[发明专利]大型浅水湖泊72小时蓝藻水华预测方法

权利要求书

1.  一种大型浅水湖泊72小时蓝藻水华预测方法，其特征在于：根据蓝藻原位生长率和漂移速率参数，构建水体叶绿素a含量预测模型和水华发生概率预报模型；分析监测水域即时的叶绿素a含量和分布；将监测水域即时的叶绿素a含量、分布，以及监测期内气象信息数据输入模型，输出监测水域预测期内叶绿素a浓度的预测值和蓝藻水华出现的水域及概率，发布水华监测预报。

2.  根据权利要求1所述的蓝藻水华预测方法，其特征在于所述方法包括以下步骤：

1）在监测水域设置采样点，采集分析监测水域即时叶绿素a浓度值和分布；

2）采集预测期内的包括风速、风向、降雨在内的气象信息数据；

3）构建水体叶绿素a浓度预测模型，输入监测水域即时的叶绿素a浓度值、分布以及气象信息数据，输出监测水域预测期内叶绿素a浓度的预测值；

4）构建水华发生概率预测模型，输入监测水域叶绿素a浓度值、分布的预测值以及气象信息数据，预测蓝藻水华出现的水域及其概率；

5）输出数据，发布水华监测预报。

3.  根据权利要求1或2所述的蓝藻水华预测方法，其特征在于所述的水体中叶绿素a浓度采用快速水质监测仪器测定并根据下列公式校正：

水体平均叶绿素a浓度=Chla _YSI×7.76 （Chl _YSI≤40μg/L）

水体平均叶绿素a浓度=Chla _YSI×2.2  （Chl _YSI＞40μg/L）

式中Chla _YSI为快速水质监测仪器测定结果。

4.  根据权利要求1或2所述的蓝藻水华预测方法，其特征在于所述的叶绿素a浓度预测模型将监测水域划分为网格单元，并按下式得到水体网格单元内叶绿素a浓度的预测值：

N_t = N₀+（Bt－Dt）+（It－Et）                                           

式中，N_t为所预报时刻（t）的水体中藻类密度，N₀为监测时刻（0）藻类密度，Bt、Dt、It、Et分别是0—t时段该湖区藻类的生长、死亡、迁入、迁出的数量。

5.  根据权利要求4所述的蓝藻水华预测方法，其特征在于蓝藻由于生长、死亡引起的变化量，可用以下公式计算：

                                                                                                                    

式中，q为叶绿素a浓度的日变化率， N₀由现场监测获得。

6.  根据权利要求4所述的蓝藻水华预测方法，其特征在于水体网格单元内迁入或迁出的蓝藻量用以下公式计算：

Et＝a×V×t×d×P×C                                                                               

式中，a为网格的边长，Et为迁入或迁出的藻类量，V为风速，t为时间，d为水深，P为发生漂移的藻类占总藻量百分比，C为水体中叶绿素a的浓度。