Blue Green Algae
8.1 Introduction
Cyanobacteria (blauwalgen) zijn de oudste zuurstofhoudende foto-autotrofen op aarde en hebben een grote invloed uitgeoefend op de vorming van de biosfeer, wat heeft geleid tot de evolutie van het hogere aardse planten- en dierenleven (Paerl en Otten, 2013). Door de lange evolutionaire geschiedenis (ongeveer 3,5 miljard jaar) hebben cyanobacteriën het vermogen verworven om zich aan te passen aan geochemische en klimatologische veranderingen (Paerl en Paul, 2012) en aan diverse aquatische milieus met verschillende nutriëntenniveaus, waterverlegging en verzilting (Reynolds, 1987; Paerl en Otten, 2013). De opwarming van de aarde en eutrofiëring in waterlichamen hebben de kans op cyanobacteriële bloei doen toenemen als gevolg van de voorkeursgroeicondities van cyanobacteriën bij hogere temperaturen en nutriëntenniveaus (Smith, 1986; Paerl en Huisman, 2008). Een dergelijke trend is ongunstig omdat de bloei oppervlaktewater en een aardachtige geur veroorzaakt in waterlichamen voor de drinkwatervoorziening (Codd et al., 1999) en er werd gerapporteerd dat cyanobacteriën een verscheidenheid aan toxische verbindingen produceren, bijvoorbeeld microcystines en saxitoxines (Baker et al., 2002; Chorus and Bartram, 1999; Sivonen, 1996). Deze door cyanobacteriën gegenereerde toxines kunnen ernstige gezondheidsproblemen veroorzaken; zo werd gesuggereerd dat microcystines acute leverschade of zelfs de dood veroorzaakten (Falconer et al., 1983; Jochimsen et al., 1998; Carmichael et al. 2001; Azevedo et al. 2002) en chronische blootstelling aan microcystines op lage niveaus verhoogde het risico op tumoren (Falconer en Humpage, 1996; Humpage et al., 2000). De schadelijke cyanobacteriële bloei leidt dus tot ernstige problemen in meren en reservoirs voor de drinkwatervoorziening en/of recreatieve activiteiten. Het is van cruciaal belang om cyanobacteriële bloei te monitoren en de toxiciteit in drinkwaterbronnen al in een vroeg stadium te bepalen (Baker et al., 2002; Codd et al., 2005; Song et al., 2014).
Het bepalen van de cyanobacteriële overvloed helpt waterbeheerders dan ook om maatregelen te nemen om de gezondheidsrisico’s veroorzaakt door cyanobacteriën te verminderen. De eerste benadering is het tellen van cyanobacteriële cellen met behulp van microscopie, waarmee ook het geslacht van de cyanobacteriën kan worden vastgesteld. De polymerase kettingreactie werd ook aangepast om cyanobacteriën direct te identificeren van andere organismen in watermonsters door amplificatie van de phycocyanine intergenic spacer regio, die ook directe implicatie van toxigeniciteit oplevert (Baker et al., 2002). Toepassing van hogedrukvloeistofchromatografie (HPLC) is een ander standaardprotocol voor de identificatie en kwantificering van cyanobacteriën (Lawton et al., 1994). Hoewel HPLC niet in staat is cyanobacteriesoorten te identificeren, meet het verschillende pigmenten en levert het een robuuste maat voor de overvloed aan cyanobacteriën. Anderzijds leveren in vivo fluorometrische benaderingen gewoonlijk een indirecte maat voor de overvloed aan cyanobacteriën door bepaling van de concentratie van één of twee pigmenten zoals chlorofyl-a (chl-a) en fycocyanine (PC). Verschillende bedrijven (b.v. Hydrolab en YSI) vervaardigen onderwater multiparameter sondes die zijn uitgerust met fluorescentiesensoren voor het kwantificeren van chl-a, PC en fycoerythrine in een waterkolom. Ondanks dat de hierboven beschreven laboratorium- en veldbenaderingen nuttige gegevens opleveren voor het afleiden van cyanobacteriële groei, zijn deze traditionele benaderingen vaak beperkt vanwege de uitgebreide inspanningen voor het nemen van watermonsters (Hunter et al., 2009) of de kleine ruimtelijke schaal van de dekking (Guanter et al., 2010).
Als gevolg hiervan zijn de traditionele benaderingen niet geschikt voor het monitoren van cyanobacteriële bloei die kortstondig is in de tijd en wijd verspreid in de ruimte (Hunter et al., 2010; Huang et al., 2015). De beperkingen van traditionele benaderingen worden ondervangen door teledetectietechnieken, die een synoptisch beeld geven op een korte tijdschaal. Zo werd teledetectie gebruikt om de spatiotemporele dynamiek van de chl-a-concentratie () in binnenwateren te monitoren (bv. Gons, 1999; Gons et al., 2008; Li et al., 2013 en referenties daarin; zie ook de hoofdstukken 6 en 7Hoofdstuk 7 in dit boek voor respectievelijk bio-optische modellering en fluorescentie van chl-a in binnenwateren), die vervolgens werd gebruikt om cyanobacteriële biomassa af te leiden (Kutser, 2004). Niettemin impliceert dit alleen de totale algenbiomassa, maar niet de specifieke biomassa van cyanobacteriën. Kwantificering van chl-a is geen robuust middel om de cyanobacteriële abundantie nauwkeurig te schatten, omdat alle fytoplankton chl-a bevat (Randolph et al., 2008; Song et al., 2014). Een kwantificering van een pigment dat cyanobacteriën in zoetwater bevat, is nodig om de overvloed aan cyanobacteriën in de waterlichamen nauwkeuriger te kunnen bepalen. Er werd gesuggereerd dat PC een uniek pigment van zoetwatercyanobacteriën is en een onderscheidend optisch kenmerk rond 620-630 nm vertoont (zie paragraaf 8.2), wat de detectie op afstand (d.w.z. bio-optische modellering) van cyanobacteriën mogelijk maakt (bv. Dekker, 1993; Simis et al., 2005; Mishra et al., 2013). Daarom is teledetectie van zoetwatercyanobacteriën grotendeels gericht geweest op het ontwikkelen van deferente bio-optische algoritmen om PC te schatten in de laatste meer dan twee decennia (bv. Dekker, 1993; Schalles en Yacobi, 2000; Simis et al., 2005, 2007; Li et al., 2015 en referenties daarin), hoewel er ook enkele werken over kwantificering op afstand van cyanobacteriële cellen zijn gevonden (bv, Lunetta et al., 2015).
Zoals hierboven besproken, zijn traditionele benaderingen voor het monitoren van cyanobacteriën die vertrouwen op veldbemonstering tijdrovend en arbeidsintensief; daarom is dit hoofdstuk gericht op de opkomende remote sensing technieken die een snelle en efficiënte methode bieden om ons zowel de intensiteit als de ruimtelijke verdeling van cyanobacteriële bloei te geven. In Paragraaf 8.2 wordt de absorptie-eigenschap van PC en de corresponderende respons op teledetectie-reflectie besproken, omdat dit de fundamentele basis is voor bio-optische modellering van fyocyanine op basis van teledetectie-metingen. Vervolgens worden in paragraaf 8.3 de bestaande teledetectie-algoritmen uit de literatuur uitvoerig besproken. Enkele representatieve algoritmen worden vervolgens geëvalueerd en vergeleken met behulp van dezelfde grote velddataset in Paragraaf 8.4. In Paragraaf 8.5 werden kaarten gegenereerd van luchtbeelden om aan te tonen dat teledetectie een synoptisch beeld van een waterlichaam kan geven. Tenslotte wordt in Paragraaf 8.6 een samenvatting van dit hoofdstuk gegeven en worden de toekomstige onderzoeksrichtingen van bio-optische modellering van beschreven.