1. 項(xiàng)目概述當(dāng)水草不再是風(fēng)景如果你關(guān)注過近幾年的湖泊生態(tài)新聞可能會(huì)對(duì)“水下荒漠”、“藍(lán)藻水華”這些詞有印象。表面上看這是兩個(gè)截然不同的問題一個(gè)是水草比如我們這次要深聊的Hydrilla俗稱黑藻或水蘊(yùn)草瘋狂生長(zhǎng)鋪滿湖底讓水體變得像濃稠的“綠色地毯”另一個(gè)是藍(lán)藻藍(lán)細(xì)菌爆發(fā)在水面形成一層惡臭的“綠油漆”也就是有害藻華Harmful Algal Blooms, HABs。但從業(yè)內(nèi)視角看這兩者常常是一枚硬幣的兩面共同指向了水體生態(tài)系統(tǒng)的嚴(yán)重失衡。我這些年參與和主導(dǎo)的多個(gè)湖泊治理與生態(tài)評(píng)估項(xiàng)目幾乎都繞不開對(duì)這兩者關(guān)系的深入研究?！懊罃?shù)?！边@個(gè)提法很精準(zhǔn)它點(diǎn)出了現(xiàn)代環(huán)境研究的核心方法論美的數(shù)據(jù)與美的模型。這里的“美”不是視覺上的而是指數(shù)據(jù)的精確性、完整性與模型揭示規(guī)律的優(yōu)雅性。我們不再滿足于定性描述“水草多了藻類就少了”這樣的模糊結(jié)論而是要通過高頻率、多維度的監(jiān)測(cè)數(shù)據(jù)構(gòu)建能夠量化兩者競(jìng)爭(zhēng)關(guān)系、預(yù)測(cè)爆發(fā)臨界點(diǎn)的數(shù)學(xué)模型。這就像給湖泊做一次深度“CT掃描”和“未來推演”其價(jià)值在于它能告訴我們?cè)谔囟ǖ臓I(yíng)養(yǎng)鹽水平、光照條件和水文背景下Hydrilla和藍(lán)藻誰會(huì)勝出以及我們?cè)撛谀膫€(gè)時(shí)間點(diǎn)、以何種方式進(jìn)行干預(yù)才能用最小的成本恢復(fù)健康的清水態(tài)。這項(xiàng)工作適合誰呢首先是湖泊水庫的管理者、環(huán)保部門的技術(shù)人員你們需要科學(xué)的決策工具其次是高校和科研院所從事水生生態(tài)、環(huán)境模型研究的師生這里有很多有趣的科學(xué)問題當(dāng)然也歡迎所有關(guān)心身邊水環(huán)境、想了解背后復(fù)雜機(jī)理的朋友。接下來我會(huì)把自己在項(xiàng)目中反復(fù)驗(yàn)證過的思路、踩過的坑、以及那些讓數(shù)據(jù)“說話”的關(guān)鍵技巧進(jìn)行一次系統(tǒng)的梳理。2. 核心思路從現(xiàn)象對(duì)抗到機(jī)理耦合傳統(tǒng)上治理水草和治理藻華常常被當(dāng)作兩個(gè)獨(dú)立的工程來對(duì)待?？吹剿莘簽E就想到機(jī)械收割或投放草魚看到藻華爆發(fā)就考慮投加絮凝劑或曝氣增氧。這種“頭痛醫(yī)頭”的方式往往事倍功半甚至可能陷入“按下葫蘆浮起瓢”的循環(huán)。我們研究的根本思路是建立一個(gè)統(tǒng)一的框架將Hydrilla和HABs視為同一生態(tài)舞臺(tái)上爭(zhēng)奪有限資源的“競(jìng)爭(zhēng)對(duì)手”通過數(shù)學(xué)模型來解析它們的“戰(zhàn)爭(zhēng)法則”。2.1 為什么是Hydrilla在眾多沉水植物中Hydrilla verticillata 之所以成為焦點(diǎn)研究對(duì)象是因?yàn)樗且环N典型的“入侵性優(yōu)勢(shì)種”或者說是沉水植物界的“霸道總裁”。它的核心競(jìng)爭(zhēng)力在于極強(qiáng)的環(huán)境耐受性對(duì)水溫、pH值、鹽度、濁度的適應(yīng)范圍極廣從溫帶到亞熱帶水體都能迅速定殖。恐怖的無性繁殖能力通過匍匐莖、塊莖冬芽和斷枝進(jìn)行繁殖。特別是它的塊莖像一個(gè)個(gè)埋藏在底泥中的“能量膠囊”能在不利條件下休眠待環(huán)境適宜時(shí)迅速萌發(fā)讓物理清除變得異常困難。高超的資源競(jìng)爭(zhēng)策略它能從水體中和底泥中同時(shí)吸收氮、磷等營(yíng)養(yǎng)鹽尤其在低光條件下其光合作用效率仍高于許多本土沉水植物。這意味著在渾濁水體或深水區(qū)它也能搶占先機(jī)。當(dāng)Hydrilla形成單一優(yōu)勢(shì)群落時(shí)會(huì)徹底改變水生環(huán)境。白天它通過光合作用大量釋放氧氣甚至造成水體過飽和夜晚呼吸作用又可能急劇消耗氧氣導(dǎo)致底層水體缺氧。這種劇烈的晝夜溶氧波動(dòng)本身就對(duì)許多水生生物構(gòu)成壓力。更重要的是它密集的冠層結(jié)構(gòu)會(huì)顯著減緩水流促進(jìn)懸浮物沉降從而改變水下光場(chǎng)。2.2 Hydrilla與HABs的復(fù)雜博弈關(guān)系兩者的關(guān)系絕非簡(jiǎn)單的“此消彼長(zhǎng)”。根據(jù)我們的野外觀測(cè)和模型模擬它們之間存在一種動(dòng)態(tài)的、非線性的博弈抑制階段健康的、中等生物量的Hydrilla草甸確實(shí)是抑制藍(lán)藻的“利器”。其機(jī)制包括1營(yíng)養(yǎng)競(jìng)爭(zhēng)直接吸收水體和孔隙水中的氮、磷斷了藍(lán)藻的“糧草”2化感作用釋放某些次生代謝物質(zhì)直接抑制藍(lán)藻生長(zhǎng)3物理遮蔽冠層降低水下光照強(qiáng)度而藍(lán)藻尤其是微囊藻的生長(zhǎng)對(duì)光強(qiáng)有較高需求4穩(wěn)定水體減少風(fēng)浪擾動(dòng)不利于喜歡湍流的藍(lán)藻上浮聚集。促進(jìn)階段然而當(dāng)Hydrilla過度增殖達(dá)到超高密度時(shí)情況可能發(fā)生逆轉(zhuǎn)。過于密集的植株會(huì)導(dǎo)致水體流通性極差草甸內(nèi)部形成靜水區(qū)。夜晚植株和附著微生物的呼吸作用可能導(dǎo)致草甸內(nèi)部及近底層水體出現(xiàn)嚴(yán)重缺氧甚至厭氧狀態(tài)。這種厭氧環(huán)境會(huì)強(qiáng)烈促進(jìn)底泥中磷的釋放即內(nèi)源釋放反而向水體輸送了大量“燃料”。同時(shí)衰亡腐爛的Hydrilla植株也會(huì)分解釋放營(yíng)養(yǎng)鹽。此時(shí)Hydrilla從“營(yíng)養(yǎng)鹽匯”變成了“營(yíng)養(yǎng)鹽源”為后續(xù)可能發(fā)生的藍(lán)藻水華埋下了伏筆。演替階段在溫帶地區(qū)Hydrilla在秋冬季節(jié)會(huì)衰亡。如果其生物量巨大一次性釋放的營(yíng)養(yǎng)鹽將是驚人的。這可能導(dǎo)致在次年春季水體直接進(jìn)入高營(yíng)養(yǎng)狀態(tài)為藍(lán)藻的早期爆發(fā)創(chuàng)造了條件。模型需要能捕捉這種跨季節(jié)的“遺產(chǎn)效應(yīng)”。核心心得理解這種“雙刃劍”效應(yīng)是關(guān)鍵。我們的管理目標(biāo)不應(yīng)是徹底清除Hydrilla而是將其生物量控制在一個(gè)既能發(fā)揮清水功能抑制藻類、穩(wěn)固底泥又不會(huì)引發(fā)負(fù)面效應(yīng)導(dǎo)致缺氧、促進(jìn)內(nèi)源釋放的“生態(tài)閾值”范圍內(nèi)。這個(gè)閾值正是模型需要標(biāo)定和預(yù)測(cè)的核心之一。3. 數(shù)據(jù)基石監(jiān)測(cè)網(wǎng)絡(luò)設(shè)計(jì)與關(guān)鍵參數(shù)獲取沒有高質(zhì)量的數(shù)據(jù)再精美的模型也只是空中樓閣。構(gòu)建用于Hydrilla-HABs研究的“美數(shù)?！钡谝徊绞谴蛟煲粋€(gè)能同時(shí)捕捉兩者動(dòng)態(tài)及其驅(qū)動(dòng)因子的立體監(jiān)測(cè)網(wǎng)絡(luò)。3.1 水文水質(zhì)與氣象綜合監(jiān)測(cè)這是模型的驅(qū)動(dòng)數(shù)據(jù)和邊界條件。我們通常部署以下設(shè)備多參數(shù)水質(zhì)浮標(biāo)站布設(shè)在研究湖區(qū)的開闊水域和Hydrilla草甸邊緣。核心傳感器包括水溫、pH、溶解氧DO、電導(dǎo)率、濁度、葉綠素aChl-a藻類生物量代理、藍(lán)藻藻藍(lán)蛋白PC藍(lán)藻特異性生物量指標(biāo)。數(shù)據(jù)采集頻率建議不低于1次/小時(shí)以捕捉晝夜變化和短期事件如風(fēng)暴、降溫的影響。營(yíng)養(yǎng)鹽自動(dòng)分析儀或高頻采樣器總氮TN、總磷TP、氨氮NH4-N、硝態(tài)氮NO3--N、正磷酸鹽PO43--P是必須項(xiàng)。由于營(yíng)養(yǎng)鹽濃度變化相對(duì)較慢自動(dòng)分析儀若成本過高可采用高頻間隔采樣如每4-6小時(shí)實(shí)驗(yàn)室分析的方式。關(guān)鍵是要獲得時(shí)間序列數(shù)據(jù)而非零星的點(diǎn)位數(shù)據(jù)。氣象站風(fēng)速、風(fēng)向、光照強(qiáng)度光合有效輻射PAR、降雨量、氣溫、濕度。這些數(shù)據(jù)用于計(jì)算湖面熱通量、風(fēng)浪擾動(dòng)、蒸發(fā)等是驅(qū)動(dòng)水動(dòng)力模型的關(guān)鍵。水下光場(chǎng)剖面測(cè)量使用水下輻照度計(jì)定期如每周測(cè)量從水面到湖底不同深度的PAR。計(jì)算真光層深度Zeu。這是量化Hydrilla和浮游藻類光競(jìng)爭(zhēng)的直接依據(jù)。Hydrilla冠層頂部和底部的光強(qiáng)差異是評(píng)估其遮蔽效應(yīng)的關(guān)鍵指標(biāo)。3.2 Hydrilla生物量與形態(tài)功能監(jiān)測(cè)這是研究的難點(diǎn)也是特色。我們采用“空-天-地”一體化的方式遙感反演宏觀趨勢(shì)對(duì)于大面積湖區(qū)使用高分辨率多光譜或高光譜衛(wèi)星影像如Sentinel-2, Landsat 8/9通過NDVI歸一化植被指數(shù)或FAI漂浮藻類指數(shù)等反演Hydrilla的分布面積和覆蓋度。注意水體光學(xué)特性復(fù)雜需進(jìn)行嚴(yán)格的大氣校正和水體校正最好有同步地面實(shí)測(cè)光譜進(jìn)行驗(yàn)證。聲學(xué)探測(cè)垂向結(jié)構(gòu)使用科學(xué)魚探儀DIDSON或雙頻回聲探測(cè)儀。它能像“水下B超”一樣給出Hydrilla草甸的高度、密度垂向分布和底床高程。這對(duì)于估算生物量體積、了解草甸三維結(jié)構(gòu)至關(guān)重要。地面實(shí)測(cè)精準(zhǔn)標(biāo)定在遙感影像和聲學(xué)探測(cè)的指引下設(shè)置代表性樣方。使用潛水采樣或定制抓斗收割樣方內(nèi)所有Hydrilla植株。生物量現(xiàn)場(chǎng)稱鮮重實(shí)驗(yàn)室烘干105°C至恒重稱干重。計(jì)算單位面積生物量g DW/m2。形態(tài)參數(shù)測(cè)量植株高度、分枝數(shù)、節(jié)間長(zhǎng)度、葉片面積等。這些參數(shù)與植物的生長(zhǎng)狀態(tài)、光合能力和營(yíng)養(yǎng)吸收能力相關(guān)。組織營(yíng)養(yǎng)鹽含量分析植株組織的氮、磷含量% DW計(jì)算營(yíng)養(yǎng)鹽儲(chǔ)量并評(píng)估其營(yíng)養(yǎng)鹽吸收效率。3.3 HABs藻類群落與毒素監(jiān)測(cè)藻類分類與豐度定期采集水樣在顯微鏡下進(jìn)行種類鑒定和計(jì)數(shù)或使用流式細(xì)胞儀、成像流式細(xì)胞儀進(jìn)行快速分析。明確優(yōu)勢(shì)藍(lán)藻種類如微囊藻、魚腥藻、束絲藻因?yàn)椴煌瑢俚乃{(lán)藻生態(tài)習(xí)性如浮力調(diào)節(jié)、溫度偏好不同。藻毒素檢測(cè)對(duì)于產(chǎn)毒藍(lán)藻如產(chǎn)微囊藻毒素的微囊藻需定期檢測(cè)水體中微囊藻毒素MC-LR等的濃度。這關(guān)系到水體的生態(tài)風(fēng)險(xiǎn)和安全風(fēng)險(xiǎn)。原位熒光技術(shù)利用浮標(biāo)站上的藻類熒光儀如Phycoerythrin傳感器可以實(shí)時(shí)獲取藍(lán)藻的相對(duì)豐度動(dòng)態(tài)與顯微鏡結(jié)果相互校驗(yàn)。踩坑實(shí)錄初期我們?cè)^于依賴遙感反演的Hydrilla面積并將其簡(jiǎn)單乘以一個(gè)平均生物量密度來估算總生物量結(jié)果誤差很大。原因是Hydrilla的密度空間異質(zhì)性極強(qiáng)湖心深水區(qū)與湖灣淺水區(qū)的植株高度、密度可能差一個(gè)數(shù)量級(jí)。后來我們建立了“遙感面積 × 聲學(xué)平均高度 × 分區(qū)密度校正系數(shù)”的估算方法并用大量地面樣方數(shù)據(jù)來率定這個(gè)校正系數(shù)精度才大幅提升。教訓(xùn)是對(duì)于生物量這種核心狀態(tài)變量必須有多源數(shù)據(jù)的交叉驗(yàn)證與融合。4. 模型構(gòu)建從概念框架到數(shù)學(xué)實(shí)現(xiàn)有了數(shù)據(jù)接下來就是構(gòu)建模型將復(fù)雜的生態(tài)過程用數(shù)學(xué)語言描述出來。我們通常采用“水動(dòng)力-水質(zhì)-生態(tài)”耦合模型的框架。4.1 模型框架選擇與耦合邏輯水動(dòng)力模塊基礎(chǔ)采用EFDC、Delft3D或MIKE 3等成熟的水動(dòng)力模型。它負(fù)責(zé)模擬水體的流速、流向、水溫分層、混合層深度等物理過程。這些物理場(chǎng)直接決定了營(yíng)養(yǎng)鹽、藻類、Hydrilla孢子的輸運(yùn)擴(kuò)散路徑以及水體的熱力學(xué)結(jié)構(gòu)。水質(zhì)-生態(tài)模塊核心在水動(dòng)力模塊提供的“物理舞臺(tái)”上運(yùn)行生態(tài)過程。我們通常需要在標(biāo)準(zhǔn)的水質(zhì)模型如CE-QUAL-W2、WASP基礎(chǔ)上對(duì)沉水植物和浮游植物子模塊進(jìn)行深度定制。耦合關(guān)鍵兩個(gè)模塊必須雙向耦合。水動(dòng)力影響生態(tài)如風(fēng)浪擾動(dòng)影響底泥再懸浮和光強(qiáng)生態(tài)也反作用于水動(dòng)力如密集的Hydrilla草甸會(huì)顯著增大底部糙率改變水流結(jié)構(gòu)模型需要能模擬這種生物對(duì)物理的反饋。4.2 Hydrilla子模塊的關(guān)鍵過程參數(shù)化這是模型是否逼真的重中之重。我們需要在模型中描述Hydrilla的生長(zhǎng)過程采用Monod型生長(zhǎng)方程生長(zhǎng)速率 μ_max * f(T) * f(I) * f(Nutr)。最大生長(zhǎng)速率μ_max實(shí)驗(yàn)室培養(yǎng)結(jié)合野外標(biāo)記-重捕法估算。通常在0.05 - 0.15 /天。溫度函數(shù)f(T)采用Optimum Curve設(shè)定最適生長(zhǎng)溫度范圍如20-30°C高溫和低溫均抑制生長(zhǎng)。光響應(yīng)函數(shù)f(I)采用 Steeles 方程或 PI (Photosynthesis-Irradiance) 曲線。需要實(shí)測(cè)Hydrilla的光合作用-光強(qiáng)響應(yīng)數(shù)據(jù)來率定參數(shù)。關(guān)鍵是要模擬光抑制現(xiàn)象夏季中午表層光強(qiáng)可能過高。營(yíng)養(yǎng)鹽限制函數(shù)f(Nutr)通常采用Liebig最小因子定律取氮、磷限制因子的最小值。Hydrilla能同時(shí)利用水體和孔隙水營(yíng)養(yǎng)鹽模型中需要為其設(shè)置兩個(gè)吸收源并分配吸收比例這個(gè)比例可通過同位素示蹤實(shí)驗(yàn)估算。呼吸與衰亡區(qū)分維持呼吸與生物量成正比和生長(zhǎng)呼吸。衰亡率是季節(jié)水溫和植株?duì)顟B(tài)組織營(yíng)養(yǎng)含量的函數(shù)。繁殖與擴(kuò)散模擬塊莖冬芽的形成、休眠與萌發(fā)。這需要與底泥溫度、光周期等關(guān)聯(lián)。斷枝的漂流擴(kuò)散則依賴于水動(dòng)力模塊模擬的流速場(chǎng)。化感作用這是一個(gè)高級(jí)但不確定性強(qiáng)的過程。可以在模型中簡(jiǎn)化為當(dāng)Hydrilla生物量超過某個(gè)閾值時(shí)向水體釋放一個(gè)“化感物質(zhì)”狀態(tài)變量該變量以一定速率衰減并對(duì)藍(lán)藻的生長(zhǎng)率產(chǎn)生一個(gè)額外的抑制系數(shù)。4.3 藍(lán)藻HABs子模塊的特殊性藍(lán)藻模塊需要體現(xiàn)其區(qū)別于其他藻類的特性浮力調(diào)節(jié)許多水華藍(lán)藻有偽空胞。模型需要模擬其浮力變化使其在靜穩(wěn)、光照強(qiáng)的條件下上浮聚集在風(fēng)浪大時(shí)下沉。這通常通過設(shè)置一個(gè)“垂直遷移速度”來實(shí)現(xiàn)該速度與光照、湍流強(qiáng)度相關(guān)。溫度偏好藍(lán)藻尤其是微囊藻通常在較高水溫25°C下具有生長(zhǎng)優(yōu)勢(shì)。其溫度響應(yīng)函數(shù)f(T)的最適溫度應(yīng)比綠藻、硅藻更高。營(yíng)養(yǎng)鹽利用策略有些藍(lán)藻能固氮如魚腥藻在氮限制條件下有優(yōu)勢(shì)。模型中對(duì)固氮藍(lán)藻需要單獨(dú)設(shè)置一個(gè)氮源項(xiàng)大氣氮固定。4.4 模型率定與驗(yàn)證這是最耗時(shí)但也最考驗(yàn)功力的環(huán)節(jié)。參數(shù)率定利用一部分監(jiān)測(cè)數(shù)據(jù)如前兩年的數(shù)據(jù)通過手動(dòng)調(diào)整或自動(dòng)優(yōu)化算法如PEST、GLUE使模型模擬出的Hydrilla生物量、葉綠素a濃度、營(yíng)養(yǎng)鹽濃度等關(guān)鍵變量的時(shí)間序列與實(shí)測(cè)數(shù)據(jù)盡可能吻合。重點(diǎn)率定那些不確定性高的參數(shù)如最大生長(zhǎng)速率、半飽和常數(shù)、衰亡率等。模型驗(yàn)證使用率定期之后的數(shù)據(jù)如第三年的數(shù)據(jù)不改變?nèi)魏螀?shù)運(yùn)行模型進(jìn)行模擬將結(jié)果與實(shí)測(cè)數(shù)據(jù)對(duì)比。驗(yàn)證的目的是檢驗(yàn)?zāi)Ｐ偷念A(yù)測(cè)能力而不僅僅是擬合能力。如果驗(yàn)證期模擬效果也良好說明模型具有可靠性。敏感性分析在率定前后進(jìn)行。通過改變某個(gè)參數(shù)值如±20%觀察模型輸出如夏季峰值生物量的變化幅度。這能幫助我們識(shí)別出對(duì)模型結(jié)果影響最大的關(guān)鍵參數(shù)從而指導(dǎo)后續(xù)監(jiān)測(cè)和研究應(yīng)聚焦于提高哪些參數(shù)的精度。實(shí)操心得不要試圖一次性率定所有參數(shù)。建議采用“分步率定”策略。先用水動(dòng)力模塊單獨(dú)率定水溫、流速然后固定水動(dòng)力率定水質(zhì)模塊營(yíng)養(yǎng)鹽、溶解氧最后再加入生態(tài)模塊率定Hydrilla和藻類的動(dòng)態(tài)。這樣層層遞進(jìn)問題更容易定位。另外圖形化對(duì)比至關(guān)重要。將模擬值與實(shí)測(cè)值的時(shí)間序列曲線、散點(diǎn)圖、誤差統(tǒng)計(jì)表如RMSE, NSE放在一起能直觀地發(fā)現(xiàn)模型在哪個(gè)季節(jié)、哪種水文條件下表現(xiàn)不佳從而有針對(duì)性地改進(jìn)過程描述。5. 模型應(yīng)用情景模擬與管理決策支持一個(gè)經(jīng)過良好率定和驗(yàn)證的模型就成為了一個(gè)強(qiáng)大的“數(shù)字孿生”實(shí)驗(yàn)場(chǎng)。我們可以用它來回答管理中最關(guān)心的問題。5.1 關(guān)鍵閾值識(shí)別運(yùn)行模型我們可以系統(tǒng)地模擬在不同初始營(yíng)養(yǎng)鹽負(fù)荷外源輸入、不同水文氣象條件如干旱年、豐水年、高溫年下Hydrilla和藍(lán)藻的演替動(dòng)態(tài)。通過大量的情景模擬可以繪制出“狀態(tài)相圖”。例如以夏季平均TP濃度為橫軸以春季Hydrilla初始生物量為縱軸將模擬結(jié)果劃分為“清水草型穩(wěn)態(tài)”、“濁水藻型穩(wěn)態(tài)”和“交替不穩(wěn)定態(tài)”等區(qū)域。這些區(qū)域的邊界就是我們需要尋找的生態(tài)閾值。比如可能會(huì)發(fā)現(xiàn)當(dāng)春季Hydrilla生物量低于50 g DW/m2且夏季TP濃度超過0.05 mg/L時(shí)系統(tǒng)極易切換到藍(lán)藻優(yōu)勢(shì)態(tài)。5.2 管理措施效果評(píng)估模型可以低成本、無風(fēng)險(xiǎn)地測(cè)試各種管理方案的長(zhǎng)期效果外源控制模擬將入湖河流的TP輸入削減10%、30%、50%后未來3-5年內(nèi)Hydrilla和藍(lán)藻的響應(yīng)。結(jié)果可能顯示只有削減超過某個(gè)臨界值如40%才能將系統(tǒng)推離藻華風(fēng)險(xiǎn)區(qū)。生態(tài)調(diào)度模擬通過水利工程進(jìn)行水位調(diào)節(jié)。例如在春季Hydrilla萌發(fā)期降低水位利用低溫、干燥抑制其塊莖萌發(fā)和幼苗生長(zhǎng)在夏季藍(lán)藻潛在爆發(fā)期提高水位增加水體體積稀釋營(yíng)養(yǎng)鹽同時(shí)可能不利于喜高溫淺水的藍(lán)藻。模型可以評(píng)估不同調(diào)度方案的綜合效果。生物操控模擬投放不同密度的草食性魚類如草魚對(duì)Hydrilla的攝食壓力。需要將魚類的生長(zhǎng)、攝食率、對(duì)Hydrilla的選擇性攝食等過程加入模型。可以評(píng)估需要多大的投放量、在什么時(shí)間投放才能將Hydrilla控制在理想范圍同時(shí)又不會(huì)因魚類排泄物過多造成二次污染。直接干預(yù)模擬機(jī)械收割Hydrilla。在模型中設(shè)定在特定時(shí)間如夏季生長(zhǎng)旺季移除一定比例的生物量。評(píng)估收割后是更有利于剩余Hydrilla的恢復(fù)還是為藍(lán)藻騰出了空間。模型可以幫助優(yōu)化收割的時(shí)機(jī)和強(qiáng)度。5.3 未來氣候情景下的預(yù)測(cè)結(jié)合全球氣候模型GCM的未來氣候預(yù)測(cè)數(shù)據(jù)如RCP 4.5, RCP 8.5情景下的氣溫、降水、風(fēng)速變化驅(qū)動(dòng)我們的湖泊模型可以預(yù)測(cè)在未來30-50年Hydrilla和HABs的爆發(fā)頻率、強(qiáng)度、持續(xù)時(shí)間可能發(fā)生怎樣的變化。例如變暖可能延長(zhǎng)Hydrilla的生長(zhǎng)期但同時(shí)可能更有利于藍(lán)藻極端降水事件增多可能導(dǎo)致外源負(fù)荷脈沖式增加擾亂系統(tǒng)的穩(wěn)態(tài)。這類預(yù)測(cè)能為制定長(zhǎng)期適應(yīng)性管理策略提供科學(xué)依據(jù)。6. 常見挑戰(zhàn)與應(yīng)對(duì)策略在實(shí)際操作中從數(shù)據(jù)到模型再到應(yīng)用每一步都有不少坑。這里分享幾個(gè)我們遇到的高頻問題及解決思路。6.1 數(shù)據(jù)質(zhì)量問題與缺失處理問題傳感器故障、惡劣天氣無法采樣、實(shí)驗(yàn)室分析延誤導(dǎo)致數(shù)據(jù)序列出現(xiàn)缺失或異常值。應(yīng)對(duì)冗余布設(shè)關(guān)鍵參數(shù)如DO、葉綠素在同一區(qū)域布設(shè)主備傳感器。質(zhì)量控制流程建立嚴(yán)格的數(shù)據(jù)QA/QC流程包括范圍檢查、梯度檢查、與鄰近站點(diǎn)的一致性檢查。對(duì)于異常值要回溯當(dāng)時(shí)的天氣、水文事件判斷是真實(shí)現(xiàn)象還是儀器錯(cuò)誤。智能插補(bǔ)對(duì)于短時(shí)間缺失可采用時(shí)間序列插值法如線性、樣條插值。對(duì)于有規(guī)律的數(shù)據(jù)如晝夜變化的DO可以考慮使用基于機(jī)器學(xué)習(xí)的方法如隨機(jī)森林利用其他相關(guān)參數(shù)水溫、光照進(jìn)行預(yù)測(cè)插補(bǔ)。切忌簡(jiǎn)單使用均值或前值填充。6.2 模型復(fù)雜性與參數(shù)不確定性問題模型越復(fù)雜過程描述越精細(xì)但需要率定的參數(shù)就越多參數(shù)的不確定性也越大可能導(dǎo)致“過擬合”模型能完美擬合歷史數(shù)據(jù)但預(yù)測(cè)能力很差。應(yīng)對(duì)遵循“奧卡姆剃刀”原則從相對(duì)簡(jiǎn)單的模型結(jié)構(gòu)開始。先建立一個(gè)包含核心過程生長(zhǎng)、死亡、營(yíng)養(yǎng)競(jìng)爭(zhēng)、光競(jìng)爭(zhēng)的模型看其能否再現(xiàn)主要的生態(tài)現(xiàn)象。如果不行再逐步增加關(guān)鍵機(jī)制如化感作用、浮力調(diào)節(jié)。同時(shí)采用貝葉斯方法進(jìn)行參數(shù)率定和不確定性分析給出參數(shù)的后驗(yàn)概率分布和模型預(yù)測(cè)的置信區(qū)間這比給出一個(gè)單一的“最佳”預(yù)測(cè)值更有價(jià)值。6.3 空間異質(zhì)性帶來的尺度問題問題湖泊不同區(qū)域的水深、底質(zhì)、水文條件差異巨大用一個(gè)均一的模型網(wǎng)格來模擬會(huì)丟失很多細(xì)節(jié)。但使用高分辨率網(wǎng)格計(jì)算成本又急劇上升。應(yīng)對(duì)采用嵌套網(wǎng)格或動(dòng)態(tài)分區(qū)策略。對(duì)整個(gè)湖泊使用較粗的網(wǎng)格進(jìn)行模擬對(duì)重點(diǎn)關(guān)注的區(qū)域如Hydrilla密集區(qū)、飲用水取水口、入湖河口進(jìn)行網(wǎng)格加密?；蛘吒鶕?jù)水深、底質(zhì)類型、歷史植被分布將湖泊劃分為幾個(gè)生態(tài)功能相對(duì)均一的區(qū)域在模型中用不同的參數(shù)集來表征這些分區(qū)。6.4 模型結(jié)果與管理者溝通的障礙問題模型輸出的是一堆圖表、曲線和統(tǒng)計(jì)指標(biāo)而管理者需要的是清晰、直觀、有說服力的決策建議。應(yīng)對(duì)開發(fā)可視化決策支持系統(tǒng)DSS。將模型核心功能封裝成有友好界面的軟件或網(wǎng)頁應(yīng)用。管理者可以通過滑塊調(diào)整“外源削減比例”、“水位調(diào)節(jié)方案”等參數(shù)系統(tǒng)實(shí)時(shí)運(yùn)行模型或調(diào)用預(yù)計(jì)算的情景庫并以地圖、儀表盤、風(fēng)險(xiǎn)等級(jí)圖如紅、黃、綠等直觀方式展示模擬結(jié)果如“藍(lán)藻暴發(fā)概率從70%降至30%”。讓模型從“黑箱”變成“沙盤”才能真正發(fā)揮其決策支持的價(jià)值。最后想說的是Hydrilla和HABs的研究本質(zhì)上是對(duì)水體生態(tài)系統(tǒng)韌性、穩(wěn)定性和轉(zhuǎn)換機(jī)制的探索。構(gòu)建“美數(shù)?！钡倪^程是一個(gè)不斷用數(shù)據(jù)檢驗(yàn)認(rèn)知、用模型整合知識(shí)、再用實(shí)踐驗(yàn)證模型的螺旋上升過程。它不會(huì)一蹴而就每一個(gè)參數(shù)的背后可能都需要大量的野外觀測(cè)和實(shí)驗(yàn)工作。但當(dāng)你看到模型成功預(yù)測(cè)了一次水華的發(fā)生或者為一項(xiàng)管理措施提供了避免巨大浪費(fèi)的預(yù)判時(shí)那種成就感是無可替代的。這個(gè)領(lǐng)域的魅力就在于它永遠(yuǎn)要求你保持謙卑向自然學(xué)習(xí)并用最嚴(yán)謹(jǐn)?shù)目茖W(xué)工具去理解和守護(hù)那些看似平靜的水面之下正在發(fā)生的激烈而又精妙的生命故事。