《Environmental Research》：Spatiotemporal Patterns and Drivers of Carbon Emissions from On-Site Wastewater Treatment: Evidence from a City-Wide Long-Term Network.
编辑推荐：
本研究构建“光谱-热力学”双驱动XGBoost模型，整合Sentinel-2光学特征与ERA5气温数据，精确反演洪湖fDOM时空动态（2019-2025），揭示东北湾内源污染稳定，分水区外源径流季节波动，2025年水工程通过夏汛稀释效应降低fDOM，秋汛限制混合加剧空间异质性（标准差峰值1.3RFU），证实耦合模型有效抑制光学复杂水体反演不确定性，为季节水文调控管理提供依据。
凯宇|云杜|魏辽|宝音何|飞晓|李小东|严叶|亚东周|一鸣沈|范阳|薛尔庚|齐峰
中国科学院精密测量科学技术创新研究院环境与灾害监测评估重点实验室，中国武汉430077
摘要
荧光溶解有机物（fDOM）是浅水湖泊生物地球化学循环的关键指标，但在光学复杂的水体中，其反演常常受到沉积物干扰和热驱动因素被忽视的限制。本研究通过整合200次现场测量数据和112张Sentinel-2卫星图像，重建了2019–2025年间fDOM的时空动态，并评估了洪湖水文调节的生态影响。构建了一个“光谱-热”双驱动的极端梯度提升（XGBoost）反演框架，该框架将Sentinel-2提供的半解析光学特征与第五代欧洲中期天气预报中心（ECMWF）大气再分析数据（ERA5）中的气温相结合。结果表明，将Sentinel-2的光学特征与ERA5的热数据相结合，能够显著提高反演的稳定性和准确性（R2 = 0.816，RMSE = 1.157 RFU），远超传统的仅基于光谱的反演方法。基于Shapley加性解释（SHAP）分析，归一化差异光谱指数和气温被确定为主要预测因子。这证实了该模型能够有效解析由热动态驱动的内源性释放过程。在空间上，湖泊的东北部区域显示出与内源性来源（历史上的围栏水产养殖）相关的高值聚集现象，而分流区域则表现出受外源性径流影响的强烈季节性波动。在工程效应方面，2025年的水 diversion 项目导致了季节性的变化：夏季高流量期表现为“均匀稀释”（整个湖泊范围的光谱强度同步下降），而秋季低流量期则导致“水力破碎”，增加了空间异质性（标准差峰值达到1.3 RFU），这是由于混合效率受限所致。结果表明，“光谱-热”方法通过整合热动力学驱动因素和光学特征，有效减少了反演的不确定性。这一改进为制定适应季节性水文循环的管理策略提供了基础。
引言
传统上，内陆水体被视为惰性通道，仅促进陆地径流向海洋的被动传输，但这一观点已被当代湖沼学研究彻底否定（Tranvik等人，2009年）。相反，大型浅水湖泊现在被重新定义为动态的生物地球化学热点，这一地位因气候变化和人为干扰的叠加压力而更加显著。作为活跃的生物地球化学反应器，这些系统通过复杂的固碳和释放过程对全球碳预算产生重大影响（Raymond等人，2013年；Cardille等人，2007年）。溶解有机物（DOM）是水生生态系统中最主要的有机碳库之一（Massicotte等人，2017年）。DOM的循环对于控制水下光照气候、调节空气-水界面的碳交换以及决定污染物的迁移和最终命运至关重要。在这些有机成分中，有色溶解有机物（CDOM）的荧光部分——fDOM——在水生遥感和生物地球化学领域受到了广泛关注（Coble，1996年；Stedmon和Nelson，2015年）。fDOM在水生研究中的重要性在于其多功能性：它既可作为追踪陆地来源（外来）输入的生物标志物，也可作为监测原位（本地）产生的指标，并在调节水下光照气候中起主导作用。除了作为重要的有机碳库外，fDOM还通过强烈衰减紫外线和蓝光波长的光，提供了重要的生态系统服务：它像天然防晒剂一样减轻了水生生物中的紫外线损伤（Williamson等人，1999年）。然而，这种吸收也会产生竞争效应，显著减少了浮游植物的光合有效辐射，从而深刻影响初级生产力的垂直分布（Thrane等人，2014年）和水生食物网的结构。此外，fDOM还积极参与复杂的光化学反应，在阳光照射下会发生光降解，生成溶解无机碳和生物可利用的营养物质（Zepp等人，1998年）。这种光化学分解促进了有机碳的矿化，并调控了空气-水中的二氧化碳（CO2）交换，导致内陆水生系统中常见的CO2过饱和现象。fDOM矩阵中的功能性基团还能与重金属（如Cu、Hg）和疏水性有机化合物发生强烈相互作用，这些结合机制从根本上决定了这些污染物的生物可利用性、毒性和迁移命运（Ravichandran，2004年；Kong等人，2021年）。因此，表征fDOM的时空变异性是实时监测湖泊生态系统生物地球化学过程的关键指标。这一参数对于追踪富营养化趋势、估算外部营养负荷和诊断生态系统健康状况至关重要。
尽管卫星遥感技术，特别是具有高空间分辨率和特定红边波段的Sentinel-2多光谱仪器（MSI），提供了先进的监测能力，但在光学复杂的湖泊中精确反演fDOM仍然是一个重要的科学难题（Odermatt等人，2012年；Feng等人，2019年）。传统的基于简单波段比值的经验算法在这些环境中往往效果不佳（Matthews，2011年；Zhu等人，2014年）。在浅而浑浊的水体中，光学反射受到悬浮沉积物浓度升高和藻类反复爆发等复杂光谱混合的影响（Gholizadeh等人，2016年）。对于光学较浅的区域，底部反射会加剧反演的不确定性，因为沉积物反射的信号会混淆水柱的光谱响应。为了解决这些非线性的光学问题，机器学习提供了强大的工具来处理非线性的生物光学关系（Sagan等人，2020年；Cao等人，2020年）。现有的方法主要依赖于光谱特征，但这些方法存在根本的机制缺陷：它们通常将fDOM视为静态的光学属性，而不是动态的生物地球化学变量。这种方法忽略了浅水湖泊中fDOM动态实际上受到生物地球化学过程（包括微生物降解和沉积物通量）的调控，而这些过程又受环境因素的驱动。特别是温度，是这些生物和化学过程的主要控制变量（Gudasz等人，2010年）。将环境状态变量纳入生物光学算法中，标志着向“过程驱动”的机器学习的转变（Read等人，2019年）。通过明确编码调节成分动态的外部驱动因素（如温度），模型可以超越简单的曲线拟合，捕捉到潜在的生物地球化学机制。这种混合策略有助于提高反演模型的泛化能力和物理可解释性。
尽管洪湖在几何形状上较浅，但其高浊度和低透明度使其在光学上显得“较深”，从而减少了底部反射的干扰。然而，传统的生物光学算法在这种浑浊环境中仍面临挑战，主要是由于大气校正的不确定性和光学成分之间的复杂非线性耦合（Feng等人，2019年）。本研究没有依赖这些算法来直接获取参数，而是将它们整合到机器学习框架中。通过将物理模型的输出视为中间结构特征而非绝对测量值，我们利用了机器学习的非线性拟合能力来减轻传统光学反演中的系统偏差。
洪湖因其面临的双重压力而成为一个独特的自然实验室。一方面，该湖经历了长期的人为利用历史：2000–2016年的围栏水产养殖导致底部沉积物大量积累，这些沉积物在环境条件变化时可能重新释放（Yang等人，2023年；Geng等人，2025年）。另一方面，作为半封闭系统，洪湖受到水闸的调控，2025年Xindi大坝的水文调节为量化湖泊对大规模工程干扰的快速生物地球化学响应提供了宝贵的准实验框架。与气候变暖等渐进性压力不同，这种分流事件属于突发性干扰。管理当局需要确定这种分流的主要作用机制：它是作为稀释污染物的媒介，还是引入外部污染的载体，或是扰动底部沉积物的物理力量？理解这些相互竞争的作用对于适应性治理至关重要。
基于这一背景，本研究将第五代ECMWF大气再分析数据（ERA5）中的气温作为关键的环境特征变量，与从Sentinel-2提取的半解析光学特征相结合，构建了一个“光谱-热”双驱动的极端梯度提升（XGBoost）反演模型。本研究的具体目标是：（1）通过结合物理信息的光学特征和热动力学驱动因素，开发一种适用于浑浊浅水湖泊的fDOM反演模型，以克服传统算法在光学复杂环境中的局限性；（2）重建2019–2025年间洪湖fDOM的长期时空动态，识别持续存在的污染热点并分析其时空稳定性；（3）定量评估2025年水 diversion 项目的生态影响，特别是评估不同季节水文条件下的水质变化。最终，本研究验证了耦合光谱-热模型的有效性，为受人工水文控制的水质动态提供了新的科学视角。
研究区域概述和水文背景
洪湖位于北纬29°49′–29°58′，东经113°12′–113°26′，是长江中游流域四个湖泊的最终蓄水池，是一个典型的浅碟形湖泊（图1）。其干季表面积约为344平方公里，平均深度为1.35米（Du等人，2011年）。由于频繁的沉积物再悬浮作用导致的高浊度（Secchi深度0.4–0.6米），尽管湖泊较浅，底部反射的影响可以忽略不计（图1）。
机器学习模型性能评估和SHAP可解释性分析
图3A展示了从训练数据和独立验证数据集中得出的六种机器学习算法的反演准确性定量评估结果。评估指标R2、RMSE和MAPE显示了算法之间的显著性能差异。
不同算法在捕捉fDOM的非线性特征方面表现出不同的能力。线性模型（Ridge）和SVR的预测能力相对有限。
不同水文条件下的差异响应机制
2025年水 diversion 项目期间fDOM的时空重建揭示了湖泊对水文调节的强烈季节性响应。研究表明，工程干预的生态结果取决于背景水文条件。夏季出现的“均匀稀释”效应与浅水湖泊在高流量条件下的“冲洗模型”特征一致。得益于大量的背景水体，湖泊
结论
本研究构建了一个“光谱-热”双驱动的反演框架，用于重建2019–2025年间洪湖fDOM的时空动态，并评估2025年水 diversion 项目的生态影响。主要结论如下：
(1)双驱动反演机制：通过明确结合Sentinel-2的半解析光学特征和ERA5的气温数据，该模型实现了稳定的稳定性和高准确性（R2 = 0.816，RMSE = 1.157 RFU），显著
CRediT作者贡献声明
亚东周：验证、资源、概念化。严叶：验证、资源、调查。李小东：写作 – 审稿与编辑、资源。飞晓：监督、资源、调查、概念化。一鸣沈：资源、调查、数据管理。薛尔庚：软件、资源、数据管理。范阳：软件、资源、数据管理。宝音何：写作 – 审稿与编辑、监督、资源、方法论、调查。魏辽：验证、正式分析，
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文的研究结果。
数据可用性
数据可应要求提供。
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文的研究结果。
致谢
本研究得到了国家自然科学基金（U24A20587）、国家自然科学基金（42501469）、湖北省重点研发计划（2023BCB104）、湖北省科技创新基地和平台计划（2025CSA050）、湖北省政府指导的地方科技发展专项计划（2025CFC005）以及相关科研计划的支持。
