摘要
水生植被和藻类作为湖泊生态系统的主要初级生产者，对湖泊生态系统具有重要作用。在气候变化和人类活动的双重作用下，湖泊富营养化加剧，水生植被退化，藻类水华频发。开展湖泊水生植被群落和藻类水华的长期观测可为湖泊生态系统水生植被修复和藻类水华管控提供决策依据。本研究以太湖流域浅水湖泊长荡湖为研究区，基于1985—2021年的Landsat 5和8卫星数据，利用VBI（vegetation and bloom indices）草藻分类算法，开展了浮叶/挺水植被、沉水植被和藻类水华长时序时空演变分析。结果表明：36年来，长荡湖水生植被（包括浮叶/挺水植被和沉水植被）都呈现显著下降趋势，其中沉水植被下降趋势尤为明显，沉水植被从湖中心向岸边逐步退化，其覆盖度从1985年的75%下降至2021年的不足21%；自2011年起，长荡湖水生植被优势生活型从沉水植被转变为浮叶/挺水植被；2010年首次监测到水华发生，2020年和2021年连续两年均监测到湖中心有大面积水华。基于湖泊围网面积和气象数据分析发现，围网拆除是水生植被退化和优势生活型转变的主要因素。
Abstract
Aquatic vegetation and algal, as primary producers within lake ecosystems, play crucial roles in the aquatic ecosystem health. However, the combined impacts of climate warming and intensified human activities have led to significant transformations of lake environment, such as eutrophication, degradation of aquatic vegetation, and the occurrence of algal blooms. Long-term monitoring of aquatic vegetation communities and algal blooms in lakes is essential for informed decision-making on aquatic vegetation restoration and algal bloom control. This study focused on long-term changes in aquatic vegetation communities and algal blooms in Lake Changdang, a shallow lake in Taihu Basin. Based on Landsat 5 and 8 satellite data during 1985-2021, we employed the vegetation and bloom indices algorithm, a classification algorithm capable of identifying aquatic vegetation and algal blooms, to analyze the temporal and spatial evolution of floating/emergent aquatic vegetation, submerged aquatic vegetation, and algal blooms. Results showed that a significant decline occurred in both floating-leaf/emergent vegetation and submerged vegetation within Lake Changdang over the past 36 years. Particularly, submerged aquatic vegetation gradually degraded from the center towards the shore, with the coverage decreasing from 75% in 1985 to ＜21% in 2021. Since 2011, the dominant aquatic vegetation community in Lake Changdang has transitioned from submerged vegetation to floating/emergent vegetation. Notably, presence of algal blooms was first detected in 2010, with subsequent large-scale occurrences in lake center observed in 2020 and 2021. Eutrophication and enclosure activities were identified as the primary factors of the degradation of aquatic vegetation.
Keywords
水生植被和藻类同是水生生态系统的初级生产者，但在湖泊生态系统中的作用完全不同，分别主导着两种湖泊生态系统稳态。一方面，水生植被，包括沉水植被和浮叶/挺水植被，可以缓滞水流、促进沉降、抑制风浪、澄清水质，还可为鱼类等生物提供栖息环境[1-2]，有水生植被分布的湖泊往往水体透明度高，水质向好，生态系统健康，为清水态生态系统[3-4]。另一方面，藻类水华是湖泊重度富营养化的结果，藻类在短时间内生长并腐烂，释放大量的藻毒素，引起水生生物大量死亡，恶化水质，甚至威胁人类饮用水安全，对湖泊生态系统具有严重危害[5-6]，有藻类水华发生的湖泊往往富营养程度高，水质较差，为浊水态生态系统[7]。因此，掌握水生植被群落、藻类水华的时空分布和演变对湖泊生态系统稳态追踪以及生态服务功能评估至关重要。
卫星遥感具有宏观、动态、可历史追溯等优点，是开展湖泊水生植被和藻类水华时空监测的有效手段。目前，围绕湖泊水生植被和藻类水华监测，已发展了一系列的光谱指数，包括归一化植被指数（normalized difference vegetation index，NDVI）、归一化水体指数（normalized difference water index，NDWI）、水体调节植被指数（water adjusted vegetation index，WAVI）、浮游藻类指数（floating algae index，FAI）等[8-10]，并基于这些光谱指数，构建了水生植被或藻类水华监测算法，如Fang等[11]通过改进FAI指数，提出了调节浮游藻类指数（adjusted floating algae index，AFAI）。此外，基于Landsat影像开展了1983—2016年呼伦湖藻类水华的提取与变化监测；Villa等[10]基于Landsat 影像，利用NDVI、NDAVI（normalized difference aquatic vegetation index）、WAVI等指数构建了水生植被群落决策树分类方法，并成功提取了太湖、Kis-Balaton、Trasimeno和Mantua4个湖泊的不同生活型水生植被；Dai等[12]基于FAI和NDWI，结合光谱线性混合模型，构建了沉水植被的自动提取算法，并在东太湖湾、洪湖等应用。然而，以上算法要么是围绕不同生活型的水生植被分类，要么是围绕藻型湖泊提取水华，而在草藻共存的湖泊，缺少不同生活型水生植被和藻类水华的遥感同步识别方法，而现有的这些指数和方法均会对草藻产生误判[13]。针对该问题，Luo等[13]提出了新的水生植被指数（aquatic vegetation index，AVI），并构建了一种同步识别浮叶/挺水植被、沉水植被和藻类水华的VBI（vegetation and bloom indices）算法，该算法为富营养化湖泊（尤其是草藻共存的湖泊）不同水生植被群落和藻类水华的长期时空演变监测与追踪提供了行之有效的方法。
长荡湖位于太湖流域，是常州市重要的水源地，也是重要的水产种质资源保护区和生态红线保护区，其水生态和水环境的长期变化对生态环境修复与管理以及可持续发展具有重要作用。长荡湖曾分布着丰富的水生植被，是典型的草型湖泊[14]，近年来时有藻类水华暴发的报道。目前的研究主要关注长荡湖水质参数（如叶绿素a、总氮、总磷等）的长时序变化[14-15]和鱼虾蟹等渔业养殖[16-17]，但对水生植被不同群落和藻类水华的长期时空演变特征研究较少，仅有的信息也来源于调查数据，人工调查的时空局限性导致其不足以捕捉全湖植被和藻类水华的长期演变规律。因此，本研究旨在基于1985—2021年的Landsat 5 和8卫星影像，开展过去36年来长荡湖浮叶/挺水植被、沉水植被和藻类水华的时空变化监测，并阐明其长期变化特征及驱动因素。本研究成果可为湖泊稳态转换研究提供基础数据，对长荡湖水生植被修复和藻类水华管控等生态保护提供数据支撑和科学依据。
1 研究区与数据
1.1 研究区概况
长荡湖（31°33′~31°40′N，119°30′~119°37′E）又名洮湖，是古太湖分化残留的重要湖泊之一，地处江苏省常州市金坛区东南部，横跨金坛、溧阳两地，北通长江，南接太湖，西邻丹金溧漕河，东连滆湖[18]。长荡湖属于亚热带季风气候，季节分明，降水多集中在夏、秋季节，雨量充沛，年降水量在1000~1400 mm之间[19]。长荡湖形状北宽南窄，现有湖泊面积约为85 km2，是太湖流域的第三大湖泊；湖盆地形平坦，无显著起伏，平均水深约为1.1 m，是典型的过水性、浅水湖泊（图1）。近几十年，受工农业等流域污染排放和湖内围网养殖等影响，长荡湖富营养化加剧，主要污染物为总氮（TN，劣Ⅴ类）、总磷（TP，Ⅲ~Ⅴ类）和高锰酸盐指数（CODMn，Ⅱ~Ⅳ类），水体营养水平介于轻度~中度富营养之间[14]。
图1研究区地理位置和假彩色Landsat影像
Fig.1Geographical location of the study area and the false-color Landsat imagery
1.2 数据收集及预处理
1.2.1 影像数据收集与预处理
本研究使用的遥感数据源为Landsat 5 和Landsat 8卫星数据。两颗卫星的重访周期为16 d，影像空间分辨率为30 m。本研究获取的长荡湖Landsat系列影像均来源于谷歌地球引擎（GEE），包括1985—2011年的Landsat 5 TM地表反射率数据（LANDSAT/LT05/C01/T1_SR）和2013—2021年的Landsat 8 OLI地表反射率数据（LANDSAT/LC08/C01/T1_SR）。对于每一景地表反射率影像，通过Fmask算法得到的QA波段生成云和云阴影掩膜，去除影像中的云和云阴影。
由于Landsat数据的时间分辨率有限，年内可获取到的无云有效影像较少。为了尽可能获取更多的影像以准确捕捉水生植被群落和藻类水华变化，本研究将去云后的总像元面积大于湖泊面积50%的影像定义为有效影像。1985—2021年间，共获取了425景有效影像（附图Ⅰ）。
1.2.2 水生植被调查数据获取
分别在2009、2013和2019年水生植被的关键生长季开展地面调查，共获取107个水生植被调查样点（图1），作为验证数据集，具体的调查信息见附表Ⅰ。鉴于Landsat影像的分辨率为30 m，但地面样本点为点状采样，为了确保地面样本点对卫星监测结果验证的可靠性，采样时通过目视估算大于2个像元范围内（60 m×60 m）水生植被的覆盖度和优势生活型植被。
1.2.3 其他数据获取
本研究还获取了长荡湖附近的国家气象站点（区站号58345，溧阳站）数据，包括1989—2021年的月尺度气温和降水量数据。此外，还获取了1985—2020年长荡湖的围网养殖区面积数据[20]。该数据是基于Landsat遥感假彩色影像，利用人机交互目视解译的方法获得，基于该方法，我们补充了2021年长荡湖的围网养殖区面积。
2 研究方法
2.1 水生植被与藻类水华提取方法
通过VBI草藻分类算法[13]开展长荡湖不同生活型水生植被与藻类水华的分类监测。VBI算法本质上是一个分类决策树（图2），由3个植被指数和3个阈值组成，分别为AVI、NDVI和FAI及对应分类阈值a、b、c。VBI算法分为3个步骤：①通过像元AVI和阈值a，将研究区分为水生植被区和非水生植被区，即：当像元AVI＞a时，该像元被分类为水生植被，否则被分类为非水生植被。②在水生植被区，通过像元NDVI和阈值b进一步分类，即：当像元NDVI＞b，该像元被分类为浮叶植被，反之被分类为沉水植被；③在非水生植被区，通过像元FAI和阈值c进一步分类，即：当像元FAI＞c，该像元被分类为藻类水华，反之被分类为开阔水体。其中，AVI的阈值a通过混合线性模型[13]获取，NDVI的阈值b为0.2，FAI的阈值c为0.02。
图2VBI草藻分类算法技术流程
Fig.2Technical process of the VBI classification algorithm
2.2 不同生活型植被变化趋势分析
基于以上方法，对每景有效影像进行分类后，分别得到浮叶/挺水植被、沉水植被、藻类水华和开阔水体的像元数和面积，并基于每个类别的年内最大面积，开展年际间变化趋势分析。利用传统的线性拟合开展水生植被变化趋势分析，并利用t检验进行变化趋势显著性检验[21]。
2.3 像元尺度的年内优势植被生活型确定
考虑到藻类水华发生的空间多变性，本研究特别定义：如某像元年内有一次被分类为藻类水华，则该像元就被认为是藻类水华像元，用于获取年内藻类水华的时空分布。考虑到不同生活型植被年最大面积并不能反映研究区年内各类型的总体分布格局和优势生活型，本文通过定义研究区每个像元的植被优势度，获取不同生活型植被的年空间分布，并得到年内植被优势群落。具体方法如下：
(1)
式中，Df为像元的优势度，Npixel为年内像元被分类的总次数，NEFAV和NSAV分别为像元年内被分类为浮叶/挺水植被和沉水植被的次数。当Df≥0时，表明该像元的优势生活型为浮叶/挺水植被，反之则判为沉水植被。基于以上方法，获取研究区的年内不同生活型水生植被空间分布及面积。当年内浮叶/挺水植被的面积大于沉水植被时，则该年研究区的优势植被生活型为浮叶/挺水植被，反之，沉水植被为优势生活型。
3 结果与分析
3.1 遥感分类结果精度验证
基于地面验证数据集，通过混淆矩阵[22]，对遥感分类结果开展精度验证（表1）。结果显示，水生植被分类总体精度为87.78%，Kappa系数为0.83。其中，浮叶/挺水植被和沉水植被的生产者精度分别为95.12%和85.71%，制图精度分别为92.86%和85.71%。
表1水生植被遥感分类结果混淆矩阵
Tab.1 Confusion matrix for remote sensing classification results of aquatic vegetation
考虑到野外调查时未捕捉到藻类水华的发生，无藻类水华验证样点，不能通过实测样点验证藻类水华监测结果的准确性。但水生植被群落一般分布较为固定且随季节有规律的演替，而藻类水华暴发一般时间短、空间多变。在现场同步数据有限的情况下，也可通过不同水生植被群落和藻类水华年内时空变化是否符合其物候特征，来间接评价分类算法和结果的准确性。图3显示了长荡湖2019年和2020年连续两年不同季节影像的水生植被和藻类水华分类结果，可以看出长荡湖浮叶/挺水植被和沉水植被分布区域均较为固定，仅在2020年8月30日的影像中监测到湖中心大区域藻类水华发生。因此，水生植被和藻类水华时空变化符合其物候特征，表明VBI算法监测藻类水华的结果准确可靠。
图32019年和2020年不同季节长荡湖的浮叶/挺水植被、沉水植被和藻类水华的遥感分类结果
Fig.3Satelite images and corresponding classification of floating-leaved/emergent vegetation, submerged vegetation and algal blooms in Lake Changdang in 2019 and 2020
3.2 不同生活型水生植被面积长时序变化
1985—2021年间，长荡湖总水生植被面积以及浮叶/挺水植被和沉水植被面积长时序变化见图4。结果表明，过去36年来，年内最大水生植被面积呈现显著下降趋势（R2=0.75，P＜0.01），相比浮叶/挺水植被（R2=0.31，P＜0.01），沉水植被下降趋势尤为明显（R2=0.75，P＜0.01）。总水生植被面积从1985年的最大值为71.4 km2下降至2021年的最大值为13.7 km2，下降幅度约为57.7 km2，超过80%；沉水植被面积最大值从1985年的57.7 km2下降至2021年的7.06 km2，下降幅度超过87.7%；浮叶/挺水植被面积最大值从1985年的60.3 km2下降至2021年的11.7 km2，下降幅度超过80%。
从年内变化来看，水生植被面积波动变化，不同生活型水生植被年内最大面积出现的月份不同。对于浮叶/挺水植被，面积最大值均出现在6—9月份；而对于沉水植被，36年中有24年的沉水植被年内最大面积出现在春冬季（12月-次年4月），其他年份最大面积出现在其余月份，这主要是由于不同年份沉水植被的优势种群不同，分别为春冬型沉水植被（如菹草）和夏秋型沉水植被（如眼子菜）[23]。
图41985—2021年长荡湖沉水植被（a）、浮叶/挺水植被（b）和总水生植被（c）面积变化
Fig.4Area changes of submerged vegetation (a) , floating-leaved/emergent vegetation (b) , and total aquatic vegetation (c) in Lake Changdang from 1985 to 2021
图51985—2021年长荡湖不同生活型水生植被面积与藻类水华面积占比的动态变化
Fig.5Dynamic changes in the area proportion of different life types aquatic vegetation and algal blooms in Lake Changdang from 1985 to 2021
3.3 水生植被和藻类水华年空间分布变化
通过年内植被出现频率，获得1985—2021年长荡湖不同生活型水生植被与藻类水华的面积占比的动态变化和空间分布（图5和图6）。结果显示，水生植被分布面积总体上呈现显著下降趋势（P＜0.01），可大致分为3个不同的变化阶段：（1）第一阶段，约在1985—2004年间，相对稳定阶段：总水生植被面积占比较高，稳定在80%左右；优势植被生活型以沉水植被为主，平均占比约为74.9%；浮叶/挺水植被大多分布在离岸较近的环湖区，平均占比约为20.7%。（2）第二阶段，约在2005—2014年间，优势生活型转变阶段：总水生植被面积占比略有减少，从2005年的83.1%下降至2014年的67.4%；沉水植被面积占比显著减少（P＜0.01），从2005年的74.7%下降至2014年的19.2%，下降幅度超过50%；同时浮叶/挺水植被面积占比显著增加（P＜0.01），从2005年的8.3%上升至2014年的48.1%，浮叶/挺水植被生长区域从离岸较近的环湖区开始往湖中心蔓延；从2011年开始优势生活型从沉水植被转变为浮叶/挺水植被；2010年首次监测到藻类水华暴发，面积占比为10.7%。（3）第三阶段，约在2015—2021年间，快速退化甚至消失阶段：总水生植被面积占比显著减少（P＜0.01），从2015年的63.7%下降至2021年的22.9%，其中2020年占比最低，已不足20%；沉水植被面积占比从2015年的20.9%下降至2021年的6.2%，仅南部地区有少量分布；浮叶/挺水植被面积占比从2015年的42.8%下降至2021年的16.7%，仅分布在离岸较近的环湖区；同时，2020年和2021年连续两年监测到大面积的藻类水华，面积占比分别为27.4%和32.2%，暴发区域均位于远离岸边的湖中心地带。
图61985—2021年长荡湖不同生活型水生植被与藻类水华空间分布
Fig.6Spatial distribution of different life types aquatic vegetation and algal blooms in Lake Changdang from 1985 to 2021
4 讨论
VBI算法的最大优点在于可以同时识别浮叶/挺水植被、沉水植被和藻类水华[13]。本研究基于Landsat影像，利用VBI算法对长荡湖水生植被和藻类水华进行提取，从实测点验证和水生植被与藻类水华物候变化来看，VBI算法具有较高分类精度（表1和图3）。从算法中关键指数AVI的计算公式看，红、近红外和短波红外波段的权重更高，理论上，具有这些波段的影像（如Sentinel、MODIS等）算法都是可用的，但由于不同传感器波段设置范围和信噪比不同，该指数和算法在其他影像上的应用效果还需要进一步验证和评价。本研究基于VBI算法，发现在过去36年来长荡湖的水生植被尤其是沉水植被面积呈现显著下降趋势，空间上从湖中心向岸边逐步退化，这一结论与前人研究结果一致。如付言言等[24]通过野外实地调查和遥感解译等方式，开展了长荡湖2014—2017年水生植被物种组成、群落组成及空间分布调查，发现水生植被呈持续衰退趋势，截至2017年7月，仅南部围网区和西北部滩涂湿地附近水域有连片水生植被分布。
长荡湖水生植被（尤其是沉水植被）显著减少原因可能是多方面的。其中，温度和降水对水生植被（尤其是沉水植被）萌发和生长极为重要。在植被生长期，较高的气温意味着较高的积温，有利于植被的萌发和生长[25-26]；相对较高的降水量会引起湖泊水位抬升，使光学深度降低，影响水生植被的萌发和生长[27-28]。1989—2021年间，长荡湖的年平均气温（图7）呈现显著上升趋势（P＜0.01），因此，气温并不是导致长荡湖水生植被显著下降的原因。长荡湖年累积降水量（图7）在1200 mm上下呈现波动变化，总体并无显著变化，但研究发现，在降雨量明显偏多的年份，水生植被（尤其是浮叶类植被）相比前一年减少显著，如1991年和2016年，年降水量都超过了1600 mm，浮叶植被大面积消失，这可能是因为较大的降水量引起湖泊水位升高，浮叶植被沉入水中无法进行光合作用或缺氧而死亡。可见，极端降水会对水生植被短期内产生影响。
图71989—2021年长荡湖年平均气温和年累积降水量
Fig.7Annual mean temperature and cumulative annual precipitation in Lake Changdang from 1989 to 2021
除去气温、降水等自然因素，人类活动（如农业面源污染、城镇化、工业污染等）引起的湖泊富营养化加剧也是导致水生植被退化的重要原因[29]。此外，本研究发现围网拆除行动也是长荡湖沉水植被减少的主导原因之一[30]。根据长荡湖的围网面积数据集，围网经历了从建立到拆除的过程：从1984年开始建立围网，直至1999年围网面积达到最大（为64.84 km2）；2004年开始围网逐步被拆除，2004—2017年围网面积从60.88 km2减少到7.9 km2[31]。本研究发现，从1999年围网面积最大开始到2017年拆网结束，围网面积占比与水生植被面积占比呈现出显著的正相关关系（R2=0.97，P＜0.01）（图8）。围网拆除与水生植被减少高度相关，主要在于：一方面，围网拆除后，人们不再对围网内的水生植被进行管护，如种植沉水植被、清除浮叶植被等[32]；二是围网拆除后，湖泊风浪变大，会扰动水体底部泥床，导致透明度下降，不易于沉水植被生长，同时那些原来生活在围网中不抗风浪的沉水植物会快速死亡[33-34]。
此外，随着长荡湖的水生植被持续减少，2010年、2020年和2021年分别观测到湖中心有大面积藻类水华。藻类水华的出现一方面是湖泊持续富营养化的结果。已有研究表明，1990—2005年长荡湖水质持续恶化，综合水质类别由Ⅲ类变为劣Ⅴ类；虽然开展了系列生态修复，如湖区餐饮业整治和入湖氮磷削减工程示范等，但2017—2019年间，TN和TP浓度仍然处于较高水平[15]。另一方面，水生植被的持续退化，有利于藻类水华形成。水生植被具有抑藻作用，与藻类存在此消彼长的竞争关系[35]，水生植被的减少必然会使藻类的竞争力增强，更容易暴发藻类水华。
图8长荡湖围网与水生植被面积占比的相关性
Fig.8Correlation between area proportion of enclosure aquaculture and aquatic vegetation in Lake Changdang
5 结论
本研究基于1985—2021年Landsat 5 和8卫星影像，利用VBI算法，开展了过去36年来长荡湖浮叶/挺水植被、沉水植被和藻类水华时空变化监测和分析，结果显示：1985—2021年间，长荡湖水生植被，包括浮叶/挺水植被和沉水植被，都呈现显著下降趋势，其中沉水植被退化尤为明显，从1985年的57.7 km2减少至2021年的7.06 km2，下降幅度超过87.7%，在空间上表现出从湖中心向岸边逐步退化；2011年后长荡湖水生植被优势生活型从沉水植被转变为浮叶/挺水植被，2010年首次监测到藻类水华，随后的2020年和2021年连续两年均监测到湖中心有大面积藻类水华，这表明长荡湖已从过去的草型湖泊转变为现在的藻型湖泊，湖泊富营养化和围网拆除是导致这种转变的主要原因。因此，亟需开展湖泊生态系统修复，包括流域污染减排、水生植被恢复和藻类水华管控。
6 附录
附表Ⅰ和附图Ⅰ见电子版（DOI： 10.18307/2025.0211）。
