论文部分内容阅读
近年来，我国诸多湖库水源地持续面临着蓝藻水华爆发的威胁。在蓝藻水华爆发数天前进行可靠的预警预报，是蓝藻综合防治和水源地水质保护的必要前提。寻求一种简便易行、准确性高、成本低廉的预测预警技术，是当前水体富营养化监测技术的研发方向。本课题研究将传统的显微观测手段与计算机图像识别及分析技术相结合，用于有害藻类的识别和数量预测，为藻类水华的预测预警新技术开发提供基础参考。即通过对铜绿微囊藻增殖过程中形态、数量、光合产氧速率等关键因子的研究，提取藻类增殖过程中关键形态学和光合特征，根据已提取的特征对比藻类显微图像进行验证性试验，并针对人工围隔和水库现场藻类增殖过程开展对比研究；进一步地利用神经网络技术对藻类增殖情况进行拟合仿真，对其生长状况进行初步预测。
所得主要结论如下：
(1)铜绿微囊藻的比增殖速率和分裂率随培养时间变化，迟缓期(1-3d)、对数期(4-20d)、稳定期(21-25d)、衰老期(26-29d)的比增殖速率μ的变化规律分别为：从0.4d-1猛增至1.0d-1左右、在0.2到1.0d-1之间波动变化、从0.1d-1缓慢下降至0.0d-1、稳定于0d-1以下；分裂率变化也有一定规律，从30％快速上升至50％，在30％-50％之间上下浮动，在10％-15％之间波动，从15％缓慢上升到30％；藻细胞面积的变化随培养时间的增加由小→大→小→大，分别为：从35pixels迅速增大至120pixels，在80-160pixels之间波动，从60pixels逐渐上升到120pixels，均＞120pixels且呈上升趋势；铜绿微囊藻处于稳定生长期时的叶绿素a含量最高9.06×10-8μg/cell，其次是对数期7.89×10-8μg/cell，衰老期最低为4.90×10-8μg/cell。
(2)当环境温度为20℃，处于对数期、稳定期、衰老期的铜绿微囊藻，光补偿点分别2501x、9001x、7801x，其呼吸速率分别为45、37、55μmolO2·mg-1·Chla·h-1，当环境温度为25℃时，光补偿点分别为3801x、7201x、4801x，呼吸速率分别为67、57、117μmolO2·g-1·Chl a·h-1。处于不同生长期的铜绿微囊藻在不同培养温度条件下具有不同的呼吸速率和光补偿点；对数期的铜绿微囊藻具有更强的低光适应性，处于同一生长期的铜绿微囊藻呼吸速率受温度影响，温度越高，呼吸速率越强；同一温度下，衰老期藻的呼吸速率显著大于其它生长期。混合深度的变化是泽雅水库水质变化的重要驱动因素，发现混合深度和藻类密度呈显著负相关关系，其它监测参数也与混合深度显著相关，pH、DO、TP随着混合深度增加而下降，电导率和浊度则呈相反趋势。
(3)利用多种人工神经网络对实验室条件下的铜绿微囊藻形态特征、数量特征进行拟合仿真，并通过前4d的藻密度预测此后的铜绿微囊藻生长趋势。
本研究在一定程度上实现了智能模式识别与预测在基于微观方法的大型水华预报系统中的应用研究，该系统的进一步实现将给国内水污染的在线自动监测、技术评价以及水华控制提供一个有效的工具。