CN113158762A - 大型湖库滨岸带蓝藻水华堆积风险评估方法 - Google Patents
大型湖库滨岸带蓝藻水华堆积风险评估方法 Download PDFInfo
- Publication number
- CN113158762A CN113158762A CN202110199861.7A CN202110199861A CN113158762A CN 113158762 A CN113158762 A CN 113158762A CN 202110199861 A CN202110199861 A CN 202110199861A CN 113158762 A CN113158762 A CN 113158762A
- Authority
- CN
- China
- Prior art keywords
- lake
- risk
- index
- wind
- cyanobacterial bloom
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000009825 accumulation Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012502 risk assessment Methods 0.000 title claims abstract description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 30
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 claims description 29
- 238000011156 evaluation Methods 0.000 claims description 9
- 230000008021 deposition Effects 0.000 claims description 5
- 229930002875 chlorophyll Natural products 0.000 claims 2
- 235000019804 chlorophyll Nutrition 0.000 claims 2
- 239000000203 mixture Substances 0.000 claims 1
- 241000195493 Cryptophyta Species 0.000 abstract description 44
- 241000192710 Microcystis aeruginosa Species 0.000 abstract description 21
- 238000004088 simulation Methods 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 4
- 229930002868 chlorophyll a Natural products 0.000 description 27
- 241000192700 Cyanobacteria Species 0.000 description 8
- 230000006872 improvement Effects 0.000 description 8
- 238000011160 research Methods 0.000 description 6
- 239000002028 Biomass Substances 0.000 description 5
- 244000144987 brood Species 0.000 description 5
- 238000012851 eutrophication Methods 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 239000002344 surface layer Substances 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 238000005273 aeration Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000036461 convulsion Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000013505 freshwater Substances 0.000 description 1
- 230000003116 impacting effect Effects 0.000 description 1
- 238000002513 implantation Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 239000003053 toxin Substances 0.000 description 1
- 231100000765 toxin Toxicity 0.000 description 1
- 108700012359 toxins Proteins 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Abstract
本发明涉及大型湖库滨岸带蓝藻水华堆积风险评估方法，将湖库滨岸带划分为若干网格单元，分别计算滨岸带网格单元的蓝藻水华指数、动力指数、风向指数和岸线复杂度，采用权重系数法计算得到蓝藻水华堆积风险指数，并根据数值大小确定风险等级。本发明依托流域水文与湖泊水动力模拟、遥感反演、GIS空间分析等技术，创新构建了蓝藻水华堆积风险评估体系，量化评估了滨岸带的蓝藻水华堆积风险，绘制了蓝藻水华滨岸带堆积风险的空间分布图，识别了蓝藻水华的易堆积区域。本发明可应用于大型富营养化湖库，为蓝藻水华应急处置管理提供关键技术支撑。
Description
技术领域
本发明属于水环境风险防范技术领域，具体涉及大型湖库滨岸带蓝藻水华堆 积风险评估方法。
背景技术
淡水湖库富营养化造成的蓝藻水华一直是我国甚至世界关注的突出水环境问题，例如美国 伊利湖、加拿大温尼伯湖；最新全球湖泊蓝藻水华研究显示：自20世纪80年代以来，全球 71个大型湖泊(面积大于100km2)中，68％湖泊的夏季蓝藻水华规模持续增长。2011年，北 美伊利湖暴发了史上最严重的蓝藻水华，2014年8月1日伊利湖西部蓝藻水华暴发导致水体 藻毒素严重超标，引发了伊利湖沿岸的托莱多市(Toledo)的饮用水断供。尽管全球各国高度 重视湖库富营养化的科学防控，但大量湖泊蓝藻水华仍呈现频繁反复暴发的趋势，与此同时， 全球气候变化进一步加剧湖库富营养化，可见蓝藻水华防控短期内很难取得显著成效，彻底解 决蓝藻水华问题依然任重道远。
巢湖是我国富营养化重点治理的湖泊之一，巢湖蓝藻水华的现场调研与卫星遥感影响解译 结果表明：近年来(2018-2020)，巢湖滨岸带蓝藻水华堆积程度较严重的区域集中在巢湖西北 岸、派河入湖口区域和巢湖南岸大周村区域，尤其是每年的夏秋时段(6-10月)。为缓解巢湖 蓝藻水华问题，中央/地方政府针对巢湖蓝藻水华的滨岸带堆积已做出大量努力，蓝藻水华应 急处置管理工作也日益完善，包括已经实施的深井、藻水分离港、藻水分离船等应急处置措施： (1)4个深井和4个藻水分离港分布于巢湖西北岸，4艘藻水分离船分布于东巢湖；(2)自制 磁捕船、民间打捞船和曝气船等措施处置规模较小，分布状况较为分散。而上述蓝藻水华应急 处置措施的科学配置需要以蓝藻水华堆积风险的科学评估为基础，即只有精准预测/识别蓝藻 水华的易堆积区域，才能科学合理配置蓝藻水华应急处置措施；然而现有研究集中在蓝藻水华 现状监测、模拟预测、风险评估工作，尚缺缺乏针对湖库滨岸带蓝藻水华堆积的风险评估与重 点区域识别等方面的研究。
发明内容
本发明的目的在于提供一种大型湖库滨岸带蓝藻水华堆积风险评估方法，依 托流域水文与湖泊水动力模拟、遥感反演、GIS空间分析等技术，综合考虑藻类 生物量、岸线形态、湖泊水动力、风速风向等要素，创新构建了蓝藻水华堆积风 险评估指数体系，量化评估了湖库滨岸带的蓝藻水华堆积风险，绘制了蓝藻水华 滨岸带堆积风险的空间分布，识别了蓝藻水华的易堆积区域，为大型富营养化湖 库蓝藻水华应急处置管理提供关键技术支撑。
为实现上述目的，本发明采用如下技术方案：
一种大型湖库滨岸带蓝藻水华堆积风险评估方法，包括：
将湖库滨岸带划分为若干网格单元；
分别计算滨岸带网格单元的蓝藻水华指数、动力指数、风向指数和岸线复杂 度，采用权重系数法计算得到蓝藻水华堆积风险指数；
其中，蓝藻水华指数采用网格单元的归一化叶绿素a浓度表征；所述动力指 数采用网格单元的归一化的动力强度表征；所述风向指数采用网格单元出现在不 同风向对应下风向区域的频次表征；所述岸线复杂度采用盒计数法计算，并采用 其归一化数值表征。
作为本发明的进一步改进，所述蓝藻水华指数、动力指数采用年均值表征。
作为本发明的进一步改进，所述叶绿素a浓度采用遥感影像反演获取；优选 无云/少云的MODIS遥感影像。
作为本发明的进一步改进，所述动力强度采用水体流速与风速的乘积表征。
作为本发明的进一步改进，所述风向指数的确定方式为：
将逐日风向划分为八类，即北风、北东风、东风、东南风、南风、南西风、 西风和西北风；
分别计算滨岸带网格单元处于每一类风向对应下风向滨岸带区域的频次，计 算其归一化数值，作为风向指数。
作为本发明的进一步改进，所述岸线复杂度的确定方式为：
获取湖库遥感影像图，绘制边长为r的正方形将岸线栅格图覆盖；
计算岸线的分形维数，其归一化数值即为岸线复杂度。
作为本发明的进一步改进，所述的四个评估指数权重相等。
作为本发明的进一步改进，所述方法还包括，将蓝藻水华堆积风险指数进行 归一化处理后，根据数值大小确定风险等级。
进一步的，将0～1数值范围划分为若干个均等的区间；根据蓝藻水华堆积风 险指数归一化数值大小落入的区间确定其风险等级。
作为本发明的进一步改进，还包括，对蓝藻水华堆积风险进行实时评估，为 湖库蓝藻水华应急处置实时提供重点关注区域。
本发明提供了适用于大型湖库滨岸带蓝藻水华堆积风险评估方法，依托流域 水文与湖泊水动力模拟、遥感反演、GIS空间分析等技术，综合考虑藻类生物量、 岸线形态、湖泊水动力、风速风向等要素，构建了蓝藻水华堆积风险评估体系， 量化评估了湖库滨岸带的蓝藻水华堆积风险，绘制了蓝藻水华滨岸带堆积风险的 空间分布，识别了蓝藻水华的易堆积区域，为大型富营养化湖库蓝藻水华应急处 置管理提供关键技术支撑。
蓝藻水华堆积风险评估方法是蓝藻水华应急处置的关键技术：基本研究构建 的蓝藻水华堆积风险评估方法，通过进一步与蓝藻水华预测模型、气象预报模式 耦合，可实现蓝藻水华堆积风险的未来预测结果，动态识别蓝藻水华的易堆积滨 岸带区域，为湖库蓝藻水华应急处置实时提供重点关注区域等信息，进而提前布 局针对性的应急处置措施。
附图说明
图1是本发明方法流程图。
图2是巢湖年均叶绿素a浓度分布(a)与滨岸带蓝藻水华指数(b)。
图3是巢湖2018和2019年逐日风速(a)、水动力条件(b)与滨岸带动力 指数(c)。
图4是巢湖2018-2019年风向频数(a)与滨岸带风向指数(b)。
图5是巢湖岸线分布(a)与岸线复杂度(b)。
图6是巢湖滨岸带蓝藻水华堆积的综合风险等级分布。
具体实施方式
本发明面向受体为大型湖库，结合大型湖泊蓝藻水华的形成与聚集规律，选 择蓝藻水华指数、动力指数、风向指数与岸线复杂度用于蓝藻水华滨岸带堆积风 险评估，并识别蓝藻水华的易堆积区域。
实施例1
实施例1以巢湖为例，对本发明的方法作进一步阐述。
将巢湖滨岸带划分为若干1km×1km尺寸的网格单元，如应用于其它湖泊， 网格单元可根据湖泊大小调整，分别计算巢湖滨岸带的蓝藻水华指数、动力指数、 风向指数、岸线复杂度：
(1)蓝藻水华指数：水体藻类越多，出现蓝藻水华的概率越大，岸线阻隔 了蓝藻水华漂移则会产生堆积；叶绿素a浓度是表征藻类生物量的指标，本实施 例中选取无云/少云的MODIS遥感影像，采用文献中已报道的大型浅水湖泊叶绿 素a反演算法(Duan,H.et.al.MODIS observations of cyanobacterial risks in a eutrophic lake:Implications for long-term safety evaluation in drinking-water source.WaterResearch.2017,122, 455-470.)，获取巢湖叶绿素a空间分布，再归一化处理计算巢湖滨岸带蓝藻水华 指数，计算公式如下：
公式(1)用于计算巢湖水体2018-2019年期间的叶绿素a平均浓度，其中RCHL为叶绿素a平均浓度，Si为日期i的叶绿素a浓度，N为2018-2019年无云/少云 的MODIS遥感影像数量(N＝120)；公式(2)用于计算巢湖滨岸带网格的蓝藻 水华指数，其中
为巢湖滨岸带网格j的蓝藻水华指数，
为网格j的多年 平均叶绿素a浓度，
分别为所有滨岸带网格的多年年均叶绿素a浓度 最小值、最大值。蓝藻水华指数
取值范围为0-1，数值越大，表明该网 格藻类越多，蓝藻水华堆积风险越大。
(2)动力指数：内涵包括水动力(水体流速)与风力(风速)条件。湖泊 水动力越弱，即水体流速越慢，蓝藻水华越容易在水体表层漂浮并堆积；水流速 度越快，水体扰动能力越强，蓝藻水华也更不容易聚集堆积。与水动力条件相似， 风力条件也是决定蓝藻水华堆积的重要环境因素，当风速大于4m/s，藻类均匀 分布在水体中，难以在水体表层形成蓝藻水华，当风速低于3m/s时，蓝藻水华 漂浮在水体表层，也更容易在滨岸带堆积。根据上述原理，动力指数采用以下公 式计算：
公式(3)用于计算年均动力强度(RM)，采用水体流速与风速乘积表征； 其中WSi为日期i的风速，WVi为日期i的水体流速，通过巢湖水动力模型模拟 获取，N为流速与风速的时间序列数量(N＝730)；公式(4)采用数据归一化方 法计算巢湖滨岸带网格的动力指数，其中
为网格j的动力指数，
为所有滨岸带网格单元年均动力强度的最小值与最大值。动力指数
取值 范围为0-1，数值越大，表明该网格动力条件越弱，蓝藻水华越容易堆积，堆积 风险越大。
(3)风向指数：风向是蓝藻水华堆积的重要影响因素之一，由于蓝藻水华 漂浮在水体表面，因此极易在下风向的滨岸带区域堆积；根据上述规律，将 2018-2019年的逐日风向划分为八类，即北风、北东风、东风、东南风、南风、 南西风、西风和西北风，每一类风向都有对应的下风向滨岸带区域，并据此计算 风向指数，公式如下：
其中
为滨岸带网格i的风向指数，
为网格i位于下风向区域的累积天数(2018-2019年期间)，
分别为所有滨岸带网格单元中位于下风向区域 的累积天数最小值、最大值。风向指数
取值范围为0-1，数值越大，表 明该网格位于下风向区域的频次越多，蓝藻水华堆积风险也越大。
(4)岸线复杂度：岸线形态对蓝藻水华堆积有很大影响，平整岸线不易堆 积蓝藻水华，而复杂岸线更容易产生蓝藻水华堆积；通过高精度遥感影像图获取 巢湖岸线分布，采用简化盒计数法定量计算岸线复杂度，即将岸线网格单元划分 为若干边长为r的正方形，通过计算岸线分形维数并归一化处理，计算公式如下：
其中，RsL为岸线分形维数，用于表征岸线的复杂度，N为岸线像元数量，C 为常数；
为岸线复杂度，
为i网格的岸线复杂程度，
分别为所 有巢湖滨岸带网格的岸线分形维数的最小值、最大值。岸线复杂度
取值 范围为0-1，数值越大，表示该网格的岸线越复杂，蓝藻水华堆积风险越大。
根据四个指数(蓝藻水华、动力、风向和岸线复杂度)的风险指数计算结果， 采用以下公式计算滨岸带网格单元蓝藻水华堆积的综合风险指数：
其中Ri为网格i的综合风险指数，
为网格i的指数x的风险指数，wx为指 数x的权重系数，n为指数数量(n＝4)。根据各指数对巢湖滨岸带蓝藻水华堆积 的影响程度，并根据专家与管理人员的建议，确定巢湖滨岸带蓝藻水华堆积风险 评估指数权重系数，藻类生物量、动力、风向和岸线形态权重均为0.25。
根据蓝藻水华、动力、风向和岸线复杂度四个指数计算的综合风险指数，划 分巢湖滨岸带蓝藻水华堆积的风险等级。将综合风险指数值归一化处理之后，根 据数值大小确定风险等级，将风险等级划分为五级(Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ)。
实施例2
实施例2具体说明巢湖滨岸带蓝藻水华堆积风险评估研究结果分析。
(1)蓝藻水华指数
巢湖滨岸带风险评估区域中，蓝藻水华指数呈区域片状分布且片区域之间差 异明显。如图2(b)，蓝藻水华指数高值网格主要分布于西巢湖的西岸与北岸和 东巢湖的西北岸，主要原因是杭埠河、南淝河和白石天河的入湖的营养物质控制 了巢湖接近80％的藻类生物量的产生。巢湖中叶绿素a浓度的分布差异变化明 显，但2018-2019两年巢湖叶绿素a浓度总体呈现中西部较高，东部较低的分布 状况。图2(a)为选取的3幅具有巢湖整体蓝藻水华典型分布状况的叶绿素a 浓度分布图，较明显的体现巢湖的西北部叶绿素a浓度的值较高。东巢湖北岸部 分网格值与巢湖东南岸的网格值较低，是由于巢湖西南岸是在巢湖湖面的主导风 向上方和入湖河流携带的富营养化物质难以抵达东南部，东巢湖北岸靠岸的网格 值较低是由于入湖河流携带的富营养化物质难以扩散至邻近岸线区域且其平整 的岸线不是蓝藻水华堆积的有利条件。中巢湖区域则呈中高值网格分布，是由于 近年来中巢湖水体总氮、总磷浓度显著升高，导致蓝藻水华强度不断提升，扩散 速度加快，逐渐呈向全湖发展的态势。
(2)动力指数
巢湖滨岸带风险评估区域中，图3(c)动力的风险指数变化差异明显，在 杭埠河、南淝河、柘皋河、白石天河、兆河与派河入湖口区域的网格值较低之外， 其他沿岸区域均为高值网格。此结果与图3(b)2018-2019年巢湖总体水动力强 弱分布较为一致，高网格值区域的水体流速同时也就比较弱的，入湖口区域存在 较强的水量交换，流速较快，水动力强度也较高，从而出蓝藻水华堆积的风险也 较低。从图3(a)可知，2018年巢湖湖面有3天平均风速超过4m/s，327天平 均风速低于3m/s；2019年巢湖湖面有14天平均风速超过4m/s，300天平均风 速低于3m/s，表明巢湖蓝藻水华上浮至湖面聚集天数远超过蓝藻水华上浮受抑制天数，因此，巢湖滨岸带蓝藻水华发生堆积概率也大幅提高。巢湖湖面风速变 化幅度较大，经历风速峰值之后，风速通常在接下的较短一段时间持续减少至谷 值左右，强风速不会形成滨岸带蓝藻水华堆积，但是会带动湖体中蓝藻水华向岸 线靠近，接着连续静止天气(低风速)则会导致滨岸带蓝藻水华堆积。动力指数 能够明显体现滨岸带蓝藻水华受水动力与风力共同作用下的发生堆积概率。
(3)风向指数
巢湖滨岸带风险评估区域中，如图4(c)风向的风险指数分布较分散，但 是巢湖西岸总体网格值显著高于巢湖其余滨岸带，呈连续带状分布。巢湖湖面8 类风向中频次最高为东风与西风，频次分别为281和203次，这也是近年来西巢 湖滨岸带蓝藻水华堆积严重以及中巢湖与东巢湖湖面蓝藻水华暴发程度加重的 重要因素之一。如图4(b)所示，巢湖湖面频次最高的三类风向的风分别冲击 岸线之后以网格统计，其叠加之后几乎覆盖整个巢湖滨岸带，大面积与带状连续 分布的高值网格西巢湖滨岸带是重点关注的区域。结合图2(a)所示，巢湖中 总体叶绿素a浓度分布在西部和中部的值较高，很大程度上是受到巢湖湖面东风 与西风影响，符合西巢湖与东巢湖叶绿素a浓度较高的现状。西巢湖滨岸带风向 指数网格值高与图4(a)中风力大小有密切联系，2018-2019年中西风天数为281 天，但其平均风速超过4m/s的天数只有3天，而主导风向下的低风速是有利于 蓝藻水华在滨岸带上堆积。因此，西巢湖滨岸带连续的风向指数高值网格是较为 合理的。
(4)岸线复杂度
巢湖滨岸带风险评估区域中，岸线形态的风险指数存在显著的空间差异。本 文使用盒计数法将岸线进行定量分析，如图5(a)中显示，两个网格分别代表 平整岸线与复杂岸线，以科学方法合理计算岸线的分形维数(岸线复杂度)用来 评估岸线形态复杂程度。如图5(b)中，岸线复杂度的中高值网格呈连续分布 主要集中在西巢湖滨岸带和巢湖东南部滨岸带，点状高值网格分布于中巢湖忠庙 区域滨岸带。结合现场目译的结果，西巢湖西岸与北岸的临岸土地利用较为复杂， 向湖体延伸的岸线也较多，塘西河入湖口位置和派河入湖口位置附近存在数量较 多较复杂的水上岸线。蓝藻水华难以从岸线和水上岸线流出，并在主导风向的弱 风速和高叶绿素a浓度共同作用下，在滨岸带长时间滞留导致堆积，从而出现发 黑发臭现象。在东巢湖双桥河入湖口位置附近存在一定数量的植物，使得蓝藻水 华滞留在植物群落中，因此双桥河沿岸网格值不高的情况下，滨岸带蓝藻水华仍 出现发黑发臭的现象。
(5)综合风险
巢湖滨岸带风险评估区域中蓝藻水华堆积的综合风险指数具有显著的空间 差异性(图6)，在西巢湖西岸与西北岸、东巢湖西北岸及巢湖东南岸等区域的 堆积综合风险均为Ⅴ级，Ⅴ级风险的网格占沿岸区域所有网格的10.8％。西巢湖 北岸由于其岸线形态复杂且受到巢湖夏季主导风速风向影响，西巢湖西岸区域受 到主导风向以及叶绿素a浓度高影响，东巢湖西北岸受到弱水动力、主导风向以 及叶绿素a浓度高影响，东巢湖东南岸受复杂岸线和弱水动力的影响，这些区域 是风险预警的重点关注区域。Ⅳ级堆积综合风险分布数量最多，其网格占所有网 格的49.5％，分布于巢湖整个湖区，其中分布连续的区域为西巢湖的北岸与东岸、 东巢湖北岸和巢湖的东岸和南岸等区域。巢湖东岸与南岸和东巢湖北岸与东岸受 弱水动力和叶绿素a浓度高的影响，东巢湖西北岸受湖面常年主导风向、弱水动力和叶绿素a浓度高影响，西巢湖北岸受复杂的岸线形态和常年主导风向影响， 西巢湖东岸受弱水动力和叶绿素a浓度高影响，Ⅳ级区域在水生生态管理上是值 得关注的区域。
Ⅲ级堆积综合风险区域较多，占总体网格的37.1％，其分布区域较为广泛， 散布于整个巢湖沿岸。Ⅲ级区域的影响因素存在着区域性差异，西巢湖东北岸主 要受叶绿素a浓度高、弱水动力和复杂岸线形态影响，巢湖西南岸与南岸和东巢 湖东北岸受叶绿素a浓度高和弱水动力影响，东巢湖西北岸主要受常年主导风向 和叶绿素a浓度高影响，这些区域均存在一定堆积风险。
Ⅰ级和Ⅱ级堆积综合风险的主要集中在西巢湖东北岸和巢湖南岸，占总体网 格的2.6％。该沿岸区域中岸线平整、水动力强、不受常年主导风向冲击以及叶 绿素a浓度低，蓝藻水华堆积风险较低。
实施例根据巢湖具体案例，评估了2018-2019年的巢湖滨岸带的蓝藻水华堆 积风险。评估结果表明：巢湖沿岸蓝藻水华堆积呈现显著的空间差异，其中高风 险区域呈连续片状分布于西巢湖西岸与西北岸，占巢湖沿岸区域的10.8％，是巢 湖蓝藻水华应急处置管理的关键区域，评估结果与现场调研结论总体一致。中风 险区域(Ⅲ级)分布于巢湖整个沿岸，穿插于高风险与低风险区域之间；低风险 区域(Ⅰ级和Ⅱ级)主要分布西巢湖东北岸和巢湖南岸。
本发明提出的大型湖库滨岸带蓝藻水华堆积风险评估方法并不局限于本文 提到的具体案例，也同样适用于其他大型湖库。
Claims (10)
1.一种大型湖库滨岸带蓝藻水华堆积风险评估方法，其特征在于，包括：
将湖库滨岸带划分为若干网格单元；
分别计算滨岸带网格单元的蓝藻水华指数、动力指数、风向指数和岸线复杂度，采用权重系数法计算得到蓝藻水华堆积风险指数；
其中，蓝藻水华指数采用网格单元的归一化叶绿素a浓度表征；所述动力指数采用网格单元的归一化的动力强度表征；所述风向指数采用网格单元出现在不同风向对应下风向区域的频次表征；所述岸线复杂度采用盒计数法计算，并采用其归一化数值表征。
2.根据权利要求1所述的方法，其特征在于，所述蓝藻水华指数、动力指数采用年均值表征。
3.根据权利要求1所述的方法，其特征在于，所述叶绿素a浓度采用遥感影像反演获取；优选无云/少云的MODIS遥感影像。
4.根据权利要求1所述的方法，其特征在于，所述动力强度采用水体流速与风速的乘积表征。
5.根据权利要求1所述的方法，其特征在于，所述风向指数的确定方式为：
将逐日风向划分为八类，即北风、北东风、东风、东南风、南风、南西风、西风和西北风；
分别计算滨岸带网格单元处于每一类风向对应下风向滨岸带区域的频次，计算其归一化数值，作为风向指数。
6.根据权利要求1所述的方法，其特征在于，所述岸线复杂度的确定方式为：
获取湖库遥感影像图，绘制边长为r的正方形将岸线栅格图覆盖；
计算岸线的分形维数，其归一化数值即为岸线复杂度。
7.根据权利要求1所述的方法，其特征在于，所述的四个评估指数权重相等。
8.根据权利要求1所述的方法，其特征在于，还包括，将蓝藻水华堆积风险指数进行归一化处理后，根据数值大小确定风险等级。
9.根据权利要求8所述的方法，其特征在于，将0~1数值范围划分为若干个均等的区间；根据蓝藻水华堆积风险指数归一化数值大小落入的区间确定其风险等级。
10.根据权利要求1、8或9任一项所述的方法，其特征在于，还包括，对蓝藻水华堆积风险进行实时评估，为湖库蓝藻水华应急处置实时提供重点关注区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110199861.7A CN113158762A (zh) | 2021-02-23 | 2021-02-23 | 大型湖库滨岸带蓝藻水华堆积风险评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110199861.7A CN113158762A (zh) | 2021-02-23 | 2021-02-23 | 大型湖库滨岸带蓝藻水华堆积风险评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113158762A true CN113158762A (zh) | 2021-07-23 |
Family
ID=76883264
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110199861.7A Pending CN113158762A (zh) | 2021-02-23 | 2021-02-23 | 大型湖库滨岸带蓝藻水华堆积风险评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113158762A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114563378A (zh) * | 2022-03-03 | 2022-05-31 | 生态环境部卫星环境应用中心 | 湖库蓝藻水华空间分布定量描述方法、装置、介质和设备 |
| CN115611431A (zh) * | 2022-09-26 | 2023-01-17 | 中建三局绿色产业投资有限公司 | 一种生物操纵精准控藻的治理系统和方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102141517A (zh) * | 2011-01-05 | 2011-08-03 | 中国科学院南京地理与湖泊研究所 | 大型浅水湖泊翌年蓝藻水华首次发生水域预测方法 |
| CN103616490A (zh) * | 2013-12-03 | 2014-03-05 | 中国科学院南京地理与湖泊研究所 | 一种大型浅水湖泊水华蓝藻总存量估算的方法 |
| CN104615885A (zh) * | 2015-02-04 | 2015-05-13 | 中国科学院南京地理与湖泊研究所 | 一种富营养化浅水湖泊藻源性湖泛的短期预报方法 |
| CN106408005A (zh) * | 2016-09-05 | 2017-02-15 | 中国科学院南京地理与湖泊研究所 | 基于modis色素浓度估算的富营养化湖泊水质风险评价方法 |
| WO2018214190A1 (zh) * | 2017-06-19 | 2018-11-29 | 中国科学院南京地理与湖泊研究所 | 一种面向湖泊蓝藻灾害的立体监控及数据挖掘系统和方法 |
-
2021
- 2021-02-23 CN CN202110199861.7A patent/CN113158762A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102141517A (zh) * | 2011-01-05 | 2011-08-03 | 中国科学院南京地理与湖泊研究所 | 大型浅水湖泊翌年蓝藻水华首次发生水域预测方法 |
| CN103616490A (zh) * | 2013-12-03 | 2014-03-05 | 中国科学院南京地理与湖泊研究所 | 一种大型浅水湖泊水华蓝藻总存量估算的方法 |
| CN104615885A (zh) * | 2015-02-04 | 2015-05-13 | 中国科学院南京地理与湖泊研究所 | 一种富营养化浅水湖泊藻源性湖泛的短期预报方法 |
| CN106408005A (zh) * | 2016-09-05 | 2017-02-15 | 中国科学院南京地理与湖泊研究所 | 基于modis色素浓度估算的富营养化湖泊水质风险评价方法 |
| WO2018214190A1 (zh) * | 2017-06-19 | 2018-11-29 | 中国科学院南京地理与湖泊研究所 | 一种面向湖泊蓝藻灾害的立体监控及数据挖掘系统和方法 |
Non-Patent Citations (1)
| Title |
|---|
| 钱瑞等: ""大型湖库滨岸带蓝藻水华堆积风险评估——以巢湖为例"", 《湖泊科学》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114563378A (zh) * | 2022-03-03 | 2022-05-31 | 生态环境部卫星环境应用中心 | 湖库蓝藻水华空间分布定量描述方法、装置、介质和设备 |
| CN114563378B (zh) * | 2022-03-03 | 2022-07-29 | 生态环境部卫星环境应用中心 | 湖库蓝藻水华空间分布定量描述方法、装置、介质和设备 |
| CN115611431A (zh) * | 2022-09-26 | 2023-01-17 | 中建三局绿色产业投资有限公司 | 一种生物操纵精准控藻的治理系统和方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Soininen | Environmental and spatial control of freshwater diatoms—a review | |
| CN106202163A (zh) | 通江湖泊生态监测信息管理及预警系统 | |
| Hinrichsen et al. | Testing the larval drift hypothesis in the Baltic Sea: retention versus dispersion caused by wind-driven circulation | |
| Nodine et al. | Distribution of diatoms along environmental gradients in the Charlotte Harbor, Florida (USA), estuary and its watershed: Implications for bioassessment of salinity and nutrient concentrations | |
| Lukács et al. | Macrophyte diversity of lakes in the Pannon Ecoregion (Hungary) | |
| CN113158762A (zh) | 大型湖库滨岸带蓝藻水华堆积风险评估方法 | |
| Wiegleb et al. | Natural variation of macrophyte vegetation of lowland streams at the regional level | |
| Ortega et al. | Development of index of resilience for surface water in watersheds | |
| Wezernak et al. | Trophic state analysis of inland lakes | |
| Greenlaw et al. | A physiographic coastline classification of the Scotian Shelf bioregion and environs: the Nova Scotia coastline and the New Brunswick Fundy Shore | |
| Pinto et al. | Effects of the lack of coastal planning on water quality and land use on a macrotidal beach (Atalaia, Pará) in the Amazon Region | |
| Piontkovski et al. | The relationship between algal blooms, fish kill incidents, and oxygen depletions along the Omani coast | |
| Wang et al. | Quantifying turbidity variation for lakes in Daqing of Northeast China using Landsat images from 1984 to 2018 | |
| Rakocinski et al. | Nested spatiotemporal scales of variation in sandy-shore macrobenthic community structure | |
| Custodio et al. | Behavior of physicochemical parameters and potentially toxic metals in surface water evaluated by means of multimetric indices: A case study in a protected natural area of Peru | |
| Gapparov et al. | Reservoir Overgrowth and its Relationship with Morphometry: Research Problem and Prospects for Uzbekistan | |
| Häggqvist et al. | Case Studies of Environmental Sampling, Detection, and Monitoring of Potentially Toxic Cyanobacteria | |
| Pozdnyakov et al. | Investigation of Harmful/Nuisance Algae Blooms in Marine Environments | |
| Zhou et al. | Spatial pattern of water controlled wetland communities on the Sanjiang Floodplain, Northeast China | |
| Al Falah et al. | Diatom Stratigraphy as a Flood Record in the Lower Tuntang River, Demak, Central Java | |
| Mascarinas | Seagrass Diversity and Distribution in Maribojoc Bay, Bohol, Philippines | |
| McKee et al. | Numeric Nutrient Endpoint Development for San Francisco Bay Estuary: Literature Review and Data Gaps Analysis | |
| Prabhakaran | Ecological studies on the seagrass ecosystem of Minicoy Lagoon Lakshadweep | |
| Stelling et al. | Seasonality of phytoplankton biomass and composition on the Cape Canaveral shelf of Florida: Role of shifts in climate and coastal watershed influences | |
| Taukulis | Diatom communities in lakes and streams of varying salinity from south-west Western Australia: distribution and predictability |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |