），而對變動回水區的藻類生物量有直接影響（表2）。降雨對藻類生長有一定的抑制作用，一些研究發現，降雨期間藻類的比生長速率均小于非降雨期，降雨期間，垂向擾動增大，剪切力增大，打破垂向分層，是水華受到抑制的重要原因［19］。除此以外，降雨對藻類群落結構的影響包括沖刷、營養鹽輸入、增強水體混合等［20］。本研究中，兩處藻類生物量對降雨的不同響應，可能是兩處降雨引發的沖刷程度不同所致，降雨增大流量（圖6），變動回水區靠近上游，降雨沖刷更明顯。降雨通過增大流量而降低水溫，有利于破壞水溫分層，主要是增加混合層，破壞藻類生長環境，在適宜光照、溫度條件下庫灣水體水溫分層恢復，藻類快速生長繁殖，導致庫灣表層葉綠素a 濃度回升，降雨對水華的暴發具有階段性抑制作用［21］。本研究數據顯示，降雨過后，藻類生物量逐漸增大（圖2），可能與降雨過后輸入的顆粒物釋放營養鹽有關，因此需要注意降雨過后的水華風險。

表2 平邑口向前逐步回歸的方差分析結果Tab.2 Variation analysis between biomass and meteorology by forward selection at PYK

圖6 藻類群落結構與水文氣象因子關系Fig.6 CCA analysis between algal community and meteorological factors

夏季日照強度和氣溫是常年回水區藻類生長的重要影響因素，而對變動回水區平邑口影響較弱（表1、2）。統計表明，峽口區域葉綠素a 與日照輻射和氣溫顯著正相關，而平邑口藻類生物量與氣溫無相關性。由于峽口處于常年回水區，水體混合均勻，近似湖泊特征，在來流量較低，水位穩定的情況下，光照和溫度上升有利于藻類生長繁殖，高光照強度利于微囊藻群體的增長，促進水華發生［22］；8-9 月香溪河氣溫的變動范圍是20～32 ℃，監測期間，平邑口和峽口氣溫差別不大，受上游來流影響平邑口水體穩定性弱于峽口。

香溪河風速對峽口藻類生物量有一定影響，并且風速的變化與峽口藻類生物量變化呈現一定協同效應（圖3），但相關系數較低，說明風速是常年回水區藻類生物量變化的解釋因子之一，藻類生物量變化很大一部分還受到其他環境條件例如水溫、透明度以及未知因素的影響，但是風場對平邑口藻類生物量影響不顯著。風速主要影響水體穩定性，風對水華的影響包括直接擾動，風擾動造成的底泥懸浮營養鹽釋放以及風誘發的水流傳輸作用，在太湖的研究中發現，風對藻類傳輸作用最強，直接擾動次之，間接擾動最后［23］。太湖平均水深為1.9～2 m，風浪擾動使底泥再懸浮，成為太湖水體營養鹽的重要來源［24］，本研究區域水深約10 m，高水位時期水深達到40 m，研究表明風浪擾動不是主要的底泥營養釋放影響因素［25］。本研究中，風速主要分布在0～2.5 m/s的范圍［圖2（c）］，風速的快速變化與葉綠素a顯著相關（圖3），CCA分析顯示，除了隱藻，其他藻類與風速有一定的正相關關系（圖6），說明在現有的風速條件下，隨著風速增加，藻類生物量有升高的趨勢，可能與弱風條件促進水體表面藻類聚集有關［26］。

3.2 水華預測預警需考慮氣象因子

香溪河庫灣營養鹽充足，已經不是水華暴發的限制因子，因此水文氣象條件的變化對水華過程的影響可能更加重要，本研究表明支流入庫顯著影響庫灣藻類生物量，入庫流量增加將會增強庫灣濁度、降低水溫以及增大流速，降低水華風險。太湖水華預測中，有學者利用概率經驗公式，以藻類濃度、溶解氧濃度、風速、降雨等氣象因子來預測水華發生概率，在極端降雨、大風條件下，水華概率低，而在低氧、弱風和晴朗無雨的條件下，水華概率較大［27］。三峽水庫與淺水湖泊存在一定差異，雖然在水庫中，降雨抑制藻類生物量，雨天水華發生的概率降低，但是與流量相比，降雨因素對藻類的影響程度小，其抑制水華的作用有限。降雨過后持續晴天高溫，常年回水區水華的風險增大，在水華預測預警中，一定的風速有利于誘發水華，但整體影響不大。開展水華預測預警可根據支流入庫流量、光照和氣溫、降雨情況進行綜合分析預判。

4 結論

通過對夏季香溪河藻類生物量和水文氣象高頻監測數據分析，表明支流入庫流量是庫灣藻類生物量最重要的影響因子，支流入庫流量增大顯著抑制藻類生物量，光照和氣溫升高促進回水區藻類生長，對變動回水區影響不顯著，一定程度的風速有利于回水區藻類聚集。本研究將為科學預判夏季水華期庫灣藻類發展趨勢并采取調度措施提供依據。