Effects of inoculant of photosynthetic bacteria and Rhodopseudomonas palustris on nitrogen and phosphorus nutrients and microbial community in experimental water
-
摘要:
为比较光合细菌菌剂与沼泽红假单胞菌(Rhodopseudomonas palustris)的生理生态特性，分析了不同初始菌量的菌剂PG和菌株PSB-1对实验水体氨氮(
\begin{document}${\rm NH}^+_4{\text -}{\rm N}$\end{document} )、亚硝氮(
$\small {\rm NO}^-_2{\text -}{\rm N}$ )、硝氮(
$\small {{\rm NO}^{-}_{3}}{\text -}{\rm N}$ )和活性磷(
${\rm PO}^{3-}_4$ -P)的降解效果，通过高通量测序分析了菌剂PG的优势菌组成及实验结束时水体细菌数量和微生物群落组成。结果显示，菌剂PG组对实验水体的
${\rm PO}^{3-}_4$ -P、
$ {\rm NO}^-_3$ -N和
$ {\rm NO}^-_2$ -N有一定的降解作用，其最大降解率分别为40.98%、28.28%和20.12%。菌株PSB-1组仅对实验水体的
${\rm NO}^-_2{\text -}{\rm N}$ 和
${\rm PO}^{3-}_4{\text -}{\rm P}$ 有一定的降解效果，其最大降解率分别为14.19%和9.88%。菌剂PG的主要优势菌为红假单胞菌属(Rhodopseudomonas sp.)。实验7 d后实验组水体细菌数量和微生物群落结构发生变化，水体细菌数量增长，形成以异养细菌为优势菌的菌群结构。结果表明光合细菌菌剂PG对水质因子的降解效果优于沼泽红假单胞菌PSB-1，但与报道的高效光合细菌菌株的降解能力存在一定差距。
Abstract:To compare the physiological and ecological characteristics of inoculant of photosynthetic bacteria and Rhodopseudomonas palustri, we analyzed the degradation effects of the inoculant PG and the strain PSB-1 with different initial amounts of bacteria on ammonia nitrogen (
\begin{document}${\rm NH}^+_4$\end{document} -N), nitrite nitrogen (
${\rm NO}^-_2$ -N), nitrate nitrogen (
${\rm NO}_3^-$ -N) and phosphate (
${\rm PO}_4^{3-}$ -P) in experimental water. Then we studied the dominant bacteria composition of inoculant of photosynthetic bacteria PG, as well as the number of bacteria and microbial community composition in experimental water at the end of the experiment by high-throughput sequencing. The results show that the inoculant PG group had certain degradation effects on
${\rm PO}_4^{3-}$ -P,
${\rm NO}_3^-$ -N and
${\rm NO}_2^-$ -N in experimental water. The maximum degradation rates of PG for
${\rm PO}_4^{3-}$ -P,
${\rm NO}_3^-$ -N and
${\rm NO}_2^-$ -N were 40.98%, 28.28% and 20.12%, respectively. Moreover, the strain PSB-1 group only had certain degradation effect on
${\rm NO}_2^-$ -N and
${\rm PO}_4^{3-}$ -P. The maximum degradation rates of PSB-1 were 14.19% and 9.88%, respectively. The dominant bacteria of the inoculant PG belonged to Rhodopseudomonas sp.. After 7 d of experiment, the number of bacteria and microbial community structure in the experimental group changed, and the number of bacteria in the water increased, forming a microbial structure with heterotrophic bacteria as the dominant bacteria. It is indicated that the inoculant of photosynthetic bacteria PG has better effect on the degradation of water quality factors than R. palustris PSB-1. However, there is a certain gap between both things and the reported degradation efficiency of photosynthetic bacterial strains.
-
台风是最严重的自然灾害之一，对渔业的影响尤为显著。中国南海台风频发[1]，过去几十年来，台风过境严重威胁网箱养殖设施的安全[2-3]，给水产养殖业造成了巨大损失。海南省马袅湾网箱养殖区共包含72口HDPE (高密度聚乙烯) 圆形深水网箱[4-5]，总养殖容积约12 943 m3[6]，是海南省重要的网箱养殖区。马袅湾为“U”字形半封闭海湾，位于海南省澄迈县西北部，毗邻琼州海峡西南侧。由于琼州海峡是台风过境海南的高频区域，加之马袅湾网箱养殖区的特殊地理位置，已成为海南省内受台风影响最为严重的网箱养殖区之一。因此，分析不同路径和强度的台风对马袅湾网箱养殖区的影响，并建立相应的预警体系具有重要的现实意义。
目前有关台风对网箱养殖区影响的研究多集中于调查分析和数据统计方面。姜雨青[7]基于1989—2018年西太平洋台风路径、设施渔业调研数据对我国沿海省市台风与设施渔业的关联性进行了评估；黄滨等[8]通过实地调查，分析了台风“米雷”在山东省网箱养殖业的灾害影响程度；张润川[9]指出台风浪导致的网箱破坏是福建省养殖渔业的重要致灾因子。但目前针对网箱养殖区的台风影响分析和灾害预警研究还极为匮乏。
由于过境台风的路径和强度不同，网箱养殖区的台风浪与流场特征存在明显差异[10-12]。其中，台风浪是评估网箱养殖区是否受到影响的关键因素。研究表明，台风浪可能导致网箱结构变形、系泊系统失效及网衣损坏等灾害[13]；Zhang等[14]通过数值模拟和现场观测发现，循环波浪载荷引起的疲劳断裂是网箱受损的重要原因；Li等[15]分析了有效波高对系泊绳张力的影响，发现最大系泊绳张力随有效波高的增加而迅速增大；Yin等[16]指出，有效波高超过4 m的海浪已属于灾害性海浪，对网箱结构造成严重威胁；孙熊雄[17]基于BP神经网络建立了网箱致灾因子与破坏程度之间的定量关系，认为波高是导致锚绳断裂、浮架应力增大的主要因素，而流速的影响相对较小。但现有研究结果也表明，较大的流速也可能导致网箱失效或破坏[18-19]。基于以上研究，本研究选择有效波高作为马袅湾网箱养殖区受影响的关键评估指标，同时考虑最大流速的影响。在波高分级方面，参考已有研究[20]，将网箱养殖区受影响程度分为3个等级：当养殖区内有效波高最大值HS_max≥5.5 m时，网箱养殖区受到严重影响，需立即预警；当4 m≤HS_max<5.5 m时，网箱养殖区受到中等程度影响，需快速预警；当2.5 m≤HS_max<4 m时，网箱养殖区受到轻微影响，需适当预警。在流速方面，结合相关研究[21]、抗风浪深水网箱养殖技术规程及马袅湾网箱设计标准，当养殖区内最大流速Vmax≥1 m·s−1时，视为网箱养殖区受到严重影响；当Vmax<1 m·s−1时，以波高的影响为主，网箱养殖区相对安全。本研究以马袅湾大型网箱养殖区为主要研究区域，考虑到台风过境过程中风暴潮与波浪的较强相互作用[22-25]，基于Holland台风模型和Delft3D软件构建了适用于该海域的波流耦合模型，并对模型进行验证。通过数值模拟方法分析了不同路径和强度台风过程对马袅湾网箱养殖区的有效波高及流速的影响规律，确定了不同强度台风过境时的预警路径范围，以期为该区域网箱养殖业的防灾减灾工作提供科学依据和预警参考。
1. 数值模型的建立与验证
1.1 台风模型
风场数据的准确性是决定台风浪模拟精度的关键因素。由于台风过境过程中天气条件恶劣，实测数据获取困难，而欧洲中期天气预报中心再分析数据 (ERA)、交叉校准多平台数据集 (CCMP) 和美国国家环境预报中心 (NCEP) 等再分析数据普遍存在时空分辨率较低的问题，尤其在台风中心附近区域，其最大风速往往显著小于实际观测值。为此，目前普遍采用参数化台风模型[26-28]。本研究选用国际通用的Holland[29]台风模型来计算风场和气压场。其台风气压场分布公式为：
$$ P\left( r \right) {\mathrm{=}} {P_c} {\mathrm{+}} \left( {{P_n} {\text{−}} {P_c}} \right) \cdot \exp {\left( { {\text{−}} \dfrac{{{R_{\max }}}}{r}} \right)^B} $$ (1) 台风风场分布公式为：
$$ \begin{array}{c} {V_g}\left( r \right) {\mathrm{=}} \\ \sqrt {\left( {{P_n} {\text{−}} {P_c}} \right)\dfrac{B}{{{\rho _A}}}{{\left( {\dfrac{{{R_{\max }}}}{r}} \right)}^B} \cdot \exp {{\left( { {\text{−}} \dfrac{{{R_{\max }}}}{r}} \right)}^B} {\mathrm{+}} {{\left( {\dfrac{{rf}}{2}} \right)}^2}} {\text{−}} \dfrac{{rf}}{2} \end{array} $$ (2) 式中：r表示计算点与台风中心的距离；Pn表示台风外围气压；Pc表示台风中心气压；B表示台风形状参数；Rmax表示台风最大风速半径；f表示柯氏系数；ρA表示空气密度。
参数B采用Vickery[30]的参数经验公式，计算公式为：
$$ B {\mathrm{=}} 1.881 {\text{−}} 0.005\;57{R_{\max }} {\text{−}} 0.012\;95\varphi $$ (3) 最大风速半径采用Willoughby[31]提出的风速半径公式，计算公式为：
$$ {R_{\max }} {\mathrm{=}} 51.6\exp \left( { {\text{−}} 0.022\;3{V_{\max }} {\mathrm{+}} 0.028\;1\varphi } \right) $$ (4) 式中：φ表示地理纬度；Vmax表示台风中心最大风速。
台风中心位置、中心气压、最大风速等信息采用中国气象局热带气旋资料中心所提供的CMA最佳路径集[32-33]。
1.2 水动力模型
在正交曲线坐标系下，水动力基本方程[34]为：
连续性方程：
$$\begin{array}{c} \dfrac{1}{{\sqrt {{G_{\xi \xi }}} \sqrt {{G_{\eta \eta }}} }}\left( {\dfrac{{\partial \left[ {\left( {d {\mathrm{+}} \zeta } \right)U\sqrt {{G_{\eta \eta }}} } \right]}}{{\partial \xi }}} { {\mathrm{+}} \dfrac{{\partial \left[ {\left( {d {\mathrm{+}} \zeta } \right)V\sqrt {{G_{\xi \xi }}} } \right]}}{{\partial \eta }}} \right) {\mathrm{=}}\\ ({\text{d {\mathrm{+}} }}\zeta )Q {\text{−}} \dfrac{{\partial \zeta }}{{\partial t}} \end{array} $$ (5) $$ Q {\mathrm{=}} \left( {d {\mathrm{+}} \zeta } \right)\int_{ {\text{−}} 1}^0 {\left( {{q_{{\text{in}}}} {\text{−}} {q_{{\text{out}}}}} \right)d\sigma {\mathrm{+}} P {\text{−}} E} $$ (6) 式中：$ \sqrt{{G}_{\xi \xi }} $、$ \sqrt{{G}_{\eta \eta }} $分别表示ξ、η上的坐标转换系数；U、V分别表示ξ、η方向上的平均速度；ξ表示垂向上的自由面坐标；d表示垂向上的水底坐标 (即空间参考平面以下的水深)；Q表示单位面积流量；P和E分别表示降水量和蒸发量，由于研究的是海湾水动力问题，不考虑降水量和蒸发量，故此处为0。
动量方程：
$$\begin{array}{c} \dfrac{{\partial u}}{{\partial t}} {\mathrm{+}} \dfrac{u}{{\sqrt {{G_{\xi \xi }}} }}\dfrac{{\partial u}}{{\partial \xi }} {\mathrm{+}} \dfrac{v}{{\sqrt {{G_{\eta \eta }}} }}\dfrac{{\partial u}}{{\partial \eta }}{\text{ {\mathrm{+}} }}\dfrac{w}{{d {\mathrm{+}} \zeta }}\dfrac{{\partial u}}{{\partial \sigma }} {\text{−}} \\ \dfrac{{vv}}{{\sqrt {{G_{\xi \xi }}} \sqrt {{G_{\eta \eta }}} }}\dfrac{{\partial \sqrt {{G_{\eta \eta }}} }}{{\partial \xi }} {\mathrm{+}} \dfrac{{uv}}{{\sqrt {{G_{\xi \xi }}} \sqrt {{G_{\eta \eta }}} }}\dfrac{{\partial \sqrt {{G_{\xi \xi }}} }}{{\partial \eta }} = \\ {\text{−}} \dfrac{1}{{{\rho _0}\sqrt {{G_{\xi \xi }}} }}{P_\xi } {\mathrm{+}} {F_\xi } {\mathrm{+}} \dfrac{1}{{{{\left( {d {\mathrm{+}} \zeta } \right)}^2}}}\dfrac{\partial }{{\partial \sigma }}\left( {{\nu _{\text{V}}}\dfrac{{\partial u}}{{\partial \sigma }}} \right) {\mathrm{+}} {M_\xi } {\mathrm{+}} fv \\ \end{array} $$ (7) $$\begin{array}{c} \dfrac{{\partial v}}{{\partial t}} {\mathrm{+}} \dfrac{u}{{\sqrt {{G_{\xi \xi }}} }}\dfrac{{\partial v}}{{\partial \xi }} {\mathrm{+}} \dfrac{v}{{\sqrt {{G_{\eta \eta }}} }}\dfrac{{\partial v}}{{\partial \eta }}{\text{ {\mathrm{+}} }}\dfrac{w}{{d {\mathrm{+}} \zeta }}\dfrac{{\partial v}}{{\partial \sigma }} {\mathrm{+}} \\ \dfrac{{uv}}{{\sqrt {{G_{\xi \xi }}} \sqrt {{G_{\eta \eta }}} }}\dfrac{{\partial \sqrt {{G_{\eta \eta }}} }}{{\partial \xi }} {\text{−}} \dfrac{{uu}}{{\sqrt {{G_{\xi \xi }}} \sqrt {{G_{\eta \eta }}} }}\dfrac{{\partial \sqrt {{G_{\xi \xi }}} }}{{\partial \eta }} = \\ {\text{−}} \dfrac{1}{{\rho _0}\sqrt {G_{\eta \eta }}}{P_{\eta} } {\mathrm{+}} {F_{\eta} } {\mathrm{+}} \dfrac{1}{{{{\left( {d {\mathrm{+}} \zeta } \right)}^2}}}\dfrac{\partial }{{\partial \sigma }}\left( {{\nu _{{{\mathrm{V}}}}}\dfrac{{\partial v}}{{\partial \sigma }}} \right) {\mathrm{+}} \\ {M_{\eta} } {\text{−}} fu \end{array}$$ (8) $$ \begin{array}{c} \dfrac{1}{{\sqrt {{G_{\xi \xi }}} \sqrt {{G_{\eta \eta }}} }}\left( {\dfrac{{\partial \left[ {\left( {d {\mathrm{+}} \zeta } \right)u\sqrt {{G_{\eta \eta }}} } \right]}}{{\partial \zeta }}} \right.\left. { {\mathrm{+}} \dfrac{{\partial \left[ {\left( {d {\mathrm{+}} \zeta } \right)v\sqrt {{G_{\xi \xi }}} } \right]}}{{\partial \eta }}} \right) {\mathrm{=}}\\ \left( {d {\mathrm{+}} \zeta } \right)\left( {{q_{{\text{in}}}} - {q_{{\text{out}}}}} \right) - \dfrac{{\partial w}}{{\partial \sigma }} - \dfrac{{\partial \zeta }}{{\partial t}} \end{array} $$ (9) 式中：v、u、w分别表示η、ξ、σ方向上的流速；Pξ
、Fξ分别表示ξ方向上的静压梯度、雷诺应力梯度；Fη 、Pη分别表示η方向上的雷诺应力梯度、静压梯度；Mξ、Mη表示外部动量的源或汇；f表示科氏力系数；vv表示垂向涡流黏度系数；qin和qout分别表示单位体积的源项和汇项。 水动力模型的潮位边界采用Tide Model Driver软件获取M2、S2、K1、O1、N2、P1、K2、Q1共8个主要潮汐分潮的调和常数进行驱动。
1.3 波浪模型
Delft3D-WAVE模块采用第三代波浪模型SWAN[35]进行波浪过程模拟，它考虑了近岸波浪传播的物理过程，包括波浪浅化、绕射、折射和波浪破碎等。其动谱平衡方程为：
$$ \dfrac{\partial }{{\partial t}}N {\mathrm{+}} \dfrac{\partial }{{\partial x}}{c_x}N {\mathrm{+}} \dfrac{\partial }{{\partial y}}{c_y}N {\mathrm{+}} \dfrac{\partial }{{\partial \sigma }}{c_\sigma }N {\mathrm{+}} \dfrac{\partial }{{\partial \theta }}{c_\theta }N = \dfrac{S}{\sigma } $$ (10) 式中：θ表示波浪传播方向；σ表示波浪相对频率；cx、cy、cθ和cσ分别表示在x、y、θ和σ空间中的传播速度；S表示能量作用量的源汇项，包括风能输入、波浪破碎、白浪耗散、底部摩擦引起的能量损耗等。
1.4 耦合模型及研究区域网格设置
马袅湾海域及部分琼州海峡区域的地形数据取自航保部电子海图C151586和C1515819，其余地形采用全球水深数据ETOPO1进行补充，海南省马袅湾地理位置、网箱分布如图1所示。
![]()
图 1 海南省马袅湾网箱位置示意图Figure 1. Geographic location, distribution of cages in Maniao Bay, Hainan Province台风过程的模拟需要考虑波流相互作用，尤其是在浅水中[36]。本研究采用Delft3D FLOW &WAVE模型耦合，波对流的作用主要通过在水动力模型中加入由波浪作用所产生的辐射应力[37]和波浪破碎[38]产生的动量源项，流对波的作用则体现为流对波浪的折射及频移等效应[39-40]。
水动力模型和波浪模型共用一套结构化网格，台风过程中影响海域的范围很大，使用二重嵌套网格，大模型网格计算范围为105.5°E—118°E、15°N—24°N，覆盖了大部分南海区域，网格分辨率设置为4 000 m；小模型网格计算范围为109.6°E—110.8°E、19.9°N—21.4°N，主要区域为琼州海峡附近，并在马袅湾海域进行局部加密，最小网格分辨率约为100 m，如图2所示。
1.5 模型验证
选取秀英站和湛江站天文潮的模拟结果与国家海洋局出版的潮汐表数据进行对比，结果如图3所示。模拟结果与实测数据之间的平均绝对误差 (MAE)、均方根误差 (RMSE) 和相关系数 (CC)，结果如表1所示。可以看出，天文潮的模拟结果具有较好的一致性，平均绝对误差小于0.14 m，均方根误差不超过0.17 m，相关系数均在0.97以上。
表 1 天文潮模拟精度Table 1. Simulation accuracy of astronomical tide观测站
Observation station平均绝对误差
MAE/m均方根误差
RMSE/m相关系数
CC秀英 Xiuying 0.134 0.166 0.978 湛江 Zhanjiang 0.109 0.145 0.990 为了验证风暴潮增水的模拟效果，将秀英站的计算结果与观测值[41]进行对比验证。结果见图4。其MAE为0.139 m，RMSE为0.180 m，相关系数为0.945。
选择“威马逊”、“海鸥”和“启德”台风期间的秀英、东方站和浮标测点Buoy2 [42]实测浪高对模型进行验证，结果如图5所示。模拟和实测误差的RMSE、MAE和平均绝对百分比误差 (MAPE)见表2。
![]()
图 5 “威马逊”“启德”和“海鸥”台风有效波高结果比较Figure 5. Verification of significant wave height results for typhoons Rammasun, Kaitai and Kalmaegi表 2 台风浪模拟精度Table 2. Significant wave height accuracy观测站
Observation station平均绝对
误差
MAE/m均方根
误差
RMSE/m平均绝对
百分比误差
MAPE/%相关系数
Correlation
coefficient秀英 Xiuying 0.179 0.255 7.4 0.992 浮标测点Buoy2 0.425 0.520 18.3 0.980 东方 Dongfang 0.238 0.335 14.6 0.934 模型在天文潮、风暴潮增水以及台风浪的模拟中，模拟结果均与实测值吻合较好，模型具有较高的准确性。
2. 不同台风对网箱养殖区的影响
2.1 台风路径分类
依据马袅湾的地理位置，参考先前的研究[43]，将影响该区域的台风路径划分为4种类型 (图6)：第I类台风路径从海南东北部或雷州半岛斜穿后向西北移动，进入北部湾；第II类台风路径自东向西穿过海南岛后进入北部湾；第III类台风路径沿海南岛东侧向北移动，最终在广东省沿岸登陆；第IV类台风路径从海南岛南部海域绕岛向北发展，进入北部湾。统计1995—2022年间对马袅湾产生显著影响的52场台风，各类台风路径的发生频次及强度如图7所示。结果表明，第I和第II类台风发生频次较高，均为18场 (34.6%)；第III类台风次之，11场 (21.2%)；第IV类台风最少，仅5场 (9.6%)。在52场台风中，“强台风”和“超强台风”共10场，其中第I、第II类台风各4场；第III类2场；第IV类路径台风等级较低。由此可见，第I、第II类台风对马袅湾海域构成的潜在风险更大。
![]()
图 7 不同台风路径下各等级台风发生次数Figure 7. Number of various levels of typhoons under different tracks2.2 第I类台风对网箱养殖区的影响
本研究选取2014年第
1409 号台风“威马逊”(Rammasun) 作为第I类路径的典型案例进行分析 (图8)。该台风于2014年7月10日在西北太平洋海域生成，7月15日首次在菲律宾登陆，随后于7月18日以中心气压910 hpa、最大风速60 m·s−1的强度在中国海南省文昌市二次登陆。台风穿越雷州半岛进入北部湾后，强度减弱至中心气压940 hpa、最大风速50 m·s−1。对“威马逊”台风过境期间的波流过程进行了模拟，获得了各网格点的有效波高和流场变化过程。进一步统计台风过程中各网格点有效波高的最大值，得到了研究区域有效波高最大值分布及养殖区内流速最大时刻流场 (图8)。养殖区内有效波高范围为3.84~5.94 m，流速范围为0.62 ~1.42 m·s−1。![]()
图 8 “威马逊”台风下养殖区有效波高最大值分布及最大流速时刻流场注：a. 养殖区有效波高最大值分布；b. 养殖区内最大流速时刻流场。Figure 8. Distribution of maximum significant wave height and maximum flow velocity moment flow field in aquaculture area under typhoon RammasunNote: a. Distribution of maximum significant wave height in the aquaculture area; b. Maximum flow velocity moment flow field in the aquaculture area.以“威马逊”台风为模板，将原台风路径沿经度方向南北平移，平移间距为0.3°，构造出R1—R8共8场台风 (图9)。以构造的路径为基础，将每条路径下台风的强度等级按GB/T 19201—2006《热带气旋等级》依次设置为“超强台风”、“强台风”和“台风”，不同强度台风对应的参数统一取值如表3所示，共构造出27场设计台风。图10为R1—R8路径不同强度作用下马袅湾养殖区内的有效波高及流速最大值。
表 3 台风等级相关参数信息Table 3. Information on parameters related to typhoon levels台风等级
Typhoon intensity
level最大风速
Maximum wind
speed/(m·s−1)中心气压
Central
pressure/hpa超强台风 Super Typhoon 51.0 944 强台风 Severe Typhoon 41.5 962 台风 Typhoon 32.7 977 ![]()
图 10 马袅湾养殖区内有效波高及流速最大值Figure 10. Maximum significant wave height and current velocity in aquaculture area of Maniao Bay总体而言，随着台风路径与养殖区距离的减小，各强度台风在养殖区内引发的HS_max与Vmax均呈递增趋势。R4路径台风导致的HS_max与Vmax均为最大，对养殖区的威胁最显著。这是由于R4台风路径位于马袅湾东北方向，台风中心距离较近，其逆时针旋转风场驱动波浪自湾口向湾内传播所致。在相同路径条件下，台风强度是影响网箱养殖区的关键因素，当台风强度减弱时，养殖区HS_max与Vmax均相应降低，威胁程度减小。在“台风”、“强台风”和“超强台风”等级下，路径每平移0.3°，HS_max平均变化幅度为12.77%~15.57%，Vmax平均变化幅度为12.33%~14.45%。
当台风等级为“超强台风”时，R3—R8路径下养殖区内Vmax≥1 m·s−1，为严重影响区域。其中，R4路径台风引发的HS_max>5.5 m且Vmax>1.5 m·s−1，是影响程度最严重的路径。对于“强台风” 等级，R3—R5路径下Vmax≥1 m·s−1，养殖区受严重影响；R6路径下网箱养殖区内Vmax<1 m·s−1，但由于4 m≤HS_max<5.5 m，养殖区受中等程度影响；而在R3以北和R6以南路径下，养殖区内Vmax<1 m·s−1且2.5 m≤HS_max<4 m，网箱养殖区受轻微影响。在“台风”等级情况下，“威马逊”至R6路径之间的范围均会导致养殖区内Vmax≥1 m·s−1，网箱养殖区受严重影响；而“威马逊”以北和R6以南路径下，Vmax<1 m·s−1且2.5 m≤HS_max<4 m，养殖区仅受轻微影响。
2.3 第II类台风对网箱养殖区的影响
选取2021年第
2118 号台风“圆规”(Kompasu) 作为第II类台风路径的典型代表。图11为该台风下养殖区有效波高最大值分布及最大流速时刻流场，马袅湾内部有效波高较小，均在4 m以下，特别是在网箱养殖区，波高介于2.5~3.3 m，流速介于0.33 ~0.65 m·s−1。![]()
图 11 “圆规”台风下养殖区有效波高最大值分布及最大流速时刻流场注：a. 养殖区有效波高最大值分布；b. 养殖区内最大流速时刻流场。Figure 11. Distribution of maximum significant wave height and maximum flow velocity moment flow field in aquaculture area under typhoon KompasuNote: a. Distribution of maximum significant wave height in the aquaculture area; b. Maximum flow velocity moment flow field in the aquaculture area.将次平移的间距设定为0.3°，构建了K1、K2、K3、K4和K5共5条设计台风路径，如图12所示。将每条路径的台风强度分别设定为“超强台风”、“强台风”和“台风”，共构建出18场设计台风。图13为不同强度和路径的台风作用下网箱养殖区内有效波高及流速最大值。整体上看，随着台风路径从南向北移动，HS_max与Vmax均随路径的北移呈先增后减的趋势。“台风”、“强台风”、“超强台风”等级下，每平移0.3°，HS_max平均变化幅度为13.91%~16.90%，Vmax平均变化幅度为5.57%~14.55%。
![]()
图 13 马袅湾养殖区内有效波高及流速最大值Figure 13. Maximum significant wave height and current velocity in aquaculture area of Maniao Ba当台风等级为“超强台风”时， K2和K3路径下的网箱养殖区Vmax≥1 m·s−1，属于严重影响区域；K1和K4路径下的养殖区Vmax<1 m·s−1且4 m≤HS_max<5.5 m，属于中等影响区域；而“圆规”和K5路径下的Vmax<1 m·s−1且2.5 m≤HS_max<4 m，属于轻微影响区域。当台风等级为“强台风”时，各路径下的养殖区Vmax均小于1 m·s−1，其中K2—K4路径下4 m≤HS_max<5.5 m，网箱养殖区会受中等程度影响，“圆规”、K1和K5路径下2.5 m≤HS_max<4 m，网箱养殖区受轻微影响。台风等级为“台风”时，各路径下的养殖区Vmax均小于1 m·s−1，K1—K5路径下2.5 m≤HS_max<4 m，网箱养殖区受轻微影响， “圆规”路径下HS_max<2.5 m，网箱养殖区不受影响。
2.4 第III类台风对网箱养殖区的影响
选取2002年第0214号强台风“黄蜂”(VONGFONG) 作为第III类路径的典型代表。“黄蜂”过境过程中在马袅湾引起的有效波高最大值分布及在养殖区内引起最大流速时刻的马袅湾流场如图14所示。可以看出，在网箱养殖区内，波高主要集中在3.0~3.3 m之间，流速介于0.33~0.71 m·s−1。
![]()
图 14 “黄蜂”台风下养殖区有效波高最大值分布及最大流速时刻流场注：a. 养殖区有效波高最大值分布；b. 养殖区内最大流速时刻流场。Figure 14. Distribution of maximum significant wave height and maximum flow velocity moment flow field in aquaculture area under typhoon VongfongNote: a. Distribution of maximum significant wave height in the aquaculture area; b. Maximum flow velocity moment flow field in the aquaculture area.依据路径类型定义范围，设置平移间距为0.6°，将原台风路径南向平移构建出V1、V2和V3共3条新的设计台风路径 (图15)。在此基础上，将等级分别设置为“超强台风”、“强台风”和“台风”，共构建出12场不同的设计台风。图16为不同强度和路径的台风作用下网箱养殖区内HS_max和Vmax。总体上看，随着台风路径向南移动，HS_max和Vmax逐渐增大。“台风”、“强台风”和“超强台风”等级下，每平移0.6°，HS_max平均变化幅度为9.17%~11.76%，Vmax平均变化幅度为4.01%~7.57%。
![]()
图 16 马袅湾养殖区内有效波高及流速最大值Figure 16. Maximum significant wave height and currentvelocity in aquaculture area of Maniao Bay当台风等级为“超强台风”时，V2和V3路径下的养殖区Vmax≥1 m·s−1，属于严重影响区域；V1路径下的养殖区Vmax<1 m·s−1且4 m≤HS_max<5.5 m，属于中等影响区域；而“黄蜂”路径下的养殖区2.5 m≤ HS_max<4 m且Vmax<1 m·s−1，属于轻微影响区域。当台风等级为“强台风”时，V3路径下的养殖区Vmax≥1 m·s−1，受严重影响；在“黄蜂”至V2路径范围内，养殖区Vmax均小于1 m·s−1，其中V2路径下4 m≤HS_max<5.5 m，网箱养殖区受中等程度影响；而“黄蜂”和V1路径下2.5 m≤HS_max<4 m，网箱养殖区受轻微影响。在台风等级为“台风”时，各路径下的养殖区Vmax均小于1 m·s−1。其中，V2和V3路径下网箱养殖区4 m≤HS_max<5.5 m，受中等程度影响；而“黄蜂”和V1路径下2.5 m≤HS_max<4 m，均受轻微影响。
2.5 第IV类台风对网箱养殖区的影响
选取1995年第
9516 号台风“泰德”(Ted) 作为第IV类台风路径的典型代表案例 。图17为“泰德”台风下养殖区的有效波高最大值分布及最大流速时刻的流场。可以看出，该台风在养殖区引发的最大波高为0.8~0.9 m，流速范围为0.17~0.55 m·s−1。![]()
图 17 “泰德”台风下养殖区有效波高最大值分布及最大流速时刻流场注：a. 养殖区有效波高最大值分布；b. 养殖区内最大流速时刻流场。Figure 17. Distribution of maximum significant wave height and maximum flow velocity moment flow field in aquaculture area under typhoon TedNote: a. Distribution of maximum significant wave height in the aquaculture area; b. Maximum flow velocity moment flow field in the aquaculture area.结合路径类型的定义范围，将原路径向东以0.3° 为间距平移，构造出T1、T2、T3和T4共4条设计台风路径 (图18)。将每条路径的台风强度分别设定为“超强台风”、“强台风”和“台风”，共构建出15场设计台风。图19为不同强度与路径台风作用下网箱养殖区的HS_max和Vmax。总体上看，随着台风路径向东移动，HS_max和Vmax逐渐增大。在“台风”、“强台风”和“超强台风”等级下，每东移0.3°，HS_max平均变化幅度为22.32%~23.88%，Vmax平均变化幅度为13.11%~19.02%。“超强台风”等级下，距离养殖区最近的T4路径引发的HS_max最大 (2.49 m)。仅在“超强台风”和“强台风”等级的T4路径下，养殖区出现Vmax>1 m·s−1。本研究表明，第IV类台风对网箱养殖区安全构成的威胁相对较小。
![]()
图 19 马袅湾养殖区内有效波高及流速最大值Figure 19. Maximum significant wave height and currentvelocity in aquaculture area of Maniao Bay3. 结论
本研究基于Holland风场模型和Delft3D软件建立了适用于海南省马袅湾的台风波流耦合模型，深入探究了台风路径及其强度对网箱养殖区的影响，得到以下结论：
1) 第I类台风路径发生频率高，覆盖范围广，影响程度大。“超强台风”等级时，路径每平移0.3°，HS_max平均变化15.57%，Vmax平均变化13.15%。R3—R8路径均会使马袅湾养殖区受到严重影响，其中R4路径下，养殖区HS_max>5.5 m，Vmax>1.5 m·s−1，遇到类似台风时应立即预警并做好周全保护措施，而R3以北路径台风对网箱养殖区影响轻微；当等级为“强台风”时，HS_max平均变化14.45%，Vmax平均变化14.84%，在R3—R5路径下，网箱养殖区受严重影响，应立即预警，R6路径下，养殖区受中等程度影响，R3以北和R6以南路径的台风，对网箱养殖区的影响轻微；当等级降至“台风”时，HS_max平均变化12.77%，Vmax平均变化12.33%，“威马逊”至R6路径的范围会使网箱养殖区受严重影响，均应立即预警，而“威马逊”以北和R6以南路径台风的影响程度轻微，可适度预警。
2) 第II类台风作用下，“台风”、“强台风”、“超强台风”等级下，每平移0.3°，HS_max平均变化幅度为13.91%~16.90%，Vmax平均变化幅度为5.57%~14.55%。“超强台风”等级时K2—K3路径下，网箱养殖区受严重影响；“超强台风”等级时K1与K4路径、“强台风”等级时K2—K4路径，网箱养殖区受中等程度影响，应快速预警；其余情况下，网箱养殖区受轻微及以下影响，可适度预警并采取设施检查等措施。
3) 第III类台风作用下，“台风”、“强台风”和“超强台风”等级下，每平移0.6°，HS_max平均变化幅度为9.17%~11.76%，Vmax平均变化幅度为4.01%~7.57%。等级为“超强台风”时的V2与V3路径下、“强台风”等级的V3路径下，网箱养殖区受严重影响；等级为“超强台风”时的V1路径、“强台风”和“台风”等级的V2路径、“台风”等级的V3路径下，网箱养殖区受中等程度影响，应快速预警，可采取设施加固等措施；其余情况下，网箱养殖区受轻微影响，应适度预警。
4) 第IV类台风作用下，“台风”、“强台风”和“超强台风”等级下，每平移0.3°，HS_max平均变化幅度为22.32%~23.88%，Vmax平均变化幅度为13.11%~19.02%。第IV类台风中心距马袅湾较远，仅在“超强台风”和“强台风”等级的T4路径下，养殖区Vmax>1 m·s−1，对养殖区影响严重。其余情况下，养殖区处于安全状态，无需预警。
本研究采用有效波高最大值和流速最大值作为预警依据，所得结果可为后续建立马袅湾网箱养殖区的台风防灾减灾快速预警系统提供依据。然而，网箱破坏是一个复杂的过程，后续将依据马袅湾不同的波流工况对网箱承载能力进行研究，以获得更科学的预警判据，提升预警的精度。
-
![]()
图 1 菌剂PG各组实验水体中氨氮 (a)、亚硝氮 (b)、硝氮 (c)和活性磷 (d) 质量浓度变化
Figure 1. Changes of
${\rm NH}_4^+{\text -}{\rm N}$ (a),${\rm NO}_2^-{\text-}{\rm N}$ (b),${\rm NO}_3^-{\text -}{\rm N}$ (c) and${\rm PO}_4^{3-}{\text -}{\rm P}$ (d) contents in experimental water of PG groups![]()
图 2 菌株PSB-1各组实验水体中氨氮 (a)、亚硝氮 (b)、硝氮 (c)和活性磷 (d) 质量浓度变化
Figure 2. Change of
${\rm NH}_4^+{\text-}{\rm N}$ (a),${\rm NO}_2^-{\text-}{\rm N}$ (b),${\rm NO}_3^-{\text-}{\rm N}$ (c) and${\rm PO}_4^{3-}{\text-}{\rm P} $ (d) contents in experimental water of strain PSB-1 groups![]()
图 3 光合细菌菌剂PG在门 (a)、纲 (b)、目 (c)、科 (d)、属 (e)水平上的优势菌组成分析
Figure 3. Analysis of dominant bacteria of inoculant of photosynthetic bacteria PG in terms of Phylum (a),Class (b), Order (c), Family (d) and Genus (e)
![]()
图 5 实验水体中微生物群落门 (a)、纲 (b)、目 (c)、科 (d)、属 (e) 水平上的相对丰度
每个实验组3个平行：PG-4-1为PG-4组平行1；PG-6-1为PG-6组平行1；PSB-1-4-1为PSB-1-4组平行1；PSB-1-6-1为PSB-1-6组平行1，以此类推
Figure 5. Relative abundance of microbial community in experimental water in terms of Phylum (a), Class (b), Order (c), Family (d) and Genus (e)
Three parallels in each experimental group: PG-4-1 is parallel 1 to PG-4 group; PG-6-1 is parallel 1 to PG-6 group; PSB-1-4-1 is parallel 1 to PSB-1-4 group 1; PSB-1-6-1 is parallel 1 to PSB-1-6 group, and so on.
![]()
图 4 实验第7天各实验组水体细菌数量
Figure 4. Number of bacteria in water of each experimental group on 7th day of experiment
表 1 菌剂PG各组对水质因子的降解率 (平均值±标准差)
Table 1 Degradation rate of various water quality indicators in each PG group (
$ {\overline {\mathit{\boldsymbol{X}}}} \pm {\bf SD}$ )被测物
analyte时间
time组别 group 对照 control PG-4 PG-6 氨氮 ${\rm NH}_4^+{\text-}{\rm N}$ 第3天 24.07±9.51a 20.96±4.33a 29.90±4.57a 第7天 15.22±3.09a –18.35±5.94b 7.01±1.52c 亚硝氮 ${\rm NO}_2^-{\text-}{\rm N}$ 第3天 –1.40±0.62a 8.64±1.67b 7.86±4.88b 第7天 2.54±0.95a 20.12±1.25b 15.92±11.39b 硝氮 ${\rm NO}_3^-{\text-}{\rm N}$ 第3天 –15.41±0.78a – 67.41±24.95b –17.98±15.67a 第7天 –10.46±9.34a 28.28±4.80b 15.27±18.81b 活性磷 ${\rm PO}_4^{3-}{\text-}{\rm P}$ 第3天 –17.57±3.55a 6.64±0.00b 40.98±1.36c 第7天 –18.46±3.33a 25.48±9.14b 22.18±7.50b 注：同行数据不同上标字母表示差异显著(P<0.05)，表2同此
Note: The data within the same row with different letters indicate significant difference (P<0.05). The same case in Tab.2.
下载: 导出CSV
表 2 菌株PSB-1各组对各水质指标的降解率 (平均值±标准差)
Table 2 Degradation rate of various water quality indicators in each strain PSB-1 group (
$ {\overline {\mathit{\boldsymbol{X}}}} \pm {\bf SD}$ )被测物
analyte时间
time组别 group 对照 control PSB-1-4 PSB-1-6 氨氮 ${\rm NH}_4^+{\text-}{\rm N}$ 第3天 24.07±9.51a –53.43±13.24b –87.00±16.33c 第7天 15.22±3.09a –78.22±25.20b –30.65±2.65c 亚硝氮 ${\rm NO}_2^-{\text-}{\rm N}$ 第3天 –1.40±0.62a 4.14±2.71b 6.99±1.04b 第7天 2.54±0.95a 14.19±4.18b 13.79±1.38b 硝氮 ${\rm NO}_3^-{\text-}{\rm N}$ 第3天 –15.41±0.78a –30.70±4.00b –41.63±6.21c 第7天 –10.46±9.34a –26.14±5.28b –7.11±1.77a 活性磷 ${\rm PO}_4^{3-}{\text-}{\rm P}$ 第3天 –17.57±3.55a 9.88±0.50b 1.59±0.48c 第7天 –18.46±3.33a 5.69±1.61b –0.28±2.17c
下载: 导出CSV
-
[1] 李军, 张辉, 李建文, 等. 光合细菌菌剂在提高板蓝根品质中的应用研究[J]. 中国医药导报, 2011, 8(13): 58-59. doi: 10.3969/j.issn.1673-7210.2011.13.024 [2] 彭智平, 李文英, 徐培智, 等. 光合菌剂对菜心产量和品质的效应评价[J]. 广东农业科学, 2012, 39(1): 11-13. doi: 10.3969/j.issn.1004-874X.2012.01.004 [3] BANEEJEE G, RAY A K. The advancement of probiotics research and its application in fish farming industries[J]. Rese Vet Sci, 2017, 115: 66-77. doi: 10.1016/j.rvsc.2017.01.016
[4] FARZANFAR A. The use of probiotics in shrimp aquaculture[J]. Fems Immuno Med Microbiol, 2006, 48(2): 149-158. doi: 10.1111/j.1574-695X.2006.00116.x
[5] JEONG S K, CHO J S, KONG I S, et al. Purification of aquarium water by PVA gel-immobilized photosynthetic bacteria during goldfish rearing[J]. Biotechnol Bioproc Engin, 2009, 14(2): 238-247. doi: 10.1007/s12257-008-0195-0
[6] SHIUNG L L, CHANG M J, CHANG Y T, et al. Photosynthetic purple sulfur bacterium Marichromatium RuA2 induces changes in water quality parameters, the occurrence of sulfonamide resistance gene and microbial community structure of marine aquaculture[J]. Aquaculture, 2018, 493: 68-78. doi: 10.1016/j.aquaculture.2018.04.055
[7] 丁雷, 赵德炳. 光合细菌在水产养殖上的应用研究与进展[J]. 水利渔业, 2001, 21(1): 23-25. doi: 10.3969/j.issn.1003-1278.2001.01.011 [8] KIM J K, LEE B K. Mass production of Rhodopseudomonas palustris as diet for aquaculture[J]. Aquacult Engin, 2000, 23(4): 281-293. doi: 10.1016/S0144-8609(00)00057-1
[9] SHAPLEIGH J P. Dissimilatory and assimilatory nitrate reduction in the purple photosynthetic bacteria[M]. Dordrecht, Netherlands: Springer, 2009: 623-642.
[10] 王树香, 吴玉华, 杨炳武, 等. 淡水养殖净化菌株的筛选及其对水质的改善效果[J]. 贵州农业科学, 2014(3): 98-101. doi: 10.3969/j.issn.1001-3601.2014.03.024 [11] 杨官娥, 张肇铭, 赵利华, 等. 神奇的光合细菌菌剂[J]. 农产品加工, 2010(3): 8-9. doi: 10.3969/j.issn.1671-9646-C.2010.03.004 [12] MUKHOPADHYAY M, CHAKRAVARTY D. Application of phototrophic purple non sulfur bacteria as fish feed for aquarium fishes[J]. J Environ Sociobiol, 2015(1): 21-21.
[13] 黄雪娇, 杨冲, 倪九派, 等. 1株高效去除氨氮的红假单胞菌的分离鉴定及特性[J]. 环境科学, 2016, 37(6): 2276-2283. [14] JIN H, ZHAO Y, LEI X C, et al. Treat shrimp wastewater with compound photosynthetic bacteria[C]//International Conference on Computer Distributed Control and Intelligent Environmental Monitoring (CDCIEM). Changsha: IEEE, 2011: 2352-2355.
[15] 冯亚丽. 海洋光合细菌在水产养殖中的应用基础研究[D]. 哈尔滨: 哈尔滨工业大学, 2017: 40-46. [16] 布坎南 R E, 吉本斯N E. 伯杰氏细菌鉴定手册[M]. 8版. 北京: 科学出版社, 1984: 1-22. [17] 郑卉. 一株光合细菌对养殖水水质调控及其在水体中的动态变化研究[D]. 宁波: 宁波大学, 2012: 15. [18] 张晓波, 朱笔通, 熊慧, 等. 沼泽红假单胞菌(Rhodopseudomonas palustris) CQV97对无机三态氮共存水体中氮素的去除效率及其影响因素[J]. 氨基酸和生物资源, 2015, 37(4): 38-45. [19] 文刚, 汪彬, 刘标, 等. 沼泽红假单胞菌R-3去除水体中氨氮的特性研究[J]. 湖南农业科学, 2017(6): 49-51. [20] 陈燕红, 杨紫红, 喻国辉, 等. 光照、氧气、pH和盐度对沼泽红假单胞菌2-8菌株生长和亚硝酸盐消除的影响[J]. 南方水产, 2010, 6(4): 1-5. doi: 10.3969/j.issn.1673-2227.2010.04.001 [21] 雷爱莹, 彭敏, 曾地刚, 等. 高效净水沼泽红假单胞菌的分离和鉴定[J]. 广西农业科学, 2005, 36(1): 57-58. doi: 10.3969/j.issn.2095-1191.2005.01.025 [22] 袁翠霖. 罗非鱼养殖系统微生物群落生态研究及潜在有益菌的筛选[D]. 广州: 暨南大学, 2011: 50. [23] 胡晓娟, 曹煜成, 文国樑, 等. 罗非鱼养殖系统潜在有机物降解菌的筛选及其降解能力测定[J]. 农业环境科学学报, 2014, 33(6): 1233-1239. [24] 徐之文. 水质指标测定与分析及在水产养殖中的应用[J]. 吉林畜牧兽医, 2014, 35(5): 18-20. doi: 10.3969/j.issn.1672-2078.2014.05.004 [25] 李卓佳, 李奕雯, 曹煜成, 等. 凡纳滨对虾海水高位池养殖水体理化因子变化与营养状况分析[J]. 农业环境科学学报, 2010, 29(10): 2025-2032. [26] BRENNER D J, KRIEG N R, STALEY J T. Bergey's manual of systematic bacteriology[M]. 2th ed. New York: Springer, 2005: 1-474.
[27] 黄雪娇, 杨冲, 罗雅雪, 等. 光合细菌在水污染治理中的研究进展[J]. 中国生物工程杂志, 2014, 34(11): 119-124. [28] 刘洋, 舒巧玉, 楼春燕, 等. 两株光合细菌的分离鉴定及其水质净化效果研究[J]. 淡水渔业, 2013, 43(5): 57-61. doi: 10.3969/j.issn.1000-6907.2013.05.010 [29] 秦宇胜, 张君枝, 马文林, 等. 北京地表水体光合细菌生长及脱氮除磷特性研究[J]. 环境工程, 2015(s1): 291-294. [30] 董艳珍, 亓东明. 一株光合细菌的净水能力分析[J]. 西昌学院学报(自然科学版), 2013(3): 13-15. doi: 10.3969/j.issn.1673-1891.2013.03.006 [31] ZHANG J, ZHANG W X, LI S Z, et al. A two-step fermentation of distillers' grains using Trichoderma viride and Rhodopseudomonas palustris for fish feed[J]. Bioprocess Biosyst Eng, 2013, 36(10): 1435-1443. doi: 10.1007/s00449-013-0887-5
[32] ZHOU X X, PAN Y J, WANG Y B, et al. In vitro assessment of gastrointestinal viability of two photosynthetic bacteria, Rhodopseudomonas palustris and Rhodobacter sphaeroides[J]. J Zhejiang Univ Sci B, 2007, 8(9): 686-692. doi: 10.1631/jzus.2007.B0686
[33] QI Z Z, ZHANG X H, BOON N, et al. Probiotics in aquaculture of China: current state, problems and prospect[J]. Aquaculture, 2009, 290(1/2): 15-21.
[34] 林启存, 朱丽敏, 沈小红, 等. 一株光合细菌的分离与鉴定[J]. 浙江农业科学, 2017, 58(8): 1444-1446. [35] ZHANG X, SHU M, WANG Y, et al. Effect of photosynthetic bacteria on water quality and microbiota in grass carp culture[J]. World J Microbiol Biotechnol, 2014, 30(9): 2523-2531. doi: 10.1007/s11274-014-1677-1
[36] 杨莺莺, 曹煜成, 李卓佳, 等. PS1沼泽红假单胞菌对集约化对虾养殖废水的净化作用[J]. 中国微生态学杂志, 2009, 21(1): 4-6. [37] 李莎莎, 曹煜成, 胡晓娟, 等. 响应面法优化芽孢杆菌(Bacillus sp.) A4的培养参数[J]. 南方水产科学, 2017, 13(5): 85-93. doi: 10.3969/j.issn.2095-0780.2017.05.012 [38] 张修建. 光合细菌制剂在水产养殖应用中需注意的问题[J]. 河北渔业, 2008(11): 8-9. doi: 10.3969/j.issn.1004-6755.2008.11.003
计量
- 文章访问数: 5071
- HTML全文浏览量: 2337
- PDF下载量: 99
粤公网安备 44010502001741号
