李 港，陈 诚，何欣霞,2，何梦男，邓 跃，陈求稳,2

(1.南京水利科学研究院生态环境研究所，江苏 南京 210029； 2.重庆交通大学河海学院，重庆 400074；3.中建四局第五建筑工程有限公司，广东 深圳 518000)

湖泊是重要的淡水资源库，近些年来，由于营养盐的大量排放以及气候变化的影响，湖泊富营养化及水华问题日益严重[1]。据2018年中国生态环境状况公报显示，我国约有1/3的湖库达到了富营养化状态[2]，其中太湖、滇池、巢湖等重要水源地富营养化形势严峻，严重威胁饮用水安全和人体健康[3]。水华的精确模拟预测是富营养化湖泊风险管控的基础，对于富营养化湖泊的治理具有重要意义。

富营养化模型是进行湖泊水华模拟预测的重要工具。国内外学者开发了EFDC(environmental fluid dynamics code)、WASP(water quality analysis simulation program)、Delft3D-Eco和三维水生态动力学(three-dimensional hydro-ecological dynamics, 3DHED)模型等一系列湖泊水质模型[4-7]，已成功应用于滇池[8]、Langelmavesi-Roine湖[9]、维多利亚湖[10]等富营养化湖泊的藻类模拟预测。但由于大范围蓝藻生物量的空间分布获取困难，模型使用站点观测数据作为输入数据时，会产生较大的初值误差，同时，模型运行过程中模拟误差也会不断积累，使得模拟精度无法得到有效保证[11]。数据同化(data assimilation, DA)技术通过将观测数据融入模型计算过程，校正模型模拟结果，同步更新模型参数，降低了输入数据和模型结构不确定性的影响[12]。该技术包含连续数据同化和顺序数据同化两大类，其中连续顺序同化算法利用同化时间窗口内的所有观测数据和模型状态值进行最优估计，不断调整模型初始场，最终将模型轨迹拟合至同化窗口周期内的观测值上，主要以变分算法为主[13]。……