對湖泊藍藻的預(yù)報和預(yù)測模型進行了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)報有害藍藻水華。這些模型可以成為重要的工具，用于提高對有害藍藻水華風險的理解，從而有助于做出更好的管理決策。Owa新型光催化網(wǎng)_水庫治理_河道治理_水生態(tài)修復_水環(huán)境治理與修復_江蘇雙良環(huán)境科技有限公司

Owa新型光催化網(wǎng)_水庫治理_河道治理_水生態(tài)修復_水環(huán)境治理與修復_江蘇雙良環(huán)境科技有限公司

　　在SLR中的模型大多是基于特定地點和特定物種，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，這強化了目前針對特定地點模型的流行。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。藍藻建模是一個涉及數(shù)據(jù)科學、生態(tài)學和環(huán)境工程的跨學科課題。模型的選擇和數(shù)學基礎(chǔ)、以及監(jiān)測和量化方法，都反映了使用者的學科側(cè)重點。對不同模型的性能進行比較往往是不可能的，因為采樣深度、采樣頻率、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。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藻水華模型數(shù)據(jù)庫，允許基準化分析法，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。Owa新型光催化網(wǎng)_水庫治理_河道治理_水生態(tài)修復_水環(huán)境治理與修復_江蘇雙良環(huán)境科技有限公司

　　監(jiān)測技術(shù)的進步可能會促進有害藍藻水華模型的改進。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)，為基于光學屬性開展有害藍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)需要合適的校準和驗證，才能獲得可靠的估計值，未來的研究應(yīng)著重于此。Owa新型光催化網(wǎng)_水庫治理_河道治理_水生態(tài)修復_水環(huán)境治理與修復_江蘇雙良環(huán)境科技有限公司