在湖泊富营养化管理过程中,模型的应用至关重要。而模型的最初构建常常是用有限的观测数据来拟合的,这些数据通常来自于整个生态系统中的多个采样单位(sampling units)或子系统(subsystems),它们彼此之间具有一定的共性,但又不完全相同。杭州西湖被白堤和苏堤分割为5个子湖区,其环境行为各有差异,用传统的全湖平均方法不能完全反映出系统内的各个局部的具体情况,本文采用贝叶斯多层模型来解决这个问题。通过主成分分析,选择与Chl-a含量水平密切相关的六个因子,将日常监测指标直接与湖泊富营养化状况相联系,构建贝叶斯多层模型(Bayesian hierarchical model),评价西湖富营养化风险。同时,构建贝叶斯全局模型(Bayesian global model)以作比较。结果表明,贝叶斯多层模型方法,将先验知识和观测数据有机结合,导出融入了全过程各种不确定性信息的目标变量的后验概率分布,用可信区间等“概率语言”代替传统的“点值”估计,更真实全面地反映了西湖各个子湖区的富营养化状况和风险,为更科学地进行富营养化管理和决策提供了理论支持。