近日，熟女论坛 邓柯副教授课题组与环境学院陈超副研究员课题组合作，在水环境研究领域国际顶级期刊《Water Research》（影响因子12.4）在线发表了题为“Development of a Hybrid Algal Population Prediction (HAPP) Model by Algae Growth Potential Estimation and Time Series Regression and Its Application in One Reservoir in China”的研究论文。该研究构建了一种计算简便且性能优异的数据同化策略 HAPP，有效整合了藻类丰度观测数据和藻类生长动力学模型，实现了对富营养化水体中藻华动态的精准预测，为我国湖库水源的藻类防控与供水安全提供了重要技术支撑。熟女论坛 环境学院2022级博士生谢宇煊为论文第一作者，邓柯课题组2024级博士生陈诗睿为论文第二作者，熟女论坛 环境学院陈超副研究员和邓柯副教授为共同通讯作者。

一． 研究背景

湖泊与水库是全球范围内重要的饮用水来源，富营养化湖泊和水库中的藻类繁殖会恶化水质，严重危及供水安全。因此，开展藻类种群动态预测研究，构建准确、实用的藻华预警模型，对保障供水安全具有重大现实意义。现有的藻华预测模型主要包括基于过程的机理模型和基于数据驱动的黑箱模型。前者虽具强解释性，但结构复杂、参数众多、校准困难；后者虽灵活高效，但缺乏机制理解、泛化能力有限。此外，遥感技术在大尺度水体监测中应用广泛，但对中小型水库分辨率不足，限制了其应用。在此背景下，本研究提出一种融合藻类生长潜力（AGP）估计与藻类丰度实测时间序列数据回归矫正的混合藻类种群预测模型（HAPP），兼顾机制可解释性与数据驱动优势，适用于缺乏遥感数据的中小型水库与湖泊，在中国北方某水库2018-2023年数据集上实现了应用和验证，为水源地藻类动态预测提供了有效工具，也为气候变化背景下的藻华防控提供了新思路。

二． 方法创新：融合过程机制与数据驱动的混合建模方法

本研究在方法论上的核心创新在于提出了一种计算简便、可解释性好、预测精准的新型数据同化策略。该领域传统方法往往局限于“白箱”机理推演或“黑箱”数据拟合，均有明显的局限性。运用“白箱”动力学机理模型进行推演时，往往面临若干关键挑战：（1）模型中的外部影响变量是动态变化的，且其变化数值往往难以准确捕捉，为动力系统的精确推演带来显著困难；（2）动力学模型的高精度数值求解计算量大，稳定性差；（3）模型参数众多，优化困难。这些挑战经常造成“白箱”模型的推演困难，且推演结果难以有效和实际观测数据相结合。本研究则提出，可以在每一个观测时刻，对于固定的外部影响变量观测值，不再详细推演动力系统的演化过程，而是直接求解动力学模型在固定外部影响变量下最终会达到的稳定状态。在本应用中，该稳定状态具有简明的解析解，我们将其称为“藻类生长潜力（AGP）”，并将其作为联系藻类生长的动力学过程与历史观测数据的关键桥梁变量。具体而言，我们首先基于给定的温度、光照、营养盐等环境因子，通过机理方程估算AGP，进而通过带有时滞的统计回归建立AGP与实际藻密度之间的动态映射关系，从而实现了“环境机理驱动—生长潜力计算—实际种群估计”的全链条模拟。另一方面，针对藻类生长响应的时空异质性，提出了分时段参数优化策略，分别按年度和生长高低期优化模型参数，显著提升了模型对实际生态系统动态变化的捕捉能力。此外，模型依托贝叶斯优化算法实现动力学参数与统计参数的协同优化，增强了复杂参数系统的识别稳健性与计算效率。最终，该模型仅依赖水温、光照、总氮、总磷四个易获取的核心变量，即可实现对未来藻类生长趋势的准确预测，为中小型湖库的藻华防控提供了既科学可靠又便于业务化应用的建模工具。

图1 文章摘要

三． 应用场景

在实际数据分析中，本文提出的混合藻类种群预测模型（HAPP）在基于全数据集、年度数据集和分季数据集不同时间尺度上的模拟中均表现出良好的拟合与预测能力，尤其通过时间特异性参数优化，显著提升了模型在年度和季节尺度上的解释力，更准确地捕捉生态系统的内在变化规律。图2展示了模型分别采用统一参数、年度参数和季节参数时对藻类生物量的模拟效果。

图2 HAPP使用统一参数 (a)、年度参数 (b) 和季节性参数 (c)模拟藻类生物量的结果。

论文DOI: 10.1016/j.watres.2025.12441

全文链接：//authors.elsevier.com/c/1leRS9pi-hsN-