目前，中科院重慶研究院大數據挖掘及應用中心與中科院水生所宋立榮研究員課題組合作，嘗試將人工智能方法與水生態問題進行融合，利用概率圖模型方法對我國大中型淺水湖泊藍藻水華數據進行深入挖掘分析，相關研究成果以論文形式發表在海洋湖沼學領域知名刊物《Harmful Algae》上，研究結果將有助于科學認知藍藻水華的演變風險，為大型水體生態系統的長效恢復提供參考。 

　　隨著全球氣候變化和水體富營養化加劇，藍藻水華暴發已變成世界性的生態環境問題。監測藍藻水華的動態變化、解析水華生消過程的驅動因子，將有助于重要水體水質目標管理、預防和控制有害水華的發生。以往研究常聚焦于藍藻生物量的時空分布，而關于水華優勢種內部的演替模式，尚未受到足夠關注；在解析真實環境中固氮-非固氮、產毒-非產毒藍藻共存與競爭機制上，亦缺乏足夠的研究手段。 

　　研究表明，首先，研究圍繞野外大尺度現場數據挖掘分析，提出含隱變量的結構方程模型，量化溫度、光強、營養鹽、浮游動物及它們的交互作用對藍藻水華優勢種演替的驅動機制（微囊藻-魚腥藻-束絲藻），證實微囊藻生物量變化主要受到水溫和總磷濃度調控，絲狀藍藻生物量依賴于具體的水體生境條件（圖1）。其次，利用貝葉斯網絡模型，建立了環境因子與藍藻生物量及產毒能力的因果關聯，檢驗出水溫、光強和氮濃度依次為影響毒素濃度的關鍵因子，從毒素控制角度強調了氮磷雙控的控制策略（圖2）。最后，利用貝葉斯推斷方法對我國“三湖”氮、磷營養鹽的控制濃度進行估算，強調氣候變暖會影響營養鹽標準的參考閾值。 

　　該研究得到十二五國家科技重大專項“水體污染防治與治理” （2014ZX07104-006）、國家自然科學基金（51609229）、重慶市自然科學基金及重慶市社會事業與民生保障等課題的聯合資助（cstc2017jcyjAX0241; cstc2018jscx-msybX0175）。 

　　相關論文鏈接： 

　　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

藍藻水華優勢種與不同環境因子間相互關系

基于貝葉斯網絡的微囊藻及藻毒素風險評估模型