气候变暖背景下中国太湖富营养化水体有害藻华暴发的定量预测与调控策略

针对气候变暖加剧富营养化湖泊藻华暴发的科学难题，南京信息工程大学团队通过耦合三维水动力模型（3D hydrodynamic model）与CMIP6情景模拟，定量预测了太湖2100年水温（LWCT）及叶绿素a浓度变化。研究发现SSP情景下年均水温升幅达1.12–4.97°C（超全球内陆水体均值），藻华强度将增加12–62.5%，而40%营养盐削减可有效抑制暖化效应。该研究为浅水富营养化湖泊的生态治理提供了气候适应新策略。

　　

在全球气候变暖背景下，富营养化湖泊的生态响应已成为环境科学领域的重要议题。作为中国第三大淡水湖的太湖，长期饱受蓝藻水华（尤其是微囊藻Microcystis spp.）困扰，其浅水特性（平均深度仅1.9米）使得水体对温度变化异常敏感。尽管已有研究表明升温会促进藻类生长，但关于未来气候情景下湖泊热力学过程与藻华暴发的定量关系仍存在知识空白。更棘手的是，目前缺乏能同时评估气候强迫与营养盐调控协同效应的动态模型，这严重制约了湖泊管理策略的制定。

南京信息工程大学团队在《Journal of Hydrology》发表的研究，首次将三维水动力模型与CMIP6气候情景相结合，系统预测了2100年太湖的水温变化及藻华响应规律。研究采用经过严格校准的EFDC（Environmental Fluid Dynamics Code）模型模拟2005-2022年水温场（表层RMSE=1.49°C），耦合藻类生物量模块分析SSP1-2.6至SSP5-8.5四种排放情景下的生态效应。通过对比基准期（2015-2022年）数据，量化了未来水温升幅与藻华强度的非线性关系，并创新性地评估了营养盐削减对气候效应的抵消作用。

关键技术方法
研究团队构建了三维水动力-生态耦合模型，整合了CMIP6多模式集合降尺度数据驱动边界条件。采用现场观测数据（2005-2022年太湖水温垂直剖面）进行模型校准，重点验证了表层和0.5米深度的模拟精度（RMSE<1.61°C）。通过情景分析法，对比不同SSP路径下LWCT（Lake Water Column Temperature）与叶绿素a浓度的变化，并设置40%总氮磷削减的敏感性实验评估调控效果。

研究结果

Study area
太湖（30.9°N–31.6°N, 119.8°E–120.5°E）作为典型亚热带浅水湖泊，其季节性热分层现象与藻华暴发存在显著关联。模型验证显示该湖对气候变化的响应强度高于全球内陆水体平均水平。

Lake model calibrated and validated
模型在模拟垂直热结构时表现出色，但冬季混合期的预测存在轻微偏差（MB=-0.79°C）。这种误差主要源于浅水湖泊中风浪扰动对热传输的复杂影响。

Discussion
结果显示：2100年太湖LWCT升幅达1.12–4.97°C，远超全球内陆湖泊0.33°C/十年的背景值。秋季成为升温最显著季节（+2.3–5.1°C），而冬季热分层稳定性降低（垂直温差趋近零）。相应地，叶绿素a浓度将上升12.0–62.5%，证实富营养化水体对气候变暖存在放大效应。值得注意的是，营养盐削减可使2060-2090年间微囊藻生物量降低38–65%（除SSP5-8.5情景外），说明本地化治理仍具可行性。

Conclusion
该研究首次揭示浅水富营养化湖泊对气候变暖的"双重敏感"机制：一方面升温加速沉积物营养盐（N/P）释放，另一方面延长藻类生长季。尽管极端变暖情景（SSP5-8.5）下管理措施效果受限，但中等排放路径（SSP2-4.5）中40%营养盐削减仍能维持藻华强度在可控范围内。这一成果为长江中下游同类湖泊提供了"气候-营养盐"协同管控的理论框架，凸显了区域减排与全球气候治理的协同必要性。

重要意义
研究突破传统统计模型的局限，通过机理模型量化了气候变暖对浅水湖泊生态的级联效应。发现秋季热积累对次年藻华暴发的预兆作用，为早期预警提供新指标。提出的"临界营养盐阈值"概念（即超过该阈值则气候效应主导），为制定差异化管理策略提供了科学依据。这些发现对实现联合国可持续发展目标（SDG 6.3）中"改善水质"的承诺具有重要实践价值。