■本报记者 袁一雪

在生态系统中，水生植被对于维护湖泊健康和生物多样性具有长远的生态意义。但在全球范围内，长时序的水生植被数据极为匮乏，这给深入研究和有效保护水生植被带来了巨大阻碍。

为此，来自中国科学院南京地理与湖泊研究所（以下简称南京地湖所）的科研人员，面向全球5587个浅水湖泊中的水生植被开展研究，收集了它们32年来的变化趋势及稳态转换情况相关数据。结果发现，1989年至2021年，沉水植被大幅减少，浮叶等水上植被缓慢增加，这种潜在转变意味着湖泊面临生态系统退化风险。这项研究近日在线发表于《创新》（The innovation）。

沉水植被锐减

“根据生态属性和生长特性，水生植被可分为浮叶植被、漂浮植被、挺水植被和沉水植被。从遥感观测角度，我们将叶片或者植株生长在水面以上的植被统称为水上植被，主要包括漂浮植被、浮叶植被以及挺水植被；整个植株都沉在水面以下的植被则为水下植被，也就是沉水植被。”论文第一作者、南京地湖所研究员罗菊花告诉《中国科学报》。

浮在水面的植被很容易识别，生长在水下的沉水植被则容易被忽略。事实上，被忽略的沉水植被在水生态系统中扮演着至关重要的角色，被称为“水下森林”。它们是湖泊生态系统重要的初级生产者，可以净化水质、抑制藻类生长、为鱼类等水生生物提供食物与栖息地，同时也是湖泊重要的碳汇，对维持和促进水生生物的多样性与丰富度起着重要作用，是维持湖泊清水态的重要指标。

卫星遥感监测结果显示，1989年至2021年，全球水生植被平均覆盖面积为108186平方公里，占全球湖泊面积的28.9%，其中水上植被占15.8%、沉水植被占13.1%；全球95%的水生植被分布在北半球，其中北美洲占比最高为58%，其次是亚洲占比为19%，欧洲占比为18%。

上世纪90年代以来，全球湖泊沉水植被呈现先增后减的趋势，浮叶等水上植被的变化正好相反，先减后增。在2000年后，全球湖泊中的沉水植被快速退化，减少了30.4%，而浮叶类等植被则缓慢增加，增加了15.6%。这一趋势在2010年后更为显著。这表明，湖泊生态系统正朝着以浮叶等植被主导的阴影态与藻类主导的浊水态转换。

“在2010年前，人类活动导致的富营养化加剧为稳态转换的主导因素；2010年后，全球变暖则成为湖泊生态变化的主导因素。”罗菊花解释说。这种变化标志着湖泊中水生植被的主导类群由沉水植被向浮叶类植被转变，说明湖泊稳态状态正发生潜在转换。

罗菊花继续解释说：“这种变化可能造成两个后果。第一，浮叶等水上植被持续增加，浓密的叶片铺在水面上，光被遮挡而无法进入水下，水下光场变暗，导致沉水植被死亡或者消亡，生物多样性下降，生态系统变得脆弱甚至崩溃，对人类的服务价值下降甚至消失。第二，如果遇到洪水、强降雨等极端气候，或者突发的人为活动，如大量收割等，会导致水生植被全部消失，水体高营养盐无处消纳，藻华暴发，湖泊生态系统灾变为藻型浊水态。”

独创遥感算法

“研究湖泊中的沉水植被，需要依靠人工实地样方调查，数据时空离散且不确定性大。”论文通讯作者、南京地湖所研究员段洪涛介绍，“如果调查的湖泊数量增加，势必耗费大量人力物力，且很多水生植被生长的区域，人和船都无法进入。”

一直以来，更多研究人员倾向于就近监测研究单个湖泊或热点湖泊的生态环境。只有极少科学家关注并解析过全球水生植被长时间序列变化。即便有论文发表，其中的数据也只能通过对文献检索数据的挖掘，分析其变化趋势。

“这种方法获取的数据或信息是有限的，且获取数据时间尺度上的连续性和一致性比较差。”段洪涛表示。于是，他带领团队开始酝酿关于全球湖泊水生植被的长时序数据集构建和变化解析。

“面向全球湖泊开展研究比面向全球海洋更复杂，因为前者散布在全球各地，深浅不一，周围环境、气候、生态状况等不尽相同，加之水生植被种类复杂，构建遥感算法、进行全球湖泊水生植被不同类群的提取非常具有挑战性。”罗菊花说。

“这种算法是团队独创的。我们在草藻多生态群落共存的太湖研制出该算法，并在长江中下游湖泊对其进行了广泛验证与推广应用。”段洪涛解释说。2023年，关于该算法的论文发表于《环境遥感》，详细阐述了算法的研制、验证，并解析了长江中下游浅水湖泊水下植被、水上植被以及藻华的变化趋势。

算法的顺利应用给予团队极大信心，他们决定正式开启全球湖泊水生植被研究。

首次构建全球浅水湖泊水生植被数据库

研究开始时，罗菊花等人借助美国国家航空航天局的140万景陆地卫星影像，重构了1989年至2021年全球浅水湖泊内的水生植被群落时空数据集，期望通过数据分析，像研究太湖等长江中下游湖泊那样解析全球湖泊植被的分布与演变密码。

然而，此前一直“给力”的算法，却在应用于全球湖泊的过程中出现了一些问题。

不同于长江中下游湖泊，由于分布范围广、地形差异大等，全球湖泊的形态特征、周边生态环境及湖内的植被类群更为复杂，对算法提出了更高要求。比如，算法对深水湖泊的适用性不高；一些湖泊中水生植被群落与藻类群落生长的特异性，造成浮叶植被、漂浮植被和藻华被错误分类；高纬度湖泊中的湖冰也会导致错误分类等。

针对不同问题，研究团队不断讨论、改进优化，提出了一套适用于全球面积大于10平方公里、平均深度小于15米的浅水、淡水湖泊的水生植被数据集的工作流程。经过筛选后，共有5587个湖泊进入研究人员的视野中。

罗菊花记得，那是2022年，春节假期还未结束，他们就在全球范围内开展算法测试。该算法终于“修炼”成为可批量识别全球湖泊沉水植被群落的算法。

“相比其他水上植被，沉水植被的遥感光谱信号较弱，但在卫星影像的不同波段，有沉水植被的区域与无沉水植被的区域仍然有光谱差异。我们通过叠加每个波段上二者的差异，构建了光谱指数。该指数可以极大增强有沉水植被区和无沉水植被区的光谱差异，从而实现对沉水植被的提取与制图。”罗菊花介绍说。

“我们通过卫星获取的全球5587个湖泊的水生植被数据，是目前全球范围内湖泊数量最多、时间序列最长的数据集，为全球湖泊水生植被研究提供了科学可靠的数据产品。”论文共同通讯作者、南京地湖所研究员张运林补充说。

从2022年春节启动，到2025年春节发表成果，3年努力见成效，罗菊花直言这是送给自己的蛇年礼物。“春节是我们工作的最好时机，因为这段时间被打扰得最少。”合作作者肖启涛说。

“未来，在高强度人类活动和快速气候变化的双重胁迫下，全球湖泊将面临极大的生态退化风险。因此，应该采取科学、合理、有效的应对策略确保湖泊生态可持续发展。”张运林表示。他们希望通过这项研究，推动全球数据集共享、加强国际合作，为全球湖泊生态恢复和美丽中国建设提供坚实的数据基础与科学支撑。

相关论文信息：

https://doi.org/10.1016/j.xinn.2024.100784