基于高分辨率孔隙水監測和機器學習技術，量化富營養化太湖中的內部磷負荷
《Journal of Environmental Sciences》：Quantifying internal phosphorus loading based on high-resolution porewater monitoring and machine learning in the eutrophic Lake Taihu
【字體：
大
中
小
】
時間：2026年02月28日
來源：Journal of Environmental Sciences 6.3
編輯推薦：
太湖湖體內源溶解性活性磷（SRP）釋放動態及驅動機制研究，通過高分辨率孔隙水監測與Ridge機器學習模型，量化了2021-2022年SRP釋放通量（-0.32至1.84 mg/(m2·d)），揭示夏季-秋季藻類主導區Fe-氧化物還原溶解主導SRP釋放，ML模型預測近20年貢獻TP增加45%，結構方程模型顯示SRP與葉綠素a、溫度、TP共同驅動藻華，長期動態表明控制因子從人為向氣候過程轉變。
Youzi Gong|Yan Wang|Yi Zhang|Shi Fu|Shuaishuai Gao|Askar Akida|Ziyi Xiong|Shuhang Wang|Xia Jiang|Xianfang Fan|Musong Chen|Yongjiu Cai|Xiaolong Wang|Cai Li|Shiming Ding
摘要
緩解淺水湖泊的富營養化問題需要準確測量內部磷的負荷——這一任務因復雜的沉積物-水相互作用和長期監測不足而變得復雜。本研究結合高分辨率孔隙水監測和機器學習（ML）技術，量化了中國大型富營養化湖泊太湖內部可溶性活性磷（SRP）的釋放量。2021-2022年對整個太湖的監測表明，SRP的釋放通量在-0.32至1.84毫克/（平方米·天）之間變化，夏季至秋季在藻類主導的區域達到峰值，此時內部SRP的釋放與鐵氧化物的還原性溶解密切相關。基于這些觀察結果，使用優化的Ridge模型開發了一種機器學習方法來預測過去二十年的SRP釋放通量。結果顯示，在關鍵藻類繁殖期間，內部SRP的釋放平均貢獻了總磷（TP）增加的45%。結構方程建模表明，葉綠素a的變異性與內部SRP的釋放、溫度和TP密切相關，這些因素共同解釋了65%的變異，表明內部SRP的釋放是維持藻類繁殖的關鍵因素。此外，二十年內部SRP釋放的動態變化顯示，其主要控制因素正從過去的人為干擾壓力轉向氣候誘導的過程。這些發現強調了內部SRP釋放在維持富營養化中的重要作用，并為制定適應性修復措施提供了科學指導。
引言
富營養化已成為威脅淡水生態系統的一個重大環境問題，主要是由于過去幾十年過度營養物質的輸入（Ho等人，2019年；Hou等人，2022年）。在這些營養物質中，磷（P）是導致湖泊中藻類繁殖加劇的主要原因（Katherine等人，2023年）。因此，人們投入了大量努力來減少湖泊中的磷輸入，包括改進廢水處理和建立人工濕地（Tong等人，2020年；Wu等人，2023年）。然而，湖泊的恢復往往滯后于外部磷輸入的減少，這意味著許多湖泊仍面臨持續的藻類繁殖威脅（Xue等人，2024年）。研究表明，超過50%的外部輸入磷在湖泊沉積物中積累，形成了所謂的“遺產”磷庫（Xu等人，2021b年），其重新釋放會促進水中總磷（TP）水平的持續升高。因此，全面了解內部磷的釋放對于管理和恢復富營養化湖泊至關重要。
擴散傳輸和再懸浮是磷從沉積物進入水體的主要途徑（Wang等人，2022年；Yuan等人，2021年）。擴散受沉積物與上層水體之間可溶性活性磷（SRP）等易變磷物種濃度梯度的控制，而沉積物的再懸浮可以使更多形式的磷進入水柱，包括顆粒狀無機磷和有機磷（Liu等人，2022年；Shen等人，2023年）。盡管顆粒狀磷可以通過解吸和光降解獲得生物可利用性，但這些機制受到湖泊環境因素的顯著影響，包括pH值、氧化還原電位和太陽輻射（Li等人，2019年；Xu等人，2021a年）。與顆粒狀磷相比，SRP由于其高生物可利用性而更易被藻類利用（Xiao等人，2022年）。在多個富營養化湖泊系統中，沉積物中的SRP釋放已成為表面水中TP水平增加的主要貢獻者（Ding等人，2018年；Wang等人，2021年）。這一重要貢獻突顯了孔隙水中SRP在促進和維持藻類繁殖方面的潛在作用。
傳統上，湖泊沉積物中的內部SRP釋放通量是通過多種方法來量化的。質量平衡方法常用于從整個湖泊的磷預算中估計內部SRP通量，但它們需要大量的水文和水質數據，并且難以區分內部和外部貢獻（Kang等人，2023年）。原位底棲室和沉積物巖芯培養分別允許在自然和接近自然條件下直接測量，但它們的操作復雜，且小樣本量限制了代表性（Viktorsson等人，2013年；Wauchope-Thompson等人，2024年）。最近，內部SRP釋放通量通常基于SRP濃度的垂直分布和菲克第一定律來量化（Sano等人，2025年；Yin等人，2023年）。這種方法依賴于沉積物-水界面（SWI）處的高分辨率SRP濃度梯度，需要部署原位高分辨率被動采樣器，如高分辨率透析采樣器（HR-Peeper）和沉積物內被動采樣器（Sano等人，2025年）。這些被動采樣器簡化了SRP通量的評估過程，并且無需額外電力。
最近的研究表明，機器學習（ML）模型可以通過分析多種環境指標之間的復雜非線性相互作用來預測監測目標的變化（Guan等人，2025年；Yang等人，2023年）。盡管ML的預測效果可能受數據集規模的影響，但這些方法仍然有助于確定關鍵預測因子并闡明傳統統計技術可能忽略的非線性關系（Khorasani和Zhu，2021年；Xu等人，2022年）。此外，模型解釋技術，包括特征重要性和擾動分析，可以闡明各種環境因素的相對影響，并將預測結果與基本的生物地球化學過程聯系起來（Zhou等人，2025年）。當長期原位觀測數據有限時，ML可以為預測內部SRP釋放通量提供一個靈活且數據驅動的框架（Borah等人，2025年）。盡管如此，基于現有水質參數和SRP通量測量數據集開發預測模型以預測內部SRP釋放通量的應用仍受到較少關注。
太湖是中國最大的淺水湖泊之一，40多年來一直受到嚴重富營養化和反復藻類繁殖的困擾（Qin等人，2023年；Stone，2011年）。從沉積物中釋放的磷已成為維持太湖水中TP積累的主要內部來源（Fan等人，2022年；Yin等人，2023年）。先前的研究通過整合水體TP動態和基于過程的水質或質量平衡模型來研究該湖泊的內部磷負荷（Tong等人，2021年；Xu等人，2021b年）。然而，這些研究將太湖視為一個整體，而沒有考慮其空間上的差異。不同生態區域內部磷釋放的過程強度各不相同（Fan等人，2018年），因此忽略這些空間差異可能導致定量結果的偏差。此外，內部SRP釋放通量通常通過短期季節性或月度監測來評估（Ding等人，2018年；Yin等人，2022年），這限制了對其調節水體磷水平和藻類繁殖發展的影響的全面理解。
在這項研究中，我們利用高分辨率采樣技術研究了整個太湖孔隙水地球化學的季節性變化，并在太湖的藻類主導區域進行了54個月的長期監測。通過高分辨率的時空沉積物SRP測量數據，我們的目標是：（ⅰ）量化并描述整個太湖的內部磷釋放情況；（ⅱ）使用長期內部磷數據建立并驗證一個ML模型；（ⅲ）預測過去20年的內部磷釋放通量，并估計其對水體磷水平和藻類繁殖的貢獻。該研究推進了對富營養化湖泊內部磷循環的認識，并建立了將內部磷釋放過程與富營養化管理聯系起來的定量框架。
部分摘錄
站點描述和樣本收集
2021年春季（4月）、夏季（7月）和秋季（10月）以及2022年冬季（1月）在太湖進行了采樣（圖1a）。我們選擇了十三個采樣地點，涵蓋了藻類類型區（ATZ）、大型植物類型區（MTZ）以及它們之間的過渡區（TZ）。在ATZ（梅梁灣，MLB）的長期采樣從2016年2月持續到2023年12月，共計54個月（附錄A表S1）。使用重力巖芯采樣器采集了沉積物巖芯（9厘米×30厘米）
太湖內部磷釋放的特征
如圖1b所示，水質參數表現出明顯的季節性和空間變化。平均TP濃度為0.095毫克/升（0.031–0.267毫克/升），在溫暖季節較高，這可能是由于內部磷釋放增加和高溫下的河流輸入（Wang等人，2019年）。從空間上看，ATZ的TP濃度（0.12毫克/升）高于TZ（0.095毫克/升）和MTZ（0.06毫克/升）。葉綠素a的濃度也表現出類似的季節性和空間趨勢，最高水平同樣出現在
結論
本研究通過結合孔隙水地球化學監測和ML建模，提供了關于太湖內部磷釋放長期動態的寶貴見解。結果顯示，SRP通量存在顯著的季節性和空間變異性，主要由鐵氧化物的還原性溶解驅動，在夏季和秋季的藻類主導區域內部負荷達到峰值。Ridge模型準確預測了長期內部磷通量，證實了內部負荷是主要因素
CRediT作者貢獻聲明
Youzi Gong：概念化、研究方法、撰寫——初稿。Yan Wang：資金獲取、數據管理、撰寫——審閱與編輯。Yi Zhang：數據管理、撰寫——審閱與編輯。Shi Fu：撰寫——審閱與編輯。Shuaishuai Gao：撰寫——審閱與編輯。Askar Akida：研究方法。Ziyi Xiong：數據管理。Shuhang Wang：撰寫——審閱與編輯。Xia Jiang：撰寫——審閱與編輯。Xianfang Fan：撰寫——審閱與編輯。Musong Chen：撰寫——審閱與
CRediT作者貢獻聲明
Youzi Gong：撰寫——初稿、研究方法、概念化。Yan Wang：撰寫——審閱與編輯、資金獲取、數據管理。Yi Zhang：撰寫——審閱與編輯、數據管理。Shi Fu：撰寫——審閱與編輯。Shuaishuai Gao：撰寫——審閱與編輯。Askar Akida：研究方法。Ziyi Xiong：數據管理。Shuhang Wang：撰寫——審閱與編輯。Xia Jiang：撰寫——審閱與編輯。Xianfang Fan：撰寫——審閱與編輯。Musong Chen：撰寫——審閱與利益沖突聲明
作者聲明他們沒有已知的財務利益或個人關系可能影響本文所述的工作。
致謝
本研究得到了中國國家自然科學基金（編號U2102210、42407535和42407557）、中國博士后科學基金（編號2024M763366）、江蘇省基礎研究計劃（編號BK20241697和BK20242104）、江西省重點研發計劃（編號20223BBG74003）以及江西省創新領軍人才長期計劃（編號jxsq2023101034）的資助。
生物通微信公眾號
生物通新浪微博
今日動態 |
人才市場 |
新技術專欄 |
中國科學人 |
云展臺 |
BioHot |
云講堂直播 |
會展中心 |
特價專欄 |
技術快訊 |
免費試用
版權所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
聯系信箱：
粵ICP備09063491號
