径流深度塑造全国尺度河流N:P化学计量与潜在富营养化风险：非线性空间响应域及路径一致性

《Ecological Informatics》：Runoff shapes river nutrient stoichiometry and eutrophication risk on a national scale

　　

45%的河流断面表现出中度或更高水平的基于养分的富营养化风险（nutrient-based eutrophication risk）。径流深度（runoff depth）对河流N:P（氮磷摩尔比）空间变异具有最高预测重要性。径流–N:P敏感性在三个空间响应域（spatial response domains）间减弱。较高径流与较低总氮（TN）和N:P相关，而非养分负荷降低。

研究背景与问题方面，富营养化（eutrophication）威胁全球水资源与生态系统健康。经典营养状态框架主要面向湖泊，因水体停留时间较长，养分浓度、浮游植物生物量和水体透明度可在生态学有意义的时间尺度上共同变化。河流则因平流输移、流量变异、悬浮泥沙、水力停留时间和河道形态等过程，可使养分供给与浮游藻类积累解耦。气候变化和人类活动增强后，极端气候事件和大坝建设等改变了河流原有水文、理化与生境条件，河流富营养化和藻华事件在全球多条大河发生，且河流富营养化通常影响范围更广、持续时间更长、突变更强烈。污染物减排有助于减少点源和非点源污染输入，但降水格局、河流水文节律和地貌条件变化正在重塑水体富营养化风险；降水增加可能伴随更高地表径流并促进养分入河，升温可能加速生物代谢及藻类生长衰亡，水动力和大坝调节可延长养分滞留并降低自净能力。N:P对富营养化的影响仍存在争论，降水过程对流域水文和氮磷输入机制亦未充分阐明。因此，该研究旨在表征全国河流养分化学计量和基于养分的潜在富营养化风险空间格局，识别与N:P空间变异最相关的环境预测因子，并检验径流相关化学计量变化是否呈现非线性空间响应域且与降水—径流—养分化学计量—富营养化风险路径统计一致。研究人员基于全国尺度河流监测数据开展分析，得出超过45%的河流断面存在中度或更高潜在富营养化风险、径流深度对N:P空间变异预测重要性最高、径流–N:P关系呈三域非线性衰减、较高径流与较低TN和N:P相关而非养分负荷降低，以及SEM结果与假设路径 broadly 一致的结论；这些发现为全国尺度河流富营养化风险识别和气候变化下区域差异化养分管理提供了科学依据。

关键技术方法方面，研究采集全国主要干流、支流及其支流1412个河流监测断面2018年TN和TP观测并聚合为年均值，最终分析数据无TN/TP缺失；空间信息完整断面1410个。环境预测因子与同一分析期匹配，土地利用、海拔、河网密度和夜间灯光在控制单元内空间汇总；区域分为湿润与半湿润区（HSHR，1261个，89.3%）和干旱与半干旱区（ASAR，151个，10.7%）。营养状态指数（TLI）权重由TN–N:P和TP–N:P的R²内部校准，并以265个全球监测站Chl-a作外部生物参考。采用随机森林（random forest, RF；2000棵树）、TreeSHAP、偏依赖图（PDP）/个体条件期望（ICE）、分位数随机森林、bootstrap和置换重要性，以及结构方程模型（SEM；MLR、1000次BCa bootstrap）进行预测重要性和路径一致性分析。

研究结果方面，3.1 N:P比与河流富营养化风险的分布显示，全国河流TLI均值57.05，范围18.20–107.43；轻富营养化风险占35.4%，中度风险占30.8%，中营养风险占18.5%，严重风险占15%，贫营养仅占0.20%。ASAR平均TLI为52.51，HSHR为57.57；N:P主要分布于5–200，ASAR平均N:P为84.63，显著高于HSHR的57.02。综合表明超过45%的河流断面面临中度至严重潜在富营养化风险。N:P与TLI呈显著非线性负相关（R²=0.637，p<0.001），N:P在0–50时TLI下降最敏感，50–200时响应减缓，>200时因样本稀疏而更平缓；由于二者均由TN和TP导出，该关系被解释为内部化学计量关联而非对实现富营养化状态的独立验证。3.2 河流N:P空间变异的主要预测因子显示，随机森林–TreeSHAP全模型袋外R²=0.73，RMSE=53.95，MAE=35.24；径流深度预测重要性最高（SHAP值=44.079），其后为降水（6.681）、最高气温（Tmax，4.688）、平均气温（Tave，4.637）和海拔（4.13）。水文气候变量与N:P空间变异的关联强于可得的人类压力代理；分位数随机森林、bootstrap特征重要性区间、重复置换重要性和ICE/PDP分析支持径流深度保留最强预测信号，同时其他预测因子仍存在不确定性和响应异质性；这些排序为拟合模型内的相对预测信息，不应解释为独立因果贡献。3.3 自然过程对河流富营养化风险的影响路径显示，径流深度与N:P存在显著非线性关系：H≤8.95 mm为强响应区，8.95–15.59 mm为过渡响应区，H≥15.59 mm为弱响应区，描述性线性拟合斜率分别为?58.0、?5.5和?1.2；PDP预测在8.95和15.59 mm处N:P分别为137.87和72.12，200次bootstrap重拟合的转移估计为7.97 mm和14.18 mm。全国SEM与假设路径 broadly 一致：降水与径流深度强正相关（β=0.955，p<0.001），径流深度与TN负相关（β=?0.568，p<0.001），TN与N:P正相关（β=0.831，p<0.001），N:P与基于养分的TLI负相关（β=?0.657，p<0.001）；模型GFI=0.997、CFI=0.974、SRMR=0.052、RMSEA=0.183，RMSEA提示残差失拟仍较大；HSHR区域模型路径一致性较强，ASAR模型拟合较差（RMSEA=0.610），其路径估计被视为高度不确定；反馈、反向结构顺序和竞争中介三种替代模型拟合较差。上述SEM路径为协方差一致关联和路径一致性证据，并非因果方向证明。

讨论部分总结方面，4.1指出河流N:P具有显著空间异质性，并与TN、TP-derived TLI呈非线性负相关；湿润与半湿润区河流N:P通常低于干旱与半干旱区。TLI被解释为基于养分的潜在富营养化风险指标而非已实现营养状态；湖泊营养阈值不能直接移用于河流。265个河流站点外部验证显示该风险指数与Chl-a显著相关（R²=0.24，p<0.001），解释力中等，支持其用于养分风险筛查而非藻华预测。TLI权重为内部化学计量校准系数，留一流域重校准和替代权重方案产生高度一致的风险估计。4.2指出径流深度在16个变量中对N:P空间变异预测重要性最高，但该排序为拟合模型内预测信息而非独立因果效应；较高径流与较低TN浓度相关，TP总体响应较弱，导致较低N:P，该浓度格局应区别于养分输出负荷，因为负荷取决于浓度和流量。径流–N:P关系在强响应、过渡响应和弱响应域中减弱，斜率约从?58.0降至?5.5和?1.2；8.95和15.59 mm为本全国数据集经验特征而非普适阈值。机制可能综合稀释、水文连通、源激活、陆地滞留、侵蚀和河道内转化，年尺度空间数据无法分离；水动力、停留时间和光照共同调控河流浮游植物。4.3指出径流–化学计量关系具有区域依赖，HSHR河流通常径流较高、N:P较低，ASAR更受间歇性降水、前期土壤干燥、蒸发浓缩、地下水输入和短时径流脉冲影响；约90%监测断面位于HSHR，区域对比应解释为广域空间倾向。水库调节、人类直接源强度、年尺度数据、TN/TP形态未区分、流速、停留时间、浊度、水下光照和藻类生物量缺乏等均构成限制；管理启示应区域和过程特异，三个径流响应域可用于化学计量敏感性的空间筛查而非固定工程阈值。

研究结论翻译：基于中国1400余个河流监测断面的养分数据及多个环境变量，该研究系统表征了全国尺度河流N:P的空间异质性及其与潜在富营养化风险的关联。结果表明，超过45%的监测河流断面表现出中度或更高水平的潜在富营养化风险，由TN和TP推导的营养状态指数（TLI）与N:P呈显著非线性关系（R²=0.637），表明养分化学计量是河流养分风险的重要维度。在纳入分析的16个自然和人为变量中，径流深度对N:P空间变异具有最高预测重要性（SHAP值=44.079）。研究进一步识别出径流深度与N:P之间显著的非线性关系，强响应域、过渡响应域和弱响应域表明，随着径流背景增加，N:P对径流空间敏感性逐步下降。进一步分析显示，较高径流深度与较低TN浓度显著相关，而TP总体响应相对较弱，从而导致较低N:P。SEM结果亦与降水—径流—TN—N:P—潜在富营养化风险路径 broadly 一致。重要的是，这些发现描述的是不同径流背景下养分浓度和化学计量结构的空间关联，而非养分输出负荷变化或严格因果机制证据。总体而言，径流是塑造中国河流养分化学计量空间格局的重要水文因子，其与基于养分的潜在富营养化风险关系具有显著非线性和区域依赖性。这些发现为识别河流富营养化风险及制定气候变化下区域差异化养分管理策略提供了全国尺度科学依据。