多传感器遥感框架用于安第斯中部小型高安第斯湖泊（SHAL）水质监测及水气候控制研究

《Remote Sensing Applications: Society and Environment》：Multi-sensor remote sensing framework for water quality monitoring and hydroclimatic controls in small high-Andean lakes of the Central Andes

　　

本研究提出一项针对安第斯中部小型高安第斯湖泊（small high-Andean lakes, SHAL）及一座水库水质的集成多卫星评估。研究人员利用Sentinel-2 MSI与Landsat 8和9 OLI影像评估多种大气校正（atmospheric correction, AC）方法，并构建用于监测偏远山地湖泊的框架。研究人员在玻利维亚Misicuni与Chocaya流域的7个SHAL和1座水库中调查水质与营养状态。研究系统位于海拔4,000—4,600 m，面积范围为0.01—10 km²，水库海拔为3,774 m。研究人员将野外样品与多卫星观测结合，以估算叶绿素-a（chlorophyll-a, Chl-a）、透明度、浊度和有色溶解有机物（chromophoric dissolved organic matter, CDOM）。研究人员开发随机森林（Random Forest, RF）模型，分别仅使用光谱数据以及联合景观与水气候预测因子，并将XGBoost作为补充算法进行评估。整合流域描述因子提高了模型性能，产生了水质变量的交叉验证预测，同时为制图产品生成了不确定性估计。不同大气校正方法在不同水质变量间表现不同，表明没有单一方法在所有变量上始终表现最佳。预测结果揭示了与高安第斯湿地（bofedales）、前期降水、海拔和人为土地覆盖相关的时空格局。遥感反演的营养状态与溶解有机碳（dissolved organic carbon, DOC）估算与野外观测一致，使研究人员能够评估SHAL的生态状况和碳库空间分布。所提出的框架为监测高安第斯湖泊提供了一种可扩展方法，在水质观测仍然稀疏的地区支持基于生态系统的管理、土地利用规划和流域决策。

研究背景方面，安第斯湖泊是陆地水循环和生态系统服务的重要组成部分，具有微气候调节、大气水分再循环、水储存和养分循环等功能，并支持生物多样性、局地供水、放牧和文化服务。小型高安第斯湖泊（small high-Andean lakes, SHAL）被界定为海拔超过4,000 m、面积0.01—10 km²的永久天然水体，因其体积小、海拔高且与冰冻圈联系强，对气候变率高度敏感，被视为气候变化哨兵；尽管面积小，其对区域和全球碳循环具有不成比例的影响。SHAL的生态平衡受到紫外辐射、气候变化、入侵种、污染驱动富营养化、盐度变化和采矿等压力威胁。遥感已用于反演叶绿素-a（Chl-a）、透明度、浊度、有色溶解有机物（CDOM）等水质参数，但安第斯湖泊研究稀少，玻利维亚中部安第斯尚无卫星反演CDOM的研究；高海拔环境下大气校正（AC）验证不足，遥感变量与碳、营养状态动态及水文形态、气候和景观驱动之间的联系也缺乏。因此，研究人员构建集成监测框架，评估AC方法，反演SHAL水质参数，并估算营养状态指数（trophic state index, TSI）和溶解有机碳（DOC），以增强卫星观测的生态解释并支持管理与保护。

研究人员在玻利维亚中部安第斯Misicuni和Chocaya流域的7个SHAL与Misicuni水库开展研究，站点海拔3,774—4,608 m，采样覆盖2023年9—11月、2024年4—5月和2024年11月。研究结合Sentinel-2 MSI、Landsat 8和9 OLI影像与野外样品，比较AC方法，建立随机森林（RF）与XGBoost模型，整合光谱、景观和水气候预测因子，预测Chl-a、透明度、浊度和CDOM，并进一步估算TSI与DOC。结果表明，整合流域描述因子可改善模型性能，AC方法表现随传感器和水质变量而异，无单一方法始终最佳；预测揭示与bofedales、前期降水、海拔和人为土地覆盖相关的时空格局；遥感TSI与DOC估算与野外观测一致，框架可为数据稀疏的高海拔湖泊监测提供可扩展途径。

关键技术方法概括（不超过250字）：野外采样覆盖7个湖泊和1座水库，每湖4—6个点、水库10个点；使用Sentinel-2 MSI与Landsat 8/9 OLI L1影像，AC方法包括C2RCC、iCOR、ACOLITE及Sen2Cor、LaSRC；以30 m缓冲区提取遥感反射率（remote sensing reflectance, Rrs），RF为主模型、XGBoost为补充，采用五折及分组交叉验证和特征重要性筛选；引入SRTM DEM、CHIRPS与SENAMHI降水、土地利用/土地覆盖（LULC）及人为土地覆盖指数（ALCI）和bofedales；TSI由Chl-a和塞氏盘深度（Secchi disk depth, SDD）计算；DOC由a₂₅₄、a₃₅₀线性模型估算并采用留一交叉验证（leave-one-out cross-validation, LOOCV）。样本队列来源为玻利维亚Misicuni与Chocaya流域2023—2024年野外采样。

3.1 采样水文期与SHAL环境驱动下的水质：通过现场与实验室参数及相关分析，研究发现Chl-a变幅显著，后雨期M3水库最高；Chl-a与浊度、DOC、a₂₅₄、电导率、ALCI和bofedales比例正相关，与海拔、透明度和limnicity负相关；透明度与7 d降水、limnicity正相关，与电导率、浊度、bofedales和岩石比例负相关；浊度与温度、电导率、CDOM、bofedales和ALCI正相关，与海拔和limnicity负相关；a₂₅₄与温度、90 d前期降水、ALCI、bofedales、草地和DOC正相关，与海拔和岩石比例负相关。

3.2 SHAL水质估算的遥感模型性能：通过比较不同AC方法、二级处理器和RF/XGBoost模型，研究发现AC表现因传感器和目标参数而异；加入景观和水文描述因子普遍改善性能。MSI的Chl-a以Sen2Cor RF较强（R²_CV=0.78），OLI的Chl-a以LaSRC RF较强（R²_CV=0.73）；MSI透明度以iCOR RF较强（R²_CV=0.82）；OLI浊度以ACOLITE RF较强（R²_CV=0.81）；CDOM在OLI以LaSRC RF、在MSI以C2RCC RF和iCOR XGBoost达到R²_CV=0.83。分组交叉验证显示跨组泛化有限，尤其Chl-a和透明度，CDOM相对较好，OLI浊度分组验证出现负R²_CV。

3.3 水质参数空间分布：利用最佳模型生成三期空间预测，研究发现Chl-a高值集中于入流区和浅水边缘，M3水库后雨期高值由库尾延伸至中心；透明度呈相反格局，M1最清澈而T1最低；浊度梯度常与Chl-a和透明度格局一致，M3由入流区向库心降低；CDOM高值出现在入流区、沿岸和bofedales环绕湖泊，后雨期多数系统升高。空间模型评估显示Chl-a和CDOM预测较强（R²=0.86—0.92），透明度后雨期较强（R²=0.82），浊度前期很强（R²=0.98）而后雨期较弱（R²=0.22）；Wilcoxon检验未发现预测与实测湖均值显著差异。

3.4 TSI与DOC估算：通过遥感TSI与实测Chl-a-derived TSI比较，研究发现RS-TSI与实测TSI一致（偏差?3.5%—1.4%）；参考湖泊M1、M2和T2在雨期或雨后营养状态升高，S1、E1和C1较稳定，T1变幅大，M3由前雨期中等富营养转为后雨期超富营养。DOC经验模型拟合较强（R²=0.91），LOOCV为R²=0.84、RMSE=1.02 mg L^?1；空间DOC与实测偏差为?19.6%—+24.9%，M3高估超过50%；后雨期DOC总体升高，与RS-TSI格局一致。

讨论部分表明，安第斯中部水文气候干湿季节影响SHAL和水库的物理与光学性质，后雨条件总体上促进多数系统生物量积累；bofedales和海拔控制藻类生物量及颗粒相关属性，温度、ALCI和bofedales与Chl-a、浊度和CDOM正相关，海拔和limnicity呈负相关。遥感性能方面，最佳AC依赖传感器、目标参数和预测因子配置，Sen2Cor对MSI Chl-a、iCOR对MSI透明度、C2RCC对CDOM、ACOLITE对OLI浊度表现较好，但无单一方法普遍最佳，小水体邻接效应和反射率误差可向反演产品传播。流域描述因子提高Chl-a、CDOM、透明度和浊度模型稳健性，湖泊形态与流域结构影响光学和生物地球化学变率。DOC-CDOM关系具有较强预测能力，RS-TSI与野外估计一致；低海拔或高ALCI流域湖泊TSI和DOC较高，90 d前期降水调节CDOM和DOC，M3由中等富营养转为超富营养且DOC估计在高CDOM或光学复杂条件下不确定性较大。方法局限包括DOC校准样本较少（N=15）、卫星与采样时间差可超过3 d、20—30 m空间分辨率导致混合像元、AC未用实测Rrs直接验证、现场访问受限和样本量限制模型泛化；框架可转移性的核心是集成工作流而非固定AC方法或水质模型，应用其他高海拔湖泊需本地校准、替代AC评估和独立验证。

研究结论与政策含义（译述）：据研究人员所知，此前尚无同行评审研究在玻利维亚中部安第斯SHAL中整合多传感器卫星观测、替代AC方法评估、多水质参数以及景观和水气候预测因子。本研究表明集成框架有潜力估算Chl-a、透明度、浊度和CDOM；多种AC方法比较显示，将光谱信息与流域及水气候变量耦合可改善模型性能，但改善幅度随水质参数和传感器-AC配置变化。RS-TSI和DOC估算提供营养状态和碳库分布的空间指标，支持生态状况及水相关生态系统服务评估。分析捕获了采样期湖库生产力、清澈度和有机物浓度的空间格局与时间差异；M3水库从前雨期中等富营养转变为后雨期超富营养，DOC浓度升高可能与bofedales及上游流域特征有关。鉴于M3水库为Cochabamba都市区约百万居民的主要饮用水源，研究强调监测营养状态和有机物浓度以指导水管理与处理，尤其关注潜在藻华、富营养化和有机物驱动的水质恶化。总体而言，该框架为偏远、数据稀缺的高海拔环境水质监测提供成本效益较高且可扩展的方法；其可转移性主要涉及集成工作流，而非固定AC方法或水质模型的直接应用，其他湖泊系统应用需本地校准、替代AC评估和独立验证。这些发现与安第斯冰川湖区特别是Tunari国家保护区的生态系统保护相关，该区域淡水生态系统面临农业、野火、过度放牧、旅游、采矿和入侵物种等压力；通过整合卫星观测、流域信息和水质指标，该框架可支持利益相关者和决策者制定可持续流域管理策略，在保护目标与人类利用和生计之间取得平衡。