近年來，我國的許多湖泊水華泛濫，水體處于富營養化的湖泊超過70% ，其面積、強度以及藻毒素
的含量，均在大幅度增長。“三湖”中的滇池、太湖和巢湖，都存在著藍藻水華泛濫成災的態勢，其蔓延的速度及治理的難度已到了“生態癌”階段，而成為了種環境災害。“凡事預則立，不預則廢”。面對水體富營養化愈來愈嚴重，水華暴發越來越頻繁的嚴峻形式；為減少水華發生頻率及由此造成的損失，開展水華預警已成當務之急。水華爆發是眾多因素共同作用的產物，具體包括水體中營養鹽的累積、氣候條件、水力條件以及水生生態系統的結構與組成；而在研究水華時空演化規律過程中，環境遙感信息同樣*。為此，有必要在眾多水華影響因素的動態監測信息的融合基礎上，尋求水華爆發與這些影響因素間的影射關系。這就需要信息融合技術，信息融合技術為水華預警與提供了一個良好的平臺，它將分布在不同位置的多個同類或異類傳感器(包括水文、氣象與水環境質量以及環境遙感等)所提供的局部不完整的觀測信息加以綜合集成，消除多傳感器信息之間可能存在的冗余和矛盾，加以互補，降低其不確定性，形成對水華爆發環境有個相對完整的感知與描述；從而提高水華預警與應急響應決策的效率。后，信息融合技術還可提高水華預警信息的時間與空間分辨率，擴展水華預警信息的時空監測范圍；可以增加水華目標特征矢量的維數，降低水華預警信息的不確定性與預警推理的模糊程度；同時，可以增強水華預警決策支持系統的容錯能力和自適應能力，提高系統的可靠性與魯棒性(robustness)。

1 應用研究進展
1．1 多源信息融合技術的研究進展
所謂信息融合是針對一個系統中使用多種傳感器這一特定問題而開展的一種全新的信息處理方法。它利用計算機技術對按時序獲得的若干傳感器的觀測信息在一定準則下，加以自動分析與整合，以完成所需要的決策和估計任務。其中融合是一種形式框架，在這一框架下，可以融合來自不同來源、不同模式、不同媒質、不同時間地點、不同表現形式的信息，目的是為了得到對感知對象(諸如河湖水華)更為精確的表述。信息融合的過程是用數學方法和技術工具綜合不同信息源，目的是得到高品質的、反映被感知對象的有價值信息。信息融合(Information Fusion)的概念早出現在20世紀70年代的美國，起初主要用于軍事領域，包括*的BETA、TCAC等信息融合系統都是這個階段的產物，1986年美國*成立了數據融合小組(DFS)，專門從事信息融合的研究。1988年美國將信息融合技術列為重點研究的若干技術之一，并開發了一系列C4I系統和IW 系統。2O世紀90年代以后，信息融合技術進入高速發展期，得到廣泛應用，其應用領域已拓展到包括多目標探測、識別、跟蹤 以及戰場監視、態勢與威脅評估等領域。隨著信息融合的應用領域也不斷拓展，已從軍事領域逐漸向其他領域滲透，諸如：智能機器人與智能車、醫學圖像處理與診斷、天氣預報、地球科學、農業、制造業與經濟等領域。信息融合技術已進入高速發展期，應用范圍日趨廣泛，諸如法國的Serge提出了對風速與風向進行融合，較好地解決了風場問題l9]，其成果可用于大氣環境影響預測與評價；美國的Moigne和Smith研制了一個融合系統，可用來監控植被的變化情況口 。1997年在美國成立了信息融合學會(ISIF)，1998年由IEEE信號處理學會、控制系統學會、宇航與電子學會等發起舉辦了信息融合會，其后每年都召開一次。在國防科工委的組織下，我國也于1995年在長沙召開了*次數據融合會議。

1．2 多源信息融合技術在環境領域應用研究進展
隨著環境信息獲取手段趨于多元化，獲取的環境信息越來越多，也越來越復雜，其問必將存在冗
余、互補，甚至相互矛盾。傳統的在多源環境數據與環境質量類型之間建立映射關系的方法已不能滿足需要，需要從一個全新的角度，對多源環境數據進行處理，多源信息融合技術是的選擇，它可以對來自不同傳感器的環境信息進行處理。目前，多源信息融合技術在環境領域的應用主要集中在環境監測數據融合處理上。在環境質量常規監測方面，徐立中、林志貴等結合我國水質自動監測系統建設，利用信息融合技術構建了由信息采集、傳遞與加工過程組成的水質自動監測體系框架。林志貴等以長江口區域水質監測數據為研究對象，利用D—s理論對水質監測數據融合處理后，進行評估實驗，比較了融合前后的實驗結果 。在宏觀環境遙感監測方面，Lahet等利用多源遙感圖像與地面監測信息，提取水體中懸浮物、黃色物質與浮游植物的濃Ammenberg等利用水質參數的固有光學特性建立生物一光學模型，并聯合CASI遙感數據與地面監測數據，對葉綠素、有色溶解有機物與懸浮顆粒有機物進行估計口引。利用水庫多源監測數據，將遺傳算法用于水庫富營養化進行監測與評價口 。對水質監測數據進行融合處理的目的在于多源監測數據與水質參數間建立映射關系。Keiner等提出利用TM 影像數據與地面監測數據，建立三層BP神經網絡模型，輸入層為TM 3個波段，輸出層為葉綠素或懸浮物濃度口 ；王建平等提出利用TM影像數據，同時反演懸浮物、葉綠素、DO、TP、TN與CODM 等水質參數_1 。曾維華等在已完成的國家863項目“北京北環水系水質水量聯合調度”課題中，系統分析了國內外有關水華的機理以及環境災害預警技術方面的研究，將環境災害預警技術應用于水華預警領域，構建了水華預警的成套理論和技術方法體系，明確了水華預警的概念和特征，制定了水華預警的步驟和技術指標體系，總結了水華預警的功能和主要內容，建立了基于ANN的水華預警模型，并用于北京“六海”水華預警，開展了水華預警理論和方法的初步探索口 。盡管多源信息融合技術在環境領域，特別是環境遙感領域應用已取得很多研究成果；但相比其他領域還有很大差距，主要研究成果集中在水質監測與環境遙感兩個領域，而在污染源(環境危險源或風險源)識別、跟蹤與診斷，以及突發環境污染事故(諸如水華)預警等領域，多源信息融合技術的應用尚處起步階段。

2 水華預警的研究進展與多源信息融合技術在水華預警中應用前景分析
2．1 水華預警的研究進展
水體富營養化引起的水生態安全問題在近十幾年才引起人們的足夠重視；其中以赤潮預警研究為主，很少涉及內陸河湖水華風險分析與預警。內陸河湖的水華研究大多僅停留在水華影響因素 、發生機理口 、演化趨勢預測階段。赤潮預法主要包括兩類：其一是從赤潮的致因出發，這是赤潮預警的根本途徑。水華影響因素包括水溫、營養鹽、光照、鹽度等；分析導致某地赤潮發生的主導或限制因素，通過建立固定的數學模式，進行預報或預警。J H W Lee等人為跟蹤監測具有代表性的海水養殖區的葉綠素、溶解氧與其他水文氣象條件的變化，建立了一套自動遙控實時監測系統。利用這一系統可以在赤潮爆發的早期給出預警。從2000年到2003年，這一系統成功地跟蹤了19次赤潮[2 。利用這一遙控預警系統，*次在赤潮爆發過程中，對水生物參數進行監測，實現了海岸帶赤潮實時觀測；并從整體角度，解釋赤潮演變過程。這一研究推動了各類赤潮預警模型的發展，為開發集成在線預測模型的預警系統奠定了良好的基礎。這一系統可以在赤潮對海洋生物造成影響之前輔助制定減輕影響的預案 。Gilbert C S等利用代內生變量的向量自回歸模型(VARX)建立赤潮模擬預測模型。為評估VARX模型的精度，香港2000年到2003年每天兩小時間隔的葉綠素熒光(CHL)、溶解氧、總有機氮、水溫、風速與太陽輻射數據被用于模型的率定與檢驗。為了為漁民與管理機關提供赤潮預警，一個基于VARX模型的預警系統被建立起來，其精度可達到83 ，比人工神經網絡模型的預測結果要好 。第二類赤潮預法是在浮游生物生物量預測基礎上進行預警。赤潮是某些海洋生物(主要是浮游植物)在一定條件下暴發性繁殖引起海水顏色改變的現象，該現象的整個過程體現在浮游植物生物量的變化上。浮游植物生物量的增長有一個過程，從理論上看，典型的過程存在“臨界狀態”。低于該臨界狀態表現為正常的群落演替；否則，表現為群落生物量的指數增長。如果能夠找到能反映赤潮發生的臨界狀態的參數和參數值，這一途徑就有可能成為現實 。國內外學者對于內陸河湖水華預警多采用第二種方法。澳大利亞人在1995年曾提出了一個“水華警戒水平”的概念，主要是針對藻類生物密度而言的 。2000年，中國的盧大遠等人在研究漢江水華時提出水華“警界值”的概念并對漢江水華進行預警預報的設想 。不同地區水華“警界值”有較大差異，且很難確定。國外也有學者采用*種方法進行水華預警研究，諸如Luis Oliva Teles等將時問序列神經網絡方法用于葡萄牙波爾圖區域克里斯圖馬水庫有毒藍藻水華的爆發預警，為給水處理廠提供水華爆發的預警。該預警模型系統收集了1999～2002年克里斯圖馬水庫的物理、化學與生物參數，并以兩周為周期將這些參數分為獨立時間序列的3組。一組用于神經網絡的訓練，另一組用于模型率定，避免訓練過度；后一組用于模型驗證_l3引。綜上所述，水華預警技術方法包括從其諸多限制因素的動態監測與演化趨勢預測角度，利用預測預報模型進行預警，以及利用浮游植物生物量或藻類密度的臨界(狀態)值進行預警。無論哪種方法，都尚處探索階段，特別是基于多源信息融合的水華預警剛剛起步，所采用信息融合技術方法比較單一，成功案例比較少。受資料與經費限制，大多研究僅僅是以點代面，對已有水質地面監測、氣象與水文信息進行初步融合，而沒有利用環境遙感信息，將水華預警信息拓展到面上。對水華預警問題，用于融合的信息不僅有來自地面傳感器的信息，還有來自遙感的信息，此外還有人工監測信息等，決策時還需考慮地理、氣象等因素。這些數據包括實時和非實時兩類，并且表示形式存在較大差異，它們一般是不完整、不精確、模型甚至是矛盾的，會受到這樣或那樣的干擾。在這種情況下，必須采用人工智能技術中的專家系統來解決問題，這樣可在較高層次上實現領域專家的信息融合處理能力。水華預警面對的是一復雜系統，其實時性還有待解決，復雜系統的知識獲取仍為瓶頸問題，知識的表示影響著推理速度從而影響系統的實時性。特別是，基于黑板結構的信息融合系統，還有很大的發展潛力。目前，在我國為進一步推廣基于多源信息融合技術的水華預警，一方面需要在理論方面借鑒已有成熟的多源信息融合技術方法，拓展多源信息融合技術的水華預法體系；另一方面，要在國內水華問題較為嚴重的湖庫(諸如太湖、滇池與三峽水庫等)開展示范研究。后，湖庫水華預警應與水質自動監測體系建設結合起來，根據基于多源信息融合技術水華預警的需求，研制水質自動監測體系。

2．2 環境遙感在內陸河湖水華預警領域的研究進展
2O世紀70年代開始，美國等發達國家開始利用遙感手段對區域性水華進行監測。1972年Landsatl發射后，MSS數據開始被用于湖泊懸浮物含量數據的獲取 ¨；80年代以來，隨著遙感技術的發展，遙感對內陸湖庫水生生態環境的監測拓展到水溫、渾濁度、懸浮物與葉綠素等水質指標 3 。 ，用于湖泊水庫營養狀態的監測與評價口。進入20世紀8O年代，隨著Landsat4，5的成功發射，TM 數據以更高空間、光譜與輻射分辨率吸引更多學者將其用于監測內陸湖庫水環境質量，Lathrop等對美國Michigan湖的Green湖灣進行了一系列遙感研究，包括葉綠素、懸浮物與透明度在內的多項參數，取得良好的效果l4 。我國學者從80年代開始對內陸河湖水環境污染遙感監測研究，王學軍等利用TM7個波段的數據，在對遙感數據與實測數據進行相關分析基礎上，優化波段組合，給出懸浮物、透明度、溶解氧、高錳酸鹽指數、生化需氧量、總氮、總磷等與富營養化相關的指標的估算方式l4 。Robert K Vincenta等利用TM 遙感影像反演伊利湖藻青蛋白與透明度，由此得到伊利湖藍藻水華爆發的時空規律，為潛在有毒水華事件提供預警[4 。Sampsa K等利用MERIS遙感影像反演芬蘭海灣春季發生水華時的葉綠素a、總懸浮固體與有色溶解有機物的吸收系數，獲得良好效果l4 。由此可見，環境遙感技術已廣泛應用于懸浮物(SS)、葉綠素a(Chl—a)濃度的定量化研究，以及有色可溶性有機物(CDOM)、透明度(SD)、水溫、水華(赤潮)等的識別和監測。基于環境遙感的內陸河湖水質監測能夠提供水質變量的空間分布，彌補了傳統的站點監測和數學模型模擬的缺陷，逐漸廣泛地應用到水華監測和評價當中。環境遙感在水質指標中的研究應用，從初單純的水域識別發展到對水質指標進行遙感監測、制圖和預測。對于水環境的災害性事件監測如水華或赤潮等，環境遙感可以發揮出可以發揮其大范圍、實時、同步和連續監測的特點。

2．3 多源信息融合技術在水華預警領域應用的前景分析
隨著通訊與傳感器技術的飛速發展，推動了內陸河湖水華環境遙感監測能力的發展；由此不斷改進在局域、流域與區域尺度上的水質監測的統計與機理模型；同時，也提高水華參數實時快速監測能力，這被認為是有害水華事件預警與應急響應的基礎 。信息融合技術為水華預警提供了一個良好的平臺，它將分布在不同位置的多個同類或異類傳感器(水文、氣象與水環境質量，以及環境遙感等)所提供
的局部不完整的觀測信息加以綜合，消除多傳感器信息之間可能存在的冗余和矛盾，加以互補，降低其不確定性，形成對水華爆發環境有個相對完整的感知與描述，從而提高水華預警決策與應急響應的準確性與效率。

3 研究展望
在缺少水華實時監控信息情況下，通常可以利用其他一些不同來源的相關信息開展水華預警。信息融合技術以其自身的優勢可以有效解決水華預警過程中多源信息處理的難題。信息融合技術可以利用各種時空條件下，多種信息源的水華影響因素信息，進行關聯、處理和綜合，以獲取關于水華爆發的更完整、更精確的判斷信息；進一步，對水華的爆發開展預警。針對水華爆發成因的多源性與不確定性的特點，將研究重點放在如何合理充分利用不同來源、不同形式的水華爆發致因信息來對水華爆發做出預警。通過借鑒信息融合技術在其它領域的研究成果，將多源信息融合的相關技術運用到水華預警之中，力圖解決不同來源、不同形式水華爆發致因信息綜合利用的難題。基于多源信息融合的水華預警模型的主要研究
內容包括：
3．1 理論與方法研究
在水華爆發機理研究基礎上，分析水華演化規律，及水華與其影響因子的相關關系；明確水華預警的概念、特征、功能與預警等方面內容；構建基于多源信息融合技術的水華預警的基本理論框架與方法
體系。
3．2 數據收集與預處理
通過不同渠道采集水華預警信息，并利用重構形成重構的例子庫，使用例子訓練來不斷地修正、完善和選擇，逐漸優化融合系統。收集研究區近年水文(水溫、流速等)、氣象(氣溫、降水等)、水質(TN、TP、葉綠素a、藻密度、透明度、懸浮物、COD等)與環境遙感數據，以及水華爆發信息；用多環境遙感影像數據，建立基于多源遙感數據融合的水體中污染物定量反演模型的建立；反演懸浮物、葉綠素、DO、TP、TN與COD等水質參數；利用數理統計方法，對遙感反演的水質信息，以及水文、氣象與水質監測信息進行分類匯總，去除冗余與相關信息，利用重構形成重構的例子庫，使用例子訓練來不斷地修正、完善和選擇；構造一整套完整的、相互獨立的水華預警信息；建立研究區水華預警的空間數據庫與屬性數據庫，以及綜合集成的案例庫。
3．3 水華預警模型建立
1)在多源水華預警信息收集與預處理基礎上，構造完整的、相互獨立水華預警指標體系；2)利用多源信息融合技術，建立多源水華預警信息處理的Bayes決策法、人工神經網絡法、無監督學習模式分類法、D—s證據推理算法和模糊推斷算法等；在此基礎上，建立水華預警模型，并通過歷年水華爆發的歷史數據，對所建模型進行率定與驗證；3)建立基于多源信息融合技術的水華預警模型庫。
3．4 系統集成
構造基于多源信息融合的水華預警決策支持系統(見圖1)，研究內容具體包括：1)基于多源信息融合的水華預警決策支持系統的系統分析與設計；2)基于多源信息融合的水華預警決策支持系統的系統設施；3)基于多源信息融合的水華預警決策支持系統的系統測試。

4 結論
(1)多源信息融合技術在環境領域應用已取得很多研究成果；但相比其他領域還有很大差距，主要研究成果集中在水質監測與環境遙感兩個領域，而在其他領域，多源信息融合技術的應用尚處起步階段。
(2)水華爆發是水體中營養鹽的累積、氣候條件與水力條件等眾多因素非線性共同作用的產物，為此，有必要在眾多水華影響因素的動態監測信息的融合基礎上，尋求水華爆發與這些影響因素間的影射關系，這就需要信息融合技術。信息融合技術為水華預警提供了一個良好的平臺，它將與水華相關的不同信息源所提供的局部不完整的觀測信息加以集成與互補，消除多源信息之間存在的冗余和矛盾，形成對水華爆發環境相對完整的感知與描述；從而提高水華預警與應急響應決策的效率，提高預警信息的時間與空間分辨率，擴展信息的時空監測范圍。
(3)水華預警技術方法尚處探索階段，特別是基于多源信息融合的水華預警剛剛起步，所采用信息融合技術方法比較單一，成功案例比較少，而且大多研究僅僅是以點代面，對已有水質地面監測、氣象與水文信息進行初步融合，而沒有利用環境遙感信息，將水華預警信息拓展到面上。
(4)在我國為進一步推廣基于多源信息融合技術的水華預警，一方面需要在理論方面借鑒已有成熟的多源信息融合技術方法，拓展多源信息融合技術的水華預法體系；另一方面，要在國內水華問題較為嚴重的湖庫(諸如太湖、滇池與三峽水庫等)開展示范研究。后，湖庫水華預警應與水質自動監測體系建設結合起來，根據基于多源信息融合技術水華預警的需求，研制水質自動監測體系；在此基礎上，研制開發水華預警系統。