元胞自动机和多源数据同化模拟湖库藻类时空动态的原理与方法

As one of key water issues worldwide, many lakes are suffering eutrophication and consequent harmful algae blooms, leading to potential threats to human health. Due to high complexity of abiotic-biotic relations and spatial heterogeneity, algae bloom mostly exhibits obvious spatial patchiness, which is hard to be described by general physical equations. In the proposed study, a hybrid model which coupled a two-dimensional water quality module with an cellular automata (CA) based algae bloom module will be developed to predict the algae spatial-temporal dynamics in Caohu lake. The two-dimensional water quality module provides hydrodynamic and nutrient conditions to algal bloom module. The CA paradigm will be used in algae bloom module by taking advantage of its ability to present spatial heterogeneity and local interactions. To define CA model rules, the kernel principle component analysis could be used to explore the relationships between algae blooming and the hydro-environmental factors. In addition, data assimilation (Ensemble Kalman Filter) will be implemented to update both states and parameters of CA module, by using multi-source data from field observations and remote sensing images. It is beneficial to investigate the potentials of the integrated model in algal bloom spatial-temporal dynamics modelling, and it is supposed that data assimilation would improve the model performance.

近几十年来, 全球众多湖库都存在着不同程度的水体富营养化和藻类水华问题，严重影响了人们的生活和健康。因此，及时、准确的掌握湖库富营养化状态, 并对藻类的时空动态进行模拟与预测, 已成为当今研究的热点之一。传统基于物理机制的模型很难描述藻类水华呈现的空间斑块，本研究引入元胞自动机模式模拟藻类局部空间尺度的相互作用，展现藻类的空间异质性特征。研究将选择水体富营养化情况严重、藻类水华爆发频繁的中国巢湖作为研究区域，通过对水环境因子和藻类的时空变化分析，识别藻类空间异质性的关键驱动因子，揭示藻类空间异质性的形成机制；在此基础上，建立基于元胞自动机的藻类动态模型，通过耦合藻类动态模型和二维水动力水质模型，模拟藻类时空变化过程。研究将采用数据同化方法（集合卡尔曼滤波），实现站点实测数据和遥感数据与藻类模型的结合，动态更新元胞自动机模型的参数及状态，以提高模型的可靠性和精度。

全球众多湖库都存在着不同程度的水体富营养化和藻类水华问题，严重影响了人们的生活和健康，及时、准确的掌握湖库富营养化状态, 并对藻类的时空动态进行模拟与预测, 是当今研究的热点之一。国内外围绕富营养湖库藻类预测模型进行了大量的研究，但是模型的精度与可靠性尚待提高。. 本研究以太湖为研究区域，通过收集2014年-2017年实测气象、水文、水质和叶绿素a遥感影像数据，对比分析叶绿素a遥感反演数据与站点实测数据的时空特征以及优缺点，提出了一种基于贝叶斯推断的数据融合算法，实现了站点实测数据与遥感数据的有效融合；建立了藻类时空动态模型，模拟了太湖水动力、营养盐和三种藻类（硅藻、绿藻、蓝藻）变化，并采用集合卡尔曼滤波算法进行了模型数据同化；提出了一种湖库藻类动态模型数据同化改进策略，改善了数据同化的增益性和同化模型的鲁棒性；结合元胞自动机模式，形成了蓝藻水华集合预报；实现了对富营养化湖库水华及其次生灾害的精准预测，可为湖泊蓝藻水华预报预警和风险应急管理提供技术支撑。具体研究内容包括：（1）基于贝叶斯推断的叶绿素a多源数据融合；（2）藻类功能群时空动态模型：（3）藻类动态模型数据同化改进策略：（4）结合元胞自动机的蓝藻水华集合预报。