在SLR中确定了几个湖泊的单个PB模型,或专门为单个湖泊开发的其他模型,并侧重于主要的环境或生理因素。一些著名的模型如PROTECH、DYRESM-CAEDYM、CLAMM、MyLake、PCLake、SALMO、SALMO-OO和DBS,这些模型已被应用于几个不同环境条件的湖泊。表1列出了最经常使用的PB模型的文章及其主要特点。其他PB模型列于表2。关于参数化和每个模型框架的进一步细节,(例如,建模方程所需的输入变量/参数)读者可参考其他文献,这些文献详细总结了其中一些模型的框架。此外,也为湖泊的基于过程的模型分类提供了一个框架,包括新西兰湖泊修复模型所应用的例子。
表1. 基于循环过程的模型的列表,包括关键特征和预报害蓝藻水华事件的应用
表2. 已发布的基于过程的预测有害蓝藻水华模型表,这些模型是为特定区域开发的,或者不包括在最常出现的PB模型中。USA-美国;FRA-法国;CHI-中国;POR-葡萄牙;SWI-瑞士;GER-德国;CAN-加拿大
PB模型是依赖蓝藻动态预测的数学方程,且这种方程是在应用到特定地点前就已经被定义了。现场数据被用来校准和验证方程中的参数。尽管这些模型框架和假设在不同的PB中有所不同,但一般来说,PB模型是基于内部和外部压力源来评估蓝藻群落的变化、生理偏好、养分供给、群落竞争、垂直和水平的运输和混合、冲洗率、热分层和物种生命周期特征。已经有文章对生理和环境条件对有害蓝藻水华的影响,以及如何在PB模型中量化提供了一个全面的综述。
经过校准和验证,在理论上PB模型能够预测蓝藻在历史数据中未观察到的条件下的未来行为。在综述的期刊中采用的PB模型(N = 49),在气候变化引起的温度、水分层和降雨及径流变化有关的各种未来情景中,约有74%被用于预测有害蓝藻水华。
生理和/或环境因素通常被评估为有害蓝藻水华的驱动因素。然而,结合每组适应策略,分析湖泊中浮游植物群的结构和它们随时间的变化,也可以用指标来评估未来有害蓝藻水华事件,例如根据生态位理论建立模型对中国太湖的有害蓝藻水华进行预测。利用不同浮游植物类群从纯异养体到纯自养体的自养分类,也建立了法国Bourget湖的有害蓝藻水华模型。通过WASP富营养化模型在加拿大Winnipeg湖,通过指定蓝藻和非蓝藻分别为K策略和R策略来区分浮游生物群落。经过验证,作者使用了WAS评估磷和氮负荷的长期未来情景的增加对浮游生物演替的影响。
由于风和水动力对蓝藻分散和积累的能力不同,也可根据这些对有害蓝藻水华模型进行分类。开发了一个PB模型来评估有害蓝藻水华沿加拿大Missoquoi湾水柱的积累和分散。作者发现,强风可以引起湍流混合,导致蓝藻的水平分散,并防止它们积累到形成水华的浓度。有学者建立了一个水动力Eulerlan模型,并结合Lagrangian模型来预测中国太湖微囊藻水华。他们观察到蓝藻浮力调节的生理反应与垂直混合和水平分散有关,这可能触发有害蓝藻水华事件。有研究在中国太湖使用三维模型,评估收敛和发散水流在湖泊中的有害蓝藻水华在4种气候情景的情况。有研究比较了三维Lagrangian和Eulerlan水动力模型对加拿大伊利湖微囊藻水华的预测,并得出结论水动力模型的结构也会影响预测的结果。
水体水柱的物理特性,如水位和温度分层,可以驱动有害蓝藻水华的发生,因此许多有害蓝藻水华的预测模型都有涉及到。在Karaoun水库应用DYRESM-CAEDYM的一项案例研究中,水位波动是有害蓝藻水华暴发的主要预测因子。在英国使用PROTECH模型对Esthwaite水体进行评估,水温和流速被用来预测有害蓝藻水华,作者评估了气候变化对这些变量的影响,以及它们与有害蓝藻水华的关系。未来的气候也会影响冰的形成和水的分层,这可能会影响有害蓝藻水华在每年的发生时间和规模。这些变量是用PROBE和PROTECH模型在瑞典的Erken湖和芬兰的Pyhäjärvi湖进行评估,并使用PROTECH与MyLake耦合。由于北方湖泊冬季变暖,冰盖减少,就可能导致春季浮游植物生长季节延长,加上温暖的气候,就可以促进有害蓝藻水华的暴发。此外,冰盖减少可能会强烈影响北方湖泊的物理和化学性质,因为冰盖可以减少冬季的养分径流和光透射,再加上温暖的气候,就会促进有害蓝藻水华的暴发。
一些预测模型侧重于对蓝藻的整个生命周期进行建模。在德国Melangsee湖开发了一种拉氏拟柱胞藻的生命周期模型(改名为Raphidiopsis raciborskii),包括厚壁孢子潜伏期。有学者在俄罗斯的Buchag水库模拟了鱼腥藻的生命周期,同时也考虑到了休眠期。这些模型强调了在蓝藻生命周期中休眠体的潜伏期,这是有害蓝藻水华形成过程的关键部分。
然而,PB模型的主要障碍之一是需要校准大量参数,往往需要跨多个学科的知识。其中一些参数可能很难测量或获取成本很高,这使得模型从参数识别的角度来看非常复杂,因此可以导致模型输出的不确定性和误差。
声明:所载内容来源互联网,仅供参考,交流之目的,转载的稿件版权归原创和机构所有,如有侵权,请联系我们删除。