利用水质监测数据指导水产养殖池塘除藻剂使用策略

《Aquaculture Reports》：Leveraging water quality monitoring data to guide algaecide use in aquaculture ponds

　　

摘要专业翻译 水产养殖对于养活不断增长的全球人口日益重要，因为部分商业捕捞活动可能威胁自然鱼类种群。尽管超富营养（hypereutrophic）条件在水产养殖系统中十分常见，但由此产生的浮游植物水华可能因毒素产生而对鱼类有害，并通过释放异味化合物导致产品品质受损。商业养殖户通常使用各类除藻剂（algaecide）来控制藻华；然而，此类使用可能对非靶标生物（包括鱼类、浮游动物以及包括绿藻（chlorophytes）在内的有益藻类）产生不良影响。本研究旨在利用美国阿拉巴马州西部21个商业鲶鱼养殖池塘收集的三年水质监测数据，确定与有毒藻华相关的化学或物理水质参数。用于指示富营养化和有害条件的响应变量包括两种藻类色素（叶绿素a（chlorophyll-a，代表所有浮游植物）和藻蓝蛋白（phycocyanin，代表蓝藻））以及由部分蓝藻产生的肝毒素——微囊藻毒素（microcystin）。研究人员首先评估了响应变量随时间的变化趋势；随后，以AIC（Akaike Information Criterion）和全子集模型选择为指导的线性混合效应模型（linear mixed effects models）被用于确定哪种模型（化学或物理）最能解释各响应变量。对养殖池塘的长期监测显示出清晰的季节性趋势，这一趋势得到了模型选择的进一步支持。化学参数最优模型解释了藻蓝蛋白和微囊藻毒素，其包含总氮和溶解态氮及磷的各种形态，而叶绿素a的最佳解释变量为物理参数，如光照和溶解氧。该模型突出了在这些超富营养系统中对水质产生负面影响的重要参数，这将有助于指导除藻剂处理时机的选择，以管理产毒及产异味蓝藻。

论文解读文章

一、研究背景与意义

淡水水产养殖在维持野生鱼类种群和满足全球日益增长的人口食物需求方面发挥着至关重要的作用。随着全球需求的增加，养殖业者被迫提高生产强度，这不可避免地导致更高的放养密度和更大的饲料投喂量。在温暖的夏季月份，随着投喂量增加，系统中浮游植物生产力提高，水质可能恶化并对养殖鱼类造成应激。商业鲶鱼饲料通常含有28%或32%的蛋白质，鱼类消化后会在池塘中形成稳定的磷和氮废物来源。养殖池塘中常见的超富营养条件，加之不断升高的温度，可能加剧水质恶化对商业养殖鱼类的有害影响。

尽管多种除藻剂可供选择，但美国环境保护署（U.S. Environmental Protection Agency）批准用于水产养殖浮游植物水华控制的仅有硫酸铜（copper sulfate）和敌草隆（diuron）两种。然而，反复使用除藻剂可能对非靶标生物产生负面影响，包括鱼类、浮游动物和有益藻类。以往研究表明，采用知情的化学施用策略可能比宽泛的处理方法更为有利。

目前淡水养殖池塘的长期水质监测数据十分有限，这限制了对时间和空间上发生的各种条件的理解，也使生产者面临氨氮飙升等危险情况时难以做出最佳管理决策。浮游植物在养殖系统中普遍且丰富，但并非所有浮游植物都有害——许多种类通过产氧和去除溶解态有害营养物质（如氨氮和亚硝酸盐）而发挥有益作用。蓝藻通常是淡水浮游植物群落中最令人担忧的种类，在温暖、营养丰富且水浅的系统中往往生长良好。

本研究的目标是：第一，追踪重要水质数据随时间的变化趋势，不仅涵盖三年间的变化，还包括商业鲶鱼养殖中生长旺季（5月至10月）与非生长旺季（11月至4月）之间的差异；第二，构建模型以确定哪些变量最能解释三个响应变量的浓度，即代表所有浮游植物的叶绿素a、代表蓝藻的藻蓝蛋白以及代表蓝藻毒素的微囊藻毒素。研究人员假设，随着响应变量从整体藻华生长（叶绿素a）到蓝藻水华（藻蓝蛋白）再到蓝藻水华毒性（微囊藻毒素）越来越直接地衡量藻华的特定负面影响，参数选择也将越来越针对该响应变量对水质的功能。

二、主要技术方法

研究人员在美国阿拉巴马州西部五个商业鲶鱼养殖场的21个土质池塘（面积范围1.07–7.55公顷，平均3.28公顷）中，从2018年7月至2021年4月每四至六周采样一次，共35个采样日期，总计734个样本。使用集成管式采样器在约0.5米深度采集全水样。YSI多参数探头现场记录温度、pH、电导率和溶解氧（dissolved oxygen, DO），使用赛氏盘（Secchi disk）测量水体透明度。实验室分析包括叶绿素a、藻蓝蛋白、总氮（total nitrogen, TN）、总磷（total phosphorus, TP）、亚硝酸盐氮（NO₂-N）、硝酸盐氮（NO₃-N）、总氨氮（total ammonia nitrogen, TAN）、可溶性活性磷（soluble reactive phosphorus, SRP）和颗粒态微囊藻毒素。藻类色素采用荧光法测定，营养盐采用分光光度法测定，微囊藻毒素采用酶联免疫吸附测定（enzyme-linked immunosorbent assay, ELISA）。统计分析采用R软件中的线性混合效应模型（linear mixed effects models），以AIC（Akaike Information Criterion）和AICc进行模型比较，使用dredge函数进行全子集分析，并进行了75/25比例的训练测试数据集划分和10折交叉验证。

三、研究结果

3.1 水质数据趋势

从2018年到2021年，藻蓝蛋白和叶绿素a在生长旺季分别增加93%和50%，在非生长旺季分别增加22%和92%。总磷和可溶性活性磷在两个季节均下降，非生长旺季分别下降42%和95%，生长旺季分别下降65%和95%。总氮、硝酸盐氮、亚硝酸盐氮和微囊藻毒素在非生长旺季分别下降53%、98%、87%和87%，但在生长旺季分别增加2.7%、2072%、68%和241%。总氨氮呈现相反趋势，在生长旺季下降40%，在非生长旺季增加181%。赛氏盘深度和温度在生长旺季分别下降39%和43%，溶解氧在生长旺季和非生长旺季分别增加10%和124%。

鲶鱼养殖池塘全年生产力都很高，叶绿素a中位值为222.01 μg/L。藻蓝蛋白和微囊藻毒素浓度在生长旺季比非生长旺季高535%以上，藻蓝蛋白从非生长旺季的平均102.36 μg/L增至生长旺季的650.36 μg/L，微囊藻毒素从0.71 μg/L增至5.01 μg/L。温度和溶解氧呈反比关系。总磷和总氮在生长旺季分别高出48%和18%，可溶性活性磷在生长旺季高出97%，而总氨氮在生长旺季低28%。

3.2 模型变量选择

3.2.1 叶绿素a的预测因子

物理模型集中最优模型（AICc为?216.8）包含溶解氧、赛氏盘深度、温度和季节。化学模型选择了总氮、可溶性活性磷、总磷和季节，排除了硝酸盐氮和亚硝酸盐氮（AICc为?83.2）。物理模型因AICc值更低而被选为最优模型，其预测值与实测值高度相关（R²=0.6457，P<0.00001），10折交叉验证的平均R²为0.63，均方根误差（root mean squared error, RMSE）为0.195。

3.2.2 藻蓝蛋白的预测因子

物理模型最优模型选择了赛氏盘深度、溶解氧和季节（AICc为1771.8）。化学模型最优模型包含总氮、可溶性活性磷、总氨氮、亚硝酸盐氮、总磷和季节，排除了硝酸盐氮（AICc为1743.8）。化学模型因AICc值更低而被选为最优模型，预测值与实测值呈正相关（R²=0.3634，P<0.00001），10折交叉验证的平均R²为0.39，RMSE为0.762。

3.2.3 微囊藻毒素的预测因子

物理模型最优模型选择了赛氏盘深度和季节，排除了溶解氧和温度（AICc为1372.9）。化学模型最优模型包含总氮、硝酸盐氮、总氨氮、总磷和季节，排除了可溶性活性磷和亚硝酸盐氮（AICc为1318.8）。化学模型因AICc值更低而被选为最优模型，预测值与实测值呈强正相关（R²=0.5137，P<0.00001），10折交叉验证的平均R²为0.56，RMSE为0.569。

四、讨论与结论

讨论部分总结

研究表明，叶绿素a由物理模型最佳解释，而藻蓝蛋白和微囊藻毒素由化学模型最佳解释。化学参数更好地解释藻蓝蛋白和微囊藻毒素，因为这些更特化的指标依赖于氮和磷构成其细胞组成。总氮既能促进微囊藻（Microcystis）的生长，也能增强水华的毒性；总磷已被证明能增加总浮游植物和蓝藻的数量。氧化态氮（如NO₂-N、NO₃-N）可促进非固氮蓝藻的生长，是浮游植物第二偏好的氮源；而还原态氮（如总氨氮）最容易被蓝藻吸收利用，因此促进其生长，该参数被所有三个最优模型选中。所有最优模型均包含季节变量，这印证了蓝藻在温暖水域中相对于其他物种的竞争优势。模型的实际应用价值在于，养殖户可以使用其日常已测量的参数（如每日溶解氧检查和氨氮测试）来判断池塘中的藻华是有害的还是非毒性的。研究建议，有兴趣控制产毒和产异味蓝藻的生产者应重点关注生长旺季的处理时机，因为此时这些问题最为突出。

研究结论翻译

本研究通过使用商业养殖池塘中的物理和化学水质测量，检验了对叶绿素a、藻蓝蛋白和微囊藻毒素值的预测能力。21个鲶鱼养殖池塘中跨时间和季节的趋势揭示了已知的季节效应对水质的影响，在年内和年际间均有所体现。这些系统中营养盐动态的具体信息有助于预测浮游植物的季节性变化，尤其是藻蓝蛋白及由此产生的微囊藻毒素。虽然微囊藻毒素在非生长旺季呈下降趋势，但在生长旺季其浓度随叶绿素a和藻蓝蛋白一同上升，增加了有害条件出现的可能性。与最优模型中的大多数化学参数不同，总氨氮在生长旺季增加，如果pH变得更加碱性（>8），可能导致对鲶鱼的有毒条件。虽然这些趋势对水产养殖行业从业者而言可能并不意外，但拥有长期数据来支持关于这些趋势的主张，有助于制定针对特定生产系统和养成策略的高效管理方案。

虽然叶绿素a由物理响应变量最佳解释，但藻蓝蛋白和微囊藻毒素由化学模型参数最佳解释。这进一步强调了营养盐控制对藻蓝蛋白和微囊藻毒素水平的重要性，并更深入地揭示了应重点关注哪些具体形态的氮和磷。模型和水质数据趋势可以在水华发生之前（尤其是生长旺季期间）为养殖户提供帮助。基于养殖户采集的物理或化学测量数据（响应变量经log₁₀转换后），相关信息和模型可以估算叶绿素a、藻蓝蛋白和微囊藻毒素的浓度。这有助于判断水华是有害的（高藻蓝蛋白和微囊藻毒素）还是非毒性绿藻（叶绿素a），从而在不存在有害藻类时避免不必要的处理。