通过模型构建模拟环境过程成为相关科学研究越来越重要的手段。环境过程的模拟方法众多，目前构建模型的方法主要有基于机理过程、统计模型和系统方法三种类型，这三种方法各有优缺点和适用范围，实际应用中需要根据建模目标、数据基础选取合适的方法。在国家重点基础研究发展计划项目、国家水污染治理重大专项等项目的资助下，南京地理与湖泊研究所高俊峰研究团队以大型湖泊的藻类模拟为研究案例，开展了环境过程模型构建及不同方法构建模型模拟结果的比较研究。

　　研究以湖泊藻类预测为研究案例，采用机理过程模型、人工神经网络模型（系统方法）、回归（统计）模型三种方法模拟藻类的动态变化过程，比较了不同模拟方法的性能。研究结果表明：人工神经网络模型具有很强的非线性预测能力，模型构建过程简单、运行效率高、适用于复杂环境过程的预测，但模型构建过程的样本分配、模型结构与训练方法选择等方面均存在不确定因素，并且难以阐明环境过程的机理；机理过程模型有利于揭示藻类空间动态变化过程及其对环境因子的响应机制，模型构建过程复杂、数据输入量大、模型运行效率较低，适用于分析环境过程的空间动态变化机理、控制性因素分析、情景构建和方案比选；回归模型构建过程简单，数据输入要求较低，模型运行效率高，适用于对环境过程的初步分析。研究结果发表在新兴交叉学科“环境信息”SCI期刊《Journal of Environmental informatics》上，审稿专家认为“不同模型方法学比较是环境过程研究中的重要任务，本文的发表将对模型的选择及运用产生良好的贡献”。

　　不同模拟方法的藻类模拟结果；（a-c）三种不同结构的神经网络模型；（d）机理过程模型；（e）回归模型