基于遥感与多源数据的河口及近岸生态系统生态健康综合评估——以防城港（钦州湾）为例

《Water》：Comprehensive Ecological Health Assessment of Estuarine and Coastal Ecosystems Based on Remote Sensing and Multi-Source Data: A Case Study of Qinzhou Bay

　　

河口及近岸生态系统面临陆源污染与海水养殖活动等复合压力的显著威胁，导致环境负担增加与生态健康下降。传统依赖统计数据的方法难以满足近岸水环境精细化管理的需求。研究人员以防城港（钦州湾）为案例，将多源数据（包括遥感影像反演的水质指标、海水养殖分布及土地利用信息）纳入结合遥感数据与压力–状态–响应(Pressure–State–Response, PSR)模型的综合生态健康评估体系，对2015年8月（丰水期）、2015年12月（枯水期）、2022年5月（丰水期）及2022年12月（枯水期）进行了空间连续定量的生态健康评价。结果表明，钦州湾生态健康存在显著季节差异，枯水期状况总体优于丰水期；对比2015年指示性估算值与2022年反演结果，2022年整体生态健康指数(Ecological Health Index, EHI)呈上升趋势，但部分近岸及河口区域有所下降。本研究将遥感等多源数据引入PSR模型框架，推动生态健康评估从传统的离散站点评价转向空间连续评价，验证了该方法识别河口及近岸带生态健康时空变化的有效性，为近岸水域精细化管理和生态修复提供科学支撑。

论文解读：基于遥感与多源数据的河口及近岸生态系统生态健康综合评估——以防城港（钦州湾）为例

一、研究背景与意义

传统海洋生态系统健康评估多采用指示物种法或指标体系法，其中基于压力-状态-响应(Pressure–State–Response, PSR)模型的指标体系法应用较广，但现有研究多依赖按行政单元汇总的年度统计年鉴数据或离散监测站位数据，无法充分捕捉生态健康的时空异质性，限制了局部环境问题的精确识别。近岸水质作为决定海洋生态健康的关键因子具有显著时空异质性，传统定点采样难以满足大范围空间连续高频动态监测需求，虽遥感水质反演技术已取得进展，但将其深度整合入生态健康评估框架的研究仍较少。为此，研究人员集成遥感水质反演结果、地理空间数据与PSR模型，构建适用于河口及海湾的 spatially informed 生态健康评估框架并以钦州湾为案例揭示其生态健康的空间异质性与季节变化特征，为近岸精细化生态管理提供依据。该论文发表于《Water》。

二、主要关键技术方法概述

研究人员选用欧空局Sentinel-2 Level-2A影像（经Sen2Cor大气校正，重采样至10 m分辨率），采用修正归一化水体指数(Modified Normalized Difference Water Index, MNDWI)提取水体范围；以实地36个站位（2017—2023年多航次，丰/枯水期兼顾）及12个自动海水水质监测站数据（溶解无机氮Dissolved Inorganic Nitrogen, DIN；溶解无机磷Dissolved Inorganic Phosphorus, DIP；化学需氧量Chemical Oxygen Demand, COD；溶解氧Dissolved Oxygen, DO；叶绿素-a Chlorophyll-a, Chla）为基准，使用随机森林(Random Forest, RF)回归算法建立水质参数反演模型。压力(Pressure)层指标通过空间插值计算土地利用强度(Land Use Intensity)与海水养殖污染负荷(Marine Aquaculture Pollution Load，产排污系数法)；状态(State)层为遥感反演的DIN、DIP、COD；响应(Response)层为遥感反演/经验公式估算的DO、Chla及初级生产力(Primary Productivity, PP)。指标经极差标准化后采用区间熵权法（interval-valued entropy weight method）确定权重，计算生态健康指数(Ecological Health Index, EHI)，按等间距结合经验分布划分为5级（I—V级，赋值1.0、0.8、0.6、0.4、0.2），参考HY/T 087–2005及相关文献划定阈值。通过±RMSE扰动DO与COD分析EHI对反演误差的敏感性。

三、研究结果

3.1 研究区概况(Overview of the Study Area)

研究人员介绍钦州湾为典型半封闭溺谷型海湾，由内湾茅尾海与外湾组成，受茅岭江、大榄江、钦江及金鼓江径流输入影响，沿岸工业及红条牡蛎(Crassostrea hongkongensis)大规模养殖活动带来较高人为压力。

3.2 钦州湾生态健康评估指标体系(Ecological Health Assessment Indicator System for Qinzhou Bay)

参照《海水水质标准》(GB 3097–1997)、《地表水环境质量标准》(GB 3838–2002)及实测数据累积频率分布调整各指标分级阈值，DIP浓度超过IV类(>0.045 mg/L)统一按IV级处理参与EHI计算；状态层指标权重高于压力层和响应层，表明评价结果对海水水质变化高度敏感。

3.3 数据基础(Data Foundation)

3.3.1 数据源(Data Sources)：Sentinel-2 L2A影像、实地水质采样（站位固定，距卫星过境±5 d内匹配）、自动监测站日均值及土地利用/海水养殖/红树林分布空间数据。

3.3.2 模型精度(Model Accuracy)：RF反演模型训练集决定系数(R²)为0.75–0.85，测试集R²为0.66–0.78；训练集与测试集均方根误差(Root Mean Square Error, RMSE)分别为0.01–0.88与0.02–0.94，满足海湾尺度生态健康评估精度要求。

3.4 评估结果与分析(Assessment Results and Analysis)

3.4.1 不确定性与扰动分析(Uncertainty and Disturbance Analysis)

研究人员对COD与DO施加±RMSE单参数及联合扰动，各情景下扰动前后EHI的Pearson相关系数(r)为0.871–0.995，表明反演误差不会显著改变EHI空间分布格局，评估结果稳健。

3.4.2 2015年生态健康评估(Ecological Health Assessment for 2015)

空间分布显示枯水期EHI高于丰水期；丰水期以亚健康(Sub-healthy)为主，枯水期以健康(Healthy)为主，未出现病态(Very Poor)与很健康(Very Good)等级。低EHI值集中于龙门水道、金鼓江口及外湾右侧近岸，与陆源输入增强及养殖活动空间耦合。

3.4.3 2022年生态健康评估(Ecological Health Assessment for 2022)

同样表现为枯水期优于丰水期，低EHI区仍集中在入海河流、河口、龙门水道、金鼓江口及外湾部分近岸养殖密集水域；2015—2022年海水养殖面积由约22.24 km²扩至约63.52 km²，其扩张范围与低EHI区空间重叠度高。

3.4.4 生态健康状况变化分析(Analysis of Ecological Health Status Changes)

2015—2022年EHI差值图显示整体EHI有所上升，但入河及河口区、龙门水道和外湾养殖密集区EHI下降；茅尾海部分区域EHI上升区与同期红树林面积扩张（累计增约12.9 km²）空间一致，提示红树林恢复与污染减排措施可能对局部生态健康具正向作用。

四、讨论与结论翻译总结

讨论指出，相比依赖年鉴或离散站点的传统PSR评估，本研究以10 m网格为单位实现空间全覆盖，能有效识别龙门水道等局部退化热点，所用遥感与地理空间数据具广泛可得性且指标阈值可依本地标准调整，方法对类似半封闭海湾具可移植性；局限在于近岸复杂光学特性下水质反演精度有限及PP估算存主观性，未来可通过扩充样本、多模型比对及引入地理探测器量化驱动因子贡献予以完善。

结论：研究人员建立了融合遥感水质反演产品、地理空间数据与PSR模型的河口及近岸带综合生态健康评估框架，克服传统评价空间不连续局限，实现对生态健康时空异质性的表征。以钦州湾为例定量评估显示生态健康具显著季节差异（枯水期优于丰水期），较差生态健康区主要集中在河口及养殖密集区；需注意2015年因缺乏同步实测数据其结果视为指示性估算。建议加强丰水期前陆源与点源养殖污染管控、严格执行《海水养殖水排放要求》尾水达标排放、建立完善多源数据融合的近岸生态健康监测预警评估体系，并将遥感监测纳入现有近岸海域环境监管框架以支持海湾生态环境政策实施效果动态追踪与分区管理决策。