基于混沌理论的河流藻类生长特性分析——以德国易北河为例

针对藻类生长具有高度非线性特征和实际采样样本间隔稀疏的问题,采用了混沌理论对采样序列的混沌特征量进行估计。采用C-C方法估计时间序列的嵌入维和延迟时间,采用G-P算法对关联维进行估计,并采用小数据量法估计最大Lyapunov指数,最终可实现对最长可预测时长的估计。以易北河为例,对易北河水体叶绿素a 1997年至2001年间各年的观测序列进行了混沌分析,分析结果表明,各年的叶绿素a观测序列均具有低维混沌特性,关联维D=2.75—4.02,各年的叶绿素a序列的最长预测时间变化范围为8.01—18.94d,平均为13.98d（约2周）。采用同样方法对5a易北河连续日径流量时间序列分析表明,该径流量也具有低维混沌特性（最大Lyapunov指数λ1=0.0125）,径流量的最长预测时间估计约为80d。气候因素的混沌特性对藻类生长表现出的混沌特征的影响可能要大于径流量等水文因素的影响。