近年来，我国的许多湖泊水华泛滥，水体处于富营养化的湖泊超过70% ，其面积、强度以及藻毒素
的含量，均在大幅度增长。“三湖”中的滇池、太湖和巢湖，都存在着蓝藻水华泛滥成灾的态势，其蔓延的速度及治理的难度已到了“生态癌”阶段，而成为了种环境灾害。“凡事预则立，不预则废”。面对水体富营养化愈来愈严重，水华暴发越来越频繁的严峻形式；为减少水华发生频率及由此造成的损失，开展水华预警已成当务之急。水华爆发是众多因素共同作用的产物，具体包括水体中营养盐的累积、气候条件、水力条件以及水生生态系统的结构与组成；而在研究水华时空演化规律过程中，环境遥感信息同样必不可少。为此，有必要在众多水华影响因素的动态监测信息的融合基础上，寻求水华爆发与这些影响因素间的影射关系。这就需要信息融合技术，信息融合技术为水华预警与提供了一个良好的平台，它将分布在不同位置的多个同类或异类传感器(包括水文、气象与水环境质量以及环境遥感等)所提供的局部不完整的观测信息加以综合集成，消除多传感器信息之间可能存在的冗余和矛盾，加以互补，降低其不确定性，形成对水华爆发环境有个相对完整的感知与描述；从而提高水华预警与应急响应决策的效率。最后，信息融合技术还可提高水华预警信息的时间与空间分辨率，扩展水华预警信息的时空监测范围；可以增加水华目标特征矢量的维数，降低水华预警信息的不确定性与预警推理的模糊程度；同时，可以增强水华预警决策支持系统的容错能力和自适应能力，提高系统的可靠性与鲁棒性(robustness)。

1 应用研究进展
1．1 多源信息融合技术的研究进展
所谓信息融合是针对一个系统中使用多种传感器这一特定问题而开展的一种全新的信息处理方法。它利用计算机技术对按时序获得的若干传感器的观测信息在一定准则下，加以自动分析与整合，以完成所需要的决策和估计任务。其中融合是一种形式框架，在这一框架下，可以融合来自不同来源、不同模式、不同媒质、不同时间地点、不同表现形式的信息，目的是为了得到对感知对象(诸如河湖水华)更为精确的表述。信息融合的过程是用数学方法和技术工具综合不同信息源，目的是得到高品质的、反映被感知对象的有价值信息。信息融合(Information Fusion)的概念最早出现在20世纪70年代的美国，起初主要用于军事领域，包括著名的BETA、TCAC等信息融合系统都是这个阶段的产物，1986年美国国防部成立了数据融合小组(DFS)，专门从事信息融合的研究。1988年美国将信息融合技术列为重点研究的若干技术之一，并开发了一系列C4I系统和IW 系统。2O世纪90年代以后，信息融合技术进入高速发展期，得到广泛应用，其应用领域已拓展到包括多目标探测、识别、跟踪 以及战场监视、态势与威胁评估等领域。随着信息融合的应用领域也不断拓展，已从军事领域逐渐向其他领域渗透，诸如：智能机器人与智能车、医学图像处理与诊断、天气预报、地球科学、农业、制造业与经济等领域。信息融合技术已进入高速发展期，应用范围日趋广泛，诸如法国的Serge提出了对风速与风向进行融合，较好地解决了风场问题l9]，其成果可用于大气环境影响预测与评价；美国的Moigne和Smith研制了一个融合系统，可用来监控植被的变化情况口 。1997年在美国成立了国际信息融合学会(ISIF)，1998年由IEEE信号处理学会、控制系统学会、宇航与电子学会等发起举办了信息融合国际会，其后每年都召开一次。在国防科工委的组织下，我国也于1995年在长沙召开了第一次数据融合会议。

1．2 多源信息融合技术在环境领域应用研究进展
随着环境信息获取手段趋于多元化，获取的环境信息越来越多，也越来越复杂，其问必将存在冗
余、互补，甚至相互矛盾。传统的在多源环境数据与环境质量类型之间建立映射关系的方法已不能满足需要，需要从一个全新的角度，对多源环境数据进行处理，多源信息融合技术是唯一的选择，它可以对来自不同传感器的环境信息进行处理。目前，多源信息融合技术在环境领域的应用主要集中在环境监测数据融合处理上。在环境质量常规监测方面，徐立中、林志贵等结合我国水质自动监测系统建设，利用信息融合技术构建了由信息采集、传递与加工过程组成的水质自动监测体系框架。林志贵等以长江口区域水质监测数据为研究对象，利用D—s理论对水质监测数据融合处理后，进行评估实验，比较了融合前后的实验结果 。在宏观环境遥感监测方面，Lahet等利用多源遥感图像与地面监测信息，提取水体中悬浮物、黄色物质与浮游植物的浓Ammenberg等利用水质参数的固有光学特性建立生物一光学模型，并联合CASI遥感数据与地面监测数据，对叶绿素、有色溶解有机物与悬浮颗粒有机物进行估计口引。利用水库多源监测数据，将遗传算法用于水库富营养化进行监测与评价口 。对水质监测数据进行融合处理的目的在于多源监测数据与水质参数间建立映射关系。Keiner等提出利用TM 影像数据与地面监测数据，建立三层BP神经网络模型，输入层为TM 3个波段，输出层为叶绿素或悬浮物浓度口 ；王建平等提出利用TM影像数据，同时反演悬浮物、叶绿素、DO、TP、TN与CODM 等水质参数_1 。曾维华等在已完成的国家863项目“北京北环水系水质水量联合调度”课题中，系统分析了国内外有关水华的机理以及环境灾害预警技术方面的研究，将环境灾害预警技术应用于水华预警领域，构建了水华预警的成套理论和技术方法体系，明确了水华预警的概念和特征，制定了水华预警的步骤和技术指标体系，总结了水华预警的功能和主要内容，建立了基于ANN的水华预警模型，并用于北京“六海”水华预警，开展了水华预警理论和方法的初步探索口 。尽管多源信息融合技术在环境领域，特别是环境遥感领域应用已取得很多研究成果；但相比其他领域还有很大差距，主要研究成果集中在水质监测与环境遥感两个领域，而在污染源(环境危险源或风险源)识别、跟踪与诊断，以及突发环境污染事故(诸如水华)预警等领域，多源信息融合技术的应用尚处起步阶段。

2 水华预警的研究进展与多源信息融合技术在水华预警中应用前景分析
2．1 水华预警的研究进展
水体富营养化引起的水生态安全问题在最近十几年才引起人们的足够重视；其中以赤潮预警研究为主，很少涉及内陆河湖水华风险分析与预警。内陆河湖的水华研究大多仅停留在水华影响因素 、发生机理口 、演化趋势预测阶段。赤潮预警方法主要包括两类：其一是从赤潮的致因出发，这是赤潮预警的根本途径。水华影响因素包括水温、营养盐、光照、盐度等；分析导致某地赤潮发生的主导或限制因素，通过建立固定的数学模式，进行预报或预警。J H W Lee等人为跟踪监测具有代表性的海水养殖区的叶绿素、溶解氧与其他水文气象条件的变化，建立了一套自动遥控实时监测系统。利用这一系统可以在赤潮爆发的早期给出预警。从2000年到2003年，这一系统成功地跟踪了19次赤潮[2 。利用这一遥控预警系统，第一次在赤潮爆发过程中，对水生物参数进行监测，实现了海岸带赤潮实时观测；并从整体角度，解释赤潮演变过程。这一研究推动了各类赤潮预警模型的发展，为开发集成在线预测模型的预警系统奠定了良好的基础。这一系统可以在赤潮对海洋生物造成影响之前辅助制定减轻影响的预案 。Gilbert C S等利用代内生变量的向量自回归模型(VARX)建立赤潮模拟预测模型。为评估VARX模型的精度，香港2000年到2003年每天两小时间隔的叶绿素荧光(CHL)、溶解氧、总有机氮、水温、风速与太阳辐射数据被用于模型的率定与检验。为了为渔民与管理机关提供赤潮预警，一个基于VARX模型的预警系统被建立起来，其精度可达到83 ，比人工神经网络模型的预测结果要好 。第二类赤潮预警方法是在浮游生物生物量预测基础上进行预警。赤潮是某些海洋生物(主要是浮游植物)在一定条件下暴发性繁殖引起海水颜色改变的现象，该现象的整个过程体现在浮游植物生物量的变化上。浮游植物生物量的增长有一个过程，从理论上看，典型的过程存在“临界状态”。低于该临界状态表现为正常的群落演替；否则，表现为群落生物量的指数增长。如果能够找到能反映赤潮发生的临界状态的参数和参数值，这一途径就有可能成为现实 。国内外学者对于内陆河湖水华预警多采用第二种方法。澳大利亚人在1995年曾提出了一个“水华警戒水平”的概念，主要是针对藻类生物密度而言的 。2000年，中国的卢大远等人在研究汉江水华时提出水华“警界值”的概念并对汉江水华进行预警预报的设想 。不同地区水华“警界值”有较大差异，且很难确定。国外也有学者采用第一种方法进行水华预警研究，诸如Luis Oliva Teles等将时问序列神经网络方法用于葡萄牙波尔图区域克里斯图马水库有毒蓝藻水华的爆发预警，为给水处理厂提供水华爆发的预警。该预警模型系统收集了1999～2002年克里斯图马水库的物理、化学与生物参数，并以两周为周期将这些参数分为独立时间序列的3组。一组用于神经网络的训练，另一组用于模型率定，避免训练过度；最后一组用于模型验证_l3引。综上所述，水华预警技术方法包括从其诸多限制因素的动态监测与演化趋势预测角度，利用预测预报模型进行预警，以及利用浮游植物生物量或藻类密度的临界(状态)值进行预警。无论哪种方法，都尚处探索阶段，特别是基于多源信息融合的水华预警刚刚起步，所采用信息融合技术方法比较单一，成功案例比较少。受资料与经费限制，大多研究仅仅是以点代面，对已有水质地面监测、气象与水文信息进行初步融合，而没有利用环境遥感信息，将水华预警信息拓展到面上。对水华预警问题，用于融合的信息不仅有来自地面传感器的信息，还有来自遥感的信息，此外还有人工监测信息等，决策时还需考虑地理、气象等因素。这些数据包括实时和非实时两类，并且表示形式存在较大差异，它们一般是不完整、不精确、模型甚至是矛盾的，会受到这样或那样的干扰。在这种情况下，必须采用人工智能技术中的专家系统来解决问题，这样可在较高层次上实现领域专家的信息融合处理能力。水华预警面对的是一复杂系统，其实时性还有待解决，复杂系统的知识获取仍为瓶颈问题，知识的表示影响着推理速度从而影响系统的实时性。特别是，基于黑板结构的信息融合系统，还有很大的发展潜力。目前，在我国为进一步推广基于多源信息融合技术的水华预警，一方面需要在理论方面借鉴已有成熟的多源信息融合技术方法，拓展多源信息融合技术的水华预警方法体系；另一方面，要在国内水华问题较为严重的湖库(诸如太湖、滇池与三峡水库等)开展示范研究。最后，湖库水华预警应与水质自动监测体系建设结合起来，根据基于多源信息融合技术水华预警的需求，研制水质自动监测体系。

2．2 环境遥感在内陆河湖水华预警领域的研究进展
2O世纪70年代开始，美国等发达国家开始利用遥感手段对区域性水华进行监测。1972年Landsatl发射后，MSS数据开始被用于湖泊悬浮物含量数据的获取 ¨；80年代以来，随着遥感技术的发展，遥感对内陆湖库水生生态环境的监测拓展到水温、浑浊度、悬浮物与叶绿素等水质指标 3 。 ，用于湖泊水库营养状态的监测与评价口。进入20世纪8O年代，随着Landsat4，5的成功发射，TM 数据以更高空间、光谱与辐射分辨率吸引更多学者将其用于监测内陆湖库水环境质量，Lathrop等对美国Michigan湖的Green湖湾进行了一系列遥感研究，包括叶绿素、悬浮物与透明度在内的多项参数，取得良好的效果l4 。我国学者从80年代开始对内陆河湖水环境污染遥感监测研究，王学军等利用TM7个波段的数据，在对遥感数据与实测数据进行相关分析基础上，优化波段组合，给出悬浮物、透明度、溶解氧、高锰酸盐指数、生化需氧量、总氮、总磷等与富营养化相关的指标的估算方式l4 。Robert K Vincenta等利用TM 遥感影像反演伊利湖藻青蛋白与透明度，由此得到伊利湖蓝藻水华爆发的时空规律，为潜在有毒水华事件提供预警[4 。Sampsa K等利用MERIS遥感影像反演芬兰海湾春季发生水华时的叶绿素a、总悬浮固体与有色溶解有机物的吸收系数，获得良好效果l4 。由此可见，环境遥感技术已广泛应用于悬浮物(SS)、叶绿素a(Chl—a)浓度的定量化研究，以及有色可溶性有机物(CDOM)、透明度(SD)、水温、水华(赤潮)等的识别和监测。基于环境遥感的内陆河湖水质监测能够提供水质变量的空间分布，弥补了传统的站点监测和数学模型模拟的缺陷，逐渐广泛地应用到水华监测和评价当中。环境遥感在水质指标中的研究应用，从最初单纯的水域识别发展到对水质指标进行遥感监测、制图和预测。对于水环境的灾害性事件监测如水华或赤潮等，环境遥感可以发挥出可以发挥其大范围、实时、同步和连续监测的特点。

2．3 多源信息融合技术在水华预警领域应用的前景分析
随着通讯与传感器技术的飞速发展，推动了内陆河湖水华环境遥感监测能力的发展；由此不断改进在局域、流域与区域尺度上的水质监测的统计与机理模型；同时，也提高水华参数实时快速监测能力，这被认为是有害水华事件预警与应急响应的基础 。信息融合技术为水华预警提供了一个良好的平台，它将分布在不同位置的多个同类或异类传感器(水文、气象与水环境质量，以及环境遥感等)所提供
的局部不完整的观测信息加以综合，消除多传感器信息之间可能存在的冗余和矛盾，加以互补，降低其不确定性，形成对水华爆发环境有个相对完整的感知与描述，从而提高水华预警决策与应急响应的准确性与效率。

3 研究展望
在缺少水华实时监控信息情况下，通常可以利用其他一些不同来源的相关信息开展水华预警。信息融合技术以其自身的优势可以有效解决水华预警过程中多源信息处理的难题。信息融合技术可以利用各种时空条件下，多种信息源的水华影响因素信息，进行关联、处理和综合，以获取关于水华爆发的更完整、更精确的判断信息；进一步，对水华的爆发开展预警。针对水华爆发成因的多源性与不确定性的特点，将研究重点放在如何合理充分利用不同来源、不同形式的水华爆发致因信息来对水华爆发做出预警。通过借鉴信息融合技术在其它领域的研究成果，将多源信息融合的相关技术运用到水华预警之中，力图解决不同来源、不同形式水华爆发致因信息综合利用的难题。基于多源信息融合的水华预警模型的主要研究
内容包括：
3．1 理论与方法研究
在水华爆发机理研究基础上，分析水华演化规律，及水华与其影响因子的相关关系；明确水华预警的概念、特征、功能与预警等方面内容；构建基于多源信息融合技术的水华预警的基本理论框架与方法
体系。
3．2 数据收集与预处理
通过不同渠道采集水华预警信息，并利用重构形成重构的例子库，使用例子训练来不断地修正、完善和选择，逐渐优化融合系统。收集研究区近年水文(水温、流速等)、气象(气温、降水等)、水质(TN、TP、叶绿素a、藻密度、透明度、悬浮物、COD等)与环境遥感数据，以及水华爆发信息；用多环境遥感影像数据，建立基于多源遥感数据融合的水体中污染物定量反演模型的建立；反演悬浮物、叶绿素、DO、TP、TN与COD等水质参数；利用数理统计方法，对遥感反演的水质信息，以及水文、气象与水质监测信息进行分类汇总，去除冗余与相关信息，利用重构形成重构的例子库，使用例子训练来不断地修正、完善和选择；构造一整套完整的、相互独立的水华预警信息；建立研究区水华预警的空间数据库与属性数据库，以及综合集成的案例库。
3．3 水华预警模型建立
1)在多源水华预警信息收集与预处理基础上，构造完整的、相互独立水华预警指标体系；2)利用多源信息融合技术，建立多源水华预警信息处理的Bayes决策法、人工神经网络法、无监督学习模式分类法、D—s证据推理算法和模糊推断算法等；在此基础上，建立水华预警模型，并通过历年水华爆发的历史数据，对所建模型进行率定与验证；3)建立基于多源信息融合技术的水华预警模型库。
3．4 系统集成
构造基于多源信息融合的水华预警决策支持系统(见图1)，研究内容具体包括：1)基于多源信息融合的水华预警决策支持系统的系统分析与设计；2)基于多源信息融合的水华预警决策支持系统的系统设施；3)基于多源信息融合的水华预警决策支持系统的系统测试。

4 结论
(1)多源信息融合技术在环境领域应用已取得很多研究成果；但相比其他领域还有很大差距，主要研究成果集中在水质监测与环境遥感两个领域，而在其他领域，多源信息融合技术的应用尚处起步阶段。
(2)水华爆发是水体中营养盐的累积、气候条件与水力条件等众多因素非线性共同作用的产物，为此，有必要在众多水华影响因素的动态监测信息的融合基础上，寻求水华爆发与这些影响因素间的影射关系，这就需要信息融合技术。信息融合技术为水华预警提供了一个良好的平台，它将与水华相关的不同信息源所提供的局部不完整的观测信息加以集成与互补，消除多源信息之间存在的冗余和矛盾，形成对水华爆发环境相对完整的感知与描述；从而提高水华预警与应急响应决策的效率，提高预警信息的时间与空间分辨率，扩展信息的时空监测范围。
(3)水华预警技术方法尚处探索阶段，特别是基于多源信息融合的水华预警刚刚起步，所采用信息融合技术方法比较单一，成功案例比较少，而且大多研究仅仅是以点代面，对已有水质地面监测、气象与水文信息进行初步融合，而没有利用环境遥感信息，将水华预警信息拓展到面上。
(4)在我国为进一步推广基于多源信息融合技术的水华预警，一方面需要在理论方面借鉴已有成熟的多源信息融合技术方法，拓展多源信息融合技术的水华预警方法体系；另一方面，要在国内水华问题较为严重的湖库(诸如太湖、滇池与三峡水库等)开展示范研究。最后，湖库水华预警应与水质自动监测体系建设结合起来，根据基于多源信息融合技术水华预警的需求，研制水质自动监测体系；在此基础上，研制开发水华预警系统。