近日，安光所殷高方、赵南京团队与中国科学技术大学陈洁洁团队合作在国际环境领域期刊Environmental　Science　＆　Technology　发表题为　《恢复期浅水湖泊藻华风险管理新认知：从可见表层事件到潜在风险》Rethinking　Bloom－Risk　Management　in　Recovering　Shallow　Lakes：　From　Visible　Surface　Events　to　Latent　Risk的观点文章，提出恢复期浅水湖泊藻华风险识别与管理新思路。

藻华（又称水华）是淡水水体中蓝藻、绿藻等藻类因富营养化异常增殖形成的生态现象。长期以来，浅水湖泊藻华管理普遍以“表层看得见的水华”为主要风险信号。这一思路在重污染阶段具有一定适用性，但在湖泊进入恢复期后正逐渐失效。随着外源负荷下降和显性表层暴发减少，湖面看起来可能更清澈，但这并不意味着风险已经同步消失。相反，藻华风险可能转入更隐蔽的状态，导致治理成效被高估、防控措施被放松。

文章指出，恢复期浅水湖泊仍具有较强的成华潜力。沉积物再悬浮、内源养分循环、水动力输运、近岸滞留及藻类垂向迁移等过程，仍可能支撑藻类增殖和生物量积累，使风险以亚表层积累、局地聚集和敏感区域暴露等形式持续存在。传统表层监测难以覆盖深水层、近岸湾区和取水口等关键区域，存在明显盲区。

针对这一问题，研究团队提出集藻类生消和藻类聚集于一体的潜在风险识别框架。文章强调，恢复期浅水湖泊的藻华风险不应再被简单定义为一种可见状态，而应被理解为一个由形成、积聚到暴露逐步演化的过程。其中，藻类生长潜力反映系统是否仍具有持续增殖能力，藻群积聚潜力反映已有藻量是否会在特定条件下向高风险区域集中。在此基础上，研究进一步提出背景风险、积聚风险和暴露风险三级风险层级，为风险识别和治理干预提供了更清晰的逻辑框架。

基于该框架，团队提出面向管理决策的立体化监测预警思路：在风险形成阶段，通过自动化设备连续监测营养盐、藻类组成和生理活性等关键指标；在风险积聚阶段，结合无人机、水下监测平台、垂向剖面观测和水动力模型识别监测盲区及藻类聚集路径；在风险暴露阶段，针对饮用水源地、近岸活动区等敏感区域开展毒素快速检测和实时监控。进一步地，团队还提出了构建“卫星筛查＋立体监测＋模型预判”的新一代预警体系，为恢复期浅水湖泊潜在水华风险的提前识别和精准防控提供技术支撑。该成果为我国浅水湖泊长效治理和饮水安全保障提供了新的理论框架和技术思路，也为全球同类湖泊精细化管理提供了参考。

未来，不同湖泊在地形地貌、营养盐历史、水动力条件和恢复路径等方面差异明显，因此潜在水华风险管理不能套用统一模板，应因湖施策，建立差异化监测指标、预警阈值和管控策略。

本文第一作者为中科大环境科学与工程专业博士研究生巨昕玥，通讯作者为安光所殷高方研究员和中国科学技术大学陈洁洁教授。本研究得到了国家自然科学基金、安徽省重大科技项目等支持。

文章链接：https://doi.org/10.1021/acs.est.6c07519

湖泊恢复过程中藻华风险管理的范式转变：从被动式响应到主动预警