湖泊水华是世界各国面临的重要水环境问题之一，对人类和区域生态系统健康都有重要影响^[1-3]，如太湖，2000年以来，其蓝藻水华发生的次数越来越多、范围逐年扩大、强度逐渐增强，造成重大危害^[4]。由于水华的爆发机制非常复杂，受流域点源、面源污染、气象条件以及湖泊生态系统自身特征的影响，水华是否爆发及其强度、频率和范围等具有很大的时空变异性和不确定性，因此，水华的防治一直是个难题。目前，虽然对湖泊水华问题开展了大量的研究工作，深入分析了水华的爆发机制及其主要影响因子，但由于水华产生的过程复杂，且时空变异很大，所以，即使对同一个湖泊水华问题，也难以有明确的定论。

要有效地减少蓝藻水华的发生及其带来的影响，必须全面、深刻地认识湖泊水华爆发的机理和机制。目前，湖泊水华研究多集中在以实验为主的定点监测和以模型为主的水华预测。其中，定点监测有助于分析特定时空范围内藻类生长和水华的生消过程，但很难揭示不同时空尺度上的水华变化机制；模型方法多集中在水华的预测预警研究，主要是基于对水华生消过程的认识，来模拟水环境演变及水华的爆发过程，也是有助于揭示给定时空尺度内水华的生消过程特征，但过程模型对参数变量的要求较高，对于环境多变、复杂的过程，模型的敏感性很高，很难对不同环境条件进行高精度模拟，不确定性很大。

本研究基于近年来覆盖全太湖的不同监测站点的水环境和水华状况的实测数据，应用基于人工智能的自组织神经网络方法，对全太湖水华发生特征进行了全面、综合地评价，深入揭示了太湖不同程度水华的环境变量和藻类组成的时空变异特征。研究结果对太湖水环境监测和水华灾害防治方案的制定具有一定的支撑意义。

1 研究区域和数据

太湖地处30°55′—31°34′N，119°53′—120°36′E，位于长江三角洲的南部，面积约为2338km²，平均水深不到2m^[5]。该地属于亚热带气候类型，四季分明。20世纪后期以来，太湖蓝藻水华问题日益突出，是国务院指定重点治理的富营养化水域之一。本研究所采用的数据是2008—2010年太湖每月1次的监测数据，监测站点共33个，覆盖全太湖各个区域，数据来源于太湖流域管理局水文水资源监测中心。

2 研究方法 2.1 太湖蓝藻水华程度评价

SOFM(Self-Organizing Feature Map)是由芬兰学者、国际著名网络专家Kohonen于1982年首次提出^[6]。该网络能够实现对输入模式特征进行拓扑逻辑映射，和其它神经网络结构不同的是该网络没有输出层，所有的输入信号经网络识别后根据其内在的信息结构被组织到一维或二维的平面图上，形成特征图(图 1)，进而具有很强的可视性。该方法通过判断输入样本的属性并对其进行输出，每个输出节点代表某一类样本，根据样本数据的本质特征以自组织的方式对样本进行聚类。SOFM已经被广泛地用于模式识别、联想储存、组合优化和机器人控制等问题的解决，近年来，在生态环境领域，很多复杂、非线性的生态环境过程模拟研究应用了该方法^[7-8]。根据已有研究结果，蓝藻水华发生主要受营养盐、温度等环境要素的共同影响^[9]。同时，鉴于Chl-a与蓝藻的关系，Chl-a被看是蓝藻生物量的替代色素^[10]，本研究选取了5个与水华爆发密切相关的因子作为输入层指标，包括Chl-a、TN、TP、COD_Mn和T(水温)，将水华分为无水华、轻度水华、中度水华和重度水华4个等级^[11]，其中，Chl-a和COD_Mn是蓝藻水华发生程度的指示因子，TN、TP是蓝藻水华发生的主要营养盐因素，温度(T)是蓝藻水华发生的关键性气象因素，本文所选取的网络结构是2×3。

2.2 不同程度水华的环境因子及藻种结构时空分布

基于自组织特征神经网络对太湖水华特征的聚类分析结果，应用统计学方法，定量分析不同程度水华对应的叶绿素a、水温、营养盐、COD_Mn、浮游植物生物量和藻类种群结构的时空分布及变异特征及不同环境因子之间的相互关系。分析在统计学软件SPSS支持下完成。

3 研究结果 3.1 太湖蓝藻水华程度的时空分布特征

应用自组织特征映射神经网络，对覆盖全太湖33个监测站点2008—2010年4—11月份的水环境及水华监测数据的自动聚类分析结果表明，太湖不同区域水华的发生强度明显分为4类：无水华、轻度水华、中度水华和重度水华。应用2010年水华状况的巡测数据对聚类结果进行了检验，根据采样现场的调查记录，太湖水华特征分为无水华、颗粒状、条状和带状，分别对应于无水华、轻度、中度和重度水华，检验结果表明，无水华、轻度、中度和重度水华的聚类精度分布为96.1%，78.8%，63.0%和63.2%。

总体上，太湖水华的严重程度呈现从西北向东南递减的趋势，同2000年以来(2004—2008年)太湖水华总体空间分布特征一致(图 2—图 5)^[4]。从空间分布上看，重度水华主要发生在太湖北部和西北部等河流入湖口区域，如梅梁湾(太湖北部)、西五里湖(太湖北)、竺山湖(太湖西北)、大浦口(太湖西北)和夹浦(太湖西北)等，这些区域营养盐相对较高。其中，北部(梅梁湾)和西北部(竺山湾和大浦口)的营养盐和COD_Mn浓度最高，揭示入太湖的河流水质对太湖水环境的影响很大，是太湖水污染负荷的重要来源^[12-13]；中度水华和轻度水华发生范围类似，主要发生在太湖北部、西北部和西南部区域，东部漫山、胥湖和湖心区还未发生过水华；在不同的监测时间点，全太湖不同监测点都有无水华状态。总的来说，除太湖的东部和湖心区以外的大部分湖区均有发生蓝藻水华的可能性，其中，北部和西北部区域有发生重、中、轻度水华的可能性，而西南部和东南部有发生中度和轻度水华的可能性，这和太湖的营养盐从西北到东南递减的分布趋势一致。另外，在重度、中度、轻度以及无水华的监测样本中，即北部及西北部地区，其营养盐和COD_Mn的含量相对最高，进一步说明太湖的外源污染对太湖水环境及水华时空分布具有很大影响^[12-13]。

从时间分布上看，太湖西北部的重度水华集中发生在7—10月份，但不同监测点的重度水华出现和结束的时间有所不同，如太湖西北部竺山湖、大浦和西部的夹浦重度水华出现的时间较早(4、5月份)，而太湖北部，西五里湖、东五里湖和小湾里，重度水华发生的时间相对较晚(6月份)，但结束的也较晚，11月份还有重度水华发生；中度水华发生的时间分布比较广泛，4—11月份都有发生；轻度水华发生的时间主要集中在4—9月份；无水华监测到的时间覆盖4—11月份。

3.2 不同程度水华的环境因子特征分析

不同程度水华的叶绿素a含量、水温、TN、TP和COD_Mn等因子的分布特征及变化特征不同(表 1)。总体上，从无水华到重度水华各因子基本呈现递增的趋势。但重度水华的水温较中度和轻度水华的水温明显低，据现场考察可知重度水华大多是片状水华，其可能是跟风的聚集作用导致的结果有关，这与气象和水文条件是影响太湖藻类漂移与堆积的重要因素等研究结果相一致^[14-17]。此外，中度水华时TN的含量较低，这个可能是中度水华时TN消耗量达到较大有关，进一步说明，藻类生消过程中对氮磷的吸收和释放是复杂变化的^[18-20]。

据表 1可知，各水华等级相对应的叶绿素a和TP变异系数差异较为显著，而水温、TN和COD_Mn变异系数差异相对不明显，这和太湖磷为限制性因子的研究结果一致以及叶绿素a是蓝藻水华的表征因子的研究结果一致^{[11, 21]}，也间接表明Chl-a可表征太湖蓝藻水华的程度等级。

所有监测样本(包括各种程度水华)的叶绿素a、温度、COD_Mn和营养盐之间的相关关系分析结果表明，叶绿素a、温度、COD_Mn、TN、TP和TN/TP之间均具有显著的相关性(表 2)，叶绿素a跟COD_Mn和TP的相关性最高，相关系数分别是0.78和0.6(n样本数748，*差异显著(P＜0.05), **差异极显著(P＜0.01))。但不同程度水华的各影响因子间的关系差异很大，如重度水华的叶绿素a和TN、TP、COD_Mn具有明显相关性，相关系数分别为0.42，0.33和0.60，中度和轻度水华，叶绿素a同各变量均无显著相关性，无水华，叶绿素a和TP、COD_Mn呈现一定的相关性，相关系数分别是0.38和0.61。结果表明，不同程度水华状态时，水体的藻类生长以及水华的生消过程非常复杂。

3.3 不同程度水华的藻种结构的时空特征

现阶段，太湖的优势藻明显为蓝藻^[22]，不同程度水华状态下，蓝藻均有绝对的优势(表 3)。其中，无水华、轻度、中度和重度水华时蓝藻数量呈现直线上升趋势，其平均值分别为：761万个/L、2192万个/L、4074万个/L、9223万个/L，而绿藻和硅藻仅呈现微弱的上升趋势，绿藻数量依次为：152万个/L、138万个/L、221万个/L、249万个/L，硅藻数量依次为：48万个/L、69万个/L、85万个/L、160万个/L。不同程度水华的浮游植物生物量和藻类构成及变化范围存在显著差异(表 3)，其变异系数均大于0.5，无水华和重度水华的变异系数大于中度水华和轻度水华，浮游植物生物量和蓝藻、硅藻、绿藻的数量的变异系数大于叶绿素a的变异系数，这也在一定程度上说明，用叶绿素a表征水华的严重程度相对更为客观。对于相同程度水华，其藻类组成和数量分布的空间差异明显，基本上与3.1节讨论的环境变量的空间分布相似，即太湖北部、西北和西部等有主要入湖河流处的密度相对更高，说明藻类的生长和营养盐等环境变量密切相关^[23-24]。

为了深入揭示太湖不同程度水华的叶绿素a、浮游植物生物量和藻类数量之间的关系，分别分析了所监测样本的叶绿素a、浮游植物生物量和藻类数量之间的相关性，以及不同程度水华的这些变量之间的相关性。结果表明，所有监测样本(包括各种程度水华)的叶绿素a、浮游植物生物量和藻类数量均具有显著的的相关性(表 4)。但不同程度水华时，其对应的叶绿素a、浮游植物生物量和藻类数量之间的相关性差异很大。重度水华时，叶绿素a只同蓝藻具有显著的相关性，相关系数达0.685；中度水华时，叶绿素a同浮游植物生物量和蓝藻数量呈相关性，相关程度分别为0.587和0.616；轻度水华时，叶绿素a和浮游植物生物量、蓝藻和硅藻数量呈相关性，分别为0.403、0.346和0.412；无水华时，叶绿素a和浮游植物生物量、蓝藻、绿藻和硅藻数量均呈相关性，分别为0.121、0.446、0.401和0.440。这个结果说明，不同程度水华时，其对应的生态环境因子特征差异很大，即不同程度水华发生的过程与驱动机制存在差异。

4 结论

针对太湖水华生消过程的复杂性和明显的时空变异特征，本文运用自组织特征映射神经网络方法，自动聚类分析了太湖水华程度及其时空分布特征。结果表明，太湖水华程度可分为4类：无水华、轻度水华、中度水华和重度水华。不同程度水华发生时，其对应的水环境变量、浮游植物生物量和藻类组成的时空分布特征变异很大，同时，不同程度水华时，不同生态环境因子之间的关系也存在很大差异。这个研究结果更加充分地说明太湖水华生消机理的复杂性和不确定性，因此，要有效地预测、预警和防治水华，必须针对不同程度水华和生态环境因子特征进行深入分析，即要全面地考虑水华程度及其驱动因子特征的时空变异性。