关联蓝藻毒素出现与环境线索以指导宾夕法尼亚湖泊藻类毒素监测与管理

《Water》：Relating Cyanotoxin Occurrence to Environmental Cues to Inform Algal Toxin Monitoring and Management in Pennsylvania Lakes

　　

有害蓝藻水华（CyanoHABs）已成为淡水生态系统中的常见问题。过去十年，美国联邦和州级监测工作因应对这一威胁而增加。2018年，宾夕法尼亚州环境机构开始收集CyanoHAB数据，以指导州级监管和管理工作。研究人员从138个水体采集了998个离散样本，历时四年。这些数据用于确定CyanoHAB监测中常用指标是否与有毒条件同时出现。在宾夕法尼亚州的监测项目中，超过一半的样本检测到蓝藻毒素（cyanotoxins），其中anatoxin、saxitoxins和microcystins的检出比例相似。需要注意的是，该监测项目并非旨在代表所有宾夕法尼亚湖泊，而是针对暴露风险较高（如休闲海滩）或疑似水华的地点。研究人员发现，蓝藻生长和蓝藻毒素产生可能由独立变量驱动，因为只有microcystins浓度与蓝藻计数呈正相关。虽然蓝藻计数增加与本研究考虑的所有环境变量（水温升高、溶解氧浓度增加、水体透明度降低）相关，但蓝藻毒素与环境变量之间的关系则较为复杂。研究人员分析强调了水华发生和严重程度的复杂性，以及将这些因素纳入监测和管理策略所面临的挑战。像本文所分析的长期监测方法可以为依赖环境线索和蓝藻计数来评估蓝藻毒素存在风险的管理策略提供信息。

**研究背景与问题**
有害蓝藻水华（CyanoHABs）在全球湖泊中强度和频率持续增加，造成生态损害并威胁人类健康，因其可产生多种蓝藻毒素（cyanotoxins），包括神经毒素和肝毒素。常见管理涉及的蓝藻毒素类别包括微囊藻毒素（microcystins）、柱孢藻毒素（cylindrospermopsin）、鱼腥藻毒素-a（anatoxin-a）和石房蛤毒素（saxitoxins）。美国联邦、州和地方监测工作随CyanoHABs日趋普遍而扩展，但缺乏统一的CyanoHAB定义，导致监测和管理策略因机构而异。CyanoHABs的监测与管理因外部环境因素（如气候变化）与形成水华的蓝藻生物学特性（物种间差异大）之间的相互作用而复杂化。营养盐输入增加促进浮游植物生长和富营养化，但蓝藻水华也出现在贫营养系统。蓝藻可形成表面浮渣，常作为毒性预警指标，但浮渣与毒性并非必然关联。蓝藻毒素产生的预测具有挑战性，因其产生对细胞能耗高，且产毒与非产毒菌株形态无法区分，毒素浓度与细胞计数或叶绿素a浓度不一定相关。环境变量（如营养盐、光照、温度）影响毒素产生，但促进蓝藻生长的因素与升高毒素浓度的因素可能不同。宾夕法尼亚州自2018年起建立跨机构CyanoHAB工作组，开展州级监测计划，研究人员利用这些数据探究常用CyanoHAB监测指标（如水体透明度降低、高蓝藻计数）是否与蓝藻毒素形成同时出现，以加强管理并限制社区暴露风险。该研究论文发表在《Water》。

**研究方法（不超过250字）**
研究人员利用宾夕法尼亚州CyanoHAB工作组数据库（2018年4月至2022年9月），包含来自138个水体的998个离散样本（样本来源为宾夕法尼亚州各地，优先采集自休闲海滩或疑似水华地点）。样本采集方法包括深度采样、浮渣采样、表面采样和横断面采样，由宾夕法尼亚州环境保护部（PA DEP）及其合作伙伴按标准协议执行。蓝藻毒素分析采用EPA 546方法（微囊藻毒素/节球藻毒素）、酶联免疫吸附测定（ELISA）（鱼腥藻毒素-a和石房蛤毒素）及液相色谱-串联质谱法（LC-MS/MS）（鱼腥藻毒素-a）。蓝藻计数以自然单位（N.U./mL）表示。环境数据包括水温、溶解氧（DO）和水体透明度（Secchi盘深度），所有统计采用非参数检验（Spearman秩相关、Mann-Whitney U检验）。

**研究结果**
**3.1 蓝藻毒素检测**
通过分析543个样本，61%至少检测到一种蓝藻毒素。微囊藻毒素检出率最高（57%），其次为石房蛤毒素（53%）和鱼腥藻毒素（50%）。11%的微囊藻毒素样本浓度超过宾夕法尼亚州“避免初级接触”阈值（>8 ng/mL），而鱼腥藻毒素和石房蛤毒素均未超过阈值。

**3.2 蓝藻计数与蓝藻毒素检测**
在412个同时有蓝藻计数和毒素分析的样本中，微囊藻毒素浓度与蓝藻计数呈正相关（Spearman相关），且检出样本的蓝藻计数显著高于未检出样本（Mann-Whitney U检验，中位数差值为2648 N.U./mL）。鱼腥藻毒素和石房蛤毒素与蓝藻计数无显著关系。检出与未检出样本在蓝藻计数范围内（0~100,000 N.U./mL）分布重叠，峰值均出现在1000~5000 N.U./mL。

**3.3 蓝藻毒素检测与环境数据**
在223个同时有毒素分析和环境数据的样本中，石房蛤毒素检出与较高水温相关（中位数温差1.5°C），但浓度与水温无相关；鱼腥藻毒素浓度与水温正相关，但检出组与未检出组中位数水温无差异；微囊藻毒素与水温无显著关系。溶解氧（DO）与三种毒素的检出或浓度均无显著关系。鱼腥藻毒素和石房蛤毒素检出与较低Secchi盘深度（即水体透明度降低）相关（中位数差异分别为0.4 m和0.2 m），但浓度与Secchi盘深度无相关。微囊藻毒素与Secchi盘深度无显著关系。

**3.4 蓝藻计数与环境数据**
在584个同时有蓝藻计数和环境数据的样本中，蓝藻计数≥300 N.U./mL的样本比<300 N.U./mL的样本具有更高水温（中位数差1.6°C）、更高DO（中位数差0.7 mg/L）和更低水体透明度（中位数Secchi盘深度浅1.0 m）。蓝藻计数与水温、DO正相关，与Secchi盘深度负相关。

**讨论与结论**
讨论指出，宾夕法尼亚湖泊中微囊藻毒素、鱼腥藻毒素和石房蛤毒素持续可检出，提示全面监测计划的重要性。蓝藻毒素检测频率与蓝藻计数关系复杂：仅微囊藻毒素与蓝藻计数正相关，而鱼腥藻毒素和石房蛤毒素更难通过计数预测。环境条件中，高蓝藻计数与暖水、高DO、低透明度一致，但蓝藻毒素与环境变量关系混杂，表明促进蓝藻生长的因素与导致毒性的因素可能不同。Secchi盘深度作为简便指标可能对预测鱼腥藻毒素和石房蛤毒素有潜在价值，但精度有限。研究结论强调，由于蓝藻毒素产生的生物学复杂性，预测毒素出现具有挑战性；长期、大规模数据集有助于理解变异模式，但未来应纳入更多独立变量（如营养盐浓度）并采用多变量方法，以提升对蓝藻毒素环境驱动因素的认识。