基于MODIS与OLCI多源遥感影像的中国东部三大湖泊25年颗粒态无机磷浓度时空演变与驱动机制研究

《Ecological Indicators》：Remote observations of particulate inorganic phosphorus concentration in three large waters of China over the past 25 years

　　

持续的富营养化及水质恶化已引发浮游植物大量增殖，其中颗粒态无机磷（Particulate Inorganic Phosphorus，PIP）是导致水质退化和破坏湖泊生态系统完整性的关键营养物质。然而，现有基于船载和实验室的分析手段因人力与时空尺度的限制，难以以高于月度或季度的频率全面捕捉水生生态系统的整体健康状况。遥感技术因具有高效、快速获取和广域覆盖的优势，能够以成本有效的方式实现对多种水质参数空间连续监测。本研究旨在：（1）针对太湖、洪泽湖和巢湖三个内陆水体，开发并验证基于遥感的新型颗粒态无机磷浓度（C_PIP）反演算法；（2）将所提算法应用于上述三个目标水体，基于中分辨率成像光谱仪（Moderate Resolution Imaging Spectrometer，MODIS）和海洋与陆地色彩成像仪（Ocean and Land Color Imager，OLCI）数据重建长达25年的C_PIP观测记录；（3）探索水体C_PIP时空格局对水文因素及人为活动的响应特征。研究人员开发了两种广泛适用的基于瑞利校正反射率（Rayleigh-corrected reflectance，R_rc）的算法，分别表示为C_{PIP_MODIS} = 0.524 × R_rc(748)/(R_rc(555) + R_rc(678)) + 0.015和C_{PIP_OLCI} = 0.441 × R_rc(753)/(R_rc(560) + R_rc(681)) + 0.031。验证结果表明所建算法具有良好性能，平均绝对百分比误差（Mean Absolute Percentage Error，MAPE）低于24%，均方根误差（Root Mean Square Error，RMSE）低于0.025 mg/L，归一化均方根误差（Normalized Root Mean Square Error，NRMSE）低于9.5%。长期遥感观测揭示了过去25年间三个湖泊C_PIP显著的时空格局及总体增长趋势。驱动因素分析表明，气温和降水对太湖和巢湖的C_PIP长期波动具有显著影响，而工业污水排放在洪泽湖C_PIP动态变化中发挥了关键作用。本研究成果为未来精准富营养化治理和高效水资源管理提供了综合方法与新的认知。

**论文解读**

**一、研究背景与问题**

全球范围内持续加剧的富营养化现象已成为淡水生态系统面临的最严峻挑战之一。研究表明，超过63%的全球地表水体在气候变暖与营养盐累积的复合作用下经历了数十年加速富营养化过程，由此引发地下水硝酸盐污染、生物多样性丧失和水生植被退化等一系列负面生态效应，严重阻碍了多项联合国可持续发展目标的实现。颗粒态无机磷（PIP）作为水体中一种关键的营养盐形态，对湖泊生态系统的完整性和水质安全具有重要影响。因此，对PIP浓度（C_PIP）的可持续管理和多频次监测是恢复富营养化水体的前瞻性策略。

然而，传统C_PIP监测主要依赖于船载采样与实验室分析，受人力投入和时空覆盖范围的限制，大多数非连续野外调查难以在高于月度或季度的频率上充分反映水生生态系统的整体健康状况。遥感技术凭借其高效、快速获取和广域空间覆盖的优势，为水质参数的高时空动态监测提供了一种成本有效的新途径。尽管MODIS和OLCI等遥感数据已被广泛应用于悬浮颗粒物和叶绿素a等水质参数的监测，但迄今为止，尚未有研究尝试利用遥感影像来探索湖泊生态系统中C_PIP的长期变化趋势。中国东部平原地区分布着太湖、洪泽湖和巢湖等多个大型湖泊，这些水体承载着区域交通、清洁供水及可再生能源生产等多重社会经济与生态服务功能，同时也在数十年经济高速发展和人口增长背景下成为受威胁最为严重的水生生态系统之一。因此，深入理解上述湖泊C_PIP的长期趋势及其受水文和人为活动的影响机制，对于水资源管理与生态修复具有重要的科学价值和实践意义。

**二、研究内容与技术方法**

本研究围绕三个核心目标展开：第一，开发并验证适用于太湖、洪泽湖和巢湖的基于遥感的C_PIP反演算法；第二，将算法应用于MODIS（2001–2020年）和OLCI（2016–2025年）影像数据，重建三个湖泊长达25年的C_PIP观测序列；第三，解析C_PIP时空格局对水文因子和人为活动的响应规律，为藻华治理和水生生态修复提供科学依据。

在关键技术方法方面，研究人员首先从NASA数据存档网站获取了MODIS和OLCI影像，利用SeaDAS软件（版本7.5）对影像进行瑞利校正处理并重采样至500米分辨率，同时将水边界向内缓冲一个像元以减少陆地像元污染。采用漂浮藻类指数（Floating Algae Index，FAI）检测并掩膜蓝藻水华像元以降低估算不确定性。野外实测数据来源于2017年至2024年间在三个湖泊开展的12次大规模野外采样活动，共获取273组星地匹配样本，样点分布于太湖、洪泽湖和巢湖。实验分析的水质参数包括叶绿素a浓度（C_Chla）、有机悬浮物浓度（C_OSM）、无机悬浮物浓度（C_ISM）、总磷浓度（C_TP）、颗粒态有机磷浓度（C_POP）及C_PIP。水文数据（风速、日照时数、降水量和气温）来源于中国气象数据共享服务平台，陆源营养盐输入数据（工业污水量、城市废水量和化肥施用量）来源于国家统计局及江苏省统计年鉴。算法开发方面，研究人员基于颗粒物与磷之间密切的生物光学关系，系统校准并验证了涵盖单波段、双波段和多波段的多类光谱参数，最终确定以R_rc(748)/(R_rc(555)+R_rc(678))和R_rc(753)/(R_rc(560)+R_rc(681))分别作为MODIS和OLCI数据C_PIP反演的最优光谱代理指标。趋势分析采用Sen's斜率估计与Mann-Kendall（MK）非参数检验相结合的方法，驱动因素分析采用Pearson相关分析。

**三、研究结果**

（1）C_PIP算法校准与验证

研究人员基于MODIS匹配数据对多种候选算法进行了校准与验证。单波段算法普遍表现不佳（R² < 0.3，MAPE > 30%）；双波段算法中除Robert_16模型外精度均不理想；多波段算法中Koponen_07模型表现最优，MODIS数据校准精度为R² = 0.71、MAPE = 24.16%、RMSE = 0.023 mg/L、NRMSE = 9.09%。最终建立的MODIS算法为C_{PIP_MODIS} = 0.524 × R_rc(748)/(R_rc(555)+R_rc(678)) + 0.015，OLCI算法为C_{PIP_OLCI} = 0.441 × R_rc(753)/(R_rc(560)+R_rc(681)) + 0.031。验证结果表明两种算法均具有优异的估算性能（MAPE < 24%，RMSE < 0.025 mg/L，NRMSE < 9.5%）。

（2）MODIS与OLCI反演C_PIP的对比

在2001–2025年观测期内，基于MODIS数据在太湖、洪泽湖和巢湖分别获得1620、1767和2094幅有效日尺度C_PIP反演结果，OLCI因运行时段较短（2016年至今）分别获得690、460和844幅。两种数据源的匹配C_PIP产品在三个湖泊的一致性良好，匹配点MAPE低于5%、RMSE低于0.01 mg/L、NRMSE低于11.5%。三个湖泊的多年平均C_PIP以太湖最高（0.101 ± 0.031 mg/L），洪泽湖（0.076 ± 0.021 mg/L）和巢湖（0.078 ± 0.026 mg/L）相对较低。

（3）C_PIP时空分布格局

时间尺度上，太湖和巢湖的C_PIP呈现夏季和秋季较高、冬季和春季较低的物候特征，而洪泽湖则相反，冬季（0.107 ± 0.045 mg/L）和春季（0.101 ± 0.042 mg/L）偏高，夏季（0.061 ± 0.024 mg/L）和秋季（0.057 ± 0.021 mg/L）偏低。月尺度最大值在太湖、洪泽湖和巢湖分别出现在8月（0.126 ± 0.053 mg/L）、1月（0.094 ± 0.047 mg/L）和8月（0.085 ± 0.042 mg/L）。2001–2025年间三个湖泊C_PIP均呈总体显著增长趋势（|Z_S| > 1.96，P < 0.05），其中2007年、2009年、2014年和2017年为重要转折时间点。空间尺度上，太湖C_PIP最高值出现在北部梅梁湾（0.126 ± 0.039 mg/L），最低值在胥口湾（0.045 ± 0.023 mg/L）；洪泽湖最高值在东北湖区（0.088 ± 0.031 mg/L），最低值在成子湖（0.039 ± 0.017 mg/L）；巢湖最高值在西湖区（0.084 ± 0.032 mg/L），最低值在中心湖区（0.043 ± 0.022 mg/L）。值得注意的是，洪泽湖在2001–2011年C_PIP缓慢增长（均值0.043 ± 0.021 mg/L），而2012–2025年急剧上升（均值0.069 ± 0.032 mg/L），增幅约60.34%，表明2012年是一个关键转折点，这与该时期大规模采砂活动引起的水底扰动及营养盐释放密切相关。

（4）驱动因素分析

在月尺度上，太湖和巢湖的C_PIP与气温呈强正相关（r > 0.60，P < 0.05），与降水量也呈强正相关（r > 0.61，P < 0.05），表明气温升高可促进藻类生长并提高营养盐浓度，而季节性强降雨侵蚀流域土壤并将大量陆源营养物携带入湖。洪泽湖C_PIP与水文变量的相关性较弱（r < 0.5），表明持续加剧的人为活动可能是其C_PIP波动的主导因素。在年尺度上，太湖C_PIP与化肥施用量呈负相关（r = ?0.76，P < 0.05），与城市废水量呈正相关（r = 0.61，P < 0.05）；巢湖C_PIP与化肥施用量呈强正相关（r = 0.78，P < 0.05）；洪泽湖C_PIP与工业污水排放量呈正强相关（r = 0.61，P < 0.05）。这些结果表明不同湖泊C_PIP动态的主导人为驱动因素存在显著差异。

**四、讨论与结论**

本研究开发的基于R_rc的C_PIP直接反演算法相较于间接算法（先反演光学敏感物质浓度再建立与磷浓度的经验关系）具有结构简洁、实用性强等优势。波段比值形式可在一定程度上补偿大气校正引入的不确定性。然而，该算法在推广至其他卫星影像（如Landsat和GOCI系列）时需进行进一步验证，且MODIS和OLCI相对粗糙的空间分辨率（>300 m）使其不适合小型水体监测。未来可依托Sentinel-2和Landsat OLI等高分辨率卫星数据的积累来弥补这一不足。

在驱动机制方面，太湖和巢湖C_PIP受气温和降水等自然因素主导，未来全球气候变化背景下持续加剧的降水和升温可能进一步推动藻华物候期提前、强度增大和持续时间延长，从而对湖泊生态结构和功能构成更大威胁。洪泽湖则受工业污水排放和采砂活动等人为因素的主导影响更为突出。尽管过去数十年这些湖泊已实施了多项营养盐削减措施，但人为污染排放仍对水环境施加了较高的营养盐负荷，持续严格的污染管控措施十分必要。

本研究结论如下：研究人员针对中国东部平原三个大型湖泊（太湖、洪泽湖和巢湖）开发了两种基于R_rc的新型C_PIP反演算法，并利用25年MODIS和OLCI卫星影像分析了2001–2025年间C_PIP的长期趋势与时空动态。验证结果表明算法具有良好性能（MAPE < 24%，RMSE < 0.025 mg/L，NRMSE < 9.5%）。三个内陆水体的长期遥感观测揭示了C_PIP呈总体增长趋势及显著的时空波动。驱动因素分析表明，气温和降水对太湖和巢湖的C_PIP长期变化具有显著影响，而工业污水排放在洪泽湖C_PIP动态中发挥了关键作用。上述成果为多时间频率下的长期水质调查提供了综合性方法与新见解，有助于未来精准富营养化治理和高效水资源管理。