《附表1 现有赤潮预测方法准确度表Appendix 1 The accuracy table of current prediction methods for HAB》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于赤潮控制要素识别的近海富营养化压力指数研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

赤潮已经发展成为沿海区域主要海洋灾害之一，对沿海经济造成重大损失（Sellner et al，2003；孙晓娜，2014；郭皓，2014）。赤潮的预测与防治已经成为我国急需解决的问题之一（Morse et al，2013；Jetoo，2018）。对于赤潮预测预警，提出了经验预测、生态动力学模型预测、统计预测模型以及遥感预测等方法等（Wong et al，2007；王洪礼等，2003）。经验预测法受限于研究者的经验，对长期赤潮预警作用较少（晏丽红，2006）。生态动力学模型预测，目前应用较为广泛（Wyatt et al，1973；Walsh，2001；Gibson et al，2005；Stock et al，2005），针对特定藻种赤潮，预测准确率平均可达79%（Roiha et al，2010）（附表1） ，但同时对于模型参数的精准化率定要求较高（Ray et al，2006；Ward et al，2010）。统计预测方法如回归分析（Chen et al，2015）、主成分分析（张俊峰，2006）、聚类分析（李培顺等2003）、判别分析（Chen et al，2004）、演绎结构分析（Anderson et al，2010）和人工神经网络（Scardi et al1999；Wei et al，2001；Laanemets et al，2006；王洪礼等，2006）等，基于对海洋监测大数据的分析预测赤潮发生，近20年来得到长足发展。但该方法影响要素之间逻辑关系模糊，模型解释能力差，缺乏赤潮生态学发生机制的支持，对环境因子的选取和分析带有一定的主观性和盲目性（王丹，2013）。遥感技术目前主要应用于赤潮发生过程中，同时受限于气候条件阴雨天气和晚上无法监测赤潮，此外对于空间分辨率较低，对小尺度赤潮的监测十分困难（李炳南2014）。