机器学习与遥感揭示江淮湖泊氮磷比时空格局及藻华响应
湖泊富营养化是当前湖泊生态环境治理面临的重要问题。氮、磷是影响藻类生长的关键营养元素,其浓度水平被公认为湖泊营养状态评估指标。然而,二者之间的化学计量比(TN/TP)同样会改变湖泊营养限制状态、浮游植物群落结构以及藻华发生风险。近年来,我国部分湖泊氮、磷浓度总体有所下降,但藻华问题依然突出,表明仅从单一营养盐浓度变化尚难充分解释湖泊生态响应。受传统水质监测以点位采样为主、观测频率和空间覆盖有限等条件制约,TN/TP的长期时空格局、变化趋势及其与藻华之间的关系仍缺乏大尺度、连续性的观测证据。
针对上述科学问题,中国科学院南京地理与湖泊研究所熊俊峰等以江淮地区28个典型湖泊为研究对象,综合长期野外水质监测、MODIS遥感影像和机器学习算法,比较了TN/TP直接反演和分别反演总氮、总磷后计算比值等不同技术路径,重建了2003-2023年江淮地区湖泊TN/TP的长时间序列,进而分析其空间分异、营养限制状态及对藻华变化的影响。
结果表明,基于XGBoost的TN/TP直接反演方法表现最佳,十折交叉验证R²为0.59,四个季节的验证R²均高于0.50,独立验证R²为0.53。样本依赖性分析表明,随着训练样本增加,模型精度明显提高,而当某些TN/TP数值区间的样本缺失时,模型性能会显著下降,尤其在高值和低值区间更容易产生较大误差。这说明,在水环境遥感机器学习应用中,除追求样本数量外,保证样本覆盖范围和分布均衡是必须要考虑的因素。

图1. 研究区、技术路线和模型验证
首次从遥感视角揭示了20年来江淮湖泊TN/TP时空格局。28个湖泊TN/TP主要分布在15-25之间,多年平均值为20.49;61%的湖泊TN/TP呈下降趋势,其中小型湖泊的下降现象明显。季节上表现为冬春季高、夏秋季低。空间上呈现入湖区较低、出湖区较高的特征,71%湖泊的出湖口TN/TP高于入湖口,尤其秋季差异最高,达到6.6%,反映了氮、磷在湖泊内部迁移、转化和滞留过程上的差异。江淮地区约63%的湖泊水域处于氮、磷共同限制状态,36%表现为磷限制,冬春季磷限制水域比例可达到49%。

图2. 2003-2023年江淮地区湖泊氮磷比变化
TN/TP与藻华总体呈负相关关系,进一步筛选连续日期遥感观测结果,得到约3万个案例,统计发现随着TN/TP升高,藻类对TN/TP变化的敏感性逐渐降低;当TN/TP超过约15后,这种响应趋于稳定。建议提出将TN/TP控制在15以上,作为江淮地区湖泊营养盐比例调控和富营养化管理的一个具有现实可行性的参考目标。

图3. 藻华对氮磷比的响应
该研究为从营养盐化学计量关系理解湖泊富营养化和藻华形成提供了新的遥感证据。研究结果同时表明,在大型富营养化湖泊治理取得一定成效的同时,小型湖泊TN/TP持续下降的问题值得重点关注,为长江流域生态保护、流域综合治理成效评估和联合国可持续发展目标实现提供了支撑。
该成果近期发表于国际水环境领域期刊Water Research,熊俊峰博士为第一作者,林晨研究员为通讯作者。
文章信息:Junfeng Xiong, Man Hou, Chen Lin*, Ronghua Ma, Minqi Hu, Tianci Qi, Kun Xue. (2026). Nutrient limitation in lakes: remote sensing insights into spatiotemporal dynamics of nitrogen-to-phosphorus ratios and their effects on phytoplankton. Water Research, 306, 126576.
