环境进程存在明显的空间异质性与时刻动态改变，环境空间动态模仿是表达环境进程、说明环境机理的重要手法。在国家要点基础研讨发展计划项目、国家水污染管理严重专项、国家自然科学基金和研讨所“一三五”要点布局项目等项目的赞助下，中国科学院南京地舆与湖泊研讨所高俊峰研讨团队以大型湖泊的藻类模仿为研讨事例，在环境空间动态模仿办法与应用研讨方面获得发展。

　　该研讨选用调集卡尔曼滤波办法有用使用很多监测数据进步模型猜测精度。以藻类空间猜测模型的数据同化为研讨事例，选用调集卡尔曼滤波，构建空间动态模型的数据同化形式，完成了模型参数与状态变量的实时优化，研讨结果表明：（1）调集卡尔曼滤波适用于空间动态模型的数据同化，可以有用进步模型猜测才能；（2）模型状态变量与参数的实时优化是进步模型猜测才能的重要途径。研讨结果宣布在Ecological Modelling上，审稿专家以为该研讨对空间动态模型的数据同化、发掘数据的有用信息、削减模型不确定性有重要参考价值。一起，数据同化算法已请求软件著作权1项（空间动态模型的数据同化渠道，2014）。

　　此外，在根据空间动态模仿办法的藻类猜测方面，根据藻类成长模型和空间动态模仿办法，研讨了藻类成长（藻类生物量）对数据时刻分辨率、输入变量（水温、风速、风向、可溶性磷、可溶性氮、太阳辐射）等参数的呼应机制。研讨结果表明：（1）高时刻分辨率数据可以明显进步空间动态模型的猜测才能；（2）水温与光照是影响藻类短期改变的重要因素，风场对藻类空间散布有明显影响，营养盐对藻类生物量短期改变的影响较小。这一研讨对辨认模型灵敏因子、知道体系机理进程、进步模型猜测精度供给了有用手法。

　　环境因子对太湖藻类生物量短期改变的影响（WT：水温；WS：风速；WD：风向；DP：可溶性磷；DN：可溶性氮；PAR：太阳辐射）