補(bǔ)充材料2提供了SLR所分析的文章的完整清單，按營(yíng)養(yǎng)狀態(tài)和循環(huán)模式分組。每一組的湖泊都從高緯度到低緯度排列。每個(gè)湖的文章都按DD或PB方法進(jìn)行了分組。SLR表明71%的文章使用PB模型預(yù)測(cè)未來(lái)情景，而DD模型主要用于短期有害藍(lán)藻水華預(yù)報(bào)。盡管如此，PB模型仍然可以短期預(yù)報(bào)，DD模型可以用于未來(lái)的情景預(yù)測(cè)。在DD模型中，BN或回歸和BN模型組合是用于情景評(píng)估的最常見(jiàn)方法。重要的是必須明確建模目標(biāo)，將模型輸出直接應(yīng)用于用戶目標(biāo)。例如，在條件已經(jīng)有利于有害藍(lán)藻水華的情況下，可以使用管理策略(即情景評(píng)估)來(lái)預(yù)測(cè)有害藍(lán)藻水華的長(zhǎng)期風(fēng)險(xiǎn)，但不能防止有害藍(lán)藻水華在短期內(nèi)的風(fēng)險(xiǎn)。
早期預(yù)警系統(tǒng)可以提供關(guān)于預(yù)測(cè)有害藍(lán)藻水華的信息，盡管在短時(shí)間尺度上可能是有限的。對(duì)于有害藍(lán)藻水華的未來(lái)情景評(píng)估和預(yù)測(cè)，一些現(xiàn)有的PB模型具有嵌入式組件或需求，能滿足用戶需求和資源。像DYRESM/ELCOM-CAEDYM和DBS這樣的PB模型具有一維、二維、三維的水動(dòng)力成分，可以評(píng)估有害藍(lán)藻水華在湖泊關(guān)鍵區(qū)的積累和擴(kuò)散。其他模型可能需要與第三方水動(dòng)力模型耦合，這可能會(huì)限制它們的應(yīng)用(如水動(dòng)力模型SELFE和SALMO)。其他模型，諸如CLAMM和PCLake的結(jié)構(gòu)較簡(jiǎn)單，對(duì)計(jì)算要求低，但可能有限制它們的應(yīng)用(例如，沒(méi)有水動(dòng)力驅(qū)動(dòng)的PCLake模型僅適用于非分層水體，并開(kāi)發(fā)了針對(duì)微囊藻特異性的CLAMM)。相反，像SALMO及其變形拓展模型SALMO-OO是可推廣的，并且可以應(yīng)用于多個(gè)湖泊，對(duì)于這種可推廣的模型，他們的預(yù)測(cè)精度是有所下降的。
物種特異性也可能是PB模型中的一個(gè)決策點(diǎn)，因?yàn)橛行┠Ｐ涂梢阅M多個(gè)物種(例如PROTECH和DYRESM-CAEDYM)，而另一些模型則可以區(qū)分藍(lán)藻的生態(tài)類型(例如DELWAQ-BLOOM-SWITCH)、浮游植物功能群(例如SALMO和PCLake)之間，或特定于單個(gè)物種(例如CLAMM)。對(duì)于冰蓋和融雪可能嚴(yán)重影響有害藍(lán)藻水華事件的情況，MyLake模型是一個(gè)很好的選擇，因?yàn)樗饕菫榱四M這些事件而設(shè)計(jì)的。在靈活參數(shù)化、開(kāi)源代碼、圖形界面等方面，也可能影響PB模型的選擇，這以前的綜述文章中已經(jīng)討論過(guò)。對(duì)于短期有害藍(lán)藻水華的預(yù)報(bào)，DD模型可以根據(jù)用戶需求量身定做。例如，可以考慮簡(jiǎn)單或多元回歸分析進(jìn)行初步評(píng)估。人工神經(jīng)網(wǎng)絡(luò)可以達(dá)到較高的R2，特別是對(duì)于總藍(lán)藻種群。 然而，這種方法不能提供潛在的過(guò)程。相反，HEAs可以提供短期預(yù)報(bào)，而且可以提供可理解的潛在過(guò)程。HEA方法已被更頻繁地用于藍(lán)藻物種的建模。DT方法可用于比較和聚類數(shù)據(jù)，這對(duì)于分類變量或多個(gè)位置的短期預(yù)報(bào)是有效的。代理模型和HEA模型可以為同一模型中的多個(gè)地理位置和物種提供短期有害藍(lán)藻水華預(yù)報(bào)。
數(shù)據(jù)的數(shù)量和質(zhì)量可能是在建模方法之間作出選擇的一個(gè)制約因素。PB模型通常需要輸入多個(gè)參數(shù)，這些參數(shù)可能無(wú)法從常規(guī)監(jiān)測(cè)數(shù)據(jù)中獲得，例如藍(lán)藻物種的生長(zhǎng)速率或營(yíng)養(yǎng)吸收速率等。另一方面，DD模型將只需少量的常規(guī)監(jiān)測(cè)數(shù)據(jù)，來(lái)進(jìn)行模型開(kāi)發(fā)和驗(yàn)證。如果數(shù)據(jù)的可用性和可獲得性較高，高頻熒光監(jiān)測(cè)數(shù)據(jù)很有幫助，即使需要傳統(tǒng)的監(jiān)測(cè)方法進(jìn)行傳感器校準(zhǔn)?；谕恋乩酶采w和氣象數(shù)據(jù)的建模，可以幫助有害藍(lán)藻水華防控管理實(shí)踐。對(duì)于需要空間信息的情況，例如有害藍(lán)藻水華的高風(fēng)險(xiǎn)區(qū)域，可能選擇PB模型較好。水動(dòng)力模型可以預(yù)測(cè)在有流量、風(fēng)和水深信息的地方藍(lán)藻的運(yùn)輸和混合情況。
另一方面，通過(guò)減少適當(dāng)選擇的變量(例如，只有生物、氣象、或水質(zhì)變量)的輸入，也可以實(shí)現(xiàn)令人滿意的DD預(yù)測(cè)模型。獲取可用數(shù)據(jù)和開(kāi)發(fā)模型的資源可能是模型開(kāi)發(fā)的另一個(gè)制約因素。開(kāi)發(fā)預(yù)報(bào)和預(yù)測(cè)模型需要跨學(xué)科的團(tuán)隊(duì)和工作時(shí)間費(fèi)用分配(例如數(shù)據(jù)收集和分析、模型開(kāi)發(fā)和驗(yàn)證)，以及利益相關(guān)者實(shí)踐理解支持情景生成。最近的一篇論文提出了一個(gè)理想的全球尺度藻類投影模型的概念，該模型應(yīng)包括環(huán)境、網(wǎng)絡(luò)和湖泊生態(tài)系統(tǒng)組成部分。然而，這一要求可能對(duì)所有供水公司或環(huán)境保護(hù)機(jī)構(gòu)都不可行。通過(guò)一組旨在促進(jìn)持續(xù)模型改進(jìn)的問(wèn)題，提出了一種解決模型簡(jiǎn)單性和復(fù)雜性平衡的方法。即使模型選擇的過(guò)程是針對(duì)特定的案例研究，但是其研究方法是可以借鑒推廣的。
聲明：所載內(nèi)容來(lái)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(qǐng)聯(lián)系我們刪除。
市場(chǎng)服務(wù)中心
總經(jīng)辦
微信掃一掃
