黃彤輝， 夏 瑞， 后希康， 鄒 磊， 宋進(jìn)喜， 任源鑫， 孫 浩， 豆荊輝

1.中國環(huán)境科學(xué)研究院, 環(huán)境基準(zhǔn)與風(fēng)險評估國家重點(diǎn)實(shí)驗(yàn)室, 北京 100012

2.西北大學(xué)城市與環(huán)境學(xué)院, 陜西省地表系統(tǒng)與環(huán)境承載力重點(diǎn)實(shí)驗(yàn)室, 陜西 西安 710127

3.中國科學(xué)院地理科學(xué)與資源研究所, 陸地水循環(huán)及地表過程重點(diǎn)實(shí)驗(yàn)室, 北京 100101

近年來，我國高度重視大江大河的水生態(tài)保護(hù)修復(fù)工作，長江大保護(hù)、黃河高質(zhì)量發(fā)展上升成為國家重大戰(zhàn)略，大流域尺度水生態(tài)時空特征分析和問題診斷是科學(xué)開展我國大江大河水生態(tài)保護(hù)修復(fù)的重要科技需求. 水生生物是水生態(tài)系統(tǒng)的核心組成部分和關(guān)鍵表征因子[1]，近年來全國水生生物多樣性下降趨勢明顯，長江流域在過去幾十年已經(jīng)達(dá)到了“無魚”的等級(IBI指數(shù))[2]；近30年間黃河魚類種群和資源量已減少約50%[3]. 面對長江和黃河突出的生態(tài)環(huán)境問題，急切需要大環(huán)境數(shù)據(jù)與水生生物關(guān)聯(lián)的大尺度分析手段. 隨著我國社會經(jīng)濟(jì)高速發(fā)展和城市化的進(jìn)一步加劇，我國河湖仍面臨高強(qiáng)度人類活動和氣候變化的復(fù)合環(huán)境壓力[4-5]，《國家重點(diǎn)流域水生態(tài)環(huán)境保護(hù)“十四五”規(guī)劃》首次將“水生態(tài)”目標(biāo)納入考核體系，如何科學(xué)分析大尺度流域水生生物的時空特征，建立多元環(huán)境壓力因子與水生生物的響應(yīng)關(guān)系，將是開展長江、黃河等流域水生態(tài)問題診斷和成因分析的重要前提條件.

傳統(tǒng)的水生生物時空分析受限于監(jiān)測復(fù)雜性和專業(yè)性，需要耗費(fèi)大量的人力和物力資源[6]，且長時間序列的基礎(chǔ)數(shù)據(jù)獲取難度較大，難以從空間尺度全面揭示流域水生態(tài)退化本底和成因機(jī)制，嚴(yán)重制約了流域水生態(tài)退化的科學(xué)診斷和精準(zhǔn)施策. 近年來，隨著現(xiàn)代信息技術(shù)的迅速發(fā)展，地理信息系統(tǒng)(geography information systems，GIS)和遙感(remote sensing，RS)(簡稱“2S技術(shù)”)成為大尺度流域水生態(tài)退化問題診斷的重要工具. GIS技術(shù)興起于20世紀(jì)60年代末期，到20世紀(jì)90年代末發(fā)展成數(shù)據(jù)管理和分析計算的信息系統(tǒng)工具[7]. 遙感領(lǐng)域第一張航拍照片拍攝于1858年，隨后多光譜掃描儀系統(tǒng)、超光譜和數(shù)碼相機(jī)系統(tǒng)的開發(fā)取得了巨大進(jìn)展[8]. 隨著流域生態(tài)系統(tǒng)大數(shù)據(jù)時代的來臨，2S技術(shù)在水生生物監(jiān)測、分析和模擬中的優(yōu)勢逐漸凸顯[9]. GIS在一般的數(shù)據(jù)庫操作基礎(chǔ)上集成了地圖的可視化效果和地理分析功能，應(yīng)用于水生動植物的動態(tài)分布監(jiān)測和時空分析，緩解了傳統(tǒng)研究中工作量大、誤差大和研究范圍小等問題[10]. RS能獲取長時間序列的數(shù)據(jù)，具有覆蓋范圍廣、效率高、成本低等優(yōu)點(diǎn)，已成為實(shí)時水生生物監(jiān)測的一種經(jīng)濟(jì)有效的方法[11-12]. 在處理長時間、大范圍時空信息上2S技術(shù)的聯(lián)合使用通常具有較大的優(yōu)勢，已成為今后及未來開展流域水生生物時空分析和問題診斷的重要技術(shù)途徑.

然而，2S技術(shù)在大尺度河湖水生態(tài)退化的問題診斷和時空分析中仍處于起步階段，還存在數(shù)據(jù)獲取、精度識別和適用性等問題需解決，當(dāng)前尚缺乏針對兩種技術(shù)在流域尺度水生生物時空分析中的適用性對比研究，新時期我國長江、黃河等重點(diǎn)流域水生態(tài)環(huán)境問題診斷亟待關(guān)鍵技術(shù)支撐. 綜上，該文利用CiteSpace大數(shù)據(jù)方法分析了2S技術(shù)在水生生物時空分析中的研究進(jìn)展，探討了GIS分析技術(shù)和RS反演模型在水生生物時空分析中的優(yōu)缺點(diǎn)與聯(lián)合適用性，以期為新時期國家重點(diǎn)流域水生態(tài)質(zhì)量管理的現(xiàn)代化、精細(xì)化和精準(zhǔn)化提供科學(xué)參考.

1 2S技術(shù)在水生生物時空分析中的進(jìn)展

基于中國知網(wǎng)(CNKI)以“GIS”或“RS”為主題和Web of Science(WoS)核心庫以“GIS”或“remote sensing”為主題進(jìn)行文獻(xiàn)檢索，結(jié)合水生生物、富營養(yǎng)化和水華等關(guān)鍵詞篩選后得出中、英文文獻(xiàn)分別為 1 121、2 346 篇(數(shù)據(jù)截至2020年10月1日)(見圖1). 從整體趨勢上看，2S技術(shù)在水生生物研究領(lǐng)域中的應(yīng)用逐漸增多，英文文獻(xiàn)數(shù)量自2000年后開始穩(wěn)步增加，并在2019年達(dá)到峰值；中文文獻(xiàn)數(shù)量自2003年后逐漸增加，說明國內(nèi)針對2S技術(shù)在水生生物中的應(yīng)用研究進(jìn)展晚于國外，2015年中文文獻(xiàn)數(shù)量達(dá)到峰值，隨后有所降低，但總體來說仍然處于較高數(shù)量狀態(tài)，對比中、英文文獻(xiàn)增長趨勢，說明2S技術(shù)在水生生物中的應(yīng)用研究仍然是當(dāng)前的熱點(diǎn)和學(xué)科前沿.

圖1 基于CNKI和WoS核心庫以“GIS”或“RS”為中英文主題搜索的各年度文獻(xiàn)出版數(shù)量

針對國內(nèi)外2S技術(shù)在水生生物研究主題的進(jìn)展，對基于CNKI和WoS核心庫進(jìn)行文獻(xiàn)交叉引用(citation reference)[13]，運(yùn)行CiteSpace軟件得到自動聚類時間線視圖(見圖2). 由圖2(a)可見，190個節(jié)點(diǎn)與629條鏈接線構(gòu)成中文文獻(xiàn)的6個聚類熱點(diǎn)，分別是“群落結(jié)構(gòu)”“巢湖”“人工神經(jīng)網(wǎng)絡(luò)”“多源遙感數(shù)據(jù)”“高光譜”和“植被指數(shù)”，圖中十字絲符號的大小表示相應(yīng)關(guān)鍵詞在水生生物時空分析中得到的重視程度，其位置表示該關(guān)鍵字出現(xiàn)的最早時間，結(jié)果顯示，“遙感”“太湖”“葉綠素a”和“modis數(shù)據(jù)”這些關(guān)鍵詞在該主題中的受重視程度較高，其中“遙感”最早出現(xiàn)時間為2000年，在這些關(guān)鍵詞中最先受到關(guān)注. 由圖2(b)可見，英文文獻(xiàn)的時間線視圖中，294個節(jié)點(diǎn)與2 054條鏈接線構(gòu)成了7個熱點(diǎn)，分別是“absorption”“remote sensing”“meris”“coral”“florida”“temperature”和“reservoir”，圖中十字絲符號顯示出“remote sensing”“phytoplankton”和“chlorophyll a”這些關(guān)鍵詞在該主題中受到廣泛關(guān)注，最早出現(xiàn)時間均為2003年前，對比可知，該主題在英文文獻(xiàn)中研究起步較早，在研究對象、研究地點(diǎn)、遙感研究方面，水生植物、葉綠素、內(nèi)陸河湖、數(shù)據(jù)源和反演模型均是目前國內(nèi)外的研究熱點(diǎn)，研究目標(biāo)上較為一致.

圖2 文獻(xiàn)共被引圖譜-時間線視圖

2 GIS技術(shù)在河湖水生生物分析的研究應(yīng)用

作為現(xiàn)代信息技術(shù)，GIS分析技術(shù)能通過建立和分析城市、水域等地理對象的拓?fù)潢P(guān)系來明確定義空間聯(lián)系，地理對象在GIS中可以按照不同屬性或其空間關(guān)系進(jìn)行分析[14]，GIS擁有強(qiáng)大的地理信息數(shù)據(jù)管理和空間分析功能，以及直觀的信息呈現(xiàn)和展示能力，能構(gòu)建地理信息與水生生物數(shù)據(jù)的對應(yīng)關(guān)系，在流域大尺度水生生物問題綜合分析中應(yīng)用較多. GIS空間分析技術(shù)在研究河湖水生生物時空異質(zhì)性時較傳統(tǒng)方法具有直觀等獨(dú)特的優(yōu)勢，在國內(nèi)外得到了廣泛應(yīng)用. 其中，緩沖區(qū)分析法、疊加分析法和空間插值法應(yīng)用較多.

2.1 基于緩沖區(qū)分析法的水生生物時空分析

緩沖區(qū)分析是針對點(diǎn)、線、面實(shí)體，自動建立其周圍一定寬度范圍內(nèi)的緩沖區(qū)多邊形實(shí)體[15]，空間數(shù)據(jù)得以水平向外擴(kuò)展. 河湖因具有較強(qiáng)的空間異質(zhì)性，在水生生物空間分析中常用以劃定緩沖帶，常見研究尺度有流域、子流域和河岸尺度等. Zhang等[16]利用ArcGIS緩沖工具劃分不同寬度河岸走廊土地利用類型，以分析水生動物的時空分布及土地利用類型對水質(zhì)和大型無脊椎動物群落的影響；Sponseller等[17]將土地覆蓋劃分為5個空間尺度，分析了大型無脊椎動物的分布特征及土地覆蓋對大型無脊椎動物的影響. 緩沖區(qū)分析可以快速獲取和識別流域不同區(qū)域水生生物的時空分布特征和影響范圍，在魚類[18]、底棲動物[19]和水生植物[20]等水生生物時空分布分析中應(yīng)用十分廣泛，但其僅通過距離進(jìn)行劃分，忽略了非均質(zhì)性等其他特征，難以具體識別要素的自然屬性，因此需結(jié)合其他分析方法使用.

2.2 基于疊加分析法的水生生物時空分析

疊加分析的目標(biāo)是研究空間位置相互耦合的地物特征專題屬性之間的關(guān)系，主要有點(diǎn)、面、多邊形與多邊形疊加[21]. 相較緩沖區(qū)分析而言，疊加分析可認(rèn)為是垂直方向的數(shù)據(jù)疊加，側(cè)重處理水生生物及不同影響因子的空間分布情況，如Ahmed等[22]利用疊加技術(shù)計算總體營養(yǎng)狀態(tài)指數(shù)和氮磷比，研究了埃及曼扎拉湖富營養(yǎng)化狀況的時空分布特征. 疊加分析多用于對水生生物數(shù)據(jù)集合運(yùn)算產(chǎn)生新的空間數(shù)據(jù)，制作水生生物分布專題圖，如Xu等[23]利用GIS疊加技術(shù)將各專題圖進(jìn)行疊加，直觀展現(xiàn)了巢湖富營養(yǎng)化狀況的時空變化特征. 與傳統(tǒng)制圖相比，疊加分析將不同圖層疊加至同一平面，實(shí)現(xiàn)了水生生物信息空間和屬性的一體化分析. 因此，疊加分析與緩沖區(qū)分析常聯(lián)合使用以分析水生生物不同尺度下不同環(huán)境因子的影響大小，如李艷利等[24]應(yīng)用疊加分析和緩沖區(qū)分析獲取不同尺度土地利用數(shù)據(jù)，研究底棲動物群落的空間變異及各尺度下不同環(huán)境因子影響程度. 疊加分析綜合考慮了多要素的影響特征，可實(shí)現(xiàn)不同圖層數(shù)據(jù)疊加和計算分析，但在實(shí)際操作中要求各要素數(shù)據(jù)位于同一區(qū)域、同一坐標(biāo)系統(tǒng).

2.3 基于空間插值法的水生生物時空分析

受限于水生生物數(shù)據(jù)資料的缺乏，空間插值法廣泛用于水生生物及流域地理、水文和環(huán)境要素的時空分布特征識別. 目前常用的空間插值包括協(xié)同克里金插值法、泛克里金法、普通克里金法和反距離加權(quán)插值法[25]. 相較數(shù)據(jù)的范圍擴(kuò)展或疊加，空間插值法能將離散點(diǎn)轉(zhuǎn)換為連續(xù)曲面[26]，可有效填補(bǔ)研究范圍內(nèi)未知區(qū)域的數(shù)據(jù)，直接生成水生生物空間分布圖，直觀展現(xiàn)水生生物的生物量變化、結(jié)構(gòu)變化及分布格局[27-29]等，如Qu等[30]應(yīng)用克里金插值法繪制了渾太河藻類和大型無脊椎動物多樣性的時空分布特征. 空間插值法具有數(shù)據(jù)填補(bǔ)功能，能實(shí)現(xiàn)水生生物的時空分布趨勢分析，并與影響因子建立關(guān)系，如Li等[31]利用反距離插值分析了洪湖水質(zhì)參數(shù)和水生植物的時空變化，并結(jié)合PCA識別水質(zhì)和水生植物的影響因子和污染源. 空間插值法中插值點(diǎn)位數(shù)據(jù)精度受點(diǎn)位距離遠(yuǎn)近的影響較大，不同空間插值法的精度有所差別[32]，一般樣本點(diǎn)越多、分布越均勻，插值效果越好，而傳統(tǒng)采樣受人力物力等外部因素的影響導(dǎo)致樣點(diǎn)空間分布不均，需要利用其他數(shù)據(jù)源彌補(bǔ)其缺點(diǎn).

綜上，GIS主要通過應(yīng)用緩沖區(qū)分析法、疊加分析法和空間插值法劃定緩沖帶，從流域空間尺度分析水生生物影響因子范圍，開展水生生物時空信息計算和水生生物時空趨勢分析，研究可圍繞土地利用、景觀格局和人類活動等方面，建立多要素與水生生物格局之間的響應(yīng)關(guān)系，辨識潛在影響因子，有助于河湖生態(tài)環(huán)境規(guī)劃管理. 相比傳統(tǒng)統(tǒng)計分析，GIS分析更直觀化和集中化，但數(shù)據(jù)來源和精度需完善，GIS強(qiáng)大的數(shù)據(jù)管理分析和綜合制圖功能使其可作為其他分析手段的基礎(chǔ)，以集成多數(shù)據(jù)源和構(gòu)建水生生物模擬模型.

3 RS技術(shù)在河湖水生生物分析中的研究應(yīng)用

RS能夠快速獲取流域和水體表層的光學(xué)特性，在河流和湖泊中可探測水面和水下的光譜特征，一些影響并主導(dǎo)光譜特征的活性物質(zhì)(如葉綠素等水生植物參數(shù))可通過RS有效識別. 不同時空下不同水生生物或其參數(shù)光譜特征均有所差異，由此可推測分析水生植物等時空分布特征[33]，水體反射率通常是河湖水生生物變化(主要為水生植物及其參數(shù)變化)較為直接的體現(xiàn)和表征因子，通過建立水體反射率和生物物種間的響應(yīng)關(guān)系，可實(shí)現(xiàn)對于河湖流域水生態(tài)系統(tǒng)過程的模擬和預(yù)測.

3.1 基于RS的水生生物數(shù)據(jù)源獲取

流域水生態(tài)系統(tǒng)十分復(fù)雜，存在較大的時空異質(zhì)性、滯后性和累積影響效應(yīng)[34]，而傳統(tǒng)采樣點(diǎn)時空分布不均，無法準(zhǔn)確分析流域中河湖水生生物的時空變化特征，空間覆蓋廣、時間序列長的RS數(shù)據(jù)可更加直觀和準(zhǔn)確地表征河湖水生生物的動態(tài)變化狀況[35]. RS數(shù)據(jù)源分為星載和非星載數(shù)據(jù)源，星載數(shù)據(jù)源多為多光譜和高光譜數(shù)據(jù)，常見的有中國的GF、HJ等，美國的QuickBird、Landsat和MODIS等，以及法國的SPOT等[36]. 各數(shù)據(jù)源特征不一，如Canziani等[37]基于Landsat測定了葉綠素濃度分布，Landsat系列空間分辨率較高，但周期較長；Xu等[38]應(yīng)用GF-1研究葉綠素和懸浮物的時空變化，GF系列空間和時間分辨率較高，但光譜數(shù)較少[39]. 非星載遙感數(shù)據(jù)源主要為機(jī)載數(shù)據(jù)，包括PHI(推掃式光譜成像儀)、OMIS(模塊化成像光譜儀)、AVIRIS(可見光/紅外成像光譜儀)等，地面實(shí)測數(shù)據(jù)源如GER(野外光譜輻射儀)、ASD(地物光譜儀)等[40]. 非星載一般為高光譜傳感器，受大氣影響較小，精度較星載數(shù)據(jù)源高，無人機(jī)搭載高光譜成為一種新的高精度技術(shù)[41]，非星載由于受到監(jiān)測范圍的限制，多用于小面積河湖監(jiān)測. 通過多數(shù)據(jù)源的配合使用，可獲取不同尺度、多光譜和高分辨率數(shù)據(jù)，實(shí)現(xiàn)由單一數(shù)據(jù)源向多源數(shù)據(jù)發(fā)展[42]，如Bresciani等[43]研究表明，多源數(shù)據(jù)的結(jié)合提高了葉綠素濃度監(jiān)測的空間和時間分辨率，加強(qiáng)了水華事件的可預(yù)測性和模擬精度. 多源數(shù)據(jù)融合能高頻、精細(xì)地監(jiān)測內(nèi)陸水域水生生物，起到水生生物監(jiān)測、反演和預(yù)測更加精確的作用，一些數(shù)據(jù)融合技術(shù)也得到進(jìn)一步發(fā)展[44].

3.2 基于RS的水生植物反演應(yīng)用

由于不同河湖水體色差的特異性和可視性，近年來基于顏色差異的水生植物反演技術(shù)在國內(nèi)外迅速發(fā)展[45-46]. 針對水生植物(主要為葉綠素)反演方法可分為三大類[47]：經(jīng)驗(yàn)?zāi)Ｐ?、半?jīng)驗(yàn)/半分析模型和分析模型. 常用RS反演方法比較見表1.

表1 常用RS反演方法比較

3.2.1基于經(jīng)驗(yàn)?zāi)Ｐ偷乃参锓囱?/p>

經(jīng)驗(yàn)?zāi)Ｐ褪怯嬎闼w中葉綠素濃度和相應(yīng)的遙感反射率之間的相關(guān)性[48]，常見的有單波段法、波段比值法、神經(jīng)網(wǎng)絡(luò)模型和SVM模型. 單波段模型是選取最優(yōu)波段反射率與實(shí)測數(shù)據(jù)建立統(tǒng)計關(guān)系[49]，波段比值法則是選擇與原位葉綠素濃度相關(guān)性最強(qiáng)的光譜比率構(gòu)建模型[50]. 單波段法分析相對簡單，但區(qū)域依賴性較大，適合水生生物快速反演，波段比值法盡管能消除部分影響，但波段數(shù)較少，普適性也較差，Yang等[51]研究表明，在不同的季節(jié)和地點(diǎn)可能需要構(gòu)建不同的葉綠素濃度反演模型. 基于非線性數(shù)據(jù)處理能力的機(jī)器學(xué)習(xí)模型近年來得到廣泛應(yīng)用，神經(jīng)網(wǎng)絡(luò)模型是模擬自適應(yīng)過程的人工智能模型[52]，強(qiáng)大的學(xué)習(xí)能力大幅提升了反演精度，如Song等[53]研究表明，神經(jīng)網(wǎng)絡(luò)反演模型精度優(yōu)于經(jīng)驗(yàn)回歸模型，但該模型數(shù)據(jù)量要求大、訓(xùn)練時間長且容易過擬合. SVM模型通過非線性映射轉(zhuǎn)換到高維空間中構(gòu)造最優(yōu)超平面[54]，適合小樣本分析，如Zhang等[55]研究表明，RS和SVM算法的結(jié)合為湖泊富營養(yǎng)化反演提供了一種簡單靈活的方法，但該模型無法適應(yīng)較大的訓(xùn)練樣本，訓(xùn)練樣本越大，模型越復(fù)雜. 機(jī)器學(xué)習(xí)適用于解決非線性問題[56]，但在RS大數(shù)據(jù)挖掘和遙感自動化等方面還需要進(jìn)一步完善. 基于統(tǒng)計分析的經(jīng)驗(yàn)?zāi)Ｐ?，?shù)據(jù)依賴性大，有很強(qiáng)的區(qū)域性.

3.2.2基于半經(jīng)驗(yàn)?zāi)Ｐ偷乃参锓囱?/p>

半經(jīng)驗(yàn)?zāi)Ｐ椭荚谕ㄟ^經(jīng)驗(yàn)和分析方法得到遙感反射率與葉綠素濃度之間的關(guān)系[57]. 常用的半經(jīng)驗(yàn)?zāi)Ｐ椭饕腥ǘ文Ｐ秃退牟ǘ文Ｐ停鄬τ诮?jīng)驗(yàn)法而言，半經(jīng)驗(yàn)?zāi)Ｐ蛯?shù)據(jù)依賴性小，實(shí)用性更強(qiáng). 三波段模型是找到合適的3個波段構(gòu)建模型[58]，如Zhang等[59]研究表明，在太湖浮游植物季節(jié)-空間變化監(jiān)測中，三波段法的精度高于已發(fā)表的波段比值法. 四波段模型是在三波段基礎(chǔ)上引用了近紅外波段的第四個波段[60]，因此適合渾濁水體；Feng等[61]研究表明，相比三波段反演模型的模擬結(jié)果，四波段模型對于反演千島湖葉綠素濃度的模擬精度更高. 半經(jīng)驗(yàn)?zāi)Ｐ褪悄壳胺囱萑~綠素濃度的主流方法，但仍不具有普適性，需要依據(jù)不同季節(jié)或區(qū)域進(jìn)行反演.

3.2.3基于機(jī)理分析模型的水生植物反演

機(jī)理分析模型利用水體反射率推導(dǎo)出水體各成分的吸收系數(shù)和后向散射系數(shù)，進(jìn)而通過水體各成分的濃度與其吸收系數(shù)和后向散射系數(shù)的關(guān)系來估算水體成分濃度，從而實(shí)現(xiàn)對河湖水生生物的半定量或定量化識別[62]. 分析模型更偏重機(jī)理研究，相對于經(jīng)驗(yàn)和半經(jīng)驗(yàn)?zāi)Ｐ投跃哂袕?qiáng)普適性和高精度性，其中最具代表性的是生物光學(xué)模型. 生物光學(xué)模型可通過水面以下輻照度與反射率、固有光學(xué)量的相互關(guān)系建立與波段反射率和固有光學(xué)量的響應(yīng)模型[63]. 楊偉等[64]研究表明，對于綠藻而言，生物光學(xué)模型算法反演效果最好；Augusto-Silva等[65]選擇了基于生物光學(xué)算法的NDCI算法反演渾濁內(nèi)陸水體中的葉綠素濃度；Bresciani等[66]研究表明，生物光學(xué)模型的光譜反演有助于監(jiān)測意大利湖泊藍(lán)藻水華. 機(jī)理分析模型依賴于水體的表觀固有光學(xué)特性，而河湖固有光學(xué)性質(zhì)較為復(fù)雜，因此機(jī)理分析模型的構(gòu)建是目前的難點(diǎn)，但同時也是未來的研究發(fā)展趨勢.

3.3 基于RS的水生動物模擬預(yù)測

基于RS監(jiān)測范圍大的顯著優(yōu)點(diǎn)，水生動物的分布模擬預(yù)測主要集中在海洋和陸地大型動物[67]，針對內(nèi)陸水體中小型水生動物的移動性和隱蔽性特點(diǎn)，利用RS直接監(jiān)測其分布特征難度較大. 目前，RS多以監(jiān)測水生動物生境為主，間接分析和預(yù)測其分布變化[68]，如Yang等[69]通過RS預(yù)測了日本血吸蟲中間宿主釘螺的潛在棲息地，用以間接反映釘螺的分布特征. 通過反演水生動物影響因子，構(gòu)建影響因子與水生動物的響應(yīng)模型以間接預(yù)測水生動物的分布特征，如Mehler等[70]應(yīng)用最大熵模型，通過使用RS衍生的環(huán)境變量來預(yù)測美國尼亞加拉河下游4個主要底棲生物群落的分布；Perivolioti等[71]開發(fā)了一種基于RS的陸地水域魚類空間分布制圖和預(yù)測方法，分析了捷克里莫夫水庫魚類生物分布和水質(zhì)參數(shù)變化. 盡管RS技術(shù)手段還不能直接應(yīng)用于水生動物的監(jiān)測，但其仍被認(rèn)為是支持魚類群落組成和動態(tài)分析的有用工具[72].

綜上，相對于GIS的時空分析優(yōu)點(diǎn)，RS通常具有較好的反向溯源特性，近年來在河湖水生生物監(jiān)測中的應(yīng)用較多，尤其是針對水生植物、富營養(yǎng)化和水華的特征識別和診斷. 在數(shù)據(jù)源的獲取上，RS利用星載和非星載兩大數(shù)據(jù)源，展現(xiàn)了較強(qiáng)的水生生物數(shù)據(jù)獲取和空間展示能力；此外，在水生植物的反演計算上，經(jīng)驗(yàn)、半經(jīng)驗(yàn)和機(jī)理分析模型能適應(yīng)不同河湖環(huán)境，結(jié)合RS構(gòu)建棲息地模型和響應(yīng)模型能間接獲取水生動物分布情況，從而實(shí)現(xiàn)對水生生物生物量的估算、影響因子的溯源和模擬預(yù)測. 2S技術(shù)通過與大數(shù)據(jù)統(tǒng)計算法的結(jié)合，能更精確、更快速、更高效地處理復(fù)雜水生生物問題. 但在現(xiàn)實(shí)中通常受數(shù)據(jù)尺度和精度的影響，RS在內(nèi)陸水體水生動物的監(jiān)測上尤顯不足，數(shù)據(jù)管理和圖像的處理能力尚有所欠缺，作為定量遙感的尺度效應(yīng)問題有待解決，在分析水生生物與土地利用、人為活動等響應(yīng)關(guān)系上有待進(jìn)一步與GIS等地理信息工具的深入結(jié)合.

4 2S技術(shù)在河湖水生生物時空分析研究的聯(lián)合運(yùn)用

隨著2S技術(shù)在水生生物中的應(yīng)用優(yōu)勢逐漸凸顯，2S技術(shù)的聯(lián)合應(yīng)用成為近年來的研究熱點(diǎn)，為短時間內(nèi)評估水生生物時空分布提供了一個更有價值的路徑，綜合利用2S技術(shù)以及GPS能更好地幫助管理者進(jìn)行大尺度空間的水生態(tài)質(zhì)量管理與考核[73].

4.1 GIS和RS是水生生物分析的基礎(chǔ)數(shù)據(jù)獲取工具

2S技術(shù)作為水生生物分析的基礎(chǔ)數(shù)據(jù)獲取和處理工具為相關(guān)統(tǒng)計分析服務(wù)，不僅能進(jìn)行時空分析，也能更精確地分析響應(yīng)關(guān)系. 解譯后的RS數(shù)據(jù)結(jié)合ArcGIS可以進(jìn)行數(shù)據(jù)的計算，如Zhang等[74]通過計算寬葉苜蓿的分布面積研究了武昌湖水生植物面積的分布變化；利用2S技術(shù)獲取的基礎(chǔ)數(shù)據(jù)與相關(guān)分析結(jié)合可明確生態(tài)因素，如Ongore等[75]結(jié)合2S技術(shù)和趨勢分析研究了水生植物對入侵魚類的影響；研究[76]表明，將2S技術(shù)結(jié)合到內(nèi)陸漁業(yè)管理領(lǐng)域，對評估資源潛力、魚類豐度和分布以及生境分類具有重要意義. 同時可以多尺度探究水生生物與土地利用、景觀格局等的響應(yīng)關(guān)系，如Bruns[77]將流域劃分兩個空間尺度，結(jié)合多元統(tǒng)計分析大型無脊椎動物與土地利用的響應(yīng)關(guān)系; Zhao等[78]通過劃分兩個空間尺度，結(jié)合相關(guān)分析方法研究了水生生物與景觀格局的響應(yīng)關(guān)系. RS實(shí)現(xiàn)空間數(shù)據(jù)獲取和信息提取，GIS實(shí)現(xiàn)遙感數(shù)據(jù)管理，同時能將參數(shù)空間分布可視化，2S技術(shù)與相關(guān)統(tǒng)計方法結(jié)合分析水生生物響應(yīng)關(guān)系的優(yōu)勢由此凸顯.

4.2 RS作為基礎(chǔ)數(shù)據(jù)源，利用GIS技術(shù)開展水生生物時空分析

在分析水生植物的時空分布時，插值法是最為常見的GIS分析方法，對原位采樣數(shù)據(jù)進(jìn)行空間插值存在諸多限制，如采樣點(diǎn)連續(xù)性無法保證，采樣程序復(fù)雜以及數(shù)據(jù)無法及時處理，現(xiàn)場測量很難捕捉短生命藻類和浮游植物大量繁殖等現(xiàn)象的時間和空間變異性[79]等，因此，RS快速獲取長序列數(shù)據(jù)的突出優(yōu)勢使其可用于GIS時空可視化分析. 目前，RS數(shù)據(jù)源多使用衛(wèi)星數(shù)據(jù)，傳感器有MODIS[80]、CCD[81]等，GIS空間插值結(jié)合大量衛(wèi)星數(shù)據(jù)后在精度上有所改善，不同的插值法結(jié)果因數(shù)據(jù)集大小和分布會有所差異，可比較分析后進(jìn)行選擇，如王玉磊等[82]研究表明，克里格法更適合太湖葉綠素的插值應(yīng)用. RS數(shù)據(jù)擁有多種信息源，數(shù)據(jù)采樣時間較短，樣點(diǎn)時間序列較長，能更好地適應(yīng)高變異性的河湖環(huán)境，彌補(bǔ)了GIS插值分析時因數(shù)據(jù)少和不均勻所導(dǎo)致的精度不高的問題，將融合的多數(shù)據(jù)源應(yīng)用在空間插值中將進(jìn)一步提升分析精度.

4.3 以GIS為圖像處理工具，利用RS技術(shù)進(jìn)行水生生物反演

RS反演中數(shù)據(jù)的獲取雖然相對簡便，仍存在數(shù)據(jù)缺乏同化、尺度效應(yīng)差和分析計算能力不足等問題，在水生植物RS反演研究中，GIS作為輔助工具加強(qiáng)了水體信息和RS圖像提取等過程，GIS能參與幾何校正[83]、輻射校正處理[84]、圖像分類和區(qū)域運(yùn)算[85]等RS操作，從而進(jìn)行圖像處理，如Chebud等[86]利用ArcGIS劃定區(qū)域以分析NDVI值，進(jìn)而反演葉綠素濃度等參數(shù). RS反演結(jié)合GIS強(qiáng)大的數(shù)據(jù)存儲和計算功能，不僅擴(kuò)大了數(shù)據(jù)源范圍，集成了不同尺度數(shù)據(jù)源，同時結(jié)合GIS圖像處理功能可得到各種專題圖，如Mohsen等[87]研究表明，RS結(jié)合GIS繪制水生生物參數(shù)圖具有較大潛力，能更好地理解水生生物的時空動態(tài)變化，利用GIS可以協(xié)助解決環(huán)境遙感面對的尺度效應(yīng)問題[88]，解決不同尺度上水生生物監(jiān)測難題.

4.4 2S技術(shù)與模擬模型在水生生物研究中的耦合應(yīng)用

在高強(qiáng)度人類活動和自然氣候綜合影響下的流域水生生物演變機(jī)制十分復(fù)雜，2S技術(shù)與數(shù)學(xué)機(jī)理模型的聯(lián)合應(yīng)用將是實(shí)現(xiàn)復(fù)雜問題歸因的重要技術(shù)手段之一. 2S技術(shù)通過數(shù)據(jù)的快速獲取可服務(wù)于模擬模型的建立和邊界條件輸入，有助于從時間和空間多個維度深入分析流域水生生物動態(tài)演變過程和退化機(jī)制[89]. 邵芳芳等[90]利用MODIS數(shù)據(jù)反演了太湖葉綠素濃度，通過GIS將其轉(zhuǎn)化為分布數(shù)據(jù)作為元胞自動機(jī)模型的輸入數(shù)據(jù)，模擬了水華的動態(tài)分布特征，研究表明，元胞自動機(jī)在克隆選擇算法優(yōu)化后能更加直觀地反映水華的時空特征，并在較短時間內(nèi)重復(fù)模擬水華的動態(tài)變化；Guo等[91]為預(yù)測鄱陽湖地區(qū)日本血吸蟲的中間寄主蝸牛-釘螺的棲息地范圍，開發(fā)了基于2S技術(shù)的模型，研究表明，該方法可以很好地預(yù)測釘螺的演變規(guī)律；曹楊[92]通過RS解譯、GIS疊加和插值方法，獲取了烏梁素海挺水植物Geo-CA模型的輸入數(shù)據(jù)，模擬了群落時空動態(tài)擴(kuò)散過程，研究表明，基于邏輯回歸和案例推理的模型能較好模擬預(yù)測挺水植物的時空分布情況. 2S技術(shù)與模擬模型的耦合形成了完整的集成系統(tǒng)，能夠有效實(shí)現(xiàn)短期水生生物的模擬預(yù)測[93].

5 2S技術(shù)在水生生物研究中的應(yīng)用展望

近年來人工智能、大數(shù)據(jù)挖掘、多元感知、環(huán)境DNA等新技術(shù)正在不斷與生態(tài)環(huán)境領(lǐng)域深度融合，同時更加注重在流域水生態(tài)保護(hù)和修復(fù)的大尺度應(yīng)用和決策支撐. 隨著“十四五”國家水生態(tài)監(jiān)測網(wǎng)絡(luò)的總體布局和信息化采集的加快，2S技術(shù)在水生態(tài)質(zhì)量管理中的應(yīng)用將是未來我國乃至全球的重要發(fā)展趨勢. 盡管2S技術(shù)的聯(lián)合應(yīng)用仍然存在一些技術(shù)難點(diǎn)，如在糟糕的氣象條件下應(yīng)用RS星載數(shù)據(jù)時處理難度大，2S技術(shù)的集成數(shù)據(jù)轉(zhuǎn)化問題，以及GIS的誤差傳遞和RS大氣校正精度等問題，但2S技術(shù)仍是快速實(shí)現(xiàn)水生生物時空分析、溯源以及預(yù)測的重要工具. 此外，5G技術(shù)、大數(shù)據(jù)分析、云計算、AI與2S技術(shù)的深度融合可實(shí)現(xiàn)大型河湖水生態(tài)質(zhì)量管理的智能化、實(shí)時化和立體化. 5G提供速度支撐、減少時間延遲，大數(shù)據(jù)分析進(jìn)行數(shù)據(jù)挖掘，云計算實(shí)現(xiàn)數(shù)據(jù)整合，AI進(jìn)行數(shù)據(jù)自動獲取、目標(biāo)實(shí)時識別，這些都為2S技術(shù)提供了更加快速、精準(zhǔn)、大容量的數(shù)據(jù)支持和高效智能一體化的技術(shù)手段. 5G技術(shù)、大數(shù)據(jù)分析、云計算、AI與2S技術(shù)耦合可實(shí)現(xiàn)流域天地空全天候、實(shí)時的動態(tài)數(shù)據(jù)監(jiān)控，自動獲取數(shù)據(jù)并分析，三維立體展示流域狀態(tài)，實(shí)現(xiàn)全智能的流域水生生物監(jiān)測和數(shù)值模擬預(yù)警，對于構(gòu)建數(shù)字長江、數(shù)字黃河以及支撐我國重大流域水系統(tǒng)問題診斷和管理決策具有重要意義.

建議下一步重點(diǎn)圍繞2S技術(shù)在水生生物時空分析和數(shù)據(jù)獲取上的技術(shù)優(yōu)勢，加強(qiáng)基于大數(shù)據(jù)分析的流域水生生物監(jiān)測技術(shù)和快速智能識別技術(shù)研發(fā)，構(gòu)建流域關(guān)鍵水生生物群落DNA數(shù)據(jù)庫，開發(fā)基于環(huán)境DNA成套現(xiàn)代化監(jiān)測技術(shù)，利用2S技術(shù)提供的數(shù)據(jù)邊界建立多元水生態(tài)要素的空間異質(zhì)性和動態(tài)響應(yīng)關(guān)系. 基于獲取的水生生物大數(shù)據(jù)信息，緊密圍繞流域“水文-水環(huán)境-水生態(tài)”三大要素相互作用機(jī)制，突破基于大數(shù)據(jù)算法和水生態(tài)機(jī)理耦合的河湖水生態(tài)完整性退化診斷預(yù)測技術(shù)，推動構(gòu)建我國自主知識產(chǎn)權(quán)的水生態(tài)系統(tǒng)模型庫及其配套子系統(tǒng)參數(shù)庫，集成研發(fā)重點(diǎn)流域水生態(tài)健康風(fēng)險預(yù)警與智慧管控數(shù)值化平臺，實(shí)現(xiàn)重點(diǎn)流域可視化的水生態(tài)環(huán)境通量管理和風(fēng)險預(yù)警，形成國家和重點(diǎn)流域?qū)用孀灾髦R產(chǎn)權(quán)的科學(xué)決策管控工具，從學(xué)術(shù)上揭示人類活動和氣候變化多重影響下的河流生態(tài)退化過程和成因，提升突發(fā)性流域水生態(tài)環(huán)境污染事件的決策支撐和水生態(tài)退化風(fēng)險管控能力.

6 結(jié)論

a) 2000—2020年國內(nèi)外針對2S技術(shù)在水生生物時空分析中的研究成果數(shù)量總體上處于增長狀態(tài)，2S技術(shù)的聯(lián)合應(yīng)用將是當(dāng)前河湖水生生物的研究前沿和熱點(diǎn).

b) GIS分析技術(shù)在河湖水生生物時空分析的常見應(yīng)用中，緩沖區(qū)分析法多用于緩沖帶劃定、影響因子范圍分析，疊加分析法用于水生生物時空信息計算，空間插值法能進(jìn)行水生生物時空分布趨勢分析. 目前GIS分析仍需加強(qiáng)數(shù)據(jù)庫的建立和標(biāo)準(zhǔn)化，實(shí)現(xiàn)長時間、大容量和多維數(shù)據(jù)的開發(fā)；在功能性上，因不能有針對性地與水生態(tài)領(lǐng)域結(jié)合而受到限制，需構(gòu)建基于GIS的水生生物模型；在專業(yè)性方面GIS與專家系統(tǒng)和云計算的結(jié)合是未來GIS的熱點(diǎn).

c) RS技術(shù)可以快速獲取長序列的水生生物數(shù)據(jù)，反演模型中神經(jīng)網(wǎng)絡(luò)模型等機(jī)器學(xué)習(xí)和半經(jīng)驗(yàn)?zāi)Ｐ途容^高，適合某些區(qū)域水生生物(主要為水生植物)反演，是當(dāng)前常用的主要方法，機(jī)理分析模型普適性最強(qiáng)，但模型的構(gòu)建需要進(jìn)一步加強(qiáng). 綜合利用多種環(huán)境因子進(jìn)行動物物種豐富度及空間分布預(yù)測是水生動物遙感研究的發(fā)展方向. 首先，未來需要開發(fā)針對內(nèi)陸水體的監(jiān)測衛(wèi)星，在數(shù)據(jù)管理和數(shù)據(jù)融合上提升云服務(wù)與遙感的結(jié)合，以及云GIS與RS的結(jié)合；其次，在解譯方面，人工智能具有巨大優(yōu)勢，需提升大氣校正模型精度，加強(qiáng)高分辨率的雷達(dá)和無人機(jī)的應(yīng)用；最后，深入開展在水體中垂直方向上的非均勻變化研究，水生生物RS反演在尺度問題、區(qū)域問題、響應(yīng)關(guān)系和閾值研究上可做進(jìn)一步擴(kuò)展，加強(qiáng)水生生物時空分析、溯源和預(yù)測功能.