《Water Resources Research》:An Automated Data Efficient Morphometric Approach to Define Global Lentic and Lotic Inland Waters
编辑推荐:
界定静水(lentic)与动水(lotic)系统类型对于理解水文、生态及生物地球化学过程至关重要。传统分类方法依赖于不可泛化的站点特定参数,如视觉特征、历史名录及水力停留时间。尽管机器学习(ML)与深度学习(DL)模型在一定程度上缓解了上述挑战,但其受限于高数
界定静水(lentic)与动水(lotic)系统类型对于理解水文、生态及生物地球化学过程至关重要。传统分类方法依赖于不可泛化的站点特定参数,如视觉特征、历史名录及水力停留时间。尽管机器学习(ML)与深度学习(DL)模型在一定程度上缓解了上述挑战,但其受限于高数据需求、未经验证的训练数据集、计算资源需求以及难以准确探测小于3 ha内陆水体(IInland Waters, IWs)的不足。为填补这一空白,本研究提出了一种新型自动化数据高效形态计量学方法(Automated Data Efficient Morphometric Approach, ADEMA),该方法基于多维形态计量学解释,将全球内陆水体分类为静水与动水系统类型,最小可至0.09 ha(较前人研究缩小33倍)。ADEMA基于涵盖66个全球多样化地点的17,391个专家标注内陆水体进行开发与验证,并与经全面优化的最先进机器学习、深度学习及全球模型进行了对比。结果表明,ADEMA与机器学习及深度学习模型表现相当,在小型、中型和大型内陆水体中分别实现了92%、95%和71%的F1分数。在17,391个专家标注样本中,ADEMA保持了高性能,精确度(Precision)达89%,召回率(Recall)达99%,F1分数达94%。跨越四个十年间隔(1991–2021)的分析证明了ADEMA的时间不变性,其F1分数持续保持高位(90%–93%),遗漏误差(Omission Error, OE)可忽略不计(0%–2%)。此外,ADEMA超越了全球分类产品(平均F1分数:97% vs. 62%)。这些发现强调了ADEMA在准确分类全球静水与动水系统类型方面的潜力。
内陆水体(Inland Waters, IWs)的静水(lentic)与动水(lotic)系统类型界定是理解其水文、湖沼、生态及生物地球化学功能的基础。静水系统(如湖泊、池塘和水库)水体停留时间长,条件相对静止,有利于沉积物累积并支持特定生物群落;而动水系统(如溪流、小河和河流)则呈河流特征,停留时间较短,具有更强的沉积物和营养物下游输送能力。尽管上述定义未充分考虑形状、大小、盐度等关键区分因素,但它们被拓展为基于系统与湖型(静水)或河型(动水)相似程度的二元分类。 fundamentally,静水与动水系统类型的主要差异常以停留时间和形态计量学(morphometry)为特征。然而,传统分类方法依赖历史名录和目视解译,或基于卫星影像分割技术;以停留时间和流速作为区分指标的方法则因站点和时间特异性而限制其全球适用性。尽管有研究提出了基于综合停留时间、入流、出流和体积的淡水连续体分类框架,但该方法仅适用于水文连通的内陆水体,不适用于单个水体系统界定,且受限于入流、出流和体积记录的稀缺性。另有研究利用卫星影像开发了自动化方法提取河流和湖泊,但存在仅针对特定区域和单一时体验证、最小可分类水体为5.4 ha等局限。在全球范围内,虽有研究利用全球地表水数据集(Global Surface Water, GSW)通过深度学习及侵蚀阈值操作分离静水和动水系统,但数据密集且无法分类小于3 ha的水体。相比之下,基于形态计量学的分类方法更具数据效率,但既有研究存在最小可分类面积过大(45 ha)、区域特异性强、缺乏充分验证等问题,且最新改进方法仍局限于大于3 ha的水体,并使用静态未经验证的数据集。
为此,本研究提出ADEMA方法,旨在实现全球范围内最小至0.09 ha(相当于单个LANDSAT像素)的静水与动水系统类型界定,并与已有的全球分类产品及经全面优化的机器学习(决策树DT、随机森林RF、极端梯度提升XG)和深度学习(神经网络NN)模型进行基准对比。
研究样本来源于欧洲联合研究中心的全球地表最大水范围(Global Surface Maximum Water extent, GSMW)数据集,该数据集覆盖60°S至80°N,提供1984–2021年30 m空间分辨率的像素级最大水体范围。研究选取全球66个地点,经"BUDS"(BUfferDissolveSplit)函数预处理后生成空间连接的多边形边界,并由6名具有农业、水文及生态水文学专家的注释组通过高分辨率Esri、Maxar卫星影像进行目视解译标注,总计17,391个内陆水体多边形(86%静水,14%动水)。形态计量变量包括圆形率(Circularity Ratio, CR)、哑铃率(Lemniscate Ratio, LR)、伸长率(Elongation Ratio, ER)和紧凑度(Compactness, CT),均在Google Earth Engine(GEE)平台计算。ADEMA基于训练数据中各系统类型在CR、ER、LR、CT六维空间中的最小分离点确定决策边界,通过层次化规则结构实现分类:CR<0.0008为非圆形(动水);0.0008≤CR<0.08且ER>0.5为静水;同前且ER<0.5时CT<3.5为动水、CT≥3.5为静水;CR>0.08时LR<5为静水、LR≥5为动水。该阈值经比例k折交叉验证(10次随机折叠,保持86%静水和14%动水比例),训练和测试F
1分数均值分别为92.41±0.03%和92.41±0.28%。
机器学习与深度学习模型采用Python 3.12.4的scikit-learn和xgboost模块构建,通过高斯过程最小化和梯度提升树最小化两种算法进行13个超参数优化,目标函数兼顾训练与测试F
1分数以最大化精度并减少过拟合。精度评估采用F
1分数、离散曲线下面积(discrete Area Under the receiver operating characteristic Curve, dAUC)、精确度、召回率、错分误差(Commission Error, CE)和遗漏误差。此外,通过刀切法(jack-knifing)及其改进方法JEHLL(Jack-knifing for Explaining Hierarchical variables in the Lentic and Lotic system type classification)进行变量解释性排序。时间不变性分析选取1991、2001、2011和2021四个十年间隔,基于GSW年度历史图层提取"季节性水"和"永久性水"像素,经BUDS预处理和专家标注后评估ADEMA性能;并在咸海附近(哈萨克斯坦)和印度(西孟加拉邦布拉马普特拉三角洲及北方邦印度河-恒河平原)选取四个过渡站点以评估系统类型转换捕获能力。与全球分类产品的比较对象为全球湖泊数据集(GLAKES,>3 ha)和水库湖泊面积时间序列数据集(ReaLSAT,>10 ha),采用无过滤和面积过滤两种评估方式。
研究结果显示,模型性能方面,小型内陆水体(Small Inland Waters, SIWs,<10 ha)中所有模型均表现优异,ADEMA精确度86%、召回率100%、F
1分数92%、dAUC 54%,与决策树、神经网络、随机森林、极端梯度提升性能相当。中型内陆水体(Medium Inland Waters, MIWs,10–1,000 ha)中各模型精确度、召回率、F
1分数分别为90%–94%、96%--100%、95%--96%,ADEMA以94%精确度、96%召回率、95% F
1分数和72% dAUC表现。大型内陆水体(Large Inland Waters, LIWs,>1,000 ha)中ADEMA面临挑战,精确度77%、召回率65%、F
1分数71%、dAUC 63%,虽低于神经网络和极端梯度提升,但dAUC相对更优。全尺寸类别中ADEMA保持稳健,精确度89%、召回率99%、F
1分数94%,加权F
1分数82%与机器学习、深度学习模型(79%--85%)相当。
变量解释性排序表明,圆形率在中小型内陆水体中解释力最强(31%),紧凑度在大型内陆水体中最为重要(36%),伸长率在中型水体中贡献最高(26%),哑铃率在小型水体中解释力最大(47%)。ADEMA模型中伸长率解释力最高(64%),圆形率次之(32%),紧凑度和哑铃率各2%。
时间不变性分析显示,ADEMA在四个十年间隔均保持稳定高性能,中位F
1分数分别为93%(1991)、91%(2001)、92%(2011)、90%(2021),中位错分误差10%--18%,中位遗漏误差均为0%。在巴西地点10(水体数量减少)和澳大利亚地点3(水体数量倍增)的动态变化区域,ADEMA F
1分数分别保持72%--93%和74%--84%。四个过渡站点中,ADEMA保持83%--100%的F
1分数,有效捕获了静水与动水系统间的转换。
与全球分类产品比较中,无过滤条件下ADEMA中位F
1分数94%,远高于GLAKES的12%和ReaLSAT的5%;面积过滤后GLAKES中位F
1提升至50%,ReaLS rsi至74%,而ADEMA分别达96%和97%。ADEMA的平均F
1分数(94%和97%)显著优于全球分类产品(9%和62%)。
讨论部分指出,ADEMA与机器学习、深度学习模型相比具有明显优势,仅在大型内陆水体中存在部分例外。随机森林模型100%的召回率源于将所有动水小型水体误分类为静水,说明该类模型易受数据规模和类别不平衡影响。ADEMA基于专家判断和系统物理特性的启发式多维形态计量学解释,能够准确、数据高效且可解释地进行分类,尤其擅长捕获形状各异的内陆水体特征。传统机器学习、深度学习模型依赖自动推导的阈值,在混合区域易产生偏斜分类。ADEMA的计算效率优势显著,无需复杂超参数优化和训练过程,适用于计算资源受限环境。
关于变量解释性,各模型偏好差异反映了不同算法特性:决策树偏好提供清晰界定的变量,神经网络适宜分类小型和中型水体,极端梯度提升偏向中型水体,随机森林偏好大型水体,而ADEMA强调伸长率和圆形率,适合识别拉长型或圆形内陆水体系统。
时间不变性的根本原因在于ADEMA基于GSMW数据集的聚合历史构建,该数据集涵盖38年季节变化、长期趋势和动态变化。ADEMA在稳定区域和过渡区域均表现可靠,但在极度破碎化、形似静水的动水系统区域(如中国地点37)存在局限。
与全球分类产品比较表明,GLAKES在小型水体中等的平均错分误差和高遗漏误差、ReaLSAT单一形态评分及尺寸限制导致其性能受限。ADEMA以17,391个样本(较GLAKES的161,682个样本少约10倍)实现了更高的样本效率(F
1分数每样本0.005% vs. 0.001%)。
局限性包括:1°×1°网格尺寸优化计算效率但限制超大型水体(>10,000 ha)分类;0.09 ha尺度受传感器噪声、短暂性洪水、破碎系统或误检测影响,肘部检测法建议~0.5 ha为更可靠阈值;植被下水面(湿地、沼泽、浮生植被)无法被GSMW识别,未来需融合光学与合成孔径雷达(Synthetic Aperture Radar, SAR)观测;破碎化动水段与狭长静水体(如长水库)的误分类问题;以及dAUC应用于确定性模型的固有限制。
研究结论指出:ADEMA框架为全球静水和动水系统类型分类提供了稳健、高效且可扩展的解决方案。通过与决策树、神经网络、随机森林、极端梯度提升等机器学习与深度学习模型及GLAKES、ReaLSAT等全球分类产品的全面比较,ADEMA的可靠性与准确性得到确立。ADEMA在小型和中型内陆水体中表现尤为卓越,在大型水体中保持竞争力,其基于专家指导的多维形态计量学解释确保了分类的可解释性与数据效率。跨越数十年的时间不变性突显了ADEMA在长期监测内陆水体动态中的稳健性,其在多样全球地点的一致表现证明了其对不同水文、湖沼和生态背景的适应性。显著降低的计算需求使其在资源受限环境中具有独特优势。尽管存在大于10,000 ha水体排除及破碎化或狭长水体挑战等局限,通过增强计算资源、更精准的数据集和地形数据整合,未来有望进一步提升ADEMA的准确性、可扩展性并降低分类误差。