基于生物质量要素校准与二项逻辑回归的希腊自然湖泊类型特异性水体透明度边界及其生态水文管理

《Hydrobiologia》：Defining ecologically derived transparency boundaries for assisting Greek natural lakes ecohydrological management

　　

水体透明度是一种简单的定性特征，广泛用作湖泊营养状态和富营养化压力的替代指标。水框架指令（Water Framework Directive, WFD）要求为物理和化学支持要素设定边界，以确保良好生态状态，然而许多成员国缺乏与生物响应相关联的类型特异性透明度边界。Secchi深度（Secchi Depth, SD）是专家和非专家监测的理想指标，将生态水文过程整合为一种可及且成本有效的测度。本研究旨在为三种希腊自然湖泊类型：极浅水、浅水和深水湖泊，指定支持良好生态状态的透明度边界，以用于监测和管理。利用来自19个自然湖泊的国家监测数据（2013—2023年），研究人员应用二项逻辑回归（Binary Logistic Regression, BLR），以两个生物质量要素（Biological Quality Elements, BQEs）：浮游植物和大型水生植物为校准对象，建立透明度边界。模型性能显示中等至良好的预测能力，并具有偏向环境保护的保守误差平衡。分析得出类型特异性边界：极浅水湖泊为0.6 m（浮游植物），浅水湖泊为1.4–1.5 m（分别为大型水生植物和浮游植物），深水湖泊为3.1 m（浮游植物）。这些经经验推导并经BQE验证的边界为WFD合规、恢复规划和公民科学监测计划提供了操作目标，支持地中海湖泊生态系统的适应性生态水文管理，同时实现可及长期趋势评估。

研究背景与问题：水体透明度长期被视为湖泊水质和富营养化压力的基本指标，常用Secchi深度（Secchi Depth, SD）测量，反映光穿透深度并支持光合作用。水框架指令（Water Framework Directive, WFD）要求基于生物质量要素（Biological Quality Elements, BQEs）及支持性物理、化学和水文形态要素开展生态状态评价，并为支持性要素设定边界以确保良好生态状态。但许多成员国缺乏与生物响应关联的类型特异性透明度边界；希腊及地中海地区自然湖泊多数未达良好状态，物理化学支持要素尤其是SD边界研究不足。研究人员旨在为希腊三类自然湖泊——极浅水湖（GR-VSNL）、浅水多混合湖（GR-SNL）和暖单混合深水湖（GR-DNL）——建立支持良好生态状态的SD边界，服务WFD合规、恢复规划和公民科学监测。

方法概述：数据来自希腊国家监测网络2013—2023年19个自然湖泊，其中GR-VSNL 4个、GR-SNL 8个、GR-DNL 7个。浮游植物生态质量比（Ecological Quality Ratio, EQR）采用HeLPhy和GR-PTI计算，大型水生植物（macrophytes）EQR采用HeLM计算；SD取5—10月均值。采用二项逻辑回归（Binary Logistic Regression, BLR）估计Good/Moderate（GM）边界，并用伪R²、曲线下面积（Area Under the Curve, AUC）、患病率、混淆矩阵、正确分类率（Correct Classification Rate, CCR）、Cohen’s kappa、遗漏误差（Omission error, Omis）和误判误差（Commission error, Comm）等评价。

结果：
初步线性回归分析：深水湖SD与浮游植物关系强（R² > 0.8），浅水和极浅水湖关系弱（R² ≈ 0.35）；因浅水湖线性模型拟合差，研究人员改用BLR设定边界。
质量类别间SD分布：箱线图显示所有BQEs二分类质量类别（“中等或更差”与“良好或更好”）分布不均，浮游植物尤甚，但Wilcoxon检验显示类别间差异显著（P < 0.05），浮游植物分离最强。
BLR模型性能与GM边界：模型判别能力可接受至优秀（AUC = 0.78–0.95），深水湖浮游植物最高；伪R²为0.32–0.78，CCR和kappa可接受至良好（kappa为0.39–0.58）。GM边界为GR-VSNL 0.6 m（浮游植物），GR-SNL 1.4 m（大型水生植物）和1.5 m（浮游植物），GR-DNL 3.1 m（浮游植物）。患病率为0.29–0.68，最优概率阈值为0.37–0.76。遗漏率为0.24–0.38，高于误判率0.12–0.25，表明边界偏向高估生态风险。
拟合曲线与混淆矩阵：拟合逻辑曲线给出“良好或更好”概率与压力测度的关系，并确定阈值；混淆矩阵总结正确与错误分类。假阴性率（False Negative Rate, FNR）为0.11–0.16，风险低估（Under-prediction of risk, UPR）为0.17–0.36，确认模型倾向保守高估风险，较少漏掉生物退化。
误差结构：误差关系分析显示，所有模型处于“中等”至“显著”性能区，多数点位于Omis = Comm对角线附近或下方，误差平衡或略偏较低误判错误；GR-SNL大型水生植物模型误判率最高但遗漏率中等，GR-DNL模型误差分布最平衡。BLR模型性能可接受，边界足够保守，适合水质管理。

讨论总结：所提边界反映不同湖泊类别透明度生态过程的功能差异，并考虑时间变异和透明度分类固有挑战。地中海湖泊受降水和水体入流季节性影响，夏季干旱浓缩营养盐、延长暖水期，促进蓝藻优势并降低透明度。BLR产生深度分层边界：0.6 m、1.4–1.5 m、3.1 m。模型性能随深度增加改善；极浅水和浅水湖较低性能反映系统生态变异而非方法缺陷，浅水系统线性关系弱（R² ≈ 0.35）而深水强（R² > 0.8）。浅水多混合湖频繁混合、沉积物再悬浮和清水期引入时间变异，BLR更适合捕捉阈值响应和状态转换而非线性变化。分类边界虽人为，但对法规和管理必要；关键是减少错误分类并平衡干预成本与环境保护收益。保守方法遗漏误差高于误判误差，优先避免假阴性，确保退化湖不被误判为良好。使用多个BQEs是方法稳健性体现；GR-VSNL仅用浮游植物因仅有该EQR，GR-DNL仅用浮游植物因大型水生植物EQR未覆盖完整梯度；GR-SNL浮游植物与大型水生植物边界高度一致，验证了真实生态阈值。浮游植物与透明度存在机制耦合和循环性，大型水生植物提供更独立验证；二者收敛增强阈值生态有效性。希腊边界处于欧盟报告范围内，但成员国方法异质性大；GR-VSNL 0.6 m较低，适合多混合系统自然浊度、沉积物再悬浮和光穿透低；GR-SNL 1.4–1.5 m接近欧盟四分位范围；GR-DNL 3.1 m位于高值端，反映深水希腊湖贫营养至中营养。SD作为营养状态和生物状况代理的生态有效性已广泛证明；希腊湖泊多为非腐殖系统，边界最适用于富营养化和沉积物再悬浮为光衰减主要驱动因素的湖泊，对腐殖或贫营养型湖泊需谨慎。透明度兼具富营养化描述和压力双重角色，边界应视为潜在时滞响应的预警阈值。管理上，透明度边界是可及、成本有效工具，整合水文、营养、光照、食物网和氧条件；公民科学有用；可指导水文调节、冲刷稀释营养、破坏藻华、流域尺度营养源控制、缓冲区管理和适应性监测。

结论翻译：本研究是首次为希腊自然湖泊建立类型特异性透明度边界的系统性努力，填补了WFD实施中的关键空白。通过纳入超过十年的国家监测数据（2013—2023年）并应用Phillips等开发的边界设定工具，研究人员得出了经验依据充分的边界：极浅水湖泊0.6 m，浅水湖泊1.4–1.5 m，深水湖泊3.1 m。这些边界反映了不同湖泊类型功能的差异，证明其结果具有生态合理性和逻辑一致性。保守的误差结构和中等至良好的预测性能进一步验证了其操作实用性。鉴于地中海湖泊生态系统在类型学和气候上的相似性，这些边界为其他面临WFD合规和透明度阈值指定类似挑战的南欧国家提供了有价值的参考框架。除监管（WFD）合规外，所建立的边界为生态水文管理提供了操作目标，将营养动力学、水文调节和公民科学监测整合为一个连贯的适应性框架。SD是一种可及且成本有效的指标，连接科学评估与社区参与，使志愿者网络能够对长期湖泊监测和生态退化早期检测作出有意义贡献。此处推导的边界为在任何以保护水生生物为首要目标的管理情境中制定生态基础扎实的水质标准提供了可转移框架，无论具体监管框架如何。这对于缺乏成熟生态评估系统但面临类似富营养化压力和湖泊生态系统透明度退化的地区尤其相关。