邱銀國，段洪濤**，萬能勝，高 芮，黃佳聰，薛 坤，彭兆亮，肖鵬峰

(1:中國科學(xué)院南京地理與湖泊研究所，南京 210008)

(2:安徽省巢湖管理局湖泊生態(tài)環(huán)境研究院，合肥 230000)

(3:南京大學(xué)地理與海洋科學(xué)學(xué)院，南京 210023)

巢湖(31°25′28″～31°43′28″N，117°16′54″～117°51′46″E)位于安徽省中部合肥市境內(nèi)，水域面積約780 km2，東西長約54.5 km，南北長約21 km，平均水深約3 m[1-3]. 巢湖是我國五大淡水湖之一，也是我國富營養(yǎng)化重點(diǎn)治理的“三湖”之一[4-6]，具有供水、防洪、灌溉、漁業(yè)、旅游等多種服務(wù)功能[7]. 巢湖共有入湖河流33條，其中主要出入湖河流有10條，包括南淝河、十五里河、派河、杭埠河、柘皋河、烔煬河、雙橋河、兆河、白石天河、裕溪河[8]. 近年來，隨著流域內(nèi)人口的快速增長以及工農(nóng)業(yè)生產(chǎn)的快速發(fā)展，巢湖水體營養(yǎng)水平居高不下[9-11]，導(dǎo)致藍(lán)藻水華頻發(fā)，對流域內(nèi)居民的生產(chǎn)生活、生命健康都產(chǎn)生了很大影響，已經(jīng)成為制約區(qū)域社會經(jīng)濟(jì)可持續(xù)發(fā)展的重大問題[12-13]. 一方面，巢湖現(xiàn)有的藍(lán)藻水華監(jiān)測手段不完善，主要依靠衛(wèi)星遙感和人工監(jiān)測手段獲取全湖藍(lán)藻水華現(xiàn)狀信息[14-17]，監(jiān)測結(jié)果的時空分辨率不高，不能實(shí)現(xiàn)“整個湖區(qū)-重點(diǎn)區(qū)域-關(guān)鍵位置”全覆蓋的水質(zhì)和水華現(xiàn)狀信息快速獲取及超標(biāo)信息及時識別；另一方面，已有的巢湖藍(lán)藻水華模擬與分析方法通常以日為單位對全湖藍(lán)藻水華的演變趨勢進(jìn)行模擬預(yù)測，存在自動化與智能化水平低、結(jié)果精度和可靠性差等不足，模擬預(yù)測結(jié)果與巢湖藍(lán)藻水華的應(yīng)急防控需求脫節(jié)，導(dǎo)致巢湖藍(lán)藻水華的時空演變趨勢(特別是高時空分辨率的變化信息)、分區(qū)水華風(fēng)險等級、重點(diǎn)區(qū)域水華堆積風(fēng)險與持續(xù)時長等關(guān)鍵信息獲取困難，難以為水華暴發(fā)期的應(yīng)急處置提供科學(xué)、有效的決策支撐.

本文圍繞巢湖藍(lán)藻水華現(xiàn)狀快速掌握、時空演變趨勢高精度模擬及應(yīng)急決策支撐，嘗試整合衛(wèi)星遙感、無人機(jī)監(jiān)測、視頻監(jiān)控、浮標(biāo)監(jiān)測、人工巡測和數(shù)值模擬等手段，突破藍(lán)藻水華全方位監(jiān)控和高精度模擬等關(guān)鍵技術(shù)，構(gòu)建巢湖藍(lán)藻水華監(jiān)測預(yù)警與模擬分析平臺，及時掌握全湖水質(zhì)、水華現(xiàn)狀情況和超標(biāo)信息，實(shí)現(xiàn)全湖藍(lán)藻水華模擬預(yù)測與風(fēng)險評估、重點(diǎn)區(qū)域水華堆積風(fēng)險研判、不同預(yù)警等級下的應(yīng)急預(yù)案優(yōu)選，為巢湖藍(lán)藻水華的科學(xué)防控提供決策支撐，最大程度降低藍(lán)藻水華產(chǎn)生的危害，保障巢湖生態(tài)系統(tǒng)健康和水源地水質(zhì)安全.

1 平臺總體設(shè)計

1.1 藍(lán)藻水華“天-空-地”立體監(jiān)測模式設(shè)計

傳統(tǒng)巢湖藍(lán)藻水華監(jiān)測工作主要依靠衛(wèi)星遙感和人工巡測手段，在監(jiān)測效率、監(jiān)測結(jié)果的全面性和數(shù)據(jù)時效性等方面都存在很大不足：(1)衛(wèi)星遙感手段受云雨天氣影響較大，全年有一半以上日期沒有有效的影像數(shù)據(jù)[12]，無法獲取全湖藍(lán)藻水華信息；(2)國控斷面和常規(guī)監(jiān)測站點(diǎn)每月1次人工監(jiān)測，藍(lán)藻監(jiān)測站點(diǎn)每周2次人工監(jiān)測，監(jiān)測的時間頻率偏低，在藍(lán)藻水華暴發(fā)期不能迅速掌握全湖水質(zhì)和水華現(xiàn)狀信息，難以滿足巢湖藍(lán)藻水華應(yīng)急防控的需求. 針對上述問題，設(shè)計了巢湖藍(lán)藻水華“天-空-地”立體監(jiān)測模式(表1)，在傳統(tǒng)監(jiān)測手段的基礎(chǔ)上，補(bǔ)充無人機(jī)、岸基視頻、浮標(biāo)等手段，實(shí)現(xiàn)“整個湖區(qū)-重點(diǎn)區(qū)域-關(guān)鍵位置”全覆蓋的水質(zhì)和水華“天-空-地”一體化監(jiān)測，及時掌握全湖水質(zhì)、水華現(xiàn)狀分布和超標(biāo)報警信息，為巢湖藍(lán)藻水華的科學(xué)管理和應(yīng)急防控服務(wù). 更為詳細(xì)的內(nèi)容見參考文獻(xiàn)[12].

表1 巢湖藍(lán)藻水華立體監(jiān)測模式

巢湖藍(lán)藻水華“天-空-地”立體監(jiān)測模式中，水質(zhì)、水華監(jiān)測手段可分為常規(guī)監(jiān)測手段和應(yīng)急監(jiān)測手段兩類. 常規(guī)監(jiān)測手段包括衛(wèi)星遙感、視頻監(jiān)控、浮標(biāo)監(jiān)測和人工巡測，無需人工干預(yù)、定時自動啟動；應(yīng)急監(jiān)測手段包括無人機(jī)監(jiān)測和人工巡測，在藍(lán)藻水華暴發(fā)、水質(zhì)/水華超標(biāo)報警等應(yīng)急情況下根據(jù)水華應(yīng)急防控要求按需啟動，對重點(diǎn)區(qū)域、關(guān)鍵位置的水華/水質(zhì)狀況進(jìn)行加密監(jiān)測. 針對不同的監(jiān)測手段設(shè)計了數(shù)據(jù)處理與超標(biāo)報警流程(圖1)：針對“天-空-地”立體監(jiān)測獲取的遙感影像、數(shù)字圖像、視頻文件和水質(zhì)參數(shù)數(shù)據(jù)，設(shè)計影像數(shù)據(jù)藍(lán)藻水華提取與水質(zhì)參數(shù)反演、圖像數(shù)據(jù)藍(lán)藻水華提取與統(tǒng)計分析、視頻數(shù)據(jù)藍(lán)藻水華提取與統(tǒng)計分析、水質(zhì)監(jiān)測數(shù)據(jù)時空建模與分析等方法，迅速掌握全湖水質(zhì)和水華現(xiàn)狀；設(shè)定超標(biāo)報警閾值，實(shí)現(xiàn)水質(zhì)、水華超標(biāo)信息的智能識別；根據(jù)監(jiān)測手段的不同，實(shí)現(xiàn)超標(biāo)信息的自動報警(衛(wèi)星遙感、視頻監(jiān)控、浮標(biāo)監(jiān)測)和人工報警(無人機(jī)監(jiān)測、人工巡測).

圖1 巢湖藍(lán)藻水華協(xié)同監(jiān)測數(shù)據(jù)處理流程

1.2 平臺體系結(jié)構(gòu)設(shè)計

巢湖藍(lán)藻水華監(jiān)測預(yù)警與模擬分析平臺的體系結(jié)構(gòu)包括3層：數(shù)據(jù)獲取層、業(yè)務(wù)邏輯層與應(yīng)用表現(xiàn)層(圖2).

圖2 巢湖藍(lán)藻水華監(jiān)測預(yù)警與模擬分析平臺體系結(jié)構(gòu)

(1)數(shù)據(jù)獲取層：為系統(tǒng)業(yè)務(wù)功能的實(shí)現(xiàn)、模型計算等提供必要的數(shù)據(jù)支撐. 整合“天-空-地”一體化監(jiān)測獲取的多源監(jiān)測數(shù)據(jù)以及水文、氣象、流場、水生態(tài)等模型驅(qū)動數(shù)據(jù)，通過構(gòu)建不同類型數(shù)據(jù)的統(tǒng)一存儲與整編方式、數(shù)據(jù)規(guī)范以及入庫標(biāo)準(zhǔn)，實(shí)現(xiàn)多源異構(gòu)數(shù)據(jù)的標(biāo)準(zhǔn)化處理，最終建成巢湖藍(lán)藻水華監(jiān)測預(yù)警與模擬分析平臺標(biāo)準(zhǔn)化時空數(shù)據(jù)庫.

(2)業(yè)務(wù)邏輯層：是連接平臺數(shù)據(jù)庫與人機(jī)交互界面的關(guān)鍵，包括數(shù)據(jù)處理模塊、模擬分析模塊和智能決策模塊. 其中，數(shù)據(jù)處理模塊基于“天-空-地”一體化監(jiān)測數(shù)據(jù)進(jìn)行水質(zhì)和水華現(xiàn)狀提取與超標(biāo)分析，并基于平臺綜合數(shù)據(jù)庫建設(shè)成果針對各業(yè)務(wù)模型進(jìn)行驅(qū)動數(shù)據(jù)組裝；模擬分析模塊通過集成水質(zhì)數(shù)據(jù)超標(biāo)智能識別、藍(lán)藻水華監(jiān)測和預(yù)警等業(yè)務(wù)模型，實(shí)現(xiàn)巢湖水質(zhì)/水華超標(biāo)信息的自動識別、藍(lán)藻水華演變態(tài)勢高精度模擬和風(fēng)險評估；智能決策模塊基于數(shù)據(jù)處理模塊和模擬分析模塊的計算結(jié)果實(shí)現(xiàn)湖區(qū)水質(zhì)和水華超標(biāo)判斷、短/長期模擬預(yù)測、風(fēng)險評估與應(yīng)急處置模擬等功能，為巢湖藍(lán)藻水華的監(jiān)測、預(yù)警和應(yīng)對提供決策支撐.

(3)應(yīng)用表現(xiàn)層：是整個平臺的功能出口，通過基于Web Services服務(wù)架構(gòu)的人機(jī)界面訪問接口，實(shí)現(xiàn)平臺中各個功能模塊的前端可視化展示與人機(jī)交互，包括水質(zhì)和水華現(xiàn)狀、異常、趨勢、風(fēng)險等級、應(yīng)急預(yù)案等，為巢湖流域的綜合管理提供決策支持.

2 關(guān)鍵技術(shù)研究

2.1 基于多源衛(wèi)星遙感的全湖藍(lán)藻水華全自動提取關(guān)鍵技術(shù)

衛(wèi)星遙感具有快速獲取大區(qū)域影像數(shù)據(jù)的優(yōu)勢，結(jié)合遙感影像數(shù)據(jù)處理方法可以在晴好天氣條件下迅速獲取全湖范圍的藍(lán)藻水華空間分布信息[18-20]. 然而，傳統(tǒng)方法需要經(jīng)過“數(shù)據(jù)下載-數(shù)據(jù)處理-結(jié)果上傳”過程，且該過程需要人工參與、耗時較長，難以實(shí)現(xiàn)當(dāng)日全湖藍(lán)藻水華信息的快速獲取，在全湖藍(lán)藻水華監(jiān)測的效率方面存在很大的不足.

為了解決基于衛(wèi)星遙感監(jiān)測的全湖藍(lán)藻水華提取時效性問題，本文設(shè)計并實(shí)現(xiàn)了一種針對Terra/Aqua MODIS、Sentinel-2 MSI、GOCI等多源衛(wèi)星數(shù)據(jù)的巢湖藍(lán)藻水華全自動提取方法，無需人工干預(yù)即可自動獲取當(dāng)日巢湖全湖藍(lán)藻水華現(xiàn)狀信息. 共包含3個模塊(圖3a)：(1)影像數(shù)據(jù)自動下載模塊：研發(fā)了多源衛(wèi)星影像數(shù)據(jù)下載程序和定時任務(wù)管理程序，并將二者分別封裝為獨(dú)立運(yùn)行程序；研發(fā)了控制子模塊，通過調(diào)度定時任務(wù)管理程序驅(qū)動影像數(shù)據(jù)下載程序；在影像數(shù)據(jù)下載程序運(yùn)行結(jié)束后，通過控制子模塊向藍(lán)藻水華自動提取模塊發(fā)送啟動指令；(2)藍(lán)藻水華自動提取模塊：研制了針對不同類型影像數(shù)據(jù)的藍(lán)藻水華提取算法(圖3b)，并將二者分別封裝為獨(dú)立運(yùn)行程序；研發(fā)了控制子模塊，在接收到影像數(shù)據(jù)自動下載模塊發(fā)送的啟動指令后，啟動藍(lán)藻水華提取程序和水質(zhì)參數(shù)反演程序?qū)τ跋駭?shù)據(jù)進(jìn)行處理，在處理結(jié)束后向統(tǒng)計分析與自動發(fā)布模塊發(fā)送啟動指令；(3)統(tǒng)計分析與自動發(fā)布模塊：設(shè)計藍(lán)藻水華分區(qū)統(tǒng)計程序和數(shù)據(jù)批量發(fā)布程序，并將二者分別封裝為獨(dú)立運(yùn)行程序；研發(fā)了控制子模塊，在接收到藍(lán)藻水華自動提取模塊發(fā)送的啟動指令后，啟動藍(lán)藻水華分區(qū)統(tǒng)計程序和數(shù)據(jù)批量發(fā)布程序，定量評價不同湖區(qū)的藍(lán)藻水華情況，并將衛(wèi)星影像原圖以及藍(lán)藻水華提取結(jié)果自動發(fā)布、批量入庫.

圖3 基于多源衛(wèi)星數(shù)據(jù)的巢湖藍(lán)藻水華自動提取方法

2.2 基于岸基視頻的濱岸帶藍(lán)藻水華信息高精度提取算法

藍(lán)藻水華發(fā)生后，容易在濱岸帶堆積發(fā)臭，消耗大量水體溶解氧，甚至造成水生生物死亡，形成次生災(zāi)害[21]，對周圍居民生活產(chǎn)生嚴(yán)重影響，甚至威脅城市飲用水源地安全，阻礙區(qū)域可持續(xù)發(fā)展[22]. 因此，如何及時掌握濱岸帶的藍(lán)藻水華時空分布情況，對于湖泊藍(lán)藻水華應(yīng)急防控工作具有重要意義. 然而，藍(lán)藻水華具有突發(fā)性強(qiáng)、時空演變快等特征，單純依靠傳統(tǒng)的衛(wèi)星遙感、人工巡測等手段難以及時、準(zhǔn)確掌握整個湖泊濱岸帶的水華空間分布、暴發(fā)強(qiáng)度、聚集范圍等信息，導(dǎo)致傳統(tǒng)濱岸帶藍(lán)藻水華應(yīng)急處置措施時效性低、水華及其次生災(zāi)害難以得到有效控制.

為了監(jiān)控非法捕撈等活動，巢湖沿湖岸線布置了33個攝像頭，可以自動調(diào)焦和設(shè)置觀測角度；相對于衛(wèi)星，可以實(shí)現(xiàn)晴好和部分陰雨天(光線足夠)白天連續(xù)觀測，實(shí)現(xiàn)了對局部重點(diǎn)區(qū)域的有效監(jiān)控. 本文利用視頻監(jiān)控設(shè)備可以連續(xù)工作的優(yōu)勢，設(shè)計了一種針對攝像頭圖片的藍(lán)藻水華高精度提取算法，實(shí)現(xiàn)了藍(lán)藻信息的自動提取(圖4)，并在系統(tǒng)中進(jìn)行了集成. 主要方案包括：(1)針對環(huán)巢湖岸基視頻監(jiān)控設(shè)備，規(guī)定了最佳拍攝角度，對藍(lán)藻水華信息進(jìn)行連續(xù)監(jiān)控并定時(每小時1次)抓取圖像，通過無線傳輸方式將圖像數(shù)據(jù)傳輸至服務(wù)器；(2)利用研發(fā)的數(shù)字圖像藍(lán)藻水華高精度提取算法，基于視頻監(jiān)控數(shù)據(jù)進(jìn)行藍(lán)藻水華關(guān)鍵信息提取(時間、地點(diǎn)、水華范圍、強(qiáng)度等)；(3)基于各監(jiān)控點(diǎn)位的藍(lán)藻水華信息提取結(jié)果，通過超標(biāo)點(diǎn)位報警、濱岸帶水華強(qiáng)度信息實(shí)時動態(tài)展示等手段，實(shí)現(xiàn)巢湖濱岸帶藍(lán)藻水華信息的快速掌握.

圖4 巢湖濱岸帶藍(lán)藻水華現(xiàn)狀信息獲取方法

2.3 藍(lán)藻水華模擬與堆積風(fēng)險評估關(guān)鍵技術(shù)

傳統(tǒng)湖庫藍(lán)藻水華模擬與預(yù)測方法主要以日為時間尺度，模擬預(yù)測結(jié)果的時間分辨率不高，在藍(lán)藻水華及其衍生災(zāi)害的應(yīng)急決策支持方面還存在很大的局限性；另外，傳統(tǒng)方法關(guān)注湖區(qū)的藍(lán)藻水華整體分布、面積、強(qiáng)度等信息，忽略了針對濱岸帶重點(diǎn)區(qū)域的水華堆積風(fēng)險與堆積時長模擬，模擬預(yù)測結(jié)果與實(shí)際的藍(lán)藻水華防控需求間存在很大程度的脫節(jié). 在此背景下，本文構(gòu)建了巢湖藍(lán)藻水華預(yù)測模型，實(shí)現(xiàn)了藍(lán)藻水華短期(未來2日，逐小時)和長期(未來7日，逐日)預(yù)測預(yù)警；同時，對巢湖濱岸帶未來5日藍(lán)藻水華沿岸堆積風(fēng)險進(jìn)行了逐日模擬評估，為水源地、景觀區(qū)等重點(diǎn)區(qū)域的藍(lán)藻水華打撈等應(yīng)急處置提供決策依據(jù).

巢湖藍(lán)藻水華高分辨率模擬與濱岸帶堆積風(fēng)險評估方法(圖5)涉及的關(guān)鍵技術(shù)環(huán)節(jié)包括：(1)利用現(xiàn)有的巢湖流域水文模型和湖泊水動力模型，以藍(lán)藻衛(wèi)星遙感監(jiān)測結(jié)果和浮標(biāo)監(jiān)測數(shù)據(jù)等為初始場，耦合三維數(shù)字流場動態(tài)模擬結(jié)果、氣象預(yù)報數(shù)據(jù)、閘壩調(diào)度規(guī)則等，實(shí)現(xiàn)巢湖水動力-水質(zhì)-藻類的高精度耦合模擬；(2)接入未來一周逐小時氣象預(yù)報數(shù)據(jù)，結(jié)合三維數(shù)字流場、高頻水質(zhì)水文監(jiān)測數(shù)據(jù)等，進(jìn)行巢湖藍(lán)藻水華演變態(tài)勢高時空分辨率模擬[23]；(3)基于藍(lán)藻水華未來變化的模擬結(jié)果，綜合考慮藻類生物量、岸線形態(tài)、湖泊水動力、風(fēng)速風(fēng)向等要素，量化評估巢湖濱岸帶的藍(lán)藻水華堆積風(fēng)險，實(shí)現(xiàn)濱岸帶藍(lán)藻水華堆積風(fēng)險等級和堆積時長的模擬預(yù)測[24]；(4)研發(fā)定時任務(wù)管理器，定時啟動巢湖藍(lán)藻水華模擬和濱岸帶水華堆積風(fēng)險評估模型，并將模型計算結(jié)果進(jìn)行自動入庫與發(fā)布，實(shí)現(xiàn)巢湖藍(lán)藻模擬預(yù)警全過程的“無人值守”.

圖5 巢湖藍(lán)藻水華高精度模擬與濱岸帶堆積風(fēng)險評估方法

3 平臺實(shí)現(xiàn)與應(yīng)用

基于瀏覽器/服務(wù)器(Brower/Server，B/S)結(jié)構(gòu)，實(shí)現(xiàn)了巢湖藍(lán)藻水華監(jiān)測預(yù)警與模擬分析平臺的全部功能. 平臺共包含4大功能模塊：(1)“天-空-地”一體化監(jiān)測模塊：實(shí)現(xiàn)不同監(jiān)測手段獲取數(shù)據(jù)的集成展示、超標(biāo)報警和統(tǒng)計分析；(2)預(yù)測預(yù)警模塊：實(shí)現(xiàn)巢湖藍(lán)藻水華和主要水質(zhì)參數(shù)的模擬和預(yù)警，包括短期(未來2日，逐時)和長期(未來7日，逐日)預(yù)測預(yù)警；(3)應(yīng)急處置模塊：預(yù)測未來5日巢湖濱岸帶不同區(qū)域的藍(lán)藻水華堆積風(fēng)險及時空演變趨勢，并提供應(yīng)急決策支撐；(4)報告中心模塊：實(shí)現(xiàn)巢湖藍(lán)藻水華監(jiān)測日報和預(yù)測預(yù)警周報的查詢、展示和下載. 目前，平臺已在安徽省巢湖管理局進(jìn)行業(yè)務(wù)化運(yùn)行，其中平臺運(yùn)行文件和數(shù)據(jù)庫系統(tǒng)均部署于合肥市政務(wù)云平臺.

3.1 水質(zhì)和水華“天-空-地”協(xié)調(diào)監(jiān)測與分析

基于衛(wèi)星遙感、無人機(jī)監(jiān)測、視頻監(jiān)控、浮標(biāo)監(jiān)測和人工巡測手段，實(shí)現(xiàn)了“整個湖區(qū)-重點(diǎn)區(qū)域-關(guān)鍵位置”全覆蓋的巢湖藍(lán)藻水華“天-空-地”一體化監(jiān)測，可以迅速掌握全湖水質(zhì)和水華的現(xiàn)狀分布以及超標(biāo)報警信息(圖6a). 基于設(shè)計的藍(lán)藻水華多源衛(wèi)星遙感自動監(jiān)測方法，實(shí)現(xiàn)了藍(lán)藻水華全自動提取，可快速掌握晴好天氣下當(dāng)日全湖藍(lán)藻水華現(xiàn)狀(圖6b). 基于岸基視頻監(jiān)控(圖6c)，實(shí)現(xiàn)了“數(shù)據(jù)拍攝-藍(lán)藻提取-結(jié)果入庫-前端展示”全過程的“無人值守”，每日8:00-18:00期間每整小時動態(tài)更新數(shù)據(jù)(圖7). 基于湖區(qū)水質(zhì)浮標(biāo)數(shù)據(jù)，實(shí)現(xiàn)了全湖水質(zhì)現(xiàn)狀、超標(biāo)信息、變化趨勢等信息的快速獲取(圖6d，每4 h動態(tài)更新數(shù)據(jù)). 通過不同監(jiān)測手段的整合，實(shí)現(xiàn)了從全湖到重點(diǎn)區(qū)域到關(guān)鍵位置的水質(zhì)和水華“天-空-地”立體監(jiān)測.

圖6 “天-空-地”立體監(jiān)測功能效果

圖7 基于視頻監(jiān)控的巢湖濱岸帶藍(lán)藻水華監(jiān)控功能效果

3.2 藍(lán)藻水華模擬預(yù)警與應(yīng)急決策支持

耦合巢湖水動力-水質(zhì)-藻類耦合模型，基于高時空分辨率氣象預(yù)報數(shù)據(jù)、巢湖精細(xì)化三維數(shù)字流場數(shù)據(jù)、高頻水質(zhì)水文監(jiān)測數(shù)據(jù)等，實(shí)現(xiàn)了巢湖藍(lán)藻水華和主要水質(zhì)參數(shù)的短期(未來2日，逐時)和長期(未來7日，逐日)模擬預(yù)測. 其中，模擬指標(biāo)主要包含總氮、總磷、溶解氧、高錳酸鹽指數(shù)、葉綠素a、表層藻類生物量、水華概率和氨氮. 同時，顧及巢湖岸線形態(tài)和復(fù)雜度，實(shí)現(xiàn)了對未來5日巢湖濱岸帶藍(lán)藻水華堆積情況進(jìn)行模擬，能夠定量評估濱岸帶不同區(qū)域水華堆積風(fēng)險及其時空演變情況；平臺也實(shí)現(xiàn)了3類常用藍(lán)藻水華應(yīng)急處置手段(打撈、引水、圍隔)的效果模擬，可以對不同藍(lán)藻水華預(yù)警結(jié)果下的應(yīng)急預(yù)案進(jìn)行比較和優(yōu)選，對巢湖藍(lán)藻水華應(yīng)急處置起到了重要支撐作用(圖8).

圖8 巢湖藍(lán)藻水華高精度模擬預(yù)警與應(yīng)急決策支持功能效果

3.3 平臺性能評估

為評估平臺性能，對藍(lán)藻水華衛(wèi)星遙感監(jiān)測、濱岸帶藍(lán)藻水華現(xiàn)狀監(jiān)測、藍(lán)藻水華模擬與預(yù)警等關(guān)鍵功能的實(shí)現(xiàn)效率進(jìn)行了測試(表2). 結(jié)果表明(表3)，平臺不同模塊響應(yīng)效率較高，綜合解決能力強(qiáng)，可以滿足當(dāng)前巢湖藍(lán)藻水華防控工作的實(shí)際需求.

表2 平臺性能測試用服務(wù)器配置

表3 平臺性能測試結(jié)果

圖9 模型精度驗證結(jié)果

4 結(jié)語

本文針對巢湖藍(lán)藻水華的“天-空-地”立體監(jiān)測和應(yīng)急防控問題，通過整合衛(wèi)星遙感、無人機(jī)監(jiān)測、視頻監(jiān)控、浮標(biāo)監(jiān)測、人工巡測和數(shù)值模擬等手段，構(gòu)建了“整個湖區(qū)-重點(diǎn)區(qū)域-關(guān)鍵位置”全覆蓋的巢湖藍(lán)藻水華“天-空-地”立體監(jiān)測框架，實(shí)現(xiàn)了全湖水質(zhì)與藍(lán)藻水華現(xiàn)狀、超標(biāo)、變化趨勢等信息的快速獲?。患闪顺埠畡恿?水質(zhì)-藻類耦合模擬模型，接入了流域高時空分辨率氣象預(yù)報數(shù)據(jù)和高頻水質(zhì)水文監(jiān)測數(shù)據(jù)，實(shí)現(xiàn)了巢湖藍(lán)藻水華和主要水質(zhì)參數(shù)的精細(xì)化模擬與實(shí)時預(yù)測預(yù)警，可為藍(lán)藻水華應(yīng)急處置提供決策支撐. 測試結(jié)果表明，平臺核心功能實(shí)現(xiàn)效率及模型模擬結(jié)果精度較高，能夠滿足巢湖藍(lán)藻水華監(jiān)測和防控工作的實(shí)際需求. 隨著高性能計算、GIS時空數(shù)據(jù)分析、高光譜無人機(jī)數(shù)據(jù)采集和處理、數(shù)字孿生等技術(shù)的不斷發(fā)展，有望進(jìn)一步強(qiáng)化其在監(jiān)測效率、模擬精度、可視化效果等方面的功能，在富營養(yǎng)化湖泊藍(lán)藻水華監(jiān)測預(yù)警等方面具有廣闊的應(yīng)用前景.