水务热点 | 中科院生态环境中心杨敏团队WR：丝状蓝藻水华的防控需采用结合气象信息的适应性策略

第一作者：方姣

通讯作者：苏命、杨敏

通讯单位：中国科学院生态环境研究中心

论文DOI：

https://doi.org/10.1016/j.watres.2026.126505

图文摘要

成果简介

近日，中国科学院生态环境研究中心杨敏课题组在Water Research上发表了题为“Controlling filamentous cyanobacterial blooms requires adaptive, weather-informed strategy”的研究论文（DOI:https://doi.org/10.1016/j.watres.2026.126505）。

本研究通过在我国东部40座饮用水水库的大尺度调查，发现丝状蓝藻普遍存在并成为优势类群。丝状蓝藻是藻毒素与嗅味的重要潜在来源，且主要生长在水面以下，现有控藻技术难以应对。为此，本研究通过原位模拟实验，揭示了丝状产嗅藻在光响应上具有与微囊藻等聚集型蓝藻不同的特征，即适应更低的光强。因此，在水源管理中需要通过实时光照条件来优化丝状蓝藻的控制策略。基于此，研究团队提出了基于预测信息和天气预报进行精准控藻的新框架，该研究为饮用水水库丝状蓝藻水华防控提供了一种兼具科学性和工程应用价值的新思路。

全文速览

本论文围绕饮用水水库丝状蓝藻风险及其精准防控开展研究。通过对我国东部40座典型水库的调查发现，约50%的水库中丝状蓝藻密度占比超过80%，利用XGBoost模型建立了丝状蓝藻暴发风险预测模型，识别出不同水库的丝状蓝藻暴发高风险时期。进一步研究发现，底泥重悬对丝状蓝藻的控制存在两面性：在低光条件下可有效抑制丝状蓝藻生长，而在高光条件下，不合理的底泥重悬可能因将光照调节至丝状蓝藻适宜生长范围而促进其增长。基于这一机制，研究团队提出了以实时风险预测为基础、动态调节底泥重悬参数的精准抑藻策略，实现了不同环境条件下的精准调光抑藻。现场验证结果表明，该策略能够有效抑制假鱼腥藻生长，为丝状蓝藻精准控制提供了新的技术路径。

引言

近年来，丝状蓝藻在全球湖泊和饮用水水库中呈快速扩张趋势，逐渐成为影响饮用水安全的重要生态风险。与传统以微囊藻为代表的浮游蓝藻不同，丝状蓝藻多分布于水体中下层，其中一些藻种能够产生藻毒素，有些会释放2-MIB、土臭素（GSM）等致嗅物质，严重影响饮用水感官品质和供水安全。然而，由于其特殊的生态位和生长策略，以捞藻、絮凝除藻等为代表的治理技术对丝状蓝藻的控制效果有限，亟需发展更加精准、生态友好的防控策略。

本研究以我国东部40座典型饮用水水库为研究对象，系统分析了丝状蓝藻的分布格局及爆发风险，构建了丝状蓝藻风险预测模型，并结合底泥重悬对水下光环境的调控作用，提出了“预测—调控”一体化的精准治理框架。研究进一步阐明了光照条件决定底泥重悬控藻效果的关键机制，并通过现场应用验证了该框架在假鱼腥藻精准控制中的可行性，为饮用水水库丝状蓝藻的主动预警和精准治理提供了新的理论基础和技术支撑。

图文导读

Fig. 1.Spatial distribution of filamentous cyanobacteria in 40 drinking water reservoirs in eastern China. a,Taxonomic composition and morphological partitioning (filamentous/colonial/other) across reservoirs.b,Spatial distribution of filamentous genera.c,Cell density ranges for total cyanobacteria and subcategories during 2023-2024 survey.d,Bloom intensity stratification for the cyanobacteria. The coral orange, light orange, azure blue and light grey indicates filamentous cyanobacteria dominance (>80% relative abundance), filamentous cyanobacteria dominance (>50% relative abundance), colony-forming cyanobacteria dominance (>50% relative abundance) and other cyanobacteria dominance, respectively.e,Spatial occurrence frequency of major filamentous cyanobacterial genera across 40 reservoirs, expressed as the number of reservoirs where each genus was detected. Bar shading indicates bloom risk tiers based on cell density, with four categories indicating progressively increasing bloom risk, from < 2 × 107cells L-1 to > 1 × 108 cells L-1. Pseudanabaena and Raphidiopsis exhibit bimodal dominance, collectively occupying > 15% of high-risk reservoirs (Levels 3–4) while maintaining baseline populations in 57% of low-risk systems (Levels 1), reflecting niche differentiation along trophic gradients. **f,** Relative contribution of filamentous genera to total cell density, showing the proportional composition across all sampled reservoirs.

研究团队调查了我国东部40座典型饮用水水库，发现夏秋季蓝藻水华普遍发生，超过45%的水库达到中度水华水平。丝状蓝藻已成为优势类群，在72.5%的水库中占据优势，在超过一半的水库中占比超过80%，而微囊藻仅在22.5%的水库中占优势。调查共发现10余种丝状蓝藻，其中假鱼腥藻（Pseudanabaena）、拉氏拟柱孢藻（Raphidiopsis）和鞘丝藻（Lyngbya）最为常见。

Fig. 2.Machine learning-driven risk assessment framework for filamentous cyanobacterial blooms. a,XGBoost model performance validation against reservoir-month observations (n = 303).b,Spatiotemporal prediction of bloom intensities across 40 reservoirs from March to October.

基于40座水库监测数据，研究团队构建了丝状蓝藻暴发风险预测模型，成功预测了不同季节的暴发风险。

Fig. 3.Light-response dynamics of Pseudanabaena suppression through precision light modulation.a,Five water columns (2 m depth) with gradient shading film (Light-transmitting area: 0.004 m2 - 0.196 m2) establishing five irradiance regimes (initial light intensity Ic: 5.9 µmol m-2 s-1 - 670.4 µmol m-2 s-1, Supplementary Fig. 2 in S Reservoir.b,Light intensities across treatments. Each light intensity (Ic) referred to the mean light intensity (0.05 m) from 9:00 to 16:00.c,Quantifies of 12-day light regimes (n = 12).d,Pseudanabaena abundance reduction across treatments.e,The relationship between Pseudanabaena control rates (CR) and underwater light availability (Idc).

基于40座水库调查结果，研究团队选取分布最广的优势属——假鱼腥藻（Pseudanabaena）作为代表种，开展不同光照条件下的培养实验。结果表明，降低水下光照可显著抑制假鱼腥藻生长，且控藻效果随光照强度降低而增强，二者呈显著线性关系。这表明，水下光环境是影响丝状蓝藻生长的关键因子，为基于光调控的精准治理策略提供了理论依据。

Fig. 4.Sediment resuspension-driven light extinction coefficient dynamics.a,Five water columns (4 m depth) with gradient sediment concentration (csed: 0.1 g L-1 - 8.0 g L-1) establishing five dynamic extinction coefficient regimes in S Reservoir.b,Time-resolved extinction coefficient (ø = k / k0) decay under varying sediment loads (0.1-8.0 g L-1).c,Initial extinction-scaling factor ø (ø0) versus sediment concentration (csed).d,ø decay rate (ρ) dependence on particulate loading.e,Validated extinction model spanning 0.1 g L-1 to 8 g L-1concentrations and 1 - 1000 timescales.

研究团队进一步开展现场试验，系统评估了不同底泥重悬强度对水下光环境的影响，建立了底泥浓度、作用时间与光衰减之间的定量关系模型。研究发现，随着底泥重悬浓度增加，水体消光能力显著增强，但控光效果并非无限增加，而是在适宜底泥浓度下达到最佳水平。该模型实现了底泥重悬强度与水下光照的精准匹配，为不同环境条件下的精准控藻提供了关键技术支撑。

Fig. 5.Operational optimization of sediment resuspension (SR) for filamentous cyanobacteria control. a,Optimal SR operation parameters (csed: 0.1 g L-1- 5.2 g L-1 × resuspension frequency: n) achieving Risk Level 2 targets (2 × 107 cells L-1) within 10 days across 40 reservoirs.b,Case study in S Reservoir showing efficiency of filamentous cyanobacteria control via SR (1.5 g L-1 × 5 cycles d-1).c,Optimal SR flux (csed and n) for control of filamentous cyanobacterial blooms under various meteorological conditions (daily surface light intensity, I0, 0 - 20 mol m-2 d-1) and bloom intensities (80 - 280 × 106 cells L-1) at mixed layer depth of 6.0 m. To represent realistic seasonal weather variability, the 20th - 80th percentile range of daily surface irradiance (I0) was used for each season. Lower irradiance values (approaching the 20th percentile) generally represent cloudy or rainy conditions, intermediate values represent typical overcast conditions, and higher values (approaching the 80th percentile) represent clear-sky conditions. Each rectangular bar represents the SR management strategies under different bloom intensity conditions across varying I0. The green, blue and orange segment represent SR is not necessary, applicable (i.e., SR can suppress cyanobacterial growth effectively) and not applicable (i.e., beyond the controllable ranges of SR), respectively, under under different light conditions and bloom conditions. Within the effective light range for SR application, higher surface irradiance (*I*~0~) corresponds to a greater light attenuation requirement, thereby necessitating stronger sediment resuspension intensity (0.1 – 5.2 g L-1 × 1 – 5 cycles d-1).

研究团队将风险预测模型与底泥重悬光调控模型相结合，构建了“预测—决策—调控”一体化精准控藻框架，并应用于40座水库开展运行方案模拟。结果表明，大多数水库仅需中低强度底泥重悬即可实现丝状蓝藻有效控制，而高风险水库则需根据藻密度、光照条件和混合深度动态优化运行参数。现场验证进一步证实，该框架能够准确预测蓝藻暴发风险，并指导底泥重悬运行，实现假鱼腥藻快速抑制。进一步的情景分析还构建了不同藻密度、不同气象条件和混合深度下的运行决策图谱，可为不同饮用水水库制定差异化控藻方案提供科学依据，形成了兼具预测预警、精准调控和工程应用价值的丝状蓝藻主动防控新模式。

小结

综上，本研究首次构建了风险预测与精准底泥重悬调控的丝状蓝藻主动防控框架，实现了从“识别风险”到“精准干预”的全过程管理。研究不仅揭示了丝状蓝藻在我国东部饮用水水库中的广泛分布特征及其关键驱动机制，还建立了可根据藻密度、天气预报和混合深度动态优化运行参数的决策体系，并完成了现场验证。该成果为饮用水水库丝状蓝藻的精准预警和绿色治理提供了新的理论基础和技术支撑，也为保障饮用水安全提供了可推广的生态调控新模式。

作者介绍

苏命，中国科学院生态环境研究中心研究员，主要从事水质风险识别与控制研究，在饮用水水源藻源水质识别与控制方面的机理解析、技术研发与大型水体工程化应用方面取得了重要成果。针对我国普遍存在的水源嗅味问题提出了基于产嗅藻生态位特征的原位抑藻控嗅技术，系统应用于上海青草沙水库，推广至广东、浙江等20余座水源水库，有力保障了各水源水质安全。主持国家自然科学基金、重点研发课题、企业工程应用类项目20余项。在Environmental Science & Technology, Water Research等学术期刊上发表论文50余篇，授权专利、软著共10项，转化2项，编写《饮用水嗅味控制与管理技术指南》等专著。获中国科学院杰出成就奖,中国城镇供水排水协会科学技术特等奖，WDDO绿色工程设计奖、华夏奖二等奖等科技奖项。

杨敏，中国科学院生态环境研究中心研究员，环境工程专家。长期从事水环境微生物风险控制研究，牵头实施“十一五”以来全国饮用水水质调查，研创了有害藻、病原微生物快速检测方法和装备，攻克大型水源地水体绿色抑藻控嗅、抗生素废水耐药性传播源头阻断等关键工程技术难题。成果应用于《生活饮用水卫生标准》等多项国家和WHO标准规范编制、水源水质调控和制药废水耐药性控制等工程建设，为北京、上海、南水北调中线沿线饮用水安全保障提供了关键技术支撑，惠及“一带一路”多国。获国家科技进步一等奖，国家自然科学二等奖、中国科学院杰出科技成就奖、光华工程科技奖、中国城镇供水排水协会科学技术进步特等奖、侯德榜化工科学技术成就奖等。

文章链接: https://www.sciencedirect.com/science/article/pii/S0043135426011796

本文来自：Environmental Advances，仅供分享交流不作商业用途，版权归原作者和原文出处。

排版：李滨妤

审核：孙丽华

由于微信修改了推送规则，没有经常点“推荐”的，会慢慢收不到推送。如果你还想看到我们发布的权威信息，请将“净水技术”加为星标，每次看完后不忘点下“推荐”和“赞”。

欢迎广大水务企业加盟合作