環(huán)境過程存在顯著的空間異質性與時間動態(tài)變化，環(huán)境空間動態(tài)模擬是表達環(huán)境過程、闡明環(huán)境機理的重要手段。在國家重點基礎研究發(fā)展計劃項目、國家水污染治理重大專項、國家自然科學基金和研究所“一三五”重點布局項目等項目的資助下，中國科學院南京地理與湖泊研究所高俊峰研究團隊以大型湖泊的藻類模擬為研究案例，在環(huán)境空間動態(tài)模擬方法與應用研究方面取得進展。
該研究采用集合卡爾曼濾波方法有效利用大量監(jiān)測數(shù)據提高模型預測精度。以藻類空間預測模型的數(shù)據同化為研究案例，采用集合卡爾曼濾波，構建空間動態(tài)模型的數(shù)據同化模式，實現(xiàn)了模型參數(shù)與狀態(tài)變量的實時優(yōu)化，研究結果表明：（1）集合卡爾曼濾波適用于空間動態(tài)模型的數(shù)據同化，能夠有效提高模型預測能力；（2）模型狀態(tài)變量與參數(shù)的實時優(yōu)化是提高模型預測能力的重要途徑。研究結果發(fā)表在Ecological Modelling上，審稿專家認為該研究對空間動態(tài)模型的數(shù)據同化、挖掘數(shù)據的有效信息、減少模型不確定性有重要參考價值。同時，數(shù)據同化算法已申請軟件著作權1項（空間動態(tài)模型的數(shù)據同化平臺，2014）。
此外，在基于空間動態(tài)模擬方法的藻類預測方面，基于藻類生長模型和空間動態(tài)模擬方法，研究了藻類生長（藻類生物量）對數(shù)據時間分辨率、輸入變量（水溫、風速、風向、可溶性磷、可溶性氮、太陽輻射）等參數(shù)的響應機制。研究結果表明：（1）高時間分辨率數(shù)據能夠顯著提高空間動態(tài)模型的預測能力；（2）水溫與光照是影響藻類短期變化的重要因素，風場對藻類空間分布有顯著影響，營養(yǎng)鹽對藻類生物量短期變化的影響較小。這一研究對識別模型敏感因子、認識系統(tǒng)機理過程、提高模型預測精度提供了有效手段。
空間動態(tài)模型的數(shù)據同化流程
環(huán)境因子對太湖藻類生物量短期變化的影響（WT：水溫；WS：風速；WD：風向；DP：可溶性磷；DN：可溶性氮；PAR：太陽輻射）
