Blue Green Algae

8.1 Introduction

シアノバクテリア（藍藻類）は、地球上で最も古い酸素系光合成生物であり、生物圏の形成に大きな影響を与え、高等陸生動植物の進化につながってきた（Paerl and Otten, 2013）。 長い進化の歴史（約35億年）の中で、シアノバクテリアは、地球化学的な変化や気候の変化（Paerl and Paul, 2012）、異なる栄養レベル、分水、塩分化などの多様な水環境に適応する能力を獲得してきました（Reynolds, 1987; Paerl and Otten, 2013）。 地球温暖化と水域の富栄養化は、シアノバクテリアの優先的な成長条件である高い温度と栄養レベルにより、シアノバクテリアのブルームの可能性を高めています(Smith, 1986; Paerl and Huisman, 2008)。 このような傾向は、飲料水供給のための水域で表面のスカムや土臭さを発生させるため、好ましくありません(Codd et al., 1999)。また、シアノバクテリアは、ミクロシスチンやサキシトキシンなどの様々な有毒化合物を生成することが報告されています(Baker et al., 2002; Chorus and Bartram, 1999; Sivonen, 1996)。 これらのシアノバクテリアが生成する毒素は、深刻な健康問題を引き起こす可能性があります。例えば、ミクロシスチンは、急性肝障害や死をも引き起こすことが示唆されており（Falconerら、1983；Jochimsenら、1998；Carmichaelら、2001；Azevedoら、2002）、低レベルのミクロシスチンへの慢性的な暴露は、腫瘍リスクを増加させます（FalconerとHumpage、1996；Humpageら、2000）。 このように、シアノバクテリアの有害なブルームは、飲料水の供給やレクリエーション活動のための湖や貯水池において深刻な問題を引き起こします。

したがって、シアノバクテリアの存在量を決定することは、水資源管理者がシアノバクテリアによる健康被害を減少させるための対策を講じるのに役立ちます。 最初のアプローチは、顕微鏡を使ってシアノバクテリアの細胞を数えることで、これはシアノバクテリアの属の同定も行います。 また、ポリメラーゼ連鎖反応は、フィコシアニン遺伝子間スペーサー領域を増幅することで、水サンプル中のシアノバクテリアと他の生物を直接識別することができ、毒素性を直接示唆することもできます（Baker et al. 高圧液体クロマトグラフィー（HPLC）の使用は、シアノバクテリアの同定および定量化のためのもう一つの標準的なプロトコルです（Lawton et al.1994）。 HPLCはシアノバクテリアの種を同定する能力はありませんが、様々な色素を測定し、シアノバクテリアの存在量を確実に測定することができます。 一方、in vivoの蛍光光度法では、クロロフィルa（chl-a）やフィコシアニン（PC）などの1つまたは2つの色素の濃度を測定することで、シアノバクテリアの存在量を間接的に知ることができます。 例えば、様々な企業（Hydrolab社やYSI社など）が、水柱内のクロロフィルa、PC、フィコエリスリンを定量化するための蛍光センサーを搭載した水中多孔質ソンドを製造しています。

その結果、従来のアプローチは、時間的に一過性で空間的に広く分散しているシアノバクテリアのブルームを監視するのには適していません（Hunterら、2010; Huangら、2015）。 従来のアプローチの限界は、短い時間スケールで全体像を把握できるリモートセンシング技術によって克服されます。 例えば、リモートセンシングは、内陸水におけるchl-a濃度()の時空間的なダイナミクスをモニタリングするために使用され（例えば、Gons, 1999; Gons et al., 2008; Li et al., 2013およびその参考文献、また、内陸水における生物光学モデリングおよびchl-aの蛍光については、それぞれ本書の第6章および第7章を参照）、これはその後、シアノバクテリアのバイオマスを推測するために使用された（Kutser, 2004）。 しかし、これは藻類全体のバイオマスを示唆するものであって、藍藻の特定のバイオマスを示唆するものではありません。 すべての植物プランクトンにはchl-aが含まれているため、chl-aの定量化は藍藻類の存在量を正確に推定するための確実な手段ではありません(Randolph et al., 2008; Song et al., 2014)。 水域におけるシアノバクテリアの存在量をより正確に把握するためには、淡水産シアノバクテリアが含有する色素の定量化が必要です。 PCは淡水産シアノバクテリアのユニークな色素であり、620-630 nm付近に特徴的な光学的特徴を描くことが示唆されています（セクション8.2参照）。これにより、シアノバクテリアの遠隔検出（すなわち、生物光学的モデリング）が可能になります（例：Dekker, 1993; Simis et al, 2005; Mishra et al. そのため、淡水産シアノバクテリアのリモートセンシングは、過去20年以上にわたり、PCを推定するための様々な生物光学アルゴリズムの開発に主に焦点が当てられてきました（例えば、Dekker, 1993; Schalles and Yacobi, 2000; Simis et al., 2005, 2007; Li et al,

上述したように、シアノバクテリアをモニタリングするための伝統的なアプローチは、フィールドサンプリングに依存しており、時間と労力がかかります。したがって、本章では、シアノバクテリアのブルームの強度と空間分布の両方を提供するための高速で効率的な方法を提供する新しいリモートセンシング技術に焦点を当てています。 セクション8.2では、リモートセンシング測定からフィオシアニンの生物光学的モデリングの基礎となる、PCの吸収特性とそのリモートセンシング反射率への対応について議論します。 次に、セクション8.3では、既存のリモートセンシングアルゴリズムを包括的にレビューした。 セクション8.4では、同じ大規模なフィールドデータセットを用いて、いくつかの代表的なアルゴリズムを評価・比較しています。 8.5節では、水域の全体像を示すリモートセンシングの能力を示すために、空中写真から地図を作成しました。 最後に、本章のまとめと、生物光学モデリングの今後の研究の方向性について、8.6節で述べています。