基于耦合集成加权策略与可解释机器学习的 Landsat 时序高原湖泊湿地健康时空动态及驱动机制探测

《Water Research X》：Detecting spatio-temporal dynamics and driving mechanisms of plateau lake wetland health from Landsat time series using coupled ensemble weighting strategy and explainable machine learning

　　

研究人员开发了一种基于遥感的综合框架以评估高原湖泊湿地健康。1986—2024年研究区内66.7%的高原湖泊湿地健康显著改善。植被状况与藻类活动的改善补偿了水文稳定性的下降。人类活动主导了高原湖泊湿地健康的长期趋势并主要发挥正向贡献，大气水分需求（VPD）对高原湖泊湿地健康普遍施加负向约束。该研究构建综合湿地健康指数（Comprehensive Wetland Health Index，CWHI），融合植被条件、水文动态与藻类水质代理指标，并采用基于XGBoost-SHAP的可解释机器学习将生态系统健康时空变化归因于气候与人类驱动因子，框架应用于横断山脉云南段12个代表性高原湖泊湿地，为高山山地区域生态恢复与适应性管理提供科学支撑。

研究背景方面，湿地作为全球功能最重要的生态系统之一，在水文调节、碳储存、养分循环与生物多样性保护中具有关键作用。高原湖泊因营养结构相对简单、对局地水平衡依赖强、流域缓冲能力有限，对环境变化尤为敏感。现有研究多侧重单一指标或短时变化，传统线性归因方法难以刻画气候—人类交互的非线性响应，且高山区域长期观测不足，限制了对高原湖泊湿地长期健康轨迹与驱动机制的全面理解。为此，研究人员在横断山脉云南段（23°54′–29°13′ N，97°31′–101°52′ E）选取12个代表性高原湖泊湿地，开展1986—2024年长时序生态健康评估与驱动解析。

关键技术方法上，研究人员以Google Earth Engine（GEE）平台整合Landsat 5 TM/7 ETM+/8 OLI/9 OLI-2地表反射率数据（13337景，云量阈值70%，CFMask去云）、ERA5气象再分析（0.1°网格）、Copernicus GLO-30 DEM及全球人类足迹（Human Footprint，Hum）数据；基于NDVI、MNDWI、FAI提取植被覆盖（VEC）、植被健康（VEH）、永久水面覆盖（PWC）、季节性水面覆盖（SWC）、季节淹没频率（SI）、区域湿润度（RW）、藻类覆盖（AC）、藻类频率（AF）八项指标；采用层次分析法（AHP）、熵权法（EWM）、主成分分析（PCA）集成加权构建CWHI；以Theil-Sen估计趋势，XGBoost-SHAP归因时空变化。

研究结果部分，引言指出高原湖泊湿地健康评估需多维度集成，传统框架在阿尔卑斯—高原区受长期观测限制。材料与方法下设研究区、技术框架、数据源与预处理、生态指标提取等小节：研究区覆盖滇西北横断山宽海拔梯度；技术框架含多源重建—指标提取—CWHI构建—驱动归因四组件；数据源实现跨传感器辐射归一化；生态指标提取中VEC取年最大NDVI_max的75th–90th百分位均值阈值的植被像元面积比，VEH为植被区年均NDVI，PWC/SWC依年淹没频率WIF≥0.8与0.3≤WIF<0.8划分，SI为SWC区平均WIF，RW为水面MNDWI空间年均值，AC为ACF>0.5面积占比，AF为藻区平均ACF，FAI严格限定动态水面并以自适应Otsu分类。结论表明：1986—2024年66.7%研究区高原湖泊湿地CWHI显著上升，植被与藻类指标改善抵消水文稳定性下滑；人类活动（Hum）为长期趋势主导因子且以正向贡献为主，气温、降水、辐射等气候因子中VPD普遍呈负向约束；自2000年代初生态保护政策实施后湖泊轨迹转变。该文发表于《Water Research X》。

讨论与结论翻译：研究人员构建的遥感框架可实现高原湖泊湿地长时序健康诊断；植被状况与藻类活动增强补偿了水文稳定度损失；人类活动在长期趋势中占主导且主要为正向贡献，大气水分需求对湿地健康总体为负向限制。该集成加权—可解释机器学习范式可为气候与人类耦合作用下的脆弱高原湖泊生态系统恢复及山地适应性管理提供科学支持。