DB32T-湖库蓝藻水华及湖泛短期预测预警技术规范

Q/LB.□XXXXX-XXXX目次TOC\o"1-2"\h\z\u前言 II1范围 12规范性引用文件 13术语和定义 14基本要求 24.1效率优先 24.2简化简便 24.3预测准确率 25预测预警内容 25.1表征参数 25.2预测预警指标 25.3预测预警时空范围 36预测预警工作流程 37预测预警工作要求 37.1数据准备 37.2模型分类与选择 47.3构建与运行机理模型 57.4构建和运行数据驱动模型 67.5模型结果输出与分析 77.6风险概率及预警信息 78预测准确率评估与质量控制 88.1基本要求 88.2预测目标预测准确率评估方法 98.3风险概率预测准确率的评估方法 98.4面积预测准确率的评估方法 98.5质量控制 9附录A（资料性）机理模型与数据驱动模型算法示例 10附录B（资料性）蓝藻水华预测表征参数值及风险概率因子构建的概率计算示例 11附录C（资料性）湖泛预测表征参数值及风险概率因子构建的风险概率计算示例 12附录D（资料性）蓝藻水华风险概率与风险预警等级示例 13附录E（资料性）湖泛风险概率与风险预警等级示例 14附录F（资料性）蓝藻水华及湖泛预警报告模板 15参考文献 16前言本文件按照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定起草。请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。本文件由江苏省生态环境厅提出并归口。本文件起草单位：中国科学院南京地理与湖泊研究所、南京中科深瞳科技研究院有限公司、江苏省水文水资源勘测局。本文件主要起草人：秦伯强、朱广伟、李未、崔驰潇、吴挺峰、张运林、李慧赟、李枫、张建华、闻亮、杨耀中、王雪松。湖库蓝藻水华及湖泛短期预测预警技术规范范围本文件规定了湖库蓝藻水华及湖泛短期预测预警的基本要求、预测预警内容、工作流程、工作要求及准确率评估与质量控制等技术内容。本文件适用于湖库等内陆水体蓝藻水华及其引起的湖泛事件的短期预测与预警。河流、池塘等类似水体蓝藻水华预测预警、水草腐烂或外源有机质输入引起的湖泛预测预警可参照执行。规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。HJ494水质采样技术指导HJ495水质采样方案设计技术规定HJ1098水华遥感与地面监测评价技术规范（试行）术语和定义下列术语和定义适用于本文件。

表层水体surfacewater水体表面至水体深度10厘米之间的水团。

蓝藻水华cyanobacterialbloom内陆水体中，蓝藻门某种或多种种属占优并大量繁殖，表观特征为表层水体有肉眼可见蓝藻颗粒聚集或悬浮、叶绿素a浓度达到20微克/升以上或蓝藻密度达到1000万个/升以上的生态现象。

蓝藻水华面积cyanobacterialbloomarea表层水体出现蓝藻水华的水域面积。

湖泛decayedblackwater内陆水体中因有机物堆积和分解，蓝藻水华暴发后积聚，水草死亡后堆积，底泥中处于降解过程中的有机物上浮泛滥以及外源输入的有机质富集等，引起水体中溶解氧下降（溶解氧浓度低于2.0毫克/升），水色发黑并伴随有机硫化物等恶臭性气味释放的水环境现象。

短期预测预警short-termforecastandwarning运用模型对湖库未来3天～7天的蓝藻水华、湖泛等水质风险概率、位置、规模等实施预测，并确定蓝藻水华、湖泛风险的工作过程。

浮藻指数floatingalgaeindex利用遥感影像多个波段反射率信息，构建光谱组合估算模型，解译湖库表层水体漂浮的并能对表层水色产生影响的蓝藻生物量高低的度量指标。

蓝藻水华风险riskofcyanobacterialbloom蓝藻生物量或蓝藻密度达到形成水华的概率与程度的度量。

湖泛风险riskofdecayedblackwater湖泛发生概率和程度的度量。

预测准确率forecastaccuracy用数值表示各预测指标与实际情况的接近程度。基本要求效率优先在模型驱动数据获取和模型运算时间方面均应考虑时效性。驱动数据的监测完成时间原则上小于8小时，模型运算时间原则上小于2小时。简化简便蓝藻水华及湖泛预测预警方法和模型应简单，可操作性强。其中，模型方法、驱动信息、运算过程和结果判别，以满足结果准确率要求为前提，均应使用简单简便的预测预警方法。预测准确率蓝藻水华及湖泛预测预模型应保证预测准确率，定期评估模型预测准确率。预测预警内容表征参数确定表征参数的基本原则应确保蓝藻水华和湖泛具备1个以上基本表征参数，可根据预测预警水体对象构建以1个基本参数为核心、结合多个辅助参数的表征参数体系。表征参数的监测应符合国家HJ494、HJ495和HJ1098的相关规定。蓝藻水华表征参数蓝藻水华的基本表征参数为水体叶绿素a浓度、蓝藻密度和浮藻指数。辅助参数包括蓝藻在藻类中的占比、蓝藻优势种等。湖泛表征参数湖泛的基本表征参数为表层水体溶解氧浓度。辅助参数包括水体透明度、高锰酸盐指数，以及氨氮、硫化物、二价铁、有机硫、β-紫罗兰酮和β-柠檬醛等浓度参数。预测预警指标预测指标蓝藻水华表征参数值表示的蓝藻水华发生强度、发生面积、发生位置或其他相应指标。湖泛表征参数值表示的湖泛发生强度、发生面积、发生位置或其他相应指标。预警指标蓝藻水华发生的概率和风险等级。湖泛发生的概率和风险等级。预测预警时空范围蓝藻水华及湖泛短期预测预警的时间范围应为3天～7天，时间间隔不大于1天，必要时可缩短至1小时。根据水体敏感性确定预测预警的空间范围，包括整个湖库，湖库的敏感区域或关键点位。预测预警的重点水域包括饮用水水源地取水口、风景名胜区、生态敏感区等。预测预警工作流程预测预警的工作流程见图1。蓝藻水华及湖泛短期预测预警工作流程预测预警工作要求数据准备监测数据整理原则收集目标湖库中蓝藻水华及湖泛表征参数历史和现状数据、相关气象与水文、水质及生物等数据，以及未来3天～7天天气预报数据。不同途径获取的数据，使用前应进行数据融合或比对分析，在预测预警结果分析时应考虑不同途径数据源之间的差异。监测数据内容基础气象数据包括但不限于未来3天～7天的气温、降水、气压、风速、风向、相对湿度、太阳辐射、日照时数和相对湿度等。湖库基础物理数据包括但不限于水深、透明度，备选参数包括水体热分层状况、悬浮物浓度、水下光场和水体电导率等。湖库基础底泥数据包括但不限于底泥深度、关键水域浮泥厚度以及表层底泥有机质、总氮、总磷、生物活性磷含量等底泥性状参数。基础水文数据包括但不限于水下地形、出入湖库湖河道的流量、水位、水温、水深、波高、波周期、流速和流向等。湖库基础化学数据包括但不限于水体中总磷、氨氮、总氮和溶解氧浓度等，备选参数包括总溶解性磷、硝酸盐氮、总溶解性氮、高锰酸盐指数和pH值等。监测数据更新频次气象、水文、蓝藻水华发生情况及溶解氧等关键参数更新频率不低于3天/次。水体营养盐等水质参数更新频率不低于1月/次。水下地形等湖泊背景参数更新频率不低于5年/次。如发生湖库清淤、围垦、调水等对关键参数造成显著影响的事件，则应及时更新相关参数。模型分类与选择模型分类蓝藻水华及湖泛短期预测预警的模型分为机理模型和数据驱动模型两类。数据驱动模型可单独使用，也可与机理模型结合使用，作为机理模型在局部水域的有效补充。机理模型基于湖库水文水动力和水生态机理过程构建数值方程，在监测数据及未来3天～7天气象等信息数据驱动下求解方程，实现对未来3天～7天蓝藻水华及湖泛情势预测。数据驱动模型基于蓝藻水华或湖泛特征指标自身的长期变化规律，运用数学统计方法构建模型刻画蓝藻水华及湖泛特征指标变化规律。模型选择方法选择模型种类时须考虑目标湖库的数据保障情况、水体的重要程度或主要功能、运营管理模式和预测预警技术队伍状况。模型类型选择项目见表1，目标湖库符合3项及以上特征，即可选择相应类型模型。表1模型类型选择项目目标湖库特征机理模型数据驱动模型水域面积大小垂向分层差异大差异小水动力输移情况强弱空间异质性强弱构建与运行机理模型湖库水体空间网格划分湖库水体水平网格划分的形状为矩形网格、正交网格或三角形网格。水平网格分均匀网格和不均匀网格两种。网格划分方式应根据湖库岸线的曲折程度选取，兼顾模型准确度、稳定性及运算效率。在岸线复杂区域和蓝藻水华及湖泛的敏感区域，可加密水平网格。三维水动力机理模型、二维垂向水动力机理模型和一维垂向水动力机理模型的垂直分层数量不少于2层，并根据预测预警需求增加垂直层数。增加垂直层数时应考虑模型运行效率和稳定性。二维平面机理模型不考虑垂向分层。机理模型方程组确定机理模型组应包括水动力过程、蓝藻生消过程、溶解氧变化过程。确定方程组时需结合目标水体特征、水文水动力特点和主要营养盐生物地球化学过程。方程组示例见附录A.1。机理模型初始边界条件设置设置基本要求在蓝藻水华及湖泛预测机理模型运行前，应提供模型初始边界条件。应优先选择空间属性强的数据作为初始边界条件。初始条件数据通过插值法分配到预测目标湖库全部空间网格上。不同方式获取的参数需要经过相互校验，利用内插法生成时间上与数值模型计算步长一致的时间序列。设置内容及处理原则水—气边界条件水—气边界条件包括但不限于气温、光照、降水量、营养盐沉降通量等。气象信息的获取途径包括自行构建中尺度数值预报模型或气象信息网站查询提取。在无法直接获取到未来7天的太阳辐射、日照时数和降雨量数值时，应根据天气预报提供的气温、天气状况（晴、阴、多云、雨等）、风速和降雨信息估算。营养盐干湿沉降通量根据区域干湿沉降观测数据或文献数据等结合降雨信息等进行估算获得。出入流信息出入流信息包括但不限于入流位置及流量、出流位置及流量、出入流营养盐通量等。出入流侧边界数据来源包括但不限于：湖河道或河口的水质自动监测数据平台；根据地表径流（主要为河道）输入到湖库的水文水质时间序列估算。出入流流量数据来源包括但不限于：各口门水文巡测；各口门流量自动站监测；根据降雨-径流关系式和降雨量估算；流域水文模型模拟计算。水—沉积物界面信息水—沉积物包括泥沙及营养盐沉降通量、底泥再悬浮通量、营养盐释放通量等。水—沉积物边界条件参数的获取方式包括但不限于：水-沉积物界面当前进入湖库的物质和能量观测；历史观测数据；地下水模型估算；内源释放模型估算。机理模型求解蓝藻水华和湖泛表征参数采用有限差分法或有限体积法求解。模型中水平方向上的矢量参数和标量参数采用交错格式。差分格式为中心差分、向前差分或向后差分。垂直方向上采用隐含差分法，水平方向采用显式差分格式。模型计算顺序为：水动力场变化方程、温度方程、营养盐方程和蓝藻方程。多方程、多过程求解时，时间步长应与空间网格分辨率相匹配。构建和运行数据驱动模型算法选择数据驱动模型算法选择时，应考虑目标湖库的现状、数据条件以及预测目标参数。目标湖库的现状包括湖库形态、湖库生态特征、蓝藻水华风险的触发条件等。数据条件包括驱动数据的积累情况、监测数据的频次及持续支撑能力、蓝藻水华及湖泛的发生规律特点等。模型算法可参考附录A.2。数据准备数据序列的时长原则上不少于1年。应通过分析数据序列中预测参数自身的变化规律及预测参数与中间过程参数的关联特征，筛选关键参数，减少模型的数据需求。应通过构建预测参数与关键参数之间的线性或非线性关系评估数据库质量，剔除异常数据。若观测数据有缺失，可设置适合的窗口长度，在窗口内采取移动中位数方法对缺失的观测记录进行插值补充。对于高频监测数据，可采用滑动平均法将观测数据的时间间隔控制在6小时～24小时之间，具体依据预测结果的时间间隔确定。初始化数据驱动模型根据选定的数据驱动模型算法进行模型初始化，确定模型输入层、隐含层及输出层的各项参数，调整层与层之间连接的权值和偏置值，设定各层参数的权值及阈值，避免输入数据波动引起模型预测结果异常。模型训练与结果验证利用目标湖库的历史数据库训练蓝藻水华及湖泛预测模型。随机选取样本总数量的50%～70%作为训练集样本输入模型，根据输出值与测定值之间的误差反复调整权值和偏置值。模型构建完成后，选取样本总数量中其余的15%～25%数据作为验证集样本输入模型，用于测度在训练过程中泛化能力的表现，防止训练中发生过拟合现象。根据测度结果调整模型参数、权值、偏置值。选取样本总数量剩余的15%～25%数据作为测试集样本输入模型，测试模型性能，进行模型效果的分析与评价。模型运行训练、调试好模型后，输入最新获得的输入参数运行模型，计算获得预测时间范围内的蓝藻水华表征参数、湖泛参数。模型结果输出与分析模型输出须包括蓝藻水华或湖泛表征参数。输出结果的时间间隔为6小时～24小时。获得符合预测时间间隔要求的蓝藻水华和湖泛表征参数时间序列，绘制预测结果的时空序列图。据预测结果分析目标湖库蓝藻水华及湖泛的短期变化趋势、强度和空间位置。新的监测数据获得之后，应及时分析前次预测效果，进行模型优化。风险概率及预警信息蓝藻水华及湖泛风险概率计算确定蓝藻水华及湖泛的风险等级和对应的表征参数阈值。确立蓝藻水华风险概率因子和等级阈值。蓝藻水华风险概率因子包括天气状况、风速和降水等；根据已确定的风险等级，赋值各概率因子的阈值及其风险概率。因子选取及概率阈值示例见附录B。按公式（1）逐格点计算蓝藻水华发生概率。F式中：F1f1N1t——V1⋯n——1～nf2Vn——风险概率因子确立湖泛风险概率因子和等级阈值。湖泛风险概率因子包括天气状况、风速和降水等。根据已确定的风险等级，赋值各概率因子的阈值及其风险概率。因子选取及概率阈值示例见附录C。按公式（2）逐格点计算湖泛发生概率。F2式中：F2f3N2tV1⋯n——1～nf4V1蓝藻水华面积估算及预警风险等级确定目标湖库蓝藻水华敏感度风险划分应考虑水体的风险承受程度。对具有饮用水水源地、珍稀物种栖息地和公众休闲重点场所等功能的目标湖库，应设置更为严格的蓝藻水华强度容忍度。计算单位格点蓝藻水华发生概率，统计格点数量及位置，得到蓝藻水华发生面积和位置；结合发生位置的风险控制要求等信息，确定相应位置蓝藻水华风险的预警等级。统计蓝藻水华发生概率格点时，应只考虑概率值超过50％的格点。在敏感水域，应考虑概率值超过40％的格点。根据预测的蓝藻水华面积，确定整个目标湖库的蓝藻水华预警风险等级。蓝藻水华的风险等级可按照红色、橙色、黄色、绿色和蓝色划分，水华发生概率阈值设置示例见附录D。湖泛发生面积估算及预警风险等级确定目标湖库湖泛敏感度划分时应考虑预测水体的风险承受程度。对具有饮用水水源地、珍稀物种栖息地和公众休闲重点场所等功能的目标湖库，应当设置更为严格的湖泛强度容忍度。计算单位格点湖泛发生概率，统计格点数量及位置，得到湖泛发生面积和位置；结合发生位置的风险控制要求等信息，确定相应位置湖泛的预警风险等级。统计湖泛发生概率格点时，应只考虑概率值超过50％的格点。在敏感水域，应考虑概率值超过40％的格点。结合预测的湖泛面积，确定整个目标湖库的湖泛预警风险等级。湖泛风险等级可按照红色、橙色、黄色、绿色和蓝色等划分，各风险等级之间的湖泛发生概率阈值示例见附录E。预警信息编写按6.6.1计算未来蓝藻水华及湖泛风险，制作图表，填写蓝藻水华及湖泛预测预警报告（报告模板见附录F）。蓝藻水华及湖泛预测预警报告内容至少包括：报告填写时间；当前关键信息状态值；未来气象条件；预测结果数据及图表；风险等级判别与色彩等级；预测预警结论；风险原因及应对建议；报告制作单位及制作人等信息。预测准确率评估与质量控制基本要求评估内容包括但不限于：预测目标表征参数数值、蓝藻水华或湖泛发生风险概率、蓝藻水华或湖泛发生面积。蓝藻水华及湖泛预测预警模型应定期进行预测准确率评估，评估频率不得低于1次/年。应剔除天气预报误差。根据评估结果及时完善模型。预测目标预测准确率评估方法根据后期实际观测表征参数值，逐观测点位计算预测准确率。预测目标预测准确率的计算方法可采用一种或多种方法相结合，包括模型预测结果与实际情况之间的平均偏差、绝对误差、均方根误差、相关系数及纳什系数等。预测目标预测准确率应分时段计算。根据预测预警报告预测周期，分1天预见期、2天预见期、3天预见期和7天预见期等不同时段。风险概率预测准确率的评估方法对比后期实际监测情况与预测结果，计算风险概率的预测准确率。可基于整个湖库、重点关注水域或关键站点，评估风险概率的预测准确率。应逐期计算风险概率预测准确率，获取不同时间段内风险概率的平均预测准确率。风险概率预测准确率应按表2赋值，计算值越接近100％表示预测准确率越高。表2蓝藻水华（湖泛）风险概率的预测准确率赋值实际情况预测风险发生概率0＜风险发生概率＜40％40％≤风险发生概≤60％60％＜风险发生概率＜100％发生蓝藻水华（湖泛）050％100％未发生蓝藻水华（湖泛）100％50％0面积预测准确率的评估方法根据后期实际监测结果与预测结果，对蓝藻水华及湖泛发生面积进行分期比对分析。根据HJ1098中水华程度分级标准，按照蓝藻水华面积占水面的比例，将水华程度分为Ⅰ～Ⅴ五个级别。湖泛风险事件分级数量和标准见苏政办函[2021]108号。对比蓝藻水华、湖泛发生面积预测结果与实际监测结果，若蓝藻水华和湖泛预测发生面积与实测发生面积在同一级别内，则预测准确。质量控制每个预测准确率评估周期中，预测目标表征参数的平均预测准确率应大于80％。每个预测准确率评估周期中，蓝藻水华及湖泛重大事件的平均预测准确率应大于80％，蓝藻水华及湖泛一般事件的平均预测准确率应大于60％。每个预测准确率评估周期中，蓝藻水华及湖泛发生位置的平均预测准确率应大于60％。每个预测准确率评估周期中，当预测目标表征参数的平均预测准确率低于80％，或者事件和发生位置的平均预测准确率低于60％时，应及时对模型进行优化。

（资料性）

机理模型与数据驱动模型算法示例机理模型应包括水动力方程和水质输移方程。以三维模型为例：三维水动力方程包括连续方程、动量方程和静压方程。连续方程按A.1计算、动量方程按A.2和A.3计算、静方程按A.4计算、水质输移方程按A.5计算。 ∂u/∂x+∂v/∂y+∂w/∂z=0 (A.1)式中： u,v,w─流速在x,y,z三个方向上的分量，单位：米/秒； ∂u/∂t+u式中： u,v,w─流速在x,y,z三个方向上的分量，单位：米/秒； t─时间，单位：秒； ρ─水体密度，单位：千克/立方米； f─科里奥利力，单位：千克·米/平方秒； Ah,Av─水平和垂直方向的湍流扩散系数，单位：平方米∂v/∂t+u式中： u,v,w─流速在x,y,z三个方向上的分量，单位：米/秒； t─时间，单位：秒； ρ─水体密度，单位：千克/立方米； f─科里奥利力，单位：千克·米/平方秒； Ah,Av─水平和垂直方向的湍流扩散系数，单位：平方米 ∂p/∂z=-ρg式中： ρ─水体密度，单位：千克/立方米； g─重力加速度，单位：米/平方秒 p─水压，单位：百帕； ∂C/∂t+∂(uC)/∂x+∂(vC)/∂y+∂(wC)/∂z-∂/∂xDh∂C/∂xz-∂式中： u,v,w─流速在x,y,z三个方向上的分量，单位：米/秒； C─藻类生物量（毫克/升）或藻密度（万个细胞/升），总溶解性磷（毫克/升）、总溶解性氮（毫克/升）以及溶解氧（毫克/升）等水质变量； S─各变量的源汇项； Dh，Dv─水平和垂直方向的水质参数湍流扩散系数，单位：平方米/数据驱动模型算法可采用朴素贝叶斯算法、支持向量机算法、随机森林算法、人工神经网络算法和深度学习等统计方法。

（资料性）

蓝藻水华预测表征参数值及风险概率因子构建的概率计算示例表B.1给出了蓝藻水华预测表征参数值及风险概率因子构建的概率计算示例。蓝藻水华预测表征参数值及风险概率因子构建的概率计算示例叶绿素a/(µg/L)fV1（风速：m/sfV2f[60，～）1（～，3.3）1晴、多云1[50，60）0.9[3.3，5.4）0.9阴、小雨0.9[40，50）0.8[5.4，7.9）0.8阵雨、雷阵雨0.8[20，40）0.7[7.9，10.7）0.7中雨0.7（～，20）0.4[10.7，～）0.5大、暴雨0

（资料性）

湖泛预测表征参数值及风险概率因子构建的风险概率计算示例表C.1给出了湖泛预测表征参数值及风险概率因子构建的风险概率计算示例。湖泛预测表征参数值及风险概率因子构建的风险概率计算示例溶解氧/(mg/L)fV1（风速：m/sfV2f（～，1.0）1（～，3.3）1晴、多云1[1.0，2.0）0.8[3.3，5.4）0.9阴、小雨0.9[2.0，4.0）0.7[5.4，7.9）0.8阵雨、雷阵雨0.8[4.0，6.0）0.4[7.9，10.7）0.7中雨0.7[8.0，～）0[10.7，～）0.5大、暴雨0

（资料性）

蓝藻水华风险概率与风险预警等级示例表D.1给出了蓝藻水华风险概率与风险预警等级示例。蓝藻水华风险概率与风险预警等级示例蓝藻水华发生概率（～，40