武今巾 何巍偉 席緒昭 馬研

摘?要：分析了南水北調(diào)中線工程干渠藻類生長的原因如沿渠湖泊流域間的交叉影響、沿渠外源污染物輸入的影響、人工渠道及水工構筑物的影響等，探討了干渠藻類的監(jiān)測技術如藻類智能監(jiān)測系統(tǒng)、藻類熒光光譜在線分析系統(tǒng)等，并在此基礎上簡要闡述了干渠藻類污染風險的監(jiān)測預警。最后，展望了南水北調(diào)中線工程干渠的藻類監(jiān)測及水質(zhì)保障工作。

中線干渠藻類的成因分析可為工程浮游藻類的污染防控提供理論依據(jù)，而藻類的實時在線監(jiān)測可為干渠水質(zhì)預警提供充足的基礎數(shù)據(jù)，以上工作對南水北調(diào)工程中線水質(zhì)評價及水生態(tài)環(huán)境保護具有重要意義[3]。

本文對南水北調(diào)中線干渠藻類的成因進行了淺析，并對其監(jiān)測技術進行了初步探索研究，以期為中線干渠藻類的污染防控提供一定參考。

1??干渠藻類成因淺析

1.1??藻類基本概述

藻類通常是指在水中能進行光合作用、以浮游方式生活的自養(yǎng)型微生物（除藍藻外其他均為真核），其種類繁多，個體大小一般為2～200??m。藻類是水生態(tài)系統(tǒng)中重要的初級生產(chǎn)者，它能夠通過光合作用將無機碳固定轉(zhuǎn)化為碳水化合物，從而為系統(tǒng)中的其他生物提供食物基礎?[4]；藻類還是水體中溶解氧的主要供應者，它能夠調(diào)節(jié)大氣中CO2的濃度水平，是氧氣的重要來源。?藻類生長周期較短，其種屬組成、群落結(jié)構等對水環(huán)境的變化反應非常敏感，是水生態(tài)系統(tǒng)重要的生物監(jiān)測指標[5]。

1.2??影響藻類生長的環(huán)境因子

水體環(huán)境中生物、化學、物理等因素共同影響著浮游藻類的生物量變化和群落種屬組成，其間的作用機理比較復雜，而光照、水體透明度、水溫、營養(yǎng)鹽、水文水動力學等因素則是影響藻類群落動態(tài)變化的主要環(huán)境因素[6]。此外，生物捕食也會對藻類群落結(jié)構、生物量等產(chǎn)生影響。

藻類為光合自養(yǎng)型生物，需利用光能并通過光合作用合成其生長繁殖所需的多種物質(zhì)；水體透明度表征著水體澄清程度，其在很大程度上決定著藻類可以利用的有效光源，從而影響藻類生長；溫度直接對藻類生命活動所需酶系統(tǒng)的活性產(chǎn)生影響，包括光合作用、呼吸作用等；營養(yǎng)鹽C、N、P、Si等的含量及比例直接調(diào)控著藻類的各項生命活動；水文水動力學如水位、流速等會影響水體中可利用光和營養(yǎng)鹽含量，從而影響藻類生長繁殖。

1.3??干渠藻類成因分析

1.3.1??沿渠湖泊流域間的交叉影響

中線調(diào)水工程運行時，會將沿渠湖泊串聯(lián)在一起，各流域間有機物、營養(yǎng)鹽及水生生物將發(fā)生交換轉(zhuǎn)移，水體的水文水動力學特征也會發(fā)生變化，加之沿渠各流域湖泊藻類分布存在差異，這都將重新決定原水生態(tài)系統(tǒng)的藻類生長。此外，中線調(diào)水工程運行時，調(diào)水多次混合對沿渠湖泊流域群落結(jié)構組成、優(yōu)勢門類季節(jié)性演替、藻類種群分布等水質(zhì)和藻類的累積性影響具有復雜性和不確定性。

1.3.2??沿渠外源污染物輸入的影響

中線干渠總體說來，是一個相對封閉的輸水干線，但輸水過程中仍存在外源污染輸入的風險，如：大氣沉降、干渠內(nèi)地下水滲透、超標準洪水所形成的污染物漫溢、南北不同地域不同水質(zhì)的地表水水體相遇后發(fā)生的化學反應、干渠工程檢修時污染物聚集后在再次通水時對下游渠段的污染、沿渠各路面橋梁等的雨天地表徑流[2]。

1.3.3??人工渠道及水工構筑物的影響

中線干渠建成后，是一個特殊的人工系統(tǒng)，大面積的混凝土坡壁為浮游植物的掛接、生長提供了極佳的生長環(huán)境，一旦光照、營養(yǎng)鹽等外部條件滿足了藻類的生長需求，就會出現(xiàn)藻類快速掛接生長、衰老脫落上浮等現(xiàn)象。此外，中線干渠兩大水工構筑物：沙河渡槽（槽體長11.9?km）、穿黃工程（管線長19.3?km）通過影響水質(zhì)理化因子、水流條件等對藻類的生長也會產(chǎn)生影響[7]。

2??干渠藻類監(jiān)測技術初探

2.1??藻類智能監(jiān)測系統(tǒng)

藻類智能監(jiān)測系統(tǒng)是將深度學習技術中的神經(jīng)網(wǎng)絡技術用于藻類的圖像識別，據(jù)此建立的兼具準確、高效的藻類智能識別系統(tǒng)。藻類智能監(jiān)測系統(tǒng)主要包括以下三大功能模塊：藻類圖譜庫和數(shù)據(jù)集、藻類自動進樣系統(tǒng)、藻類智能識別系統(tǒng)。

藻類圖譜庫和數(shù)據(jù)集由藻類圖譜數(shù)據(jù)、分類信息組成，主要利用圖譜集、數(shù)據(jù)庫訓練深度學習模型，進而提高藻類智能監(jiān)測系統(tǒng)對藻類計數(shù)、鑒定的準確性；藻類自動進樣系統(tǒng)是開展藻類智能監(jiān)測自動進樣的關鍵模塊，由毛細管、三通電磁閥、蠕動泵和電機平臺等組成，通過三通電磁閥、蠕動泵控制自動進樣系統(tǒng)，實現(xiàn)檢測過程中的進樣管路自動化清洗及自動化進樣；藻類智能識別系統(tǒng)由XYZ軸控制器、控制系統(tǒng)、顯微鏡等組成，通過改造、集成開發(fā)現(xiàn)有自動化平臺及顯微鏡，實現(xiàn)顯微鏡下藻類多焦平面、不同景深的自動聚焦以及對各焦平面的自動掃描、自動成像及分層觀測?[8]。

以上三大模塊通過控制系統(tǒng)、數(shù)據(jù)傳輸系統(tǒng)實現(xiàn)有機融合，最終集成為藻類智能監(jiān)測系統(tǒng)。該設備具有自動進樣、聚焦、識別、計數(shù)等功能，從而實現(xiàn)藻類的自動監(jiān)測分析，使常規(guī)藻類自動監(jiān)測成為可能。

此外，還需基于以上功能模塊開展藻類智能與計數(shù)軟件的研發(fā)，而為了訓練深度學習模型，藻類智能識別與計數(shù)軟件在硬件、軟件、可視化界面也有一定要求：在硬件環(huán)境方面，需配置性能較佳的CPU、顯卡、內(nèi)存、硬盤等；在軟件環(huán)境方面，需配備CUDA、OpenCV、TensorFlow、cuDNN和Keras等軟件。在配置完成以上軟、硬件環(huán)境后，即可建立基于Windows?操作系統(tǒng)的深度學習框架，隨后進行深度學習模型訓練工作。藻類智能監(jiān)測系統(tǒng)集成見圖1。

目前，該系統(tǒng)已在南水北調(diào)中線干渠上開展了試點應用工作：該工作首先對干渠浮游藻類進行了全面的生態(tài)調(diào)查，在此基礎上掌握了干渠藻類主要代表性品類及群落特征；進一步在持有國家計量認證資質(zhì)的專業(yè)藻類分類學家和鑒定人員的幫助下，完成了藻類鑒定工作，從而保證了干渠藻類物種分類信息的準確性。最終，在以上工作的推動下，南水北調(diào)中線干渠藻類的圖譜庫和數(shù)據(jù)集成功建立，為藻類人工智能識別系統(tǒng)提供了豐富的基礎訓練數(shù)據(jù)。

2.2??藻類熒光光譜在線分析系統(tǒng)

藻類熒光光譜在線分析系統(tǒng)，一種使用離散三維熒光光譜技術，并以此實現(xiàn)藻類分類測量的在線分析技術。同傳統(tǒng)熒光光譜的固定激發(fā)/發(fā)射波長測量發(fā)射/激發(fā)光譜不同，三維熒光光譜能夠獲得激發(fā)波長、發(fā)射波長同時變化的熒光強度信息，這包含了藻類色素的全部信息[5]。三維熒光光譜獲取時，首先設定某一激發(fā)光波長，并測定其發(fā)射光譜；然后改變該激發(fā)波長并測定另一激發(fā)波長的發(fā)射光譜，由此在不同激發(fā)波長下產(chǎn)生的發(fā)射光譜組合，即構成了三維熒光光譜[9]。因三維熒光光譜具有無試劑添加、高選擇性、多組分分析等特點，在藻類監(jiān)測預警中發(fā)展迅速。

離散三維熒光光譜，則是根據(jù)擬分析物的熒光光譜特征，選擇性地測量獲取特定激發(fā)與發(fā)射光譜下的熒光光譜信息，并以最優(yōu)的結(jié)果替代連續(xù)三維熒光光譜的測量，以此解決連續(xù)三維熒光光譜測量儀器功耗高、耗時長、體積大、占地面積大及外場應用時的原位/在線等問題，更好地滿足不同場景應用需求[10]。

利用離散三維熒光光譜技術測量藻類時，首先根據(jù)被分析藻類的連續(xù)三維熒光光譜確定其發(fā)射波長、激發(fā)波長相關波段，進而建立離散三維熒光光譜測量系統(tǒng)；然后獲取被分析藻類的離散三維熒光光譜，提取特征并建立被分析藻類光譜特征數(shù)據(jù)庫，用于目標藻類的識別；最后進行目標藻類識別算法開發(fā)，并根據(jù)具體需求開展系統(tǒng)設計。

系統(tǒng)進行藻類特征波長提取時，主要目標為藍藻、綠藻、硅藻、隱藻、甲藻等五個門類、17個種類，共提取了12個激發(fā)波段、8個發(fā)射波段組成的96個特征光譜點的離散三維熒光光譜；測量系統(tǒng)的光學結(jié)構則采取激發(fā)-發(fā)射同軸端窗式設計，由8波段熒光收集光路、12波段LED聚焦激發(fā)光路組成，并通過優(yōu)化平衡設計獲得較為高效的光源激發(fā)效率、熒光收集效率[11]。

同時，為了提高光源穩(wěn)定性，該系統(tǒng)采用了恒流驅(qū)動激發(fā)光源技術，保證輸出電流可調(diào)（0～100?mA），LED激發(fā)光強不同波段下控制為1?500μmol/m2·s；LED切換由模擬開關控制，并采用MOS管調(diào)整光源以提高測量熒光信號時的信噪比。該系統(tǒng)設備示意見圖2。

藻類熒光光譜在線分析系統(tǒng)不僅實現(xiàn)了藻類葉綠素含量、群落結(jié)構的準確快速獲取，還解決了傳統(tǒng)光柵分光式體積大、便攜性差、結(jié)構復雜、傳動機構對運行穩(wěn)定性要求苛刻、難以原位監(jiān)測應用等問題。目前，該系統(tǒng)已在千島湖、太湖等流域展開了項目實地應用，且效果較佳。

2.3??干渠藻類污染風險預警

藻類優(yōu)勢種群在適宜的水文、氣象等條件下，在水體中的位置會發(fā)生水平/垂直變化，條件成熟后即會形成浮于水體表面的藻類污染。藻類生物群落在水體中的生長繁殖、演變更替是一個持續(xù)、可預測的過程，系統(tǒng)、全方位的監(jiān)測有助于預測其演替過程：氣象水文監(jiān)測可提供相對準確的水文氣象信息；遙感、地理信息系統(tǒng)技術能夠明確藻類空間分布狀態(tài)；數(shù)值模擬技術可以預測未來藻類污染發(fā)生的空間分布；預警級別則由與藻類直接相關的參數(shù)值確定，包括藻細胞密度、葉綠素a濃度、生物量等[12]。

夏秋季節(jié)連續(xù)高溫、水體流速緩慢時，藻類生物群落可能存在迅速增長的現(xiàn)象，此時應加強水文水動力、氣象、藻類種群構成、水面浮渣等的監(jiān)測，及時對中線干渠藻類污染可能發(fā)生的概率、水域及強度進行預測預警，為中線干渠輸水工程的安全穩(wěn)定運行提供保障。

3??結(jié)語

南水北調(diào)中線總干渠自通水運行后，已逐漸形成一個復雜的、特有的生態(tài)系統(tǒng)，藻類的繁殖生長也逐漸演變?yōu)橹芯€工程特有的水生態(tài)問題。藻類的監(jiān)測研究工作，可以探究其生長繁殖、消亡演替等規(guī)律，進一步找出驅(qū)動其生長、消亡的作用機制及關鍵因子，并為水質(zhì)預警提供充分的基礎數(shù)據(jù)，最終為干渠的水質(zhì)安全評價及生態(tài)環(huán)境保護奠定基礎。

參考文獻

[1] 張愛靜，王樹磊，李舜才，等.南水北調(diào)中線干線水生態(tài)現(xiàn)狀淺析[C]//中國水利學會.中國水利學會2018學術年會論文集第一分冊.中國水利學會：中國水利學會，2018：471-474.

[2] 張志浩，杜兆林，雷曉輝，等.南水北調(diào)中線干渠藻類增殖潛勢的數(shù)學分析方法與建議[J].南水北調(diào)與水利科技，2019，17（4）：123-128.

[3] GAO?Y，SUN?L，WU?C，et?al.Inter-annual?and?Seasonal?Variations?of?Phytoplankton?Community?and?Its?Relation?to?Water?Pollution?in?Futian?Mangrove?of?Shenzhen，?China[J].Continental?Shelf?Research，2018，166：138-147.

[4] 黃慧婷，王敏，李玉仙，等.南水北調(diào)水源條件下的藻類生長成因及控制技術探究[J].城鎮(zhèn)供水，2016（6）：73-78.

[5] 趙南京，程釗，殷高方，等.?離散三維熒光光譜法海洋浮游藻類群落結(jié)構快速測量技術[J].大氣與環(huán)境光學學報，2020，15（1）：62-71.

[6] REYNOLDS?C?S.What?Factors?Influence?the?Species?Composition?of?Phytoplankton?Temperature?Sensitivity?of?Black?Carbon?Decomposition?and?Oxidation[J].Environmental?Science?&?Technology，2010，44（9）：3324.

[7] 朱宇軒，米武娟，李波，等.南水北調(diào)中線干渠兩個水工構筑物對著生藻類群落的影響[J].水生生物學報，2021，45（4）：817-825.

[8] 胡圣，劉浩兵，劉輝，等.基于深度學習技術的藻類智能監(jiān)測系統(tǒng)開發(fā)[J].中國環(huán)境監(jiān)測，2022，38（1）：200-210.

[9] 李宏斌，劉文清，張玉鈞，等.三維熒光光譜技術在水監(jiān)測中的應用[J].光學技術，2006（1）：27-30.

[10] ZHAO?N?J，ZHANG?X?L，YIN?G?F，et?al.On-line?Analysis?of?Algae?in?Water?by?Discrete?Three?Dimensional?Fluorescence?Spectroscopy?[J].Optics?express，2018，6（26）：A251-259.

[11] 張小玲.基于三維熒光光譜的活體浮游藻葉綠素定量方法研究[D].合肥：中國科學技術大學，2019.

[12] 任穎.南水北調(diào)東線調(diào)蓄湖泊浮游藻類群落特征與環(huán)境驅(qū)動因子[D].濟南：山東大學，2016.