基于机器学习的山东半岛近海风电场对软底底栖群落影响评估

海底生物与风力发电相遇

随着近海风电场沿海岸线扩展，很多人担心一排排塔架会对海底生物造成何种影响。本研究针对中国山东半岛近海的四个大型风电场对这一问题进行了细致考察。研究者将近十年的实地调查与卫星数据和现代计算建模相结合，展示了海底群落在这些新能量设施周围先受损、后恢复，并在某些方面实现繁荣的过程。

涡轮下方不断变化的海底

研究聚焦于“软底”栖息地——以泥质和沙质底质为主，栖息着蠕虫、蛤蜊、甲壳类和其他底栖生物，它们构成海洋食物网的基础。施工前，海底大致平坦、淤质。打桩、铺设电缆和施工中对沉积物的扰动导致物种数量和群落多样性短期下降。但当风电场投入运行后，金属塔架及其基座周围的护底石创造了此前不存在的硬质底面，将部分海底改造成了人工礁。

一场跨时空的自然实验

这四个风电场在2021至2024年间分期建设并投运，形成了从新建到成熟站点的自然“时间线”。在2015至2024年期间，科学家在200多个采样站点每年两次采集海底动物样本：包括场内、场缘及远离的对照区。与此同时，他们利用卫星监测水温、藻类浓度和悬浮颗粒。这使得研究者能够将涡轮引起的变化与更广泛的气候与海洋条件驱动的变化区分开来。

让数据通过机器诉说

为了理解这些复杂且分散的数据，团队使用了一种名为XGBoost的机器学习方法，并与更传统的统计模型进行了比较。两者都试图基于环境条件、到涡轮的距离、风场运行时间以及硬质底面的比例来预测每个地点的海底群落多样性。XGBoost更好地捕捉了现实世界的变异——能够解释约四分之三的多样性差异——同时揭示了哪些因素最为重要。一个名为SHAP的工具帮助将模型的内部机制转化为易读的排序和响应曲线。

从扰动到恢复再到增益

模型检出的最强信号是自涡轮投入运行以来的时间。在施工期及运行最初几年，海底多样性低于原始基线。大约在投运后两年半左右，这一趋势出现转折：多样性恢复并略微超过了施工前水平。在靠近涡轮基座、为稳固而铺设了护底石的区域，这一效应尤为显著。这些硬质斑块的物种数约高出40%，多样性评分约高出13%，相比附近未受扰动区域。该模式表明典型的人工礁效应：新表面吸引藤壶、贻贝等定居者，进而吸引更多活动性动物并提升整体生物量。

寻找设计的最佳点

研究还暗示了“更友好”风电场的设计规则。硬质底面比例与多样性呈上升趋势但在某一程度后趋于平缓，暗示散布中等规模的类礁区可能比大面积铺石更有效。涡轮间距呈倒U形效应：密度过低对栖息地改变影响不大，而布局过密可能引入足够的噪声与其他干扰以抵消益处。中等密度范围似乎支持最丰富的群落。

这对海洋生物与能源意味着什么

对于非专业读者，结论令人相对乐观。近海风电场确实在初期扰动海底生物，但在本案例中群落在几年内恢复，并在涡轮基础周围增加了物种。通过谨慎选择涡轮密度、基础设计以及放置在海底的护底石量，规划者可以降低短期损害并提升长期栖息地价值。作者提出的建模框架——结合实地调查、卫星观测与可解释的机器学习——为评估和改进未来风电项目的生态足迹提供了蓝图，有助于让清洁能源发展更好地与海洋健康相协调。

引用: Wang, L., Zhang, Y., Gu, X. et al. Machine learning-based assessment of offshore wind farm impacts on soft-bottom benthic communities in the Shandong Peninsula. Sci Rep 16, 11780 (2026). https://doi.org/10.1038/s41598-026-38939-0

关键词: 近海风电场, 海底生物多样性, 人工礁, 海洋生态学, 生态学中的机器学习