《Remote Sensing》期刊发表多因素综合分析南黄海浒苔爆发驱动机制研究

主要作者与发表信息

该研究由鲁东大学资源与环境工程学院的吴孟泉教授团队主导，第一作者为Mingyue Xue，合作单位包括中山大学大气科学学院、烟台市土地储备和利用中心以及山东省海洋资源与环境研究院。研究成果于2023年10月27日发表在学术期刊《Remote Sensing》上，收录于第15卷第21期，文献编号5151。

研究背景与目的

近年来，南黄海连续爆发大规模绿潮灾害，其肇事种为大型绿藻浒苔（Ulva prolifera），该现象已成为全球范围内规模最大的绿潮事件，对沿海生态环境、水产养殖业及旅游业造成了严重破坏与巨大经济损失。尽管学界围绕浒苔的发生条件、生理特性及适应机制开展了大量研究，然而针对南黄海浒苔爆发及其年际变化的驱动因素，尤其是多因子耦合效应方面的定量分析仍较为匮乏。

已有研究表明，浒苔的初始生物量主要来源于江苏北部浅滩紫菜（Pyropia yezoensis）养殖筏架上附着的繁殖体，这些繁殖体在海流和季风作用下脱离并进入水体。在环境因素层面，实验室生态学研究证实浒苔对辐照度、温度及盐度具有广泛耐受性，其在15至25摄氏度的海表温度（Sea Surface Temperature, SST）及较高光饱和条件下表现出显著的进行光合作用的能力。浒苔的生长主要依赖从海水中吸收氮、磷等营养物质，并且SST、光合有效辐射（Photosynthetically Active Radiation, PAR）与营养盐浓度之间存在交互作用。然而，在宏观尺度上，各单一因素对浒苔覆盖面积变化的相对贡献尚未被量化，而随着水产养殖、海上交通、工农业生产等人类活动的加剧，人为因素与环境因素的协同作用可能进一步增加了这一生态现象的复杂性。

因此，本研究旨在从自然环境变化与人类活动两大视角出发，综合利用多源卫星遥感影像，依托谷歌地球引擎（Google Earth Engine, GEE）平台，对南黄海绿潮灾害及其潜在影响因进行长期调查。研究的核心目标是利用冗余分析（Redundancy Analysis, RDA）和方差分解分析（Variation Partitioning Analysis, VPA）方法，探讨多种因素对浒苔爆发的耦合效应，量化各驱动因子的相对贡献，从而加深对海洋生态系统动态变化的理解，并为建立有效的绿潮预警系统和可持续管理策略提供科学依据。

详细研究工作流程

该研究的工作流程主要包含四个关键步骤：数据获取与处理、浒苔及紫菜养殖区信息提取、人为因素指标构建，以及多因素贡献度统计分析。

第一，数据获取与预处理。研究团队通过GEE平台获取了多类遥感数据集：首先，利用Sentinel-2卫星的高分辨率多光谱影像（空间分辨率10米，重访周期5天）提取浒苔分布信息；其次，使用Sentinel-1卫星的合成孔径雷达（Synthetic Aperture Radar, SAR）影像（空间分辨率10米，重访周期6天）识别紫菜养殖筏架区域。此外，研究者还从GEE平台导出了四项关键环境因子数据，包括海面温度SST、光合有效辐射PAR、风速和降水量，并计算了这些指标在研究区内的月平均值。

第二，浒苔及紫菜养殖区信息提取。针对浒苔信息，研究团队基于2021年现场观测发现健康浒苔藻体具有与绿色植被相似的光谱特征，因此选择归一化差值植被指数（Normalized Difference Vegetation Index, NDVI）来提取2016至2022年间南黄海浒苔的位置和面积信息。研究人员通过目视解译与经验法手动选取含浒苔信息的水体，并对NDVI影像进行直方图分析，确定区分浒苔和水体的阈值（通常在0.15至0.25之间波动），并结合现场观测数据对阈值进行校准，最终得到97景含浒苔信息的影像，通过计算月均值获得南黄海浒苔面积的多年月际变化序列。针对紫菜养殖区，研究者应用随机森林（Random Forest, RF）分类算法，在Sentinel-1 SAR影像上区分“养殖区”与“非养殖区”。模型训练使用了300个样本点，决策树数量设置为100以达到最优配置。通过交叉验证和混淆矩阵评估，模型的总体精度约为0.86，召回率为0.82，精确率约为0.89，F1分数约为0.86，证实了该分类模型具有高度的准确性。

第三，人为因素指标构建。为量化人类活动对环境的综合影响，研究引入了人类足迹指数（Human Footprint Index, HFI）。该指数的计算参考了全球足迹网络公布的方法论，并选用了耕地面积、森林砍伐面积、渔业捕捞量、能源消耗量、建设用地面积和人口六项指标。数据来源于中国国家统计局，研究者采用线性归一化方法将各指标原始数据转换到[0, 1]无量纲区间，并运用层次分析法（Analytic Hierarchy Process, AHP）构造两两比较矩阵，确定各指标的权重，其中能源消耗量权重最高（0.27），渔业捕捞量次之（0.22），最终通过加权求和与标准化计算得出每年江苏省和山东省的HFI值。

第四，多因素贡献度统计分析。在获取浒苔覆盖面积、环境因子数据以及HFI序列后，研究者以浒苔面积作为响应变量，以SST、PAR、降水量、风速、紫菜养殖筏架回收时间以及HFI作为解释变量，首先构建冗余分析（RDA）模型。RDA是一种能够将多个解释变量与响应变量相关联并降维到正交排序空间中的统计方法，可直观展示各变量间的关系。随后，基于RDA的结果，利用方差分解分析（VPA）在R语言环境中通过“vegan”包执行，用以解析各类解释变量对响应变量变异的独立解释力和联合解释效应，从而深入理解浒苔面积年际波动的驱动机制。

主要研究结果与分析

研究结果首先揭示了浒苔灾害的时空变化特征。自2016年至2022年，南黄海浒苔最早于五月或六月便可在遥感影像上被探测到，其覆盖面积通常在六月中下旬达到峰值，随后开始衰减，并在七月或八月逐渐消亡，爆发持续时间为39至84天。值得注意的是，自2018年以来，南黄海浒苔的爆发规模呈现出明显的“大小年”交替的周期性规律，例如2019年和2021年六月平均覆盖面积超过1500平方公里，而2020年和2022年同期则不足500平方公里。

在影响因子分析中，各项环境因素的表现如下： SST的整体年际变化相对稳定，浒苔生长期（五至六月）的SST约在15至21摄氏度，消退期（七至八月）约在24至28摄氏度。相关性分析表明，虽然适宜的温度为浒苔生长提供了基础条件，在浒苔萌发和消亡的关键节点扮演重要角色，但SST与浒苔面积的直接相关性并不显著（相关系数r²介于0.002至0.14之间），表明SST并非年际尺度上决定爆发规模的主导因素。 PAR的年际绝对值变化也较为平稳，各月数值通常在80至120 µmol m⁻² s⁻¹之间。尽管在部分年份，高PAR值与浒苔的快速生长期相符，但从整体上看，两者相关性较弱。特别是2022年，五月平均PAR值达到七年来的峰值（超过115），但当年浒苔面积却接近七年最低值，这可能是因为萌芽期过长时间暴露于强光下导致了光抑制现象。 降水量在年际和月际间波动显著。研究发现，在浒苔萌发的五月和六月，降水量与浒苔面积存在一定的弱正相关，这是由于大气降水通过地表径流将陆源营养物质（氮、磷等）输入至江苏北部浅滩，为早期浒苔生长提供了营养补给。而在消退期的七月，强降水可能加速藻体沉降，两者呈现弱负相关。 风速作为海洋水动力的关键驱动力，其影响较为复杂。五月的强风浪可能导致浒苔繁殖体从筏架脱落，而七月较高的风速可能影响水体中营养盐的输运，从而与浒苔面积显示出一定正相关性。然而，风速作用并不能单一决定浒苔覆盖度，需与其他因素协同产生效应。

在人为因素方面，江苏北部浅滩紫菜养殖筏架的回收时间自2016年以来呈逐年提前的趋势，但回收时间和回收速度与浒苔覆盖度的相关性极低（r²分别为0.009和0.005），这显示仅改变筏架回收处理时间并非浒苔爆发的决定性因素。相比之下，江苏省的HFI与南黄海浒苔面积的年际变化存在一定的正相关关系（r²=0.45）。这主要是因为浒苔的萌发和早期爆发阶段主要发生在江苏近岸海域，该省沿海区域更高的城市化、工业化水平及水产养殖活动导致了更显著的营养盐输入和海水富营养化，促进了浒苔的初级生产。

最终，RDA排序图显示，HFI和降水量的箭头更长，对浒苔面积的解释力更强，其次是SST和风速，而PAR和筏架回收时间的解释力较弱。VPA的定量分解结果进一步表明，这六大类因素对南黄海浒苔面积年际变异的总体解释度为31.8%。其中，HFI的独立解释贡献率最高，达到10.5%，其他依次为降水量（9.8%）、SST（7.2%）、风速（4.2%）、回收时间（2.6%）和PAR（1.9%）。各因子的解释率之间存在一定重叠，这证实了浒苔爆发是多因素相互交织、共同驱动的结果。

研究结论与价值

本研究得出的核心结论是：南黄海浒苔面积的年际变化并非由单一因素决定，而是受到自然环境变化与人类活动的综合影响，且各因素之间存在着复杂的耦合与非线性响应关系。在所分析的因素中，以HFI为代表的人类活动压力贡献度最高。

这一发现具有重要的科学价值和应用意义。在科学层面，该研究首次利用RDA和VPA方法量化了多源驱动因素对南黄海浒苔年际波动的相对贡献，为深入理解近海大型藻华灾害的复杂驱动机制提供了新的实证案例与分析框架。同时，研究也指出现有模型解释率仅约三成，暗示诸如底栖生物、水体盐度、悬浮颗粒物浓度、叶绿素a浓度乃至浒苔打捞时间与强度等其他难以获取和量化的因素也可能扮演关键角色，为未来的研究方向指明了道路。在应用价值方面，研究强调了实施可持续的沿海管理措施对于减轻人类活动对海洋生态影响的重要性，有关浒苔收获与营养盐移除关系的探讨，也为利用打捞策略调控来年绿潮规模提供了新思路。本研究为南黄海绿潮灾害的早期预警、海洋环境保护策略的制定以及海洋生态系统的可持续管理奠定了坚实的科学基础。

研究亮点

该研究的突出亮点在于：第一，研究视角的综合性。它打破了以往单一因素研究的局限，明确将人类活动压力（HFI）与自然因素并列为解释变量，进行多因子的耦合分析。第二，方法论上的定量突破。利用VPA方法成功分解并量化了不同类型驱动因子的独立解释力与共同解释力，其中首次揭示了江苏省HFI对浒苔年际面积具有最高达10.5%贡献率的重要发现。第三，技术平台的先进性。研究全程依托GEE这一强大的云计算平台，高效完成了长时间序列、多源卫星遥感数据的获取、处理与分析，展现了现代遥感技术解决复杂海洋生态问题的能力。第四，对“大小年”现象的解释。研究提出了浒苔大规模爆发后，通过高强度打捞可将巨额藻体中的氮磷营养盐移出海水系统，从而缓解次年富营养化压力，为2021年大爆发后2022年规模急剧萎缩的现象提供了一种极为新颖且合理的假设。