近年來，我國的許多湖泊水華泛濫，水體處于富營養(yǎng)化的湖泊超過70% ，其面積、強(qiáng)度以及藻毒素
的含量，均在大幅度增長?！叭敝械牡岢?、太湖和巢湖，都存在著藍(lán)藻水華泛濫成災(zāi)的態(tài)勢，其蔓延的速度及治理的難度已到了“生態(tài)癌”階段，而成為了種環(huán)境災(zāi)害?！胺彩骂A(yù)則立，不預(yù)則廢”。面對水體富營養(yǎng)化愈來愈嚴(yán)重，水華暴發(fā)越來越頻繁的嚴(yán)峻形式；為減少水華發(fā)生頻率及由此造成的損失，開展水華預(yù)警已成當(dāng)務(wù)之急。水華爆發(fā)是眾多因素共同作用的產(chǎn)物，具體包括水體中營養(yǎng)鹽的累積、氣候條件、水力條件以及水生生態(tài)系統(tǒng)的結(jié)構(gòu)與組成；而在研究水華時(shí)空演化規(guī)律過程中，環(huán)境遙感信息同樣*。為此，有必要在眾多水華影響因素的動(dòng)態(tài)監(jiān)測信息的融合基礎(chǔ)上，尋求水華爆發(fā)與這些影響因素間的影射關(guān)系。這就需要信息融合技術(shù)，信息融合技術(shù)為水華預(yù)警與提供了一個(gè)良好的平臺，它將分布在不同位置的多個(gè)同類或異類傳感器(包括水文、氣象與水環(huán)境質(zhì)量以及環(huán)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(bǔ)，降低其不確定性，形成對水華爆發(fā)環(huán)境有個(gè)相對完整的感知與描述；從而提高水華預(yù)警與應(yīng)急響應(yīng)決策的效率。后，信息融合技術(shù)還可提高水華預(yù)警信息的時(shí)間與空間分辨率，擴(kuò)展水華預(yù)警信息的時(shí)空監(jiān)測范圍；可以增加水華目標(biāo)特征矢量的維數(shù)，降低水華預(yù)警信息的不確定性與預(yù)警推理的模糊程度；同時(shí)，可以增強(qiáng)水華預(yù)警決策支持系統(tǒng)的容錯(cuò)能力和自適應(yīng)能力，提高系統(tǒng)的可靠性與魯棒性(robustness)。

1 應(yīng)用研究進(jìn)展
1．1 多源信息融合技術(shù)的研究進(jìn)展
所謂信息融合是針對一個(gè)系統(tǒng)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(jì)算機(jī)技術(shù)對按時(shí)序獲得的若干傳感器的觀測信息在一定準(zhǔn)則下，加以自動(dòng)分析與整合，以完成所需要的決策和估計(jì)任務(wù)。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(zhì)、不同時(shí)間地點(diǎn)、不同表現(xiàn)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(shù)學(xué)方法和技術(shù)工具綜合不同信息源，目的是得到高品質(zhì)的、反映被感知對象的有價(jià)值信息。信息融合(Information Fusion)的概念早出現(xiàn)在20世紀(jì)70年代的美國，起初主要用于軍事領(lǐng)域，包括*的BETA、TCAC等信息融合系統(tǒng)都是這個(gè)階段的產(chǎn)物，1986年美國*成立了數(shù)據(jù)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(shù)列為重點(diǎn)研究的若干技術(shù)之一，并開發(fā)了一系列C4I系統(tǒng)和IW 系統(tǒng)。2O世紀(jì)90年代以后，信息融合技術(shù)進(jìn)入高速發(fā)展期，得到廣泛應(yīng)用，其應(yīng)用領(lǐng)域已拓展到包括多目標(biāo)探測、識別、跟蹤 以及戰(zhàn)場監(jiān)視、態(tài)勢與威脅評估等領(lǐng)域。隨著信息融合的應(yīng)用領(lǐng)域也不斷拓展，已從軍事領(lǐng)域逐漸向其他領(lǐng)域滲透，諸如：智能機(jī)器人與智能車、醫(yī)學(xué)圖像處理與診斷、天氣預(yù)報(bào)、地球科學(xué)、農(nóng)業(yè)、制造業(yè)與經(jīng)濟(jì)等領(lǐng)域。信息融合技術(shù)已進(jìn)入高速發(fā)展期，應(yīng)用范圍日趨廣泛，諸如法國的Serge提出了對風(fēng)速與風(fēng)向進(jìn)行融合，較好地解決了風(fēng)場問題l9]，其成果可用于大氣環(huán)境影響預(yù)測與評價(jià)；美國的Moigne和Smith研制了一個(gè)融合系統(tǒng)，可用來監(jiān)控植被的變化情況口 。1997年在美國成立了信息融合學(xué)會(huì)(ISIF)，1998年由IEEE信號處理學(xué)會(huì)、控制系統(tǒng)學(xué)會(huì)、宇航與電子學(xué)會(huì)等發(fā)起舉辦了信息融合會(huì)，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(shù)據(jù)融合會(huì)議。

1．2 多源信息融合技術(shù)在環(huán)境領(lǐng)域應(yīng)用研究進(jìn)展
隨著環(huán)境信息獲取手段趨于多元化，獲取的環(huán)境信息越來越多，也越來越復(fù)雜，其問必將存在冗
余、互補(bǔ)，甚至相互矛盾。傳統(tǒng)的在多源環(huán)境數(shù)據(jù)與環(huán)境質(zhì)量類型之間建立映射關(guān)系的方法已不能滿足需要，需要從一個(gè)全新的角度，對多源環(huán)境數(shù)據(jù)進(jìn)行處理，多源信息融合技術(shù)是的選擇，它可以對來自不同傳感器的環(huán)境信息進(jìn)行處理。目前，多源信息融合技術(shù)在環(huán)境領(lǐng)域的應(yīng)用主要集中在環(huán)境監(jiān)測數(shù)據(jù)融合處理上。在環(huán)境質(zhì)量常規(guī)監(jiān)測方面，徐立中、林志貴等結(jié)合我國水質(zhì)自動(dòng)監(jiān)測系統(tǒng)建設(shè)，利用信息融合技術(shù)構(gòu)建了由信息采集、傳遞與加工過程組成的水質(zhì)自動(dòng)監(jiān)測體系框架。林志貴等以長江口區(qū)域水質(zhì)監(jiān)測數(shù)據(jù)為研究對象，利用D—s理論對水質(zhì)監(jiān)測數(shù)據(jù)融合處理后，進(jìn)行評估實(shí)驗(yàn)，比較了融合前后的實(shí)驗(yàn)結(jié)果 。在宏觀環(huán)境遙感監(jiān)測方面，Lahet等利用多源遙感圖像與地面監(jiān)測信息，提取水體中懸浮物、黃色物質(zhì)與浮游植物的濃Ammenberg等利用水質(zhì)參數(shù)的固有光學(xué)特性建立生物一光學(xué)模型，并聯(lián)合CASI遙感數(shù)據(jù)與地面監(jiān)測數(shù)據(jù)，對葉綠素、有色溶解有機(jī)物與懸浮顆粒有機(jī)物進(jìn)行估計(jì)口引。利用水庫多源監(jiān)測數(shù)據(jù)，將遺傳算法用于水庫富營養(yǎng)化進(jìn)行監(jiān)測與評價(jià)口 。對水質(zhì)監(jiān)測數(shù)據(jù)進(jìn)行融合處理的目的在于多源監(jiān)測數(shù)據(jù)與水質(zhì)參數(shù)間建立映射關(guān)系。Keiner等提出利用TM 影像數(shù)據(jù)與地面監(jiān)測數(shù)據(jù)，建立三層BP神經(jīng)網(wǎng)絡(luò)模型，輸入層為TM 3個(gè)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(shù)據(jù)，同時(shí)反演懸浮物、葉綠素、DO、TP、TN與CODM 等水質(zhì)參數(shù)_1 。曾維華等在已完成的國家863項(xiàng)目“北京北環(huán)水系水質(zhì)水量聯(lián)合調(diào)度”課題中，系統(tǒng)分析了國內(nèi)外有關(guān)水華的機(jī)理以及環(huán)境災(zāi)害預(yù)警技術(shù)方面的研究，將環(huán)境災(zāi)害預(yù)警技術(shù)應(yīng)用于水華預(yù)警領(lǐng)域，構(gòu)建了水華預(yù)警的成套理論和技術(shù)方法體系，明確了水華預(yù)警的概念和特征，制定了水華預(yù)警的步驟和技術(shù)指標(biāo)體系，總結(jié)了水華預(yù)警的功能和主要內(nèi)容，建立了基于ANN的水華預(yù)警模型，并用于北京“六?！彼A預(yù)警，開展了水華預(yù)警理論和方法的初步探索口 。盡管多源信息融合技術(shù)在環(huán)境領(lǐng)域，特別是環(huán)境遙感領(lǐng)域應(yīng)用已取得很多研究成果；但相比其他領(lǐng)域還有很大差距，主要研究成果集中在水質(zhì)監(jiān)測與環(huán)境遙感兩個(gè)領(lǐng)域，而在污染源(環(huán)境危險(xiǎn)源或風(fēng)險(xiǎn)源)識別、跟蹤與診斷，以及突發(fā)環(huán)境污染事故(諸如水華)預(yù)警等領(lǐng)域，多源信息融合技術(shù)的應(yīng)用尚處起步階段。

2 水華預(yù)警的研究進(jìn)展與多源信息融合技術(shù)在水華預(yù)警中應(yīng)用前景分析
2．1 水華預(yù)警的研究進(jìn)展
水體富營養(yǎng)化引起的水生態(tài)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(yù)警研究為主，很少涉及內(nèi)陸河湖水華風(fēng)險(xiǎn)分析與預(yù)警。內(nèi)陸河湖的水華研究大多僅停留在水華影響因素 、發(fā)生機(jī)理口 、演化趨勢預(yù)測階段。赤潮預(yù)法主要包括兩類：其一是從赤潮的致因出發(fā)，這是赤潮預(yù)警的根本途徑。水華影響因素包括水溫、營養(yǎng)鹽、光照、鹽度等；分析導(dǎo)致某地赤潮發(fā)生的主導(dǎo)或限制因素，通過建立固定的數(shù)學(xué)模式，進(jìn)行預(yù)報(bào)或預(yù)警。J H W Lee等人為跟蹤監(jiān)測具有代表性的海水養(yǎng)殖區(qū)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(dòng)遙控實(shí)時(shí)監(jiān)測系統(tǒng)。利用這一系統(tǒng)可以在赤潮爆發(fā)的早期給出預(yù)警。從2000年到2003年，這一系統(tǒng)成功地跟蹤了19次赤潮[2 。利用這一遙控預(yù)警系統(tǒng)，*次在赤潮爆發(fā)過程中，對水生物參數(shù)進(jìn)行監(jiān)測，實(shí)現(xiàn)了海岸帶赤潮實(shí)時(shí)觀測；并從整體角度，解釋赤潮演變過程。這一研究推動(dòng)了各類赤潮預(yù)警模型的發(fā)展，為開發(fā)集成在線預(yù)測模型的預(yù)警系統(tǒng)奠定了良好的基礎(chǔ)。這一系統(tǒng)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(yù)案 。Gilbert C S等利用代內(nèi)生變量的向量自回歸模型(VARX)建立赤潮模擬預(yù)測模型。為評估VARX模型的精度，香港2000年到2003年每天兩小時(shí)間隔的葉綠素?zé)晒?CHL)、溶解氧、總有機(jī)氮、水溫、風(fēng)速與太陽輻射數(shù)據(jù)被用于模型的率定與檢驗(yàn)。為了為漁民與管理機(jī)關(guān)提供赤潮預(yù)警，一個(gè)基于VARX模型的預(yù)警系統(tǒng)被建立起來，其精度可達(dá)到83 ，比人工神經(jīng)網(wǎng)絡(luò)模型的預(yù)測結(jié)果要好 。第二類赤潮預(yù)法是在浮游生物生物量預(yù)測基礎(chǔ)上進(jìn)行預(yù)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(fā)性繁殖引起海水顏色改變的現(xiàn)象，該現(xiàn)象的整個(gè)過程體現(xiàn)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(gè)過程，從理論上看，典型的過程存在“臨界狀態(tài)”。低于該臨界狀態(tài)表現(xiàn)為正常的群落演替；否則，表現(xiàn)為群落生物量的指數(shù)增長。如果能夠找到能反映赤潮發(fā)生的臨界狀態(tài)的參數(shù)和參數(shù)值，這一途徑就有可能成為現(xiàn)實(shí) 。國內(nèi)外學(xué)者對于內(nèi)陸河湖水華預(yù)警多采用第二種方法。澳大利亞人在1995年曾提出了一個(gè)“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(yuǎn)等人在研究漢江水華時(shí)提出水華“警界值”的概念并對漢江水華進(jìn)行預(yù)警預(yù)報(bào)的設(shè)想 。不同地區(qū)水華“警界值”有較大差異，且很難確定。國外也有學(xué)者采用*種方法進(jìn)行水華預(yù)警研究，諸如Luis Oliva Teles等將時(shí)問序列神經(jīng)網(wǎng)絡(luò)方法用于葡萄牙波爾圖區(qū)域克里斯圖馬水庫有毒藍(lán)藻水華的爆發(fā)預(yù)警，為給水處理廠提供水華爆發(fā)的預(yù)警。該預(yù)警模型系統(tǒng)收集了1999～2002年克里斯圖馬水庫的物理、化學(xué)與生物參數(shù)，并以兩周為周期將這些參數(shù)分為獨(dú)立時(shí)間序列的3組。一組用于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，另一組用于模型率定，避免訓(xùn)練過度；后一組用于模型驗(yàn)證_l3引。綜上所述，水華預(yù)警技術(shù)方法包括從其諸多限制因素的動(dòng)態(tài)監(jiān)測與演化趨勢預(yù)測角度，利用預(yù)測預(yù)報(bào)模型進(jìn)行預(yù)警，以及利用浮游植物生物量或藻類密度的臨界(狀態(tài))值進(jìn)行預(yù)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(yù)警剛剛起步，所采用信息融合技術(shù)方法比較單一，成功案例比較少。受資料與經(jīng)費(fèi)限制，大多研究僅僅是以點(diǎn)代面，對已有水質(zhì)地面監(jiān)測、氣象與水文信息進(jìn)行初步融合，而沒有利用環(huán)境遙感信息，將水華預(yù)警信息拓展到面上。對水華預(yù)警問題，用于融合的信息不僅有來自地面?zhèn)鞲衅鞯男畔?，還有來自遙感的信息，此外還有人工監(jiān)測信息等，決策時(shí)還需考慮地理、氣象等因素。這些數(shù)據(jù)包括實(shí)時(shí)和非實(shí)時(shí)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(huì)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(shù)中的專家系統(tǒng)來解決問題，這樣可在較高層次上實(shí)現(xiàn)領(lǐng)域?qū)＜业男畔⑷诤咸幚砟芰?。水華預(yù)警面對的是一復(fù)雜系統(tǒng)，其實(shí)時(shí)性還有待解決，復(fù)雜系統(tǒng)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(tǒng)的實(shí)時(shí)性。特別是，基于黑板結(jié)構(gòu)的信息融合系統(tǒng)，還有很大的發(fā)展?jié)摿ΑＤ壳?，在我國為進(jìn)一步推廣基于多源信息融合技術(shù)的水華預(yù)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(shù)方法，拓展多源信息融合技術(shù)的水華預(yù)法體系；另一方面，要在國內(nèi)水華問題較為嚴(yán)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(yù)警應(yīng)與水質(zhì)自動(dòng)監(jiān)測體系建設(shè)結(jié)合起來，根據(jù)基于多源信息融合技術(shù)水華預(yù)警的需求，研制水質(zhì)自動(dòng)監(jiān)測體系。

2．2 環(huán)境遙感在內(nèi)陸河湖水華預(yù)警領(lǐng)域的研究進(jìn)展
2O世紀(jì)70年代開始，美國等發(fā)達(dá)國家開始利用遙感手段對區(qū)域性水華進(jìn)行監(jiān)測。1972年Landsatl發(fā)射后，MSS數(shù)據(jù)開始被用于湖泊懸浮物含量數(shù)據(jù)的獲取 ¨；80年代以來，隨著遙感技術(shù)的發(fā)展，遙感對內(nèi)陸湖庫水生生態(tài)環(huán)境的監(jiān)測拓展到水溫、渾濁度、懸浮物與葉綠素等水質(zhì)指標(biāo) 3 。 ，用于湖泊水庫營養(yǎng)狀態(tài)的監(jiān)測與評價(jià)口。進(jìn)入20世紀(jì)8O年代，隨著Landsat4，5的成功發(fā)射，TM 數(shù)據(jù)以更高空間、光譜與輻射分辨率吸引更多學(xué)者將其用于監(jiān)測內(nèi)陸湖庫水環(huán)境質(zhì)量，Lathrop等對美國Michigan湖的Green湖灣進(jìn)行了一系列遙感研究，包括葉綠素、懸浮物與透明度在內(nèi)的多項(xiàng)參數(shù)，取得良好的效果l4 。我國學(xué)者從80年代開始對內(nèi)陸河湖水環(huán)境污染遙感監(jiān)測研究，王學(xué)軍等利用TM7個(gè)波段的數(shù)據(jù)，在對遙感數(shù)據(jù)與實(shí)測數(shù)據(jù)進(jìn)行相關(guān)分析基礎(chǔ)上，優(yōu)化波段組合，給出懸浮物、透明度、溶解氧、高錳酸鹽指數(shù)、生化需氧量、總氮、總磷等與富營養(yǎng)化相關(guān)的指標(biāo)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(lán)藻水華爆發(fā)的時(shí)空規(guī)律，為潛在有毒水華事件提供預(yù)警[4 。Sampsa K等利用MERIS遙感影像反演芬蘭海灣春季發(fā)生水華時(shí)的葉綠素a、總懸浮固體與有色溶解有機(jī)物的吸收系數(shù)，獲得良好效果l4 。由此可見，環(huán)境遙感技術(shù)已廣泛應(yīng)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(jī)物(CDOM)、透明度(SD)、水溫、水華(赤潮)等的識別和監(jiān)測?；诃h(huán)境遙感的內(nèi)陸河湖水質(zhì)監(jiān)測能夠提供水質(zhì)變量的空間分布，彌補(bǔ)了傳統(tǒng)的站點(diǎn)監(jiān)測和數(shù)學(xué)模型模擬的缺陷，逐漸廣泛地應(yīng)用到水華監(jiān)測和評價(jià)當(dāng)中。環(huán)境遙感在水質(zhì)指標(biāo)中的研究應(yīng)用，從初單純的水域識別發(fā)展到對水質(zhì)指標(biāo)進(jìn)行遙感監(jiān)測、制圖和預(yù)測。對于水環(huán)境的災(zāi)害性事件監(jiān)測如水華或赤潮等，環(huán)境遙感可以發(fā)揮出可以發(fā)揮其大范圍、實(shí)時(shí)、同步和連續(xù)監(jiān)測的特點(diǎn)。

2．3 多源信息融合技術(shù)在水華預(yù)警領(lǐng)域應(yīng)用的前景分析
隨著通訊與傳感器技術(shù)的飛速發(fā)展，推動(dòng)了內(nèi)陸河湖水華環(huán)境遙感監(jiān)測能力的發(fā)展；由此不斷改進(jìn)在局域、流域與區(qū)域尺度上的水質(zhì)監(jiān)測的統(tǒng)計(jì)與機(jī)理模型；同時(shí)，也提高水華參數(shù)實(shí)時(shí)快速監(jiān)測能力，這被認(rèn)為是有害水華事件預(yù)警與應(yīng)急響應(yīng)的基礎(chǔ) 。信息融合技術(shù)為水華預(yù)警提供了一個(gè)良好的平臺，它將分布在不同位置的多個(gè)同類或異類傳感器(水文、氣象與水環(huán)境質(zhì)量，以及環(huán)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(bǔ)，降低其不確定性，形成對水華爆發(fā)環(huán)境有個(gè)相對完整的感知與描述，從而提高水華預(yù)警決策與應(yīng)急響應(yīng)的準(zhǔn)確性與效率。

3 研究展望
在缺少水華實(shí)時(shí)監(jiān)控信息情況下，通常可以利用其他一些不同來源的相關(guān)信息開展水華預(yù)警。信息融合技術(shù)以其自身的優(yōu)勢可以有效解決水華預(yù)警過程中多源信息處理的難題。信息融合技術(shù)可以利用各種時(shí)空條件下，多種信息源的水華影響因素信息，進(jìn)行關(guān)聯(lián)、處理和綜合，以獲取關(guān)于水華爆發(fā)的更完整、更精確的判斷信息；進(jìn)一步，對水華的爆發(fā)開展預(yù)警。針對水華爆發(fā)成因的多源性與不確定性的特點(diǎn)，將研究重點(diǎn)放在如何合理充分利用不同來源、不同形式的水華爆發(fā)致因信息來對水華爆發(fā)做出預(yù)警。通過借鑒信息融合技術(shù)在其它領(lǐng)域的研究成果，將多源信息融合的相關(guān)技術(shù)運(yùn)用到水華預(yù)警之中，力圖解決不同來源、不同形式水華爆發(fā)致因信息綜合利用的難題?；诙嘣葱畔⑷诤系乃A預(yù)警模型的主要研究
內(nèi)容包括：
3．1 理論與方法研究
在水華爆發(fā)機(jī)理研究基礎(chǔ)上，分析水華演化規(guī)律，及水華與其影響因子的相關(guān)關(guān)系；明確水華預(yù)警的概念、特征、功能與預(yù)警等方面內(nèi)容；構(gòu)建基于多源信息融合技術(shù)的水華預(yù)警的基本理論框架與方法
體系。
3．2 數(shù)據(jù)收集與預(yù)處理
通過不同渠道采集水華預(yù)警信息，并利用重構(gòu)形成重構(gòu)的例子庫，使用例子訓(xùn)練來不斷地修正、完善和選擇，逐漸優(yōu)化融合系統(tǒng)。收集研究區(qū)近年水文(水溫、流速等)、氣象(氣溫、降水等)、水質(zhì)(TN、TP、葉綠素a、藻密度、透明度、懸浮物、COD等)與環(huán)境遙感數(shù)據(jù)，以及水華爆發(fā)信息；用多環(huán)境遙感影像數(shù)據(jù)，建立基于多源遙感數(shù)據(jù)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(zhì)參數(shù)；利用數(shù)理統(tǒng)計(jì)方法，對遙感反演的水質(zhì)信息，以及水文、氣象與水質(zhì)監(jiān)測信息進(jìn)行分類匯總，去除冗余與相關(guān)信息，利用重構(gòu)形成重構(gòu)的例子庫，使用例子訓(xùn)練來不斷地修正、完善和選擇；構(gòu)造一整套完整的、相互獨(dú)立的水華預(yù)警信息；建立研究區(qū)水華預(yù)警的空間數(shù)據(jù)庫與屬性數(shù)據(jù)庫，以及綜合集成的案例庫。
3．3 水華預(yù)警模型建立
1)在多源水華預(yù)警信息收集與預(yù)處理基礎(chǔ)上，構(gòu)造完整的、相互獨(dú)立水華預(yù)警指標(biāo)體系；2)利用多源信息融合技術(shù)，建立多源水華預(yù)警信息處理的Bayes決策法、人工神經(jīng)網(wǎng)絡(luò)法、無監(jiān)督學(xué)習(xí)模式分類法、D—s證據(jù)推理算法和模糊推斷算法等；在此基礎(chǔ)上，建立水華預(yù)警模型，并通過歷年水華爆發(fā)的歷史數(shù)據(jù)，對所建模型進(jìn)行率定與驗(yàn)證；3)建立基于多源信息融合技術(shù)的水華預(yù)警模型庫。
3．4 系統(tǒng)集成
構(gòu)造基于多源信息融合的水華預(yù)警決策支持系統(tǒng)(見圖1)，研究內(nèi)容具體包括：1)基于多源信息融合的水華預(yù)警決策支持系統(tǒng)的系統(tǒng)分析與設(shè)計(jì)；2)基于多源信息融合的水華預(yù)警決策支持系統(tǒng)的系統(tǒng)設(shè)施；3)基于多源信息融合的水華預(yù)警決策支持系統(tǒng)的系統(tǒng)測試。

4 結(jié)論
(1)多源信息融合技術(shù)在環(huán)境領(lǐng)域應(yīng)用已取得很多研究成果；但相比其他領(lǐng)域還有很大差距，主要研究成果集中在水質(zhì)監(jiān)測與環(huán)境遙感兩個(gè)領(lǐng)域，而在其他領(lǐng)域，多源信息融合技術(shù)的應(yīng)用尚處起步階段。
(2)水華爆發(fā)是水體中營養(yǎng)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(chǎn)物，為此，有必要在眾多水華影響因素的動(dòng)態(tài)監(jiān)測信息的融合基礎(chǔ)上，尋求水華爆發(fā)與這些影響因素間的影射關(guān)系，這就需要信息融合技術(shù)。信息融合技術(shù)為水華預(yù)警提供了一個(gè)良好的平臺，它將與水華相關(guān)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(bǔ)，消除多源信息之間存在的冗余和矛盾，形成對水華爆發(fā)環(huán)境相對完整的感知與描述；從而提高水華預(yù)警與應(yīng)急響應(yīng)決策的效率，提高預(yù)警信息的時(shí)間與空間分辨率，擴(kuò)展信息的時(shí)空監(jiān)測范圍。
(3)水華預(yù)警技術(shù)方法尚處探索階段，特別是基于多源信息融合的水華預(yù)警剛剛起步，所采用信息融合技術(shù)方法比較單一，成功案例比較少，而且大多研究僅僅是以點(diǎn)代面，對已有水質(zhì)地面監(jiān)測、氣象與水文信息進(jìn)行初步融合，而沒有利用環(huán)境遙感信息，將水華預(yù)警信息拓展到面上。
(4)在我國為進(jìn)一步推廣基于多源信息融合技術(shù)的水華預(yù)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(shù)方法，拓展多源信息融合技術(shù)的水華預(yù)法體系；另一方面，要在國內(nèi)水華問題較為嚴(yán)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(yù)警應(yīng)與水質(zhì)自動(dòng)監(jiān)測體系建設(shè)結(jié)合起來，根據(jù)基于多源信息融合技術(shù)水華預(yù)警的需求，研制水質(zhì)自動(dòng)監(jiān)測體系；在此基礎(chǔ)上，研制開發(fā)水華預(yù)警系統(tǒng)。