利用 Landsat 和机器学习重建中国沿海河流数十年的总磷输出

《Journal of Environmental Management》：Reconstructing multi-decadal total phosphorus export from Chinese coastal rivers using Landsat and machine learning

　　

摘要

河流磷输送在调节沿海生物地球化学循环和粮食安全方面发挥着关键作用，然而在中国，高分辨率时空监测仍然面临挑战。本研究提出了一种基于卫星的框架，用于重建1984-2018年间中国92条沿海河流的总磷（TP）通量。全国TP通量更新为192 ± 37 × 10³ t P/年，表明仅基于主要河流的预算可能会低估TP输出量，因为此前研究不足的小河贡献了约34%的全国TP通量。所研究的河流中，TP通量普遍呈下降趋势，62%表现出显著下降，仅有13%呈增加趋势（p < 0.05）。此外，全国TP通量在1998年左右表现出明显的体制转换。1984年至1998年期间，TP通量显著增加（6.3 × 10³ t/年，p < 0.05）；1998年至2013年期间显著下降（斜率 = ?5.9 × 10³ t/年，p < 0.05）；2013-2018年间年际变率增强。可解释机器学习归因分析进一步揭示，气候驱动的径流变率变化和变化中的人为因素是中国沿海TP输出变化重要的贡献因素，其中与水库相关的变量与TP通量下降表现出强相关性。本研究提出了一种实用的遥感方法，用于河流TP通量的时空重建，并提供了观测基准，以评估TP输送变化如何影响中国边缘海的沿海水质和富营养化风险。

引言

河流磷输送在调节沿海生物地球化学循环和生态系统动态方面发挥着关键作用（Alewell, 2024; Ji et al., 2024; Maavara et al., 2015; Wu et al., 2022）。全球沿海和近岸水域日益受到营养盐富集和富营养化的威胁，这已成为人为海洋污染的主要形式之一（Liu et al., 2026; Tong et al., 2020）。尽管氮素可通过反硝化等作用被去除或释放，但磷没有类似的气态损失途径，因此倾向于在水体系统中积累，除非被物理埋藏或输出（Yang et al., 2026; Yu, 2024）。因此，河流总磷（TP）通量向海洋的输送是沿海营养盐状况的一个特别持久且具影响力的驱动因素。在许多海洋和河口系统中，磷作为关键的限制性营养盐，对初级生产力、浮游植物群落结构以及有害藻华（HABs）的发生具有强有力的控制作用（Singh et al., 2023; Zhao et al., 2024; Zhi et al., 2024b）。从陆地到海洋的过量磷输入已被广泛认为是沿海富营养化的主要驱动因素，导致低氧、生物多样性丧失以及具有重要经济价值的沿海渔业和湿地退化（Ji et al., 2024; Maavara et al., 2020）。因此，理解河流TP输出的长期动态对于评估人为活动对沿海环境的影响以及在海陆界面制定有效的营养盐管理策略至关重要（Carey et al., 2022; Huo et al., 2023; Yang et al., 2017）。

自20世纪80年代以来，中国经历了快速的农业集约化、城市化和工业化，伴随化肥施用、污水排放和土地利用转变的大幅增加（Liu et al., 2005; Yu et al., 2022）。长江、黄河和珠江等主要河流系统向西太平洋的边缘海输送大量营养盐，包括渤海、黄海、东海和南海（Dethier et al., 2022; Yang et al., 2017, 2026）。因此，这些大河被广泛认为是东亚沿海营养盐负荷和富营养化的主要贡献者（Ke et al., 2023; Wang et al., 2020, 2025）。然而，在这些主要水系之外，数量众多的中小型沿海河流在将TP从陆地转移到海洋方面也可能发挥关键作用，特别是在人口密集且经济发达的中国沿海地区（Wu et al., 2022; Zhi et al., 2024b）。由于这些河流流量小、稀释能力和自净能力有限，且频繁接收城市污水和非点源农业径流，它们特别容易受到磷富集的影响，并形成污染水体，在某些情况下甚至成为黑臭水体（Liu et al., 2026; Yang et al., 2026）。尽管小型河流对沿海TP通量和近岸富营养化可能具有重要贡献，但它们仍缺乏监测和表征，而以往研究主要关注长江、黄河和珠江等大河（Wu et al., 2022; Zhi et al., 2024b）。这种不平衡很可能导致对中国河流网络向海洋磷输送的完整理解不足。

与此同时，由于连续原位数据的缺乏，河流磷输出的长期时空监测仍面临挑战（Yang et al., 2017）。传统水质监测网络往往稀疏、不连续，且偏向于近几十年，难以追踪TP输出的数十年变化（Van Vliet et al., 2023; Zhang et al., 2023; Zhi et al., 2024a）。遥感提供了克服这些限制的独特机会，它能够在大范围区域提供系统化、空间连续和时间一致的观测数据（Dethier et al., 2022; Gardner et al., 2021; Tian et al., 2025）。特别是Landsat卫星系列，具有约40年的连续观测记录和中等空间分辨率（约30米），能够实现河流和沿海水质动态的回溯分析（Dethier et al., 2022; Guo et al., 2022）。此外，近期机器学习的进步使得将遥感信号与水文和环境变量整合，从而开发数据驱动的水质参数重建模型成为可能（Cao et al., 2020; Maciel et al., 2023）。

本研究提出了一种基于卫星的框架，用于重建1984-2018年间中国沿海河流的TP通量。将Landsat观测数据与水文气象和地表变量相结合，评估三种机器学习模型的性能，包括随机森林（RF）、极端梯度提升（XGBoost）和深度神经网络（DNN）。本研究的目标是：（1）开发一个中国特有的、基于卫星遥感和机器学习的框架，以反演TP浓度并重建92个河口在1984-2018年期间的TP通量；（2）通过明确纳入此前被忽视的小型沿海河流并量化其相对于大河的贡献，更新中国全国沿海TP输出预算；（3）表征TP通量的长期趋势，并在流域和边缘海水文气候变率与人为输入演变的背景下解释这些变化。通过提供中国河流磷输出四十年视角的洞察，本研究对陆-海营养盐耦合以及中国快速社会经济转型期间环境政策的有效性提供了新的见解。

章节摘要

原位总磷数据与匹配

中华人民共和国生态环境部提供了34个水质监测点（图1）的4小时间隔河流TP数据。本研究使用的原位测量数据采集于2023-2024年期间。这些原位监测站覆盖了中国的主要河流系统和小型沿海河流（例如珠江、九龙江、闽江、瓯江、富春江、长江、黄河、沂河、永定河、滦河和图们江）。在本研究中，

模型性能

在三种候选机器学习算法中，基于树的模型（RF和XGBoost）始终优于DNN，表现出与观测值更近的一致性以及TP浓度范围内更小的离散度（图2）。RF取得了最佳的整体性能，训练集中R² = 0.85，RMSE = 27 μg/L，MAE = 15 μg/L；测试集中R² = 0.79，RMSE = 29 μg/L，MAE = 20 μg/L。值得注意的是，RF在低浓度和高浓度下均提供了稳健的预测（例如，

长期TP通量变化的驱动因素

TP输出被概念化为三个耦合控制因素的共同作用：（i）来源，反映农业和城市/工业系统的净人为磷输入；（ii）水文连通性和输运能力，由径流和降水控制，动员并将磷从陆地输送到河道；（iii）河网留存和转化，由河流调控（例如水坝）和生物地球化学过程控制，改变停留时间和截留（图8）。

结论

本研究开发了一个可扩展的遥感和机器学习框架，用于重建1984-2018年间中国92条沿海河流的总磷（TP）通量。通过利用连续卫星观测的优势，我们的重建明确纳入了大量此前被忽视的中小型河流，将估计的全国沿海TP输出更新为192 ± 37 × 10³ t P/年。重要的是，这些较小的沿海河流贡献了

CRediT作者贡献声明

许宽（Kuan Xu）：论文初稿撰写，方法论，概念构思。倪立晓（Lixiao Ni）：指导，基金获取，概念构思。石佳辉（Jiahui Shi）：论文审阅与编辑。解晓婷（Xiaoting Jie）：论文审阅与编辑。Natalia Politaeva：论文审阅与编辑，方法论。Maria Andrianova：论文审阅与编辑，数据整理。许航（Hang Xu）：论文审阅与编辑，数据整理。李怡萍（Yiping Li）：论文审阅与编辑，基金获取。

利益冲突声明

作者声明不存在任何已知的竞争经济利益或个人关系可能影响本文所述工作的结果。

致谢

本研究由国家重点研发计划（2023YFC3208900, 2023YFC3208904）、国家自然科学基金（52570195）和中国江苏省水利科技项目（项目编号：2022063）资助。

许宽|倪立晓|石佳辉|解晓婷|Natalia Politaeva|Maria Andrianova|许航|李怡萍

教育部浅湖综合治理与资源开发重点实验室，河海大学环境学院，中国南京西康路1号，210098