重庆研究院水库水体富营养化研究取得进展
近日，中国科学院重庆绿色智能技术研究院大数据挖掘及应用中心在水库水体富营养化研究中取得系列进展，相关研究成果发表在Ecological Indicators、Chemometrics and intelligent laboratory systems和Water Resources Management等期刊上。研究获得国家科技重大专项“水体污染防治与治理”项目、中科院率先行动百人计划项目和国家自然科学基金项目的支持。
富营养化是氮、磷等营养盐含量过多所引起的全球性水环境问题，受到世界各国政府和学者的高度关注。为有效防止富营养化的发生，保障水体的正常功能，对富营养化程度进行科学评价是重要前提。它是水环境科学管理的基本手段，可为富营养化的防治提供决策依据。
在富营养化评价中通常会面临三种问题：一是知识冗余及其不确定性问题，由于影响富营养状态的因素众多并具有很多不确定性，这种冗余和不确定性来源多个方面，如不同地域间的影响因素不同，以及人为活动和社会经济不同等；二是监测数据获取具有一定的随机性，包括监测人员的个体操作差异、统计方法的选用差异以及监测仪器的精度差异和故障问题；三是监测数据的获取成本，在富营养化评价中，各监测指标数据的获取代价并不相同，如总磷(TP)、总氮(TN)和高锰酸盐指数(CODMn)的在线监测需要消耗大量试剂和能量用于复杂的消解过程，因而其获取代价高于叶绿素a(Chl-a)、透明度(SD)等指标。
针对以上三种问题，研究团队分别提出了粗糙集与多维云模型的混合模型、动态的奇异粗糙集模型和基于半监督分类技术的富营养化评价模型。与主流富营养化评价模型比较，上述模型从信息科学角度出发，实现了高质量的富营养化评价，主要体现在：（1）评价结果优于主流分类及富营养评价模型。其不仅能评价富营养级别，还能预测富营养状态值，预测效果理想。（2）协助专家在区域内的所有水华异常项中分析出某次水华前兆异常项的最小集合，减小了问题求解规模，为水华预测提供了客观依据，以此辅助决策者快速准确的评估水质以及估计其发展趋势。（3）针对实时监测大数据实现快速评价处理，并利用部分低代价监测指标帮助或取代部分高代价监测指标实现富营养化的准确评价。该系列项目研究成果将有助于对大型水库富营养化问题的科学认知评价和监测预警。
