当前位置： 三文鱼 >> 三文鱼的习性 >> 蓝藻水华有治了加拿大用AI预警藻华是水产
蓝藻水华是生态系统和水产养殖的一大威胁，严重时可在池塘、湖泊中引发大面积蓝绿色薄膜，加剧水质恶化，严重影响鱼虾生长。为减轻蓝藻的危害，养殖户迫切需要一套切实可行的水华预警系统。
据thefishsite网站消息，加拿大的研究人员研发出了一套人工智能系统，为解决有害藻华的预警问题提供了优秀范例，对国内的水产行业具有一定的启示意义。
加拿大团队使用AI系统预警蓝藻水华Deglint是蓝狮实验室（BlueLionLabs）的首席执行官，他在滑铁卢大学（北美顶尖的人工智能和机器人创新学院之一）攻读系统设计工程博士学位期间，创建了一种将低成本显微图像与机器学习相结合的微观识图方法，实现了对微观浮游生物的在线观测。
用AI预警有害藻华图源thefishsite
该团队的联合创始人是拥有水生生态学博士学位的KatieThomas（首席运营官），从年开始，Thomas协助其他成员探索PlanktonAI技术的商业机遇，以期提供一种有别于传统方法的、非侵入性的微生物检测系统，水中的有害藻类是其主要监测对象。
年，初创团队与OTAQ（一家海洋技术公司）建立战略合作伙伴关系，为世界各地的鲑鱼养殖户提供有害藻华的监测系统，系统全称为活体浮游生物分析系统(LPAS)。在新技术的运作中，OTAQ提供与鲑鱼养殖地区相关的大型全球数据库用于训练AI，同时也负责LPAS产品的制造、分流和销售。BlueLionLabs则负责管理数据库并提供生物学层面的技术支撑，以驱动在OTAQ硬件上运行的PlanktonAI引擎。
活体浮游生物分析系统(LPAS)图源bluelionlabs
该系统的操作体系非常简单，包含一个硬件设备和一个软件系统，鲑鱼养殖户只需采集水样并将其放在显微镜的载玻片上，简单调整焦距、拍摄照片即可。数据的分析工作交由PlanktonAI引擎的LPAS软件自动完成。鉴于操作简便、成本低廉、可靠性高、时效性强等优点，创始人Deglint对该系统的前景十分看好。
在海水养殖中，藻华造成的经济损失数以亿计，相关惨案不胜枚举。年，一场大规模的藻华侵袭智利的大西洋鲑养殖场，约万条鲑鱼在生态灾难中死亡，造成的经济损失高达8亿美元。年，挪威北部发生了一起大西洋鲑死亡事件，藻华爆发造成万条养殖鲑鱼覆没，给该行业带来约40亿挪威克朗的损失。
网箱内的三文鱼鱼群图源Google
“水产养殖者迫切需要一种更经济、更有效的方法来解决藻华问题，这就是我们的切入点”，Thomas表示，“十年内，我们希望在世界各地设立分部（以壮大AI藻华预警系统的事业版图）。”
蓝藻水华的藻密度有多高？爆发机制是什么？湖泊、池塘中的藻类不是只有蓝藻一个类群，而是蓝藻、绿藻、硅藻、裸藻、甲藻、隐藻等多个藻种相互竞争，共同构成丰富多元的浮游植物群落。所谓“蓝藻水华”，就是指蓝藻在种间竞争中胜出，以数量优势占据主要生态位和生存空间，以至于藻细胞的密度达到百万至千万量级。
根据澳大利亚和新西兰环保委员会于年颁布的《淡水和海水质量导则》，当藻种密度达到万个/L时，其产生的藻毒素就会对人畜的健康造成危害；当藻种密度达到万个/L时，不建议用皮肤直接接触藻水。但这一密度还不至于引发“藻华”！据文献记载，当滇池湖面隐约出现漂浮状的藻带时，实测藻种密度约为万个/L；当出现明显的绿色藻带，且面积覆盖50%以上的视野时，相应的藻种密度高达1亿个/L！
藻类大规模爆发图源Google
因此，有学者建议将1亿个/L确定为藻华的“爆发密度”。那么，如此高密度却相对单一的藻种格局究竟是如何产生的呢？其实，这当中既有内因，又有外因。
内因是指蓝藻拥有独一无二的遗传密码，它是地球上最原始、最古老的藻类，生存能力强悍，铜绿微囊藻、水华鱼腥草、螺旋鱼腥藻、水华束丝藻、巨颤藻、泡沫节球藻等均有引发藻华的能力。进一步探究可发现，这类微藻通常都有顽强且精明的生存策略：
蓝藻的细胞壁由果胶质（外层）和纤维质（内层）组成，难以被滤食性生物（鱼类和贝类）消化；
蓝藻可通过“假空炮”调节自身浮力，使藻细胞占据适宜的光照层和营养层，进而获取生存资源；
蓝藻有独特的休眠机制，当外界环境恶劣时，藻体产生厚壁孢子进入休眠状态，环境好转时解除休眠，有利于藻细胞摆脱生存危机；
蓝藻有较高的高温耐受性，内含多种辅助色素,可捕获的更宽光谱，部分蓝藻细胞含有类胡萝卜素，能够保护细胞免受强光伤害。
蓝藻显微照片图源BCAC
除了内因，外界因素的影响也有直接的关系。蓝藻的爆发成因非常复杂，与温度、光照、营养盐、底泥沉积物、气候条件、酸碱性都有关联，每年的6~9月最易高发。在适宜的水温、水体富营养化、较高pH值、光照适中的条件下，蓝藻极易形成气囊，上浮到水体表层并迅速繁殖，进而引发大规模的水华现象。
用AI预测蓝藻爆发，对我国有何启示？前文提到，藻华是藻细胞密度积累到一定“阈值”产生的结果，从爆发的过程来看，用AI系统预测藻华的演变有其可行性。通过近乎实时的镜检数据，研究者就能对水中藻类的密度、种群结构有详尽、直观的了解，再结合水质特征给出预警方案，这对于规避养殖风险、提高养殖效率无疑具有重要意义。
挪威北部某海域的水产养殖网箱图源Google
这套方案对我国的藻华预警系统具有启示意义。当前，我国正面临严峻的湖泊富营养化风险，太湖、巢湖、东湖、滇池等湖泊深受藻华侵扰。但在预警方面，国内的方式相对传统、迟滞，四种预警途径各有不足：
1，人工巡查，即由工作人员定期巡视查看水色变化，缺点是无法全域、实时监控，对蓝藻的微观演变情况也不甚明朗。
2，采样分析，即由科研人员采集水样，带回实验室镜检，缺点是技术要求高，数据传输量大，且缺少蓝藻密度和爆发强度之间的即时关联。
3，利用遥感卫星远程提取光谱信息，适用于大水面的藻华态势感知，缺点是建设成本高，采样周期长（常以天为单位），且观测画面常受云量等不确定因素影响。
4，监测水质指标，如溶氧、pH、氧化还原电位等，进而预测蓝藻爆发概率，缺点是缺少定量关系，严重依赖经验，精准度较差。
不难看出，国内的藻华监测系统各有弊端，简单、有效、快捷且低成本的预警模式尚未出现。从这一角度看，发展AI预警系统未尝不是有益的借鉴，若重视AI科技在水产养殖中的创新与应用，产生的生态效益、经济效益或将不可估量。
