《Journal of Environmental Management》：Four decades of Landsat data reveal the evolution of nitrogen and phosphorus components driven by human activities in the northern South China Sea
編輯推薦：
南海北部海域氮磷時空演變及遙感反演研究，基于4968個現場數據與Landsat衛星數據，運用隨機森林模型在Google Earth Engine平臺重構1987-2023年DIN、TP、NO3?、PO43?濃度。揭示珠江口（2012年氮峰值1.19 mg/L）與黃馬槽灣富營養化最嚴重，氮磷季節反向變化，西廣沿海洋流影響范圍達3000 km2，外海延伸28 km，農業源貢獻顯著且高N:P比值抑制魚類生長。
作者：田迪 | 趙新峰 | 李星星 | 高雷 | 梁卓兵 | 李瑞 | 李少恒 | 楊在志 | 孫成祥 | 陳建堯
中山大學地理與規劃學院，廣州，510275，中國
摘要
中國南海北部（NSCS）作為中國最重要的海域之一，支撐著數億人的生計。然而，從遙感角度研究NSCS地表水中氮（N）和磷（P）成分的長期演變及其生態影響和驅動因素仍有待深入探討。為填補這一研究空白，我們利用Google Earth Engine（GEE）平臺上的Landsat衛星數據，結合623個站點的4968次現場測量數據，通過隨機森林（RF）機器學習模型重建了1987年至2023年間地表水中溶解無機氮（DIN）和總磷（TP）及其組分硝酸鹽氮（NO3?）和活性磷酸鹽（PO43?）的濃度。該模型在驗證集上對四個水質參數（WQPs）的模擬準確度達到了R2 > 0.82。珠江口（PRE）和黃茅河口（HM）的富營養化程度最高。衛星數據成功捕捉到自1987年以來PRE和HM區域氮濃度的持續增加，其中PRE區域的氮濃度在2012年達到最高值（約1.19 mg/L），而磷濃度自1999年以來呈顯著下降趨勢。氮和磷的濃度變化具有相反的季節性特征。NSCS區域內優質水質面積持續擴大，但PRE區域優質DIN水質面積從22.5%下降到9.5%。硝酸鹽氮（NO3?和活性磷酸鹽（PO43?）分別占DIN和TP的至少50%和17%。首次量化了西粵沿岸流（WGCC）對NSCS西部特定水質區域的影響范圍，影響面積至少為3000平方公里，且影響范圍向海上延伸至28公里。此外，高氮磷比可能間接限制了目標海洋魚類的生長。過去二十年里，農業生產及化肥施用是PRE區域水質的主要影響因素。硝酸鹽氮（NO3?的濃度和比例與NSCS區域內藻類暴發的面積呈顯著正相關。本研究首次系統揭示了40年間氮和磷及其組分的時空演變規律，并量化了WGCC對NSCS西部區域的可能影響，為生態環境評估提供了科學依據，也為針對性營養管理策略提供了科學依據。
引言
隨著社會快速發展及人類活動加劇，大量陸地來源的營養物質通過強烈的陸海相互作用進入海洋環境（Dang等人，2019年）。氮和磷是地表水富營養化的關鍵指標；它們的過量存在不僅引發富營養化和藻類暴發等生態問題（Malone和Newton，2020年），還對人體健康構成嚴重威脅，包括高鐵血紅蛋白血癥、糖尿病、流產、甲狀腺疾病和胃癌（Mathewson等人，2020年；Xie等人，2022年）。經濟合作與發展組織（OECD）估計，水質惡化每年造成全球經濟損失60億至160億美元（To，2012年），世界衛生組織報告稱每年有超過300萬人死于水污染及相關原因（WHO，2006年）。因此，迫切需要開發大規模、高效可靠的氮和磷監測方法，以便動態評估沿海水域的營養狀況并保障沿海生態系統功能和飲用水安全。
與傳統監測方法在時空覆蓋范圍和成本效率方面的局限性相比，遙感技術因具備大規模和長期連續觀測的優勢而在沿海水質監測中得到廣泛應用（Maciel等人，2021年；Pahlevan等人，2021年，2020年）。目前，地表水中氮和磷的遙感反演方法主要包括經驗模型、半解析模型和機器學習方法（Zhang等人，2021年；Zhang等人，2021年）。經驗模型結構簡單、計算效率高，但對非線性關系的擬合能力有限，泛化性能較差（Mathew等人，2017年）。半解析模型通過提取遙感反射率（Rrs）中的水體固有光學特性來估算營養鹽濃度，具有明確的物理機制和高反演精度，但依賴于復雜的輻射傳輸過程建模，導致計算效率低、適用范圍有限（Pahlevan等人，2020年）。相比之下，機器學習方法不僅具有強大的非線性映射能力，可實現高精度反演，而且計算效率高，近年來在水質遙感領域得到廣泛應用（Sagan等人，2020年）。然而，大多數現有研究仍需將衛星原始圖像或大氣校正后的數據下載到本地計算機進行處理，這在處理大規模時間序列分析任務時顯著限制了反演效率。Google Earth Engine（GEE）平臺整合了海量多源衛星圖像和地理空間數據，具備強大的基于云的并行計算能力，為大規模和高頻動態水質監測提供了高效可行的技術支持。常用的機器學習算法包括支持向量回歸（SVR）、極端梯度提升（XGBoost）、深度神經網絡（DNN）和隨機森林（RF）（Chen等人，2021年；Guo等人，2021年；Lai等人，2023年）。其中，隨機森林算法與GEE平臺高度兼容，支持大規模分布式計算，同時具備良好的特征重要性評估能力，有助于揭示關鍵環境驅動因素的機制。
中國南海北部（NSCS）自然條件優越，資源豐富，人口密集，經濟發達。珠江口（PRE）是中國最具經濟活力的地區之一，支撐著數千萬人的生計和社會經濟發展（Li等人，2020年）。然而，在快速城市化和人口持續增長的背景下，城市污水處理廠的直接排放、農業非點源徑流以及水產養殖池塘的營養負荷導致NSCS水域富營養化問題日益嚴重，赤潮頻發，有害藻類大量繁殖，對漁業生產、海洋生物資源、海洋養殖、公共健康安全和沿海生態系統多樣性構成嚴重威脅（Ke等人，2022年）。溶解無機氮（DIN）、硝酸鹽氮（NO
3?）、總磷（TP）和活性磷酸鹽（PO
43?是導致水體富營養化和藻類暴發的關鍵因素。值得注意的是，西粵沿岸流（WGCC）在季風、厄爾尼諾-南方濤動（ENSO）和珠江徑流的共同作用下，能夠將營養物質從珠江口輸送到廣東省西南沿海（Deng等人，2022年；Lao等人，2022年；Lao等人，2023年）。尤其在冬季，WGCC輸送的營養物質強度增加，成為這些水域的重要外部營養來源。通過改變營養物質的時空分布——尤其是在冬季鋒面區域的營養物質匯聚，WGCC為浮游植物的生長創造了有利條件，從而影響藻類暴發的空間分布（Lao等人，2023年）。了解其長期時空演變特征及主要組分的貢獻比例具有重要意義。盡管以往研究已系統揭示了過去二十年NSCS中DIN和PO
43?的時空變化規律（Zhu等人，2024年），但尚未全面系統地分析衛星數據在時空尺度上對氮和磷組分相對貢獻的影響，也未捕捉到氮和磷演變的關鍵時間點。此外，以往研究需要引入多種類型的數據（如海表溫度、水深、海洋電流等）作為反演模型的輸入特征，這些數據通常分布在多個數據集中且難以獲取，無疑增加了模型構建的難度。此外，完全基于本地的數據反演方法大大限制了反演效率。鑒于中國自1980年代以來的社會經濟發展，氮和磷的時空演變對沿海生態系統的潛在生態影響仍有待進一步探索。因此，本研究旨在：
(1)探討基于GEE和RF模型的氮和磷反演中有機物信息的重要性；
(2)分析1980年以來氮、磷及其組分的時空演變規律，并確定關鍵時間點；
(3)揭示過去40年間氮和磷組分貢獻的變化；
(4)量化WGCC對NSCS西部區域水質的潛在影響；
(5)探討氮和磷的動態變化與沿海漁業生態之間的潛在聯系，以及PRE區域氮和磷的長期驅動因素。
本研究的技術路線如圖1所示。
研究區域
南海是位于西北太平洋的一個全球重要的航運樞紐、經濟中心和生物多樣性熱點（圖2）。在社會經濟快速發展和人口持續增長的背景下，由于陸地營養物質的大量輸入，富營養化問題日益突出（Zhu等人，2024年）。根據《廣東省環境狀況公報》，DIN和PO43?
模型性能
為了深入探討模型的訓練和測試過程，特別是評估是否發生過過擬合，我們分別展示了模型在訓練集和測試集上的表現（圖4，補充表2）。總體而言，四個水質參數（WQPs）的模型在訓練集和測試集上的擬合效果良好（R2 > 0.80），測試集上的準確度下降幅度較小，表明模型具有很強的泛化能力。
衛星遙感的一致性分析
盡管Landsat 5和Landsat 7使用相同的大氣校正算法，但傳感器之間的信噪比存在顯著差異，這可能影響水質參數（WQPs）反演結果的一致性。為了評估Landsat 5和Landsat 7在WQPs反演方面的可比性，我們計算了2000年至2010年重疊觀測期間兩種傳感器反演結果的平均差異箱線圖。結果顯示，這兩種類型的數據總體上
結論
本研究首次結合RF模型和GEE平臺，系統評估了1987年至2023年間NSCS地表水中四種水質參數（DIN、NO
3?、TP和PO
43?）的濃度演變特征。主要結論如下：
(1)本研究的所有輸入特征均來源于地表反射率圖像。有機物指數對反演模型至關重要。通過將本地RF模型與GEE結合，大大降低了反演難度
CRediT作者貢獻聲明
田迪：撰寫 – 審稿與編輯、撰寫 – 原稿撰寫、可視化、驗證、監督、軟件開發、項目管理、方法論研究、數據分析、數據整理、概念構建。趙新峰：撰寫 – 審稿與編輯、數據收集。李星星：撰寫 – 審稿與編輯、資金籌集。高雷：撰寫 – 審稿與編輯、概念構建。梁卓兵：撰寫 – 審稿與編輯、資金籌集。李瑞：數據分析
利益沖突聲明
作者聲明他們沒有已知的可能影響本文工作的財務利益或個人關系。
致謝
本研究得到了國家重點研發計劃（2023YFC3709002）、華南熱帶亞熱帶地區自然資源監測重點實驗室開放基金（自然資源部，編號2024NRMZ02、2024NRMZ01）、南海遙感技術創新中心開放研究基金（自然資源部，編號RSSMCA-2024-A002）以及國家重點
的財政支持
