Welcome to Overseas Expertise Introduction Center for Discipline Innovation of Watershed Ecological Security in the Water Source Area of the Mid-line Project of South-to-North Water Diversion!

学院主页      | 加入收藏 
首页 > 研究前沿 > 正文

研究前沿

气候-营养盐-形态特征互作驱动中国湖泊藻类水华发生

发布日期:2025-12-27  文章来源:   点击数:

题目:《Climate–nutrient–morphology interactions drive algal blooms in  Chinese lakes》

气候-营养盐-形态特征互作驱动中国湖泊藻类水华发生


摘要

1. 研究范围与数据:利用1985年至2019年多源数据,分析了中国165个湖泊的藻华时空格局与驱动机制,数据涵盖藻华发生频率、湖表水温、营养状态及湖泊形态等

2. 藻华时空分布特征:35°N以北湖泊藻华平均发生频率为7.42%,高于以南湖泊的7.11%,表明藻华在低温环境中仍具有较高适应性

3. 水温与藻华动态关系:在Δ1时段(2000–2010 vs. 1985–1999),72.7%的湖泊呈现湖表水温与藻华频率同步上升;Δ2时段(2011–2019 vs. 2000–2010),该比例降至52.1%,同时出现24.8%的湖泊水温下降但藻华增加的现象。

4. 形态对藻华的调节作用大型深水湖泊(如C2类)在相似水温与营养条件下藻华频率较低,其面积、体积均显著大于高频藻华湖泊(C1类),效应值显示面积(d = -0.35)与体积(d = -0.25)是区分两类湖泊的关键形态因子。

5.藻华物候提前与驱动机制:2004–2020年间,93个湖泊中57个出现藻华季节提前,其中56.6%的提前事件伴随湖表水温升高;随机森林模型表明,农业施肥(NP)、降水、湖表水温及湖泊形态是影响藻华的主要因子,且水温的作用在浅水湖泊中更为突出


引言

1. 藻华危害严重性

全球大型湖泊藻华爆发频率近20年增长约50%,最大爆发面积达3.13×10⁵ km²,严重威胁水生生态系统、饮用水安全及人类健康,并引发藻毒素释放与溶解氧消耗等次生生态灾害。

2. 藻华的主要驱动因素

藻华是营养富集与气候变暖跨尺度协同作用的结果,农业与城市化导致氮、磷等营养盐过量输入,气候变暖则通过升高水温、加速藻类生长、延长生长期等多途径提高藻华风险。

3. 营养控制策略的局限性

尽管许多地区已实施以削减外源营养盐为主的管理策略,但藻华仍频发,表明气候变暖可能削弱传统营养控制措施的效果,需深入理解气候与营养的交互作用。

4. 湖泊形态的调节作用

湖泊形态特征(如平均水深、面积)通过影响水温分层、内源营养释放等过程,显著调节湖泊对气候与营养胁迫的响应,导致不同湖泊对相似胁迫的响应差异。

5. 研究核心问题

研究重点围绕三个问题展开:泊形态如何调节气候变化对藻华的影响;短期水温变化如何影响藻华发生时间;气候、营养与湖泊形态之间存在哪些非线性协同效应

数据与方法

1. 数据来源与覆盖范围

研究使用全球湖泊藻华数据集,涵盖4128个湖泊(面积 > 0.1 km²)在1982–2019年间的爆发频率数据;中国湖泊藻华物候数据集包含103个湖泊,时间跨度为2003–2020年;湖表水温数据集覆盖2260个中国湖泊(1985–2022年)。

2. 营养与气象数据

使用中国湖泊营养状态指数(TSI)数据集,涵盖2693个湖泊(1984–2023年)。农业氮、磷施肥数据为全球0.5°网格数据,气象数据来自ERA5-Land再分析数据,包括太阳辐射、风速和降水。

3. 湖泊形态数据

湖泊形态特征(面积、体积、平均水深)来源于HydroLAKES全球数据库,覆盖所有面积 ≥ 0.1 km²的湖泊。

4. 湖泊样本筛选与时间窗口

通过空间一致性筛选,最终确定165个中国湖泊作为研究对象,时间窗口设定为1985–2019年,以确保藻华、水温与营养数据的时间重叠。

5. 分析方法概述

采用时空分析、层次聚类、随机森林回归等方法,研究藻华频率与水温的时空变化、湖泊分类、藻华物候提前与水温的关系,以及气候、营养与形态因子对藻华的驱动机制。

结果

藻华发生与水温的时空变化

1.南北差异:35°N以北湖泊藻华平均发生率为7.42%(平均水温19.63°C),以南为7.11%(平均水温26.44°C),表明藻华在低温湖泊中仍具高发性

2.协同变化趋势:Δ₁时期(2000–2010 vs. 1985–1999)72.7%的湖泊呈现水温与藻华同步增加;Δ₂时期(2011–2019 vs. 2000–2010)该比例降至52.1%,同时出现24.8%湖泊水温下降但藻华增加的模式。




图1.165个湖泊的湖面温度(LSWT)与藻华发生频率空间分布(柱状图显示总体平均值,黑线表示平均值范围)。




图2. 藻华强度与湖面水温的时空分布动态。(a, b: Δ1与Δ2的差值计算结果;c, d: Δ1与Δ2不同变化模式的占比统计;e: Δ2相对于Δ1的变化统计。a、b图中的符号共变模式:“++”表示湖面水温升高/藻华增强,“+-”表示湖面水温升高/藻华减弱,“-+”表示湖面水温降低/藻华增强,“--”表示湖面水温降低/藻华减弱。)

水温与营养双重胁迫下的藻华爆发

1.总体趋势:更高水温与更高营养状态指数通常对应更高藻华频率,但在部分高水温/高营养类别中藻华频率较低,其对应湖泊面积与体积更大。

2.聚类结果:C₂类湖泊(中低藻华频率)在水温与营养水平与C₁类(高藻华频率)相似的情况下,藻华频率显著更低,形态上具有更大面积(效应值d=-0.35)和体积(d=-0.25),表明大型深水湖泊具有缓冲作用




图3. 不同时期(T1–T3)藻华发生率随湖面水温与富营养化指数的分布特征(a: 湖面水温;b: 富营养化指数。横轴表示湖面水温/富营养化指数的平均值,误差线代表标准差。各柱状图上方的红色数值标注为藻华强度的平均值。)




图4. 基于湖面水温-藻华强度-富营养化指数的湖泊聚类结果及其形态特征分析(a:聚类结果的空间分布特征(叠加湖泊面积、容积与深度信息:不同填充样式代表C1、C2、C3类湖泊;点透明度表示湖泊容积分级;点大小反映湖泊面积分级;点颜色体现平均水深变化)。b:各类群湖面水温、富营养化指数与藻华强度的误差条形图(平均值±1倍标准差),误差线表示组内变异,实心点代表组均值。c:形态参数效应量对比(负值表示C1类湖泊低于C2类)。

湖泊变暖驱动藻华发生时间提前

1.季节性提前:在93个湖泊中,57个出现藻华季节提前,共记录454次提前事件,其中56.6%伴随同期水温升高,21.0%湖泊提前事件与水温升高完全同步

2.月度提前:81个湖泊出现月度提前,共700次事件,其中55.6%伴随水温升高,14.8%的湖泊完全同步。




图5. 藻华发生时间提前与湖面水温升高的同步变化关系(a:呈现藻华季节提前且伴随水温升高的湖泊比例(n = 93)。b:呈现藻华月份提前且伴随水温升高的湖泊比例(n = 93)。饼状图展示藻华提前事件中伴随湖面水温升高(↑)与未升高情况的比例构成)。

藻华爆发的驱动因子分析

1.因子重要性:农业施肥、降水、太阳辐射、风速及水温共同影响藻华,其中营养因子贡献度持续较高,且水温重要性随时间逐渐上升

2.水深调节作用:浅水湖泊中水温的贡献度在所有时期均高于深水湖泊,表明湖泊深度调节了水温与藻华动态的关系

3.交互作用升温与高施肥存在协同促进作用;而湖泊平均水深与体积的增加可在一定程度上抑制藻华爆发,尤其是在高水温、高施肥条件下。




图6. 三个时期湖泊特征SHAP重要性蜂群图与特征重要性对比(a、b、c:T1、T2、T3时期的特征SHAP分布;d、g:T1时期深水湖与浅水湖的SHAP值量级分布;e、h:T2时期深水湖与浅水湖的SHAP值量级分布;f、i:T3时期深水湖与浅水湖的SHAP值量级分布,其中FV表示归一化SHAP值量级;j:特征重要性量级对比)。

讨论

藻华的环境适应性:挑战“高温驱动”范式

1. 空间格局反转:研究发现位于35°N以北的较冷湖泊藻华平均频率为7.42%,略高于南部较暖湖泊的7.11%,表明低温并非藻华发生的限制因素

2. 生理适应机制:部分蓝藻等藻类具备在中低温条件下生长繁殖的生理适应性,可在寒冷水体中持续形成水华。

3. 管理启示:这一发现修正了传统认知,提示在冷温带湖泊的水质管理中,需同等重视藻华风险防控

协同驱动与形态调控:揭示湖泊响应差异的关键

1. 营养与温度的协同放大:在浅水湖泊中,水温升高与营养富集形成强协同效应,升温促进底泥内源营养释放,加剧富营养化正反馈。

2. 深水湖泊的形态缓冲:大型深水湖泊通过营养稀释、稳定热分层和光限制等物理机制,缓冲外部胁迫,显著抑制藻华发生。

3. 浅水湖泊的高敏感性浅水湖泊热缓冲能力差,水体混合充分,营养循环快,导致其对气候变暖的响应更迅速、藻华风险更高

物候变化、生态风险与管理转型

1. 物候提前的触发机制:短期水温升高是藻华季节与月份提前的关键诱因,其作用受营养条件和水体稳定性的共同调制。

2. 潜在的生态错配风险:藻华时间提前可能使其与浮游动物摄食高峰期错位,进而扰乱湖泊食物网结构与能量流动。

3. 管理策略的范式转变:传统单一营养盐控制策略在气候变暖背景下效果受限,未来需发展耦合气候-水文-生态-人为过程的模型,实施分区、精准的适应性管理。

研究局限性与未来方向

1. 空间代表性不足:165个研究湖泊主要分布于中国东部,结论向西部干旱区与高海拔湖泊的外推需谨慎。

2. 方法与数据局限:随机森林模型对极端情景的预测存在外推不确定性;SHAP方法在解析高维非线性交互作用时存在理论限制。

3. 未来研究方向:需融合高频原位监测与过程模型,深入揭示藻华对多因子胁迫的非线性响应机制,并量化自然与人为因子的交互效应。

结论

1. 湖泊形态的关键“开关”作用

研究证实湖泊形态不仅是调节者,更起到机制“开关”的作用,能够显著抑制藻华发生。大型深水湖泊通过面积、体积与深度等特征,有效缓冲了升温与富营养化的驱动效应。

2. 挑战传统“高温高营养”范式

研究发现,低温低营养湖泊同样存在显著藻华风险(如部分TSI仅26.0的寡营养湖泊平均藻华发生率接近13.01),这揭示了当前风险评估框架中存在关键盲区,并暗示了局地未量化驱动因子的影响。

3. 多因子交互作用的系统性认知

藻华爆发是气候变暖、营养富集与湖泊形态非线性协同作用的结果。形态的缓冲能力是核心,而富营养化与升温的影响在缺乏形态缓冲(如浅水湖泊)时最为严重。这为制定差异化、分区化的湖泊管理策略提供了科学依据。


文献来源

https://doi.org/10.1016/j.envres.2025.123430  

转自 宁夏河湖水生态环境科技创新团队微信公众号