巢湖藍(lán)藻水華監(jiān)測(cè)預(yù)警與模擬分析平臺(tái)設(shè)計(jì)與實(shí)踐*

邱銀國(guó)，段洪濤**，萬能勝，高 芮，黃佳聰，薛 坤，彭兆亮，肖鵬峰

(1:中國(guó)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(zhǎng)約54.5 km，南北長(zhǎng)約21 km，平均水深約3 m[1-3]. 巢湖是我國(guó)五大淡水湖之一，也是我國(guó)富營(yíng)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(zhǎng)以及工農(nóng)業(yè)生產(chǎn)的快速發(fā)展，巢湖水體營(yíng)養(yǎng)水平居高不下[9-11]，導(dǎo)致藍(lán)藻水華頻發(fā)，對(duì)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(huì)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(cè)手段不完善，主要依靠衛(wèi)星遙感和人工監(jiān)測(cè)手段獲取全湖藍(lán)藻水華現(xiàn)狀信息[14-17]，監(jiān)測(cè)結(jié)果的時(shí)空分辨率不高，不能實(shí)現(xiàn)“整個(gè)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(shí)識(shí)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(duì)全湖藍(lán)藻水華的演變趨勢(shì)進(jìn)行模擬預(yù)測(cè)，存在自動(dòng)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(cè)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(shí)空演變趨勢(shì)(特別是高時(shí)空分辨率的變化信息)、分區(qū)水華風(fēng)險(xiǎn)等級(jí)、重點(diǎn)區(qū)域水華堆積風(fēng)險(xiǎn)與持續(xù)時(shí)長(zhǎng)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(shí)空演變趨勢(shì)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(cè)、視頻監(jiān)控、浮標(biāo)監(jiān)測(cè)、人工巡測(cè)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(cè)預(yù)警與模擬分析平臺(tái)，及時(shí)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(cè)與風(fēng)險(xiǎn)評(píng)估、重點(diǎn)區(qū)域水華堆積風(fēng)險(xiǎn)研判、不同預(yù)警等級(jí)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(tái)總體設(shè)計(jì)

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

傳統(tǒng)巢湖藍(lán)藻水華監(jiān)測(cè)工作主要依靠衛(wèi)星遙感和人工巡測(cè)手段，在監(jiān)測(cè)效率、監(jiān)測(cè)結(jié)果的全面性和數(shù)據(jù)時(shí)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(guó)控?cái)嗝婧统Ｒ?guī)監(jiān)測(cè)站點(diǎn)每月1次人工監(jiān)測(cè)，藍(lán)藻監(jiān)測(cè)站點(diǎn)每周2次人工監(jiān)測(cè)，監(jiān)測(cè)的時(shí)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(duì)上述問題，設(shè)計(jì)了巢湖藍(lán)藻水華“天-空-地”立體監(jiān)測(cè)模式(表1)，在傳統(tǒng)監(jiān)測(cè)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(gè)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(cè)，及時(shí)掌握全湖水質(zhì)、水華現(xiàn)狀分布和超標(biāo)報(bào)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(cè)模式

巢湖藍(lán)藻水華“天-空-地”立體監(jiān)測(cè)模式中，水質(zhì)、水華監(jiān)測(cè)手段可分為常規(guī)監(jiān)測(cè)手段和應(yīng)急監(jiān)測(cè)手段兩類. 常規(guī)監(jiān)測(cè)手段包括衛(wèi)星遙感、視頻監(jiān)控、浮標(biāo)監(jiān)測(cè)和人工巡測(cè)，無需人工干預(yù)、定時(shí)自動(dòng)啟動(dòng)；應(yīng)急監(jiān)測(cè)手段包括無人機(jī)監(jiān)測(cè)和人工巡測(cè)，在藍(lán)藻水華暴發(fā)、水質(zhì)/水華超標(biāo)報(bào)警等應(yīng)急情況下根據(jù)水華應(yīng)急防控要求按需啟動(dòng)，對(duì)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(cè). 針對(duì)不同的監(jiān)測(cè)手段設(shè)計(jì)了數(shù)據(jù)處理與超標(biāo)報(bào)警流程(圖1)：針對(duì)“天-空-地”立體監(jiān)測(cè)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(jì)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(jì)分析、視頻數(shù)據(jù)藍(lán)藻水華提取與統(tǒng)計(jì)分析、水質(zhì)監(jiān)測(cè)數(shù)據(jù)時(shí)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(bào)警閾值，實(shí)現(xiàn)水質(zhì)、水華超標(biāo)信息的智能識(shí)別；根據(jù)監(jiān)測(cè)手段的不同，實(shí)現(xiàn)超標(biāo)信息的自動(dòng)報(bào)警(衛(wèi)星遙感、視頻監(jiān)控、浮標(biāo)監(jiān)測(cè))和人工報(bào)警(無人機(jī)監(jiān)測(cè)、人工巡測(cè)).

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

1.2 平臺(tái)體系結(jié)構(gòu)設(shè)計(jì)

巢湖藍(lán)藻水華監(jiān)測(cè)預(yù)警與模擬分析平臺(tái)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(cè)預(yù)警與模擬分析平臺(tái)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(jì)算等提供必要的數(shù)據(jù)支撐. 整合“天-空-地”一體化監(jiān)測(cè)獲取的多源監(jiān)測(cè)數(shù)據(jù)以及水文、氣象、流場(chǎng)、水生態(tài)等模型驅(qū)動(dòng)數(shù)據(jù)，通過構(gòu)建不同類型數(shù)據(jù)的統(tǒng)一存儲(chǔ)與整編方式、數(shù)據(jù)規(guī)范以及入庫(kù)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(cè)預(yù)警與模擬分析平臺(tái)標(biāo)準(zhǔn)化時(shí)空數(shù)據(jù)庫(kù).

(2)業(yè)務(wù)邏輯層：是連接平臺(tái)數(shù)據(jù)庫(kù)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(cè)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(tái)綜合數(shù)據(jù)庫(kù)建設(shè)成果針對(duì)各業(yè)務(wù)模型進(jìn)行驅(qū)動(dòng)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(shí)別、藍(lán)藻水華監(jiān)測(cè)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(dòng)識(shí)別、藍(lán)藻水華演變態(tài)勢(shì)高精度模擬和風(fēng)險(xiǎn)評(píng)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(jì)算結(jié)果實(shí)現(xiàn)湖區(qū)水質(zhì)和水華超標(biāo)判斷、短/長(zhǎng)期模擬預(yù)測(cè)、風(fēng)險(xiǎn)評(píng)估與應(yīng)急處置模擬等功能，為巢湖藍(lán)藻水華的監(jiān)測(cè)、預(yù)警和應(yīng)對(duì)提供決策支撐.

(3)應(yīng)用表現(xiàn)層：是整個(gè)平臺(tái)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(tái)中各個(gè)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(shì)、風(fēng)險(xiǎn)等級(jí)、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(dòng)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(shì)，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(shí)較長(zhǎng)，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(cè)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(cè)的全湖藍(lán)藻水華提取時(shí)效性問題，本文設(shè)計(jì)并實(shí)現(xiàn)了一種針對(duì)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(dòng)提取方法，無需人工干預(yù)即可自動(dòng)獲取當(dāng)日巢湖全湖藍(lán)藻水華現(xiàn)狀信息. 共包含3個(gè)模塊(圖3a)：(1)影像數(shù)據(jù)自動(dòng)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(shí)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(shí)任務(wù)管理程序驅(qū)動(dòng)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(dòng)提取模塊發(fā)送啟動(dòng)指令；(2)藍(lán)藻水華自動(dòng)提取模塊：研制了針對(duì)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(dòng)下載模塊發(fā)送的啟動(dòng)指令后，啟動(dòng)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(jì)分析與自動(dòng)發(fā)布模塊發(fā)送啟動(dòng)指令；(3)統(tǒng)計(jì)分析與自動(dòng)發(fā)布模塊：設(shè)計(jì)藍(lán)藻水華分區(qū)統(tǒng)計(jì)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(dòng)提取模塊發(fā)送的啟動(dòng)指令后，啟動(dòng)藍(lán)藻水華分區(qū)統(tǒng)計(jì)程序和數(shù)據(jù)批量發(fā)布程序，定量評(píng)價(jià)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(dòng)發(fā)布、批量入庫(kù).

圖3 基于多源衛(wèi)星數(shù)據(jù)的巢湖藍(lán)藻水華自動(dòng)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(duì)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(shí)掌握濱岸帶的藍(lán)藻水華時(shí)空分布情況，對(duì)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(shí)空演變快等特征，單純依靠傳統(tǒng)的衛(wèi)星遙感、人工巡測(cè)等手段難以及時(shí)、準(zhǔn)確掌握整個(gè)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(shí)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(dòng)，巢湖沿湖岸線布置了33個(gè)攝像頭，可以自動(dòng)調(diào)焦和設(shè)置觀測(cè)角度；相對(duì)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(cè)，實(shí)現(xiàn)了對(duì)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(shì)，設(shè)計(jì)了一種針對(duì)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(dòng)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(duì)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(duì)藍(lán)藻水華信息進(jìn)行連續(xù)監(jiān)控并定時(shí)(每小時(shí)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?cái)?shù)據(jù)進(jìn)行藍(lán)藻水華關(guān)鍵信息提取(時(shí)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(bào)警、濱岸帶水華強(qiáng)度信息實(shí)時(shí)動(dòng)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(xiǎn)評(píng)估關(guān)鍵技術(shù)

傳統(tǒng)湖庫(kù)藍(lán)藻水華模擬與預(yù)測(cè)方法主要以日為時(shí)間尺度，模擬預(yù)測(cè)結(jié)果的時(shí)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(duì)濱岸帶重點(diǎn)區(qū)域的水華堆積風(fēng)險(xiǎn)與堆積時(shí)長(zhǎng)模擬，模擬預(yù)測(cè)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(cè)模型，實(shí)現(xiàn)了藍(lán)藻水華短期(未來2日，逐小時(shí))和長(zhǎng)期(未來7日，逐日)預(yù)測(cè)預(yù)警；同時(shí)，對(duì)巢湖濱岸帶未來5日藍(lán)藻水華沿岸堆積風(fēng)險(xiǎn)進(jìn)行了逐日模擬評(píng)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(xiǎn)評(píng)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(dòng)力模型，以藍(lán)藻衛(wèi)星遙感監(jiān)測(cè)結(jié)果和浮標(biāo)監(jiān)測(cè)數(shù)據(jù)等為初始場(chǎng)，耦合三維數(shù)字流場(chǎng)動(dòng)態(tài)模擬結(jié)果、氣象預(yù)報(bào)數(shù)據(jù)、閘壩調(diào)度規(guī)則等，實(shí)現(xiàn)巢湖水動(dòng)力-水質(zhì)-藻類的高精度耦合模擬；(2)接入未來一周逐小時(shí)氣象預(yù)報(bào)數(shù)據(jù)，結(jié)合三維數(shù)字流場(chǎng)、高頻水質(zhì)水文監(jiān)測(cè)數(shù)據(jù)等，進(jìn)行巢湖藍(lán)藻水華演變態(tài)勢(shì)高時(shí)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(dòng)力、風(fēng)速風(fēng)向等要素，量化評(píng)估巢湖濱岸帶的藍(lán)藻水華堆積風(fēng)險(xiǎn)，實(shí)現(xiàn)濱岸帶藍(lán)藻水華堆積風(fēng)險(xiǎn)等級(jí)和堆積時(shí)長(zhǎng)的模擬預(yù)測(cè)[24]；(4)研發(fā)定時(shí)任務(wù)管理器，定時(shí)啟動(dòng)巢湖藍(lán)藻水華模擬和濱岸帶水華堆積風(fēng)險(xiǎn)評(píng)估模型，并將模型計(jì)算結(jié)果進(jìn)行自動(dòng)入庫(kù)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(xiǎn)評(píng)估方法

3 平臺(tái)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(cè)預(yù)警與模擬分析平臺(tái)的全部功能. 平臺(tái)共包含4大功能模塊：(1)“天-空-地”一體化監(jiān)測(cè)模塊：實(shí)現(xiàn)不同監(jiān)測(cè)手段獲取數(shù)據(jù)的集成展示、超標(biāo)報(bào)警和統(tǒng)計(jì)分析；(2)預(yù)測(cè)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(shí))和長(zhǎng)期(未來7日，逐日)預(yù)測(cè)預(yù)警；(3)應(yīng)急處置模塊：預(yù)測(cè)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(xiǎn)及時(shí)空演變趨勢(shì)，并提供應(yīng)急決策支撐；(4)報(bào)告中心模塊：實(shí)現(xiàn)巢湖藍(lán)藻水華監(jiān)測(cè)日?qǐng)?bào)和預(yù)測(cè)預(yù)警周報(bào)的查詢、展示和下載. 目前，平臺(tái)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(tái)運(yùn)行文件和數(shù)據(jù)庫(kù)系統(tǒng)均部署于合肥市政務(wù)云平臺(tái).

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

基于衛(wèi)星遙感、無人機(jī)監(jiān)測(cè)、視頻監(jiān)控、浮標(biāo)監(jiān)測(cè)和人工巡測(cè)手段，實(shí)現(xiàn)了“整個(gè)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(cè)，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(bào)警信息(圖6a). 基于設(shè)計(jì)的藍(lán)藻水華多源衛(wèi)星遙感自動(dòng)監(jiān)測(cè)方法，實(shí)現(xiàn)了藍(lán)藻水華全自動(dòng)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(kù)-前端展示”全過程的“無人值守”，每日8:00-18:00期間每整小時(shí)動(dòng)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(shì)等信息的快速獲取(圖6d，每4 h動(dòng)態(tài)更新數(shù)據(jù)). 通過不同監(jiān)測(cè)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(cè).

圖6 “天-空-地”立體監(jiān)測(cè)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(dòng)力-水質(zhì)-藻類耦合模型，基于高時(shí)空分辨率氣象預(yù)報(bào)數(shù)據(jù)、巢湖精細(xì)化三維數(shù)字流場(chǎng)數(shù)據(jù)、高頻水質(zhì)水文監(jiān)測(cè)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(shí))和長(zhǎng)期(未來7日，逐日)模擬預(yù)測(cè). 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(shí)，顧及巢湖岸線形態(tài)和復(fù)雜度，實(shí)現(xiàn)了對(duì)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(píng)估濱岸帶不同區(qū)域水華堆積風(fēng)險(xiǎn)及其時(shí)空演變情況；平臺(tái)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(duì)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(duì)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(tái)性能評(píng)估

為評(píng)估平臺(tái)性能，對(duì)藍(lán)藻水華衛(wèi)星遙感監(jiān)測(cè)、濱岸帶藍(lán)藻水華現(xiàn)狀監(jiān)測(cè)、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(cè)試(表2). 結(jié)果表明(表3)，平臺(tái)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(tái)性能測(cè)試用服務(wù)器配置

表3 平臺(tái)性能測(cè)試結(jié)果

圖9 模型精度驗(yàn)證結(jié)果

4 結(jié)語

本文針對(duì)巢湖藍(lán)藻水華的“天-空-地”立體監(jiān)測(cè)和應(yīng)急防控問題，通過整合衛(wèi)星遙感、無人機(jī)監(jiān)測(cè)、視頻監(jiān)控、浮標(biāo)監(jiān)測(cè)、人工巡測(cè)和數(shù)值模擬等手段，構(gòu)建了“整個(gè)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(cè)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(shì)等信息的快速獲?。患闪顺埠畡?dòng)力-水質(zhì)-藻類耦合模擬模型，接入了流域高時(shí)空分辨率氣象預(yù)報(bào)數(shù)據(jù)和高頻水質(zhì)水文監(jiān)測(cè)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(shí)預(yù)測(cè)預(yù)警，可為藍(lán)藻水華應(yīng)急處置提供決策支撐. 測(cè)試結(jié)果表明，平臺(tái)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(cè)和防控工作的實(shí)際需求. 隨著高性能計(jì)算、GIS時(shí)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(cè)效率、模擬精度、可視化效果等方面的功能，在富營(yíng)養(yǎng)化湖泊藍(lán)藻水華監(jiān)測(cè)預(yù)警等方面具有廣闊的應(yīng)用前景.