對湖泊藍(lán)藻的預(yù)報和預(yù)測模型進(jìn)行了SLR研究分析。這些模型主要用于評估未來的長期情景預(yù)測或在短期內(nèi)預(yù)報有害藍(lán)藻水華。這些模型可以成為重要的工具，用于提高對有害藍(lán)藻水華風(fēng)險的理解，從而有助于做出更好的管理決策。
在SLR中的模型大多是基于特定地點(diǎn)和特定物種，且多數(shù)來自溫帶地區(qū)，通用性相對較差。本文根據(jù)建模方法進(jìn)行模型分類。正如預(yù)期的那樣，在PB和DD技術(shù)中，特定地點(diǎn)和特定物種模型都優(yōu)于可推廣的模型。相對來說，模型整合是一個較新的趨勢，應(yīng)該鼓勵在這類模型方面進(jìn)一步開展工作。預(yù)測模型確定的主要預(yù)測因子在湖泊之間是不一致的，這強(qiáng)化了目前針對特定地點(diǎn)模型的流行。然而，水溫、磷和氮被一致地確定為一系列模型的預(yù)測因子。藍(lán)藻建模是一個涉及數(shù)據(jù)科學(xué)、生態(tài)學(xué)和環(huán)境工程的跨學(xué)科課題。模型的選擇和數(shù)學(xué)基礎(chǔ)、以及監(jiān)測和量化方法，都反映了使用者的學(xué)科側(cè)重點(diǎn)。對不同模型的性能進(jìn)行比較往往是不可能的，因?yàn)椴蓸由疃取⒉蓸宇l率、分析測量步驟和監(jiān)測時間長度通常是沒有專門指定的，所以缺乏一致的性能指標(biāo)。我們發(fā)現(xiàn)，少量研究利用同一數(shù)據(jù)集，使用多個建模方法已開展模型之間的性能比較。建立一個按營養(yǎng)狀態(tài)、循環(huán)模式和地理位置等因素分類的有害藍(lán)藻水華模型數(shù)據(jù)庫，允許基準(zhǔn)化分析法，對于模型使用者和建模者來說是非常有價值的。在補(bǔ)充材料2中，我們提供了一個由SLR衍生的模擬湖泊數(shù)據(jù)集、包括湖泊的特征和相關(guān)文章。
監(jiān)測技術(shù)的進(jìn)步可能會促進(jìn)有害藍(lán)藻水華模型的改進(jìn)。同時，更大的數(shù)據(jù)集除了增加整體計算能力外，還需要優(yōu)化許多舊的PB和DD模型。原位熒光法探頭和遙感新技術(shù)，為基于光學(xué)屬性開展有害藍(lán)藻水華研究提供了較好的時間和空間分辨率，這也將是預(yù)報/預(yù)測模型的綜合時空驗(yàn)證的理想選擇。有趣的是，尚未見研究將這兩種監(jiān)測技術(shù)結(jié)合起來去，用于表層水體和深層水體高頻監(jiān)測的研究。這些技術(shù)需要合適的校準(zhǔn)和驗(yàn)證，才能獲得可靠的估計值，未來的研究應(yīng)著重于此。
聲明：所載內(nèi)容來源互聯(lián)網(wǎng)，僅供參考，交流之目的，轉(zhuǎn)載的稿件版權(quán)歸原創(chuàng)和機(jī)構(gòu)所有，如有侵權(quán)，請聯(lián)系我們刪除。
市場服務(wù)中心
總經(jīng)辦
微信掃一掃
