全球湖泊透明度时空格局及其对气候与景观驱动因子的响应机制

《Science Bulletin》：Spatiotemporal variations in global lake clarity and responses to climate and landscape drivers

本研究通过分析约140万张卫星影像，构建了1995-2023年全球170,799个湖泊的透明度（SDD）时序数据库。研究发现全球67%的湖泊SDD呈下降趋势，其中39%显著降低，总体下降幅度达13%。研究创新性揭示了气候变暖通过促进永冻层融化和藻类繁殖导致北美、欧洲湖泊SDD下降，而亚洲44%湖泊SDD提升主要归因于流域绿化。该成果为理解气候变化对湖泊生态系统的复合影响提供了重要科学依据。

　　

研究亮点

基于五种候选模型的性能比较（在线表S3），随机森林（RF）和梯度提升树（GTB）模型在测试数据集上表现出最可靠的精度，平均相对误差（MRE）分别为27.75%和28.51%，均方根误差（RMSE）为0.91米和0.90米（在线表S3，图S5和图S6）。需要指出的是，偏差值越接近零表示预测偏差越小，负值代表低估[72]。在验证数据集上的模型偏差评估表明，RF和GTB模型在预测全球湖泊SDD方面具有最佳适用性。

本研究的局限性

尽管我们的模型表现稳健并提供了全球尺度的见解，但仍需承认若干局限性以指导未来研究和模型开发。一个显著的局限性涉及数据稀疏区域（特别是北纬60°以上）的SDD建模。许多北极和亚北极湖泊具有独特的特征——例如长期冰封和有限的季节性采样机会[42, 76]——这些特征在当前数据集中的代表性不足。这些环境特异性可能影响高纬度地区SDD估算的准确性，建议后续研究纳入更多极地观测数据以优化模型。

利益冲突

作者声明不存在利益冲突。

致谢

本研究由国家自然科学基金（42425102和U22A20561）、国家重点研发计划（2022YFC3204101）、英国国家环境研究委员会（NERC）独立研究基金（NE/T011246/1）以及NERC项目（NE/X019071/1，"英国对地观测气候信息服务"）资助。我们感谢美国地质调查局提供Landsat数据，并感谢谷歌地球引擎提供计算平台支持。