CN110686999A - 一种海洋生态致灾大型藻类生物量极值测算方法 - Google Patents

Abstract

本发明公开了一种海洋生态致灾大型藻类生物量极值测算方法，基于环境限制因子对大型藻生长影响的实验测定结果，分析大型藻生长机理，利用环境限制因子与大型藻生物量增长关系构建大型藻生长机制微分模型，将环境限制因子水平与大型藻类生物量关联起来；将大型藻生长机制微分模型进行积分，基于大型藻生长机制积分模型参数的生态学意义，将生态学意义上的大型藻生物量极值构建成环境限制因子及现存生物量的函数，据此计算一定水平的环境限制因子所能支撑的大型藻生物量极值。本发明一定程度上解决了大型藻藻华生物量难以估算的问题，为环保部门启动大型藻类打捞措施提供决策依据，还有助于提升相关部门防灾减灾的能力。

Description

一种海洋生态致灾大型藻类生物量极值测算方法

技术领域

本发明涉及海洋环境生态领域，尤其涉及一种海洋生态致灾大型藻类生物量极值测算方法。

背景技术

上世纪70年代以来有害绿潮、金潮发生的规模及危害愈演愈烈，波罗的海、法国、韩国、日本沿海等均遭遇过较大规模的浒苔暴发，对海水的水质及沿海经济发展带来严重的影响。自2007年以来，我国南黄海连续暴发了世界上最大规模的浒苔绿潮灾害，2017年又同时发生了绿潮、金潮，给南黄海的生态环境、海洋生物多样性、渔业养殖及沿岸城市旅游业带来严重的影响。通常认为海水富营养化是导致绿潮、金潮等有害大型藻华发生的物质基础和重要影响因素之一。然而目前还没有更好的措施防范绿潮、金潮等生态灾害，应急打捞仍然是应对大型藻藻华的主要手段。

大型藻生物量是启动打捞、进行减灾防灾的重要参数。在一定水平的营养盐浓度下，计算一定数量的大型藻类生物量能够达到的最大值，判断绿潮、金潮等大型藻藻华是否可以发生。虽然遥感反演技术可以成功应用于估算漂浮绿藻分布面积及其随时间的变化，作为评估大型藻类灾害规模以及制定防灾减灾决策的一个重要参数——漂浮大型藻类生物量，却无法通过现有的遥感方法进行准确估算，仍需现场测量研究。虽然也有研究通过生态动力学模型估计大型藻类生物量，然而该类模型参数繁多，难以通过实验验证。

目前还没有利用环境限制因子测定来计算大型藻类生物量极值的相关报道。本发明的测算方法能够利用方便测定的环境限制因子(如南黄海硝酸盐浓度是浒苔绿潮爆发的限制因子)计算大型藻类生物量极值，有助于大型海藻藻华(如浒苔绿潮)的早期综合防控，有助于提升重大海洋灾害应对和海洋环境安全保障能力。

发明内容

本发明所要解决的技术问题是针对背景技术中所涉及到的缺陷，提供一种海洋生态致灾大型藻类生物量极值测算方法，通过构建环境限制因子与大型海藻生长之间的关系，将环境限制因子与生物量极值关联起来，利用现存生物量及环境限制因子的水平测算大型藻类生物量极值。

本发明为解决上述技术问题采用以下技术方案：

一种海洋生态致灾大型藻类生物量极值测算方法，基于环境限制因子对大型藻生长影响的实验测定结果，分析大型藻生长机理，利用环境限制因子与大型藻生物量增长关系构建大型藻生长机制微分模型，将环境限制因子水平与大型藻类生物量关联起来；将大型藻生长机制微分模型进行积分，基于大型藻生长机制积分模型参数的生态学意义，将生态学意义上的大型藻生物量极值构建成环境限制因子及现存生物量的函数，据此计算一定水平的环境限制因子所能支撑的大型藻生物量极值。本发明的具体步骤如下：

步骤1)，进行限制因子水平对大型藻类生物量增长影响的实验，计算大型藻类生物量增长与限制因子水平的关系：

步骤1.1)，采集近海大型藻类，选择健康藻体,去除表面附着物,将藻体用过滤后的自然海水清洗干净后置于冷藏箱内暂存、带回实验室；

步骤1.2)，在光照培养箱控制的环境条件下进行预培养；

步骤1.2.1)，将自然海水通过混合纤维滤膜过滤后贮存于聚乙烯桶中，使用前用蒸汽消毒器消毒后自然冷却，并充分振荡，使其恢复原有的溶解气体量；

步骤1.2.2)，向振荡后的自然海水加入营养盐配成培养液，限制因子水平按预设的梯度配置；

步骤1.2.3)，将藻体用滤纸吸干、称重后置于三角，烧瓶中，放入培养液，在光照培养箱中培养；

步骤1.4)，进行培养实验，并在培养实验周期内每天定时进行测量：

步骤1.4.1)，将藻体取出,用滤纸吸干藻体表面水分后称其湿重，将培养液过滤后测定限制因子水平的变化；

步骤1.4.2)，更换培养液，称重后的藻体放回更换过的新鲜培养液中继续培养；

步骤1.5)，根据步骤1.4)中获得的数据分析计算大型藻类生物量增长与限制因子水平的关系；

步骤2)，分析大型藻生长机理：

基于大型藻类生物量增长与限制因子水平的关系，分析大型藻类吸收限制因子的模式，在假定限制因子跨膜运输符合具有竞争抑制作用的主动运输的条件下、分析影响大型藻吸收同化限制因子的因素，明确环境限制因子、大型藻吸收面积对同化速率的影响，建立限制因子吸收模型μ＝f₁(N,S)，确定同化速率与吸收速率的关系x＝f₂(μ)，其中，μ为环境限制因子的吸收速率，N为环境限制因子，S大型藻吸收限制因子的面积，x为大型藻同化速率；

步骤3)，构建大型藻生长机制微分模型：

根据大型藻类生长速率与同化速率、异化速率的关系dM/dt＝f(x,y)，将限制因子吸收模型嵌入同化速率，将环境限制因子与大型藻生物量增长关联起来，构建大型藻生长机制微分模型dM/dt＝f(f₂(f₁(N,S)),y)，其中，M为大型藻生物量，dM/dt为大型藻生长速率，y为大型藻异化速率；

步骤4)，获取大型藻生长机制积分模型及模型参数：

根据大型藻形态特征分析确定大型藻类有效吸收面积与现存生物量之间的关系S＝f₃(M₀)，将大型藻生长机制微分模型进行积分，获得大型藻生长机制积分模型M＝F[(f₂(f₁(N,f₃(M₀))),y),“B”]；基于环境限制因子对大型藻生长影响的实验结果，通过模型拟合获得模型参数B的数值，其中，M₀为大型藻现存生物量；B是大型藻生长机制积分模型参数，生态学意义上的大型藻生物量极值；

步骤5)，构建以环境限制因子为自变量的大型藻生物量极值函数：

基于大型藻生长机制积分模型参数的生态学意义，将生态学意义上的大型藻生物量极值构建成环境限制因子及现存生物量的函数B＝f₄(f₂(f₁(N,f₃(M₀))))，据此计算一定水平的环境限制因子所能支撑的大型藻生物量极值。

作为本发明一种海洋生态致灾大型藻类生物量极值测算方法进一步的优化方案，所述步骤2)中，所述混合纤维滤膜采用0.45μm的混合纤维滤膜，蒸汽消毒器消毒温度为120℃、消毒时间为15分钟。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

本发明基于环境限制性因子水平，通过生态学意义上的大型藻生物量极值函数，计算海洋环境大型藻生物量极值，一定程度上解决了大型藻藻华生物量难以估算的问题，为环保部门启动大型藻类打捞措施提供决策依据。此外，不同现存生物量，同一限制因子水平，会有不同的极值生物量，造成的生态灾害也会不同，环保部门据此可以决定进行打捞行动的规模，有助于提升相关部门防灾减灾的能力。

附图说明

图1为大型海藻细胞吸收限制因子的跨膜运输示意图；

图2为浒苔藻体吸收面积示意图。

具体实施方式

下面结合附图对本发明的技术方案做进一步的详细说明：

本发明可以以许多不同的形式实现，而不应当认为限于这里所述的实施例。相反，提供这些实施例以便使本公开透彻且完整，并且将向本领域技术人员充分表达本发明的范围。在附图中，为了清楚起见放大了组件。

采用本发明，以大型藻培养实验为基础，构建大型藻生长机制积分模型，获取模型参数，建立以环境限制因子为自变量的大型藻生物量极值函数，计算一定水平的环境限制因子所能支撑的大型藻生物量极值。方法的科学性可以通过大型藻培养实验的结果，分析模型的拟合优度，并与现场观测结果对比来评估。

步骤1)，进行硝酸盐浓度对浒苔生长影响的实验，计算浒苔生长与硝酸盐浓度的关系；

①浒苔采集

采集黄海近海浒苔，选择健康藻体,去除表面附着物,将藻体用过滤后的自然海水反复清洗多次，清洗干净的藻体放在盛有海水的密封盒，置于冷藏箱内暂存，带回实验室。

②扩大培养

培养实验用的海水采自黄海，海水通过0.45μm的混合纤维滤膜过滤，贮存于聚乙烯桶中(5L磨口瓶)，实验前用蒸汽消毒器125℃消毒15分钟之后自然冷却，并充分振荡，使其恢复原有的溶解气体量，待用。

培养液由过滤高压蒸汽灭菌自然海水按f/2配方加入营养盐配成。

在实验室对浒苔样品进行挑选、分离，选择健康藻体，放于0.2％的KI溶液浸泡1-3min灭菌，再经过滤的高温灭菌海水(混合纤维滤膜，125℃灭菌15min)冲洗3～4次，放在盛有1L培养液的容器中，置于光照培养箱中扩大培养，温度15±1℃，光照强度6000lux，光照期L：D＝12h：12h。每隔3天更换一次培养液。

③培养实验

量取1100ml高压灭菌海水放在2L大烧杯中，按表1添加氮、磷营养盐浓度，搅拌均匀，量取300mL置于500mL三角烧瓶中，每组3份，待用。剩余培养液用于测定氮、磷营养盐浓度(培养液实测氮、磷浓度)。

将经过48小时氮(磷)饥饿培养的浒苔从培养瓶中取出，用吸水纸吸干藻体表面的水分，用电子天平称取浒苔0.2g/份，灭菌海水冲洗，置于盛有300mL培养液的500mL三角烧瓶中，每组3个平行样。

在光照培养箱中培养浒苔，温度为20±1℃，光照强度为6000lux，光照期为12h：12h，培养周期为14d。接种后每天18时从培养瓶中取出浒苔，用吸水纸吸干藻体表面的水分，用电子天平称量浒苔湿重，更新培养液(步骤如上)，放回三角烧瓶继续培养。原培养液通过0.45μm的混合纤维滤膜过滤，分别测定NaNO₂、NaNO₃和NaH₂PO₄浓度，另取100mL过滤培养液，放于样品瓶，-20℃冷冻保存。

表1培养实验添加的硝酸钠、磷酸二氢钠的摩尔浓度(μmol L^-1)

步骤2)，浒苔生长机理分析

浒苔藻体特征在文献已有详细记载，总体来说藻体均有主枝而且高度分枝，外观形态具有较大差异，但均具有管状结构，如图2所示，图中，r1、r2分别为管形浒苔外径和内径，h为浒苔管长，且管状结构由单层细胞组成，细胞位于单层藻体的中央(张晓雯等，2008；张建恒等，2013)。根据浒苔单层藻体结构以及培养实验结果，设硝酸根进入细胞膜的方式为主动运输，如图1所示，图中，N,P为限制因子，E为输运蛋白，Pr为同化产物，在硝酸根浓度较高时中间体具有竞争抑制，影响大型藻吸收同化硝酸根的因素主要有硝酸根浓度和吸收面积，据此建立硝酸根吸收模型(式1)，确立同化速率与硝酸根浓度和吸收面积的关系(式2)。

其中，E是跨膜输运蛋白，N为硝酸根，EN是结合限制因子后的输运蛋白，Pr是硝酸根在浒苔藻体内的同化产物，NEN是高浓度下产生的竞争抑制体，k₊₁,k_-1,k₂,k₊₃,k_-3为相应速率系数。

x＝μS(式2)

μ为硝酸根的吸收速率，K_M是主动运输条件稳定常数，K_I是竞争抑制条件稳定常数，μ_max＝k₂[E₀]，E₀是跨膜输运蛋白总量，S浒苔吸收硝酸根的面积，x为浒苔同化速率。

结论：通过培养实验结果分析，发现在高浓度条件下硝酸根跨膜主动运输具有竞争抑制作用，在稳态条件下，建立硝酸根吸收模型，进而确立了同化速率与环境中硝酸根浓度的关系。

步骤3)，浒苔生长机制微分模型构建

根据浒苔生长速率与同化速率、异化速率的关系(式3)，将硝酸根吸收模型嵌入同化速率，将环境硝酸根浓度与大型藻生物量增长关联起来，构建浒苔生长机制微分模型(式4)。

其中M为浒苔生物量，dM/dt为浒苔生长速率，k为浒苔异化速率系数。

结果分析：利用硝酸根吸收模型与同化速率的关系，由环境硝酸根浓度与同化速率之间的定量关系构造出环境硝酸根浓度与浒苔生长速率的定量关系，将环境硝酸根浓度与浒苔生物量变化关联起来。

步骤4)，浒苔生长机制积分模型及模型参数的获取

根据浒苔形态特征分析确定大型藻类有效吸收面积与现存生物量之间的关系(式5)，将浒苔生长机制微分模型进行积分，获得浒苔生长机制积分模型(式6)，将式6简写得式7，其中模型参数B为生态学上生物量极大值。基于硝酸根浓度梯度对浒苔生长影响的培养实验结果，通过模型拟合获得模型(式7)参数的数值。

即

其中，M₀为浒苔现存生物量，r₁、r₂管形浒苔外径和内径，m与现存生物量M₀有关的校正参数，ρ为浒苔密度，

B是生态学意义上的浒苔生物量极值，A为与初始生长有关的参数，K为与异化速率相关的参数。

结果分析：浒苔生长机制积分模型(式7)表达了浒苔培养实验中，一定硝酸盐浓度条件下浒苔生物量随时间的变化，因此，利用浒苔培养实验数据，对浒苔生长机制积分模型(式7)进行拟合，可以得到不同硝酸盐浓度条件下浒苔生物量极值。

步骤5)，构建以环境硝酸盐浓度为自变量的浒苔生物量极值函数

将浒苔生长机制积分模型式7与式6对比，得到浒苔生物量极值与硝酸盐浓度的函数关系(式8)，将以上不同硝酸盐浓度条件下浒苔生物量极值拟合式8，得到浒苔生物量极值函数中相应参数，据此计算一定水平的硝酸盐浓度所能支撑的浒苔生物量极值。

如浒苔生物量较小时，S≈V/(r₁-r₂)，则

浒苔生物量极值的测算及验证：

浒苔生物量极值作为浒苔生长机制积分模型的一个参数，表示的在一定的环境硝酸盐浓度条件下，浒苔生物量所能达到最大值，受环境硝酸盐浓度控制；此外，不同的现存生物量有不同的有效吸收面积，影响浒苔吸收硝酸盐速率，因此生物量极值也受现存生物量影响。基于不同浓度梯度条件下的浒苔培养实验获得的每日浒苔生物量数据，通过浒苔生长机制积分模型拟合可获得不同浓度梯度条件下的浒苔生物量极值，运用不同浓度梯度条件下的浒苔生物量极值对浒苔生物量极值函数再进行拟合，可得到浒苔生物量极值函数的各参数的数值，进而可以计算任意硝酸盐浓度下浒苔生物量极值。

浒苔生长周期中其生物量刚开始衰减时的数值可以作为实际环境中浒苔生物量极值。由于实际海域大量浒苔漂浮海面，覆盖厚度基本一致，浒苔绿潮爆发规模实际调查数据是以覆盖面积代表生物量，因此可以实际海域浒苔最大覆盖面积代表最大生物量，将实际海域浒苔覆盖面增长的倍数(S_t/S₀)与相同时间条件下模型计算得到的生物量增长倍数(B/M₀)进行比对，计算得到模型拟合优度R²>0.9，检验模型计算结果与现场测定的结果没有显著性差异，从而验证了模型计算结果的可靠性。

结论：以生物量极值作为一定环境限制因子条件下大型藻的可预见生物量，通过检验实际海域大型藻覆盖面积增长倍数与模型计算结果是否有显著性差异来判断可靠性。

根据2012年4月中旬到6月中旬现场调查结果表明硝酸盐浓度平均9.1μmolL^-1，浒苔覆盖面积从19平方公里发展到260平方公里，增长13.7倍；该浓度条件下，模型计算初始生物量0.1g L^-1，极值为1.56g L^-1，模型计算结果为增长15.6倍，与实际调查结果没有显著性差异。

应用本发明的方法，基于浒苔培养实验数据，由实际海域中测定的硝酸盐平均浓度计算的浒苔生物量极值，作为实际海域可预见生物量；以生物量极值计算的浒苔生物量增长倍数与由实测浒苔最大覆盖面积的计算的增长倍数基本一致。这一结果进一步验证了本发明方法的可操作性及可靠性，同时也表明了本发明方法在实际海域大型藻华减灾防灾中具有一定的应用价值。

本技术领域技术人员可以理解的是，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种海洋生态致灾大型藻类生物量极值测算方法，其特征在于，包含以下步骤：

步骤1），进行限制因子水平对大型藻类生物量增长影响的实验，计算大型藻类生物量增长与限制因子水平的关系：

步骤1.1），采集近海大型藻类，选择健康藻体, 去除表面附着物, 将藻体用过滤后的自然海水清洗干净后置于冷藏箱内暂存、带回实验室；

步骤1.2），在光照培养箱控制的环境条件下进行预培养；

步骤1.2.1），将自然海水通过混合纤维滤膜过滤后贮存于聚乙烯桶中，使用前用蒸汽消毒器消毒后自然冷却，并充分振荡，使其恢复原有的溶解气体量；

步骤1.2.2），向振荡后的自然海水加入营养盐配成培养液，限制因子水平按预设的梯度配置；

步骤1.2.3），将藻体用滤纸吸干、称重后置于三角，烧瓶中，放入培养液，在光照培养箱中培养；

步骤1.4），进行培养实验，并在培养实验周期内每天定时进行测量：

步骤1.4.1），将藻体取出,用滤纸吸干藻体表面水分后称其湿重，将培养液过滤后测定限制因子水平的变化；

步骤1.4.2），更换培养液，称重后的藻体放回更换过的新鲜培养液中继续培养；

步骤1.5），根据步骤1.4）中获得的数据分析计算大型藻类生物量增长与限制因子水平的关系；

步骤2），分析大型藻生长机理：

基于大型藻类生物量增长与限制因子水平的关系，分析大型藻类吸收限制因子的模式，在假定限制因子跨膜运输符合具有竞争抑制作用的主动运输的条件下、分析影响大型藻吸收同化限制因子的因素，明确环境限制因子、大型藻吸收面积对同化速率的影响，建立限制因子吸收模型μ= f ₁(N, S)，确定同化速率与吸收速率的关系x=f ₂(μ)，其中，μ为环境限制因子的吸收速率，N为环境限制因子，S大型藻吸收限制因子的面积，x为大型藻同化速率；

步骤3），构建大型藻生长机制微分模型：

根据大型藻类生长速率与同化速率、异化速率的关系dM/dt=f(x, y)，将限制因子吸收模型嵌入同化速率，将环境限制因子与大型藻生物量增长关联起来，构建大型藻生长机制微分模型dM/dt=f(f ₂(f ₁(N, S)), y)，其中，M为大型藻生物量，dM/dt为大型藻生长速率，y为大型藻异化速率；

步骤4），获取大型藻生长机制积分模型及模型参数：

根据大型藻形态特征分析确定大型藻类有效吸收面积与现存生物量之间的关系S=f₃(M₀)，将大型藻生长机制微分模型进行积分，获得大型藻生长机制积分模型M=F[(f₂(f₁(N,f₃(M₀))), y), “B”]；基于环境限制因子对大型藻生长影响的实验结果，通过模型拟合获得模型参数B的数值，其中，M₀为大型藻现存生物量；B是大型藻生长机制积分模型参数，生态学意义上的大型藻生物量极值；

步骤5），构建以环境限制因子为自变量的大型藻生物量极值函数：

基于大型藻生长机制积分模型参数的生态学意义，将生态学意义上的大型藻生物量极值构建成环境限制因子及现存生物量的函数B=f ₄(f ₂(f ₁(N, f₃(M₀))))，据此计算一定水平的环境限制因子所能支撑的大型藻生物量极值。

2.根据权利要求1所述的海洋生态致灾大型藻类生物量极值测算方法，其特征在于，所述步骤2）中，所述混合纤维滤膜采用0.45µm的混合纤维滤膜，蒸汽消毒器消毒温度为120℃、消毒时间为15分钟。

Images