使用先进制图技术和机器学习方法对湿地生态系统中养分循环进行混合时空建模

这些隐秘水体过滤器为何重要

湿地通过吸收从农田和城市冲刷而来的过量化肥和其他污染物，默默地保护着我们的河流和饮用水。但由于它们范围广、湿润且难以到达，科学家们一直难以长期观测这些天然过滤器的实际效能。本研究展示了如何将地面水样采集、卫星影像与机器学习相结合，把俄亥俄州的一个小型湿地系统转变为一幅详尽的动态健康图谱，按季节与年份呈现变化。

从太空与实地监测养分

研究者们聚焦于俄亥俄州的比弗克里克湿地绿带（Beavercreek Wetlands Greenway），这是一个城市社区、农田、森林和沼泽交织的拼接景观。他们在沿流的三个湿地处每月采集水样，持续四年，测量两种关键养分：氮和磷。适量时这些养分支持植物生长，但过量会引发藻华并耗尽水体含氧量。为了超越分散的采样点，团队将这些测量与来自欧洲哨兵-1号和哨兵-2号任务的高分辨率卫星数据配对，并在 Google Earth Engine 中进行处理。

一种两步式的景观解读方法

作者没有把所有数据一次性投入到一个大模型中，而是构建了基于流行算法随机森林的两阶段机器学习框架。在第一阶段，模型使用广义的湿地特征预测养分水平，例如形状、面积、周边土地利用（如林地、耕地或建设区）、以及近期降雨和温度。这产生了一张“基线”地图，捕捉整体景观倾向于输送或吸收养分的模式。在第二阶段，另一个模型专注于第一阶段未能解释的残余空间误差：它尝试用连续的卫星衍生变量（如植被指数和基于雷达的水体与植被结构测量）来说明这些更细致的格局。

季节性压力与恢复迹象

通过结合两阶段结果，团队生成了 2021 至 2024 年以季度为单位的氮和磷空间分布图，分辨率足以沿湿地纵向观察到变化。氮表现出强烈且反复出现的季节性波动，春夏（第二和第三季度）浓度较高，寒冷月份较低。四年间，年初的氮浓度呈上升趋势，且 2022 年和 2023 年的年中峰值尤其显著，表明在较湿润的月份和流域农业活动下反复出现季节性压力。

不同养分，不同故事

磷则讲述了另一种情形。2021 年，磷在湿地系统的大部分区域浓度偏高，但地图显示在 2022、2023 和 2024 年的大多数区域中稳步下降，尤其是在冬季季度。湿地中游更广的区域持续存在一个热点，尤其在晚夏枯水期明显，提示沉积物中释放出的蓄存磷可能起作用。通过分析模型最依赖的变量，研究者发现氮既受景观背景影响，也受卫星捕捉到的河段局部条件驱动；而磷主要由湿地周边的开发区和农业用地位置决定。

这对保护湿地意味着什么

对非专业读者来说，关键讯息是：并非所有养分问题都一样，卫星可帮助区分它们。该新框架在空间和时间上准确追踪了氮和磷，显示氮仍然是一个与农业实践和湿地植被相关的弥散性、季节性复发问题，而磷则随着来自周边开发区的负荷减少而明显改善，尽管存在顽固热点。这种基于两步映射的方法为管理者提供了一个实用的诊断工具：它能快速定位问题区域，指示应优先采取土地利用调整、城市径流控制或湿地内过程管理中的哪类措施，并可根据气候、土地利用和保护努力对湿地的持续影响，推广用于其他水质问题的监测与决策支持。

引用: Salas, E.A.L., Schrack, K., Kumaran, S.S. et al. Hybrid spatiotemporal modeling of nutrient cycling in wetland ecosystems using advanced mapping techniques and machine learning approaches. Sci Rep 16, 9954 (2026). https://doi.org/10.1038/s41598-026-40585-5

关键词: 湿地, 养分污染, 遥感, 机器学习, 水质