目前，中科院重庆研究院大数据挖掘及应用中心与中科院水生所宋立荣研究员课题组合作，尝试将人工智能方法与水生态问题进行融合，利用概率图模型方法对我国大中型浅水湖泊蓝藻水华数据进行深入挖掘分析，相关研究成果以论文形式发表在海洋湖沼学领域知名刊物《Harmful Algae》上，研究结果将有助于科学认知蓝藻水华的演变风险，为大型水体生态系统的长效恢复提供参考。 

　　随着全球气候变化和水体富营养化加剧，蓝藻水华暴发已变成世界性的生态环境问题。监测蓝藻水华的动态变化、解析水华生消过程的驱动因子，将有助于重要水体水质目标管理、预防和控制有害水华的发生。以往研究常聚焦于蓝藻生物量的时空分布，而关于水华优势种内部的演替模式，尚未受到足够关注；在解析真实环境中固氮-非固氮、产毒-非产毒蓝藻共存与竞争机制上，亦缺乏足够的研究手段。 

　　研究表明，首先，研究围绕野外大尺度现场数据挖掘分析，提出含隐变量的结构方程模型，量化温度、光强、营养盐、浮游动物及它们的交互作用对蓝藻水华优势种演替的驱动机制（微囊藻-鱼腥藻-束丝藻），证实微囊藻生物量变化主要受到水温和总磷浓度调控，丝状蓝藻生物量依赖于具体的水体生境条件（图1）。其次，利用贝叶斯网络模型，建立了环境因子与蓝藻生物量及产毒能力的因果关联，检验出水温、光强和氮浓度依次为影响毒素浓度的关键因子，从毒素控制角度强调了氮磷双控的控制策略（图2）。最后，利用贝叶斯推断方法对我国“三湖”氮、磷营养盐的控制浓度进行估算，强调气候变暖会影响营养盐标准的参考阈值。 

　　该研究得到十二五国家科技重大专项“水体污染防治与治理” （2014ZX07104-006）、国家自然科学基金（51609229）、重庆市自然科学基金及重庆市社会事业与民生保障等课题的联合资助（cstc2017jcyjAX0241; cstc2018jscx-msybX0175）。 

　　相关论文链接： 

　　1. Kun Shan^#*, Mingsheng Shang, Botian Zhou, Lin Li, Xiaoxiao Wang, Hong Yang, Lirong Song*. Application of Bayesian network including Microcystis morphospecies for microcystin risk assessment in three cyanobacterial bloom-plagued lakes. Harmful Algae, 2019, 83, 14-24.  

　　https://www.sciencedirect.com/science/article/pii/S1568988319300113 

　　2. Kun Shan^#*, Xiaoxiao Wang, Hong Yang, Botian Zhou, Lirong Song, Mingsheng Shang. Use statistical machine learning to detect nutrient thresholds in Microcystis blooms and microcystin management. Harmful Algae, 2020, 94, 101807.  

　　https://www.sciencedirect.com/science/article/pii/S156898832030086X 

　　3. Kun Shan^#*, Lirong Song*, Wei Chen, Lin Li, Liming Liu, Yanlong Wu, Yunlu Jia, Qichao Zhou, Liang Peng. Analysis of environmental drivers influencing interspecific variations and associations among bloom-forming cyanobacteria in large, shallow eutrophic lakes. Harmful Algae, 2019, 84, 84-94.  

　　https://www.sciencedirect.com/science/article/pii/S1568988319300198

蓝藻水华优势种与不同环境因子间相互关系

基于贝叶斯网络的微囊藻及藻毒素风险评估模型