将遥感技术与水动力建模相结合，以绘制大型浅水湖泊中沉水大型水生植物的恢复潜力图

《Ecological Indicators》：Coupling remote sensing and hydrodynamic modeling to map submerged macrophyte restorability for large shallow lakes

水下植物恢复|网格化框架|恢复指数|悬浮物|光照条件|水动力模型|遥感数据|大型浅水湖泊|Gehu湖|生态恢复优先级

　　近年来，随着全球湖泊生态系统面临日益严重的富营养化问题，水下植物的恢复成为改善水质和恢复生态功能的重要手段。水下植物不仅在维持湖泊生态平衡中发挥关键作用，还能有效减少水体中的营养物质，促进水体自净能力。然而，传统的水下植物恢复区域往往是基于经验确定的，缺乏系统性和科学性。为了解决这一问题，本研究在东部中国的一个大型浅水湖泊—— Gehu 湖中，开发了一种基于网格的框架，以识别水下植物恢复的优先区域。该框架结合了水动力模型和遥感数据，计算了水下植物恢复指数（Restorability Index, RI），并揭示了水下植物恢复的主要限制因素。

Gehu 湖位于太湖流域的西北部，通过主要的河流通道（如大界河和漕桥河）与太湖相连。湖泊面积为164平方公里，平均水深1.27米。主要的入流包括北干河、黄里河、中干河和五南河，出流则包括大界河、漕桥河、大界河南支和邵湘河。此外，还有一项水转移工程，将长江的水引入 Gehu 湖，为湖泊提供必要的水资源并改善水质。然而，尽管采取了这些措施，Gehu 湖的水下植物覆盖率仍然经历了显著的下降，从20世纪末的90%以上降至2007年的几乎崩溃状态，平均年下降率高达11.8%。这种下降主要归因于人类活动的加剧和水质的恶化，特别是在湖泊周边的农业发展导致总氮和总磷浓度大幅上升。

为了更精确地识别水下植物恢复的优先区域，本研究整合了多种数据源，包括卫星图像、地形、水文和气象数据，以及Gehu 湖主要水下植物的生理特征。利用Google Earth Engine（GEE）平台，研究团队对1990年至2024年间的水下植物分布和悬浮物浓度进行了估算，并通过水温反演建立了经验性的水深-温度关系。通过MODIS卫星数据获取了Gehu 湖的透光层深度（Euphotic Depth, D_eu），并结合现场测量的高程数据生成了数字高程模型（DEM）。这些数据被用于构建二维水动力模型，以模拟湖泊的水文特征。研究还利用了气象数据作为水动力模型的输入，以评估湖泊的环境变化对水下植物恢复的影响。

研究团队提出了一种基于网格的恢复优先级框架，该框架包括三个核心部分：评估影响水下植物恢复的环境因素、计算相关指数以及识别恢复优先区域。通过整合水下植物、水深和悬浮物浓度等数据，研究构建了一个综合指数，即恢复指数（RI）。RI 是由悬浮物指数（SMI）、水深指数（WDI）、透光层深度指数（EDI）和水动力指数（HI）共同构成的。所有指数均通过最小-最大归一化方法标准化，使其在[0,1]范围内，从而便于不同区域的比较和分析。这种标准化方法不仅提高了模型的准确性，还增强了不同区域恢复潜力的可比性。

通过这一框架，研究团队发现Gehu 湖的RI 在1990年代为0.82，但在2020年代下降至0.46，表明恢复工作的难度显著增加。高恢复潜力区域（RI > 0.8）仅占湖泊总面积的不到1%。这些区域主要位于湖泊南部，具有较高的透光层深度（D_eu ≥ 1米）和较低的水流动速度（<0.13 cm·s^-1）。这表明，水下植物的恢复优先区域主要集中在那些光条件优越且水流较缓的区域。这一发现与之前的水下植物恢复经验方法形成了对比，后者往往难以准确识别恢复区域，导致恢复效果不理想。

此外，研究还分析了水下植物恢复的主要限制因素。通过对比四个关键参数（HI、WDI、SMI、EDI）的网格单元分析，发现悬浮物浓度（TSM）是水下植物恢复的主要限制因素。MODIS卫星数据的分析显示，Gehu 湖的光合有效辐射（PAR）在2000年至2024年间呈现显著的十年下降趋势。悬浮物浓度的增加导致水体透明度降低，从而限制了光的穿透能力，抑制了水下植物的生长。这一现象在2010年至2024年间尤为明显，悬浮物浓度从2010年的34.17 ± 17.1 mg·L^-1上升至2024年的50.16 ± 18.3 mg·L^-1，增加了46.8%。这表明，悬浮物浓度的控制是恢复水下植物的关键所在。

研究还发现，水动力条件和水深对水下植物恢复的影响相对较小。尽管在入流和出流区域的水动力模拟显示存在显著的流速梯度，但整体而言，水流动速度较低，未达到水下植物生长所需的阈值（v < 10 cm·s^-1）。因此，水动力因素在大多数区域并不是恢复的主要限制。同时，水深的均匀分布和较高的WDI值表明，水深对水下植物的空间分布影响有限，除非水深超过透光层深度。

本研究的框架不仅提高了水下植物恢复的科学性和精确性，还为其他大型浅水湖泊的恢复提供了可借鉴的方法。Gehu 湖的案例表明，基于网格的分析能够有效识别恢复优先区域，从而优化资源分配，提高恢复项目的成本效益。然而，该框架也存在一定的局限性，如遥感数据的误差、模型参数化过程中的简化以及在90米分辨率下未能充分考虑空间异质性。因此，未来的研究可以进一步提高数据分辨率，采用概率建模方法，并在不同梯度区域进行更多的实地验证，以提高模型的准确性。

在实际应用中，水下植物恢复不仅需要考虑生态因素，还需兼顾经济和社会因素。本研究提出了三种恢复策略：基于阶段的恢复、基于区域的恢复和生态-社会整合的恢复。基于阶段的恢复策略强调根据湖泊生态特性和人为压力来制定恢复计划，以提高恢复效果。基于区域的恢复策略则针对湖泊内部不同的生态条件和退化驱动因素，实施区域定制化的恢复措施。生态-社会整合的恢复策略则强调协调生态、经济和社会因素，以确保恢复项目的可持续性和社会接受度。

综上所述，本研究通过结合水动力模型和遥感技术，开发了一种新的水下植物恢复优先级识别框架。这一框架不仅能够有效评估恢复潜力，还能为湖泊管理提供科学依据，优化恢复区域的选择。然而，未来的研究仍需进一步完善模型，提高数据的分辨率和精度，以应对复杂的生态和环境挑战。此外，恢复项目的实施还需考虑经济和社会因素，确保其在生态效益和成本效益之间的平衡。通过这些努力，水下植物的恢复有望在大型浅水湖泊中发挥更大的作用，为改善水质和恢复生态功能提供有效的解决方案。