沿海区域从高水位线延伸至浅海陆架,蕴藏着丰富的生物资源和高度多样化的生态系统 (Dai 等,2023)。虽然沿海水域仅占海洋表面积的 7–8%,但它们贡献了高达全球海洋初级生产力的 25% (Sun 等,2022)。此外,这些地区人口稠密且经济活跃,超过 40% 的世界人口居住在其中,使其对全球经济和人类社会不可或缺 (Costanza 等,1997, Nigam 等,2024)。随着我们对沿海物理和生物地球化学循环机制的理解加深,营养盐已成为水质监测和环境管理的关键指标 (Jennerjahn, 2012, Zhu 等,2022, Nouri 等,2008)。在过去的几十年中,沿海地区经济的快速增长,加上人口密度高和人类活动 intensively,导致营养盐输入增加,引发广泛的富营养化并加速生态系统退化 (Xiao 等,2019, Paerl 等,2014)。富营养化已成为威胁沿海健康的全球性问题,使得有效监测和严格评估成为迫切要求 (Rabalais 等,2009, Malone and Newton, 2020)。
沿海系统的富营养化主要由氮和磷等营养盐的过量输入驱动,这将引发有害藻华 (HABs) 等严重灾害 (Howarth 等,2006)。以长江流域为例,自 20 世纪 60 年代以来的人类活动,包括过度使用化肥、污水排放和大坝建设,根本改变了流入海洋的营养盐结构 (Wu 等,2023)。溶解无机氮 (DIN) 和溶解无机磷 (DIP) 的通量急剧增加,而对硅藻至关重要的溶解硅酸盐 (DSi) 由于水库的滞留而急剧下降。硅氮比的急剧下降触发了浮游植物群落结构的根本体制转变,导致优势物种从硅藻过渡到甲藻 (Liu 等,2022, Dai 等,2011)。这种转变往往导致有害甲藻红潮频繁且严重地爆发。这种深刻的改变可能标志着沿海生态系统已跨越关键临界点,进入一种新的、退化的稳定状态,这种状态可能难以逆转 (van de Vijsel 等,2024)。因此,这使得对这些营养盐进行长期、高分辨率监测对于有效环境管理至关重要 (Conley, 1999, Conley 等,2009)。传统监测方法,如浮标和科考船,在时空覆盖范围和成本方面有限。虽然海洋生态系统动态模型可以通过不断改进的参数化方案来表征物理和生物地球化学动态,但它们往往计算成本高昂,且模拟精度仍有待提高。遥感技术在监测和评估与富营养化相关的藻华方面取得了重大进展。然而,营养盐的定量监测仍是一个主要挑战 (Wan 等,2024, Isenstein and Park, 2014)。这主要是因为这些溶解的营养盐缺乏从可见光到近红外波段的明显频谱吸收或散射特性,使得它们难以通过传统光学遥感算法直接反演 (Chen 等,2023)。
近年来,数据驱动方法,包括统计分析、机器学习和算法处理,已被广泛应用于地球科学的各个学科,越来越多地用于建模复杂关系、发现潜在模式以及优化动态模型的效率和精度 (Reichstein 等,2019)。数据驱动方法也已有效应用于海洋遥感研究,以提高传统算法的反演精度和泛化能力。许多研究通过利用数据驱动方法成功估算了沿海生物地球化学变量,为其在建模复杂和高维关系方面的可行性和优势提供了初步证据 (Sun 等,2024, Teodoro 等,2007, Chen 等,2024, Shao 等,2024, Zhao 等,2024, Dong 等,2022)。显著的是,与叶绿素 a (Chl-a)、总悬浮物 (TSM) 和有色溶解性有机物 (CDOM) 等光学活性成分 (OAC) 不同,营养盐是非光学活性成分 (NOAC),无法通过遥感信号直接检测(如图 1 所示)(Soomets 等,2022)。以前的研究已建立,虽然溶解营养盐本身无法从太空直接检测,但它们的浓度与各种生物和物理过程密切相关。许多与沿海环境过程相关的变量,如浮游植物生物量,可以通过卫星监测,从而为营养盐估算提供了间接途径 (Chen 等,2023, Wu 等,2022, Huang 等,2023)。此外,随着遥感和原位数据集的不断增长,数据驱动方法在估算沿海营养盐的时空分布方面发挥着essential 作用。在过去 10 年中,这一新兴研究方向正在塑造基于卫星的营养盐建模新范式,显著增强了对沿海水域的监测和评估 (Soomets 等,2022)。
因此,为了推进数据驱动和基于遥感的沿海营养盐研究中的新技术,并探索管理沿海富营养化的新机遇,本文首先概述了沿海营养盐动力学的机制,这解释了由于非光学特性导致的遥感观测困难,以及由于高时空异质性导致的估算复杂性。然后,我们回顾了使用数据驱动方法进行营养盐估算的十多年进展,综合了来自不同全球生态系统的文献——包括西北欧陆架、美国沿海海湾和上升流系统,以及亚洲复杂的河口、群岛和边缘海。随后,我们分析了现有数据驱动方法的类别和特征,以及它们如何解决上述挑战。最后,我们讨论了数据驱动营养盐估算的优缺点,以及方法改进和实际实施的未来方向。