编辑推荐：
为解决对湖泊和水库生物与非生物控制动态认知不足，以及传统浮游生物研究方法的局限等问题，研究人员开展了对瑞士格里芬湖（Lake Greifen）2018 年 4 月 - 2023 年 6 月的高频监测研究。得出包含多方面数据的综合数据集，为研究湖沼学和浮游生物群落生态学提供了独特资源。
在地球的生态版图中，湖泊宛如璀璨的明珠，不仅是生物多样性的重要栖息地，还为人类提供了至关重要的生态服务，如饮用水供应、渔业资源以及经济和文化支持。然而，随着全球气候变化和人类活动的加剧，这些湖泊正面临着前所未有的挑战。比如，气候变化导致山地积雪储备减少，地下水资源压力增大，使得人类社会和地方经济对湖泊等脆弱生态系统的依赖愈发严重。
在研究湖泊生态系统时，浮游生物的重要性不可小觑。由于它们的世代时间短，能快速对环境变化做出反应，所以浮游生物的数量和多样性常被用作评估生态系统健康状况和水质的关键指标。不过，目前在相关研究领域存在诸多问题。一方面，人们对于生物和非生物因素在湖泊和水库动态变化中的相对重要性了解不足，特别是在预测水质快速变化（如藻华）方面，由于浮游生物世代更替迅速，气象条件变化引发的水动力响应也很快，藻华可能在数天或数周内突然爆发，这给相关研究带来了很大困难。另一方面，传统的浮游生物研究方法主要依靠显微镜鉴定和分析，这种方法不仅耗费大量时间，还高度依赖专业分类学家的专业知识，而且容易受到人为误差的影响，难以保证分析质量。同时，传统采样和分析的频率较低，无法准确捕捉和模拟湖泊生物地球化学过程，对于浮游生物动态变化的研究，迫切需要在更短的时间尺度上进行量化分析。
为了深入了解湖泊生态系统的奥秘，解开浮游生物与环境之间复杂的关系谜题，来自瑞士联邦水科学与技术研究所（Eawag）等机构的研究人员开展了一项意义重大的研究。他们将研究目光聚焦于瑞士的格里芬湖（Lake Greifen），这是一个面积为8.45 km2的单周期混合湖，经历了显著的富营养化和随后的再贫营养化过程。研究人员在 2018 年 4 月至 2023 年 6 月期间，利用高频自动监测系统，对该湖进行了全面而细致的监测，最终获得了一个综合性的数据集，该研究成果发表在《Scientific Data》上。
在研究过程中，研究人员运用了多种关键技术方法。首先是监测平台的搭建，该平台由太阳能面板和燃料电池供电，配备了气象站、CTD（Conductivity Temperature Depth）探头和剖面仪以及双放大暗场水下显微镜（DSPC）等设备。气象站以 1 - 30 分钟的高频率收集气象数据；DSPC 每小时对 3 米深度的浮游生物进行成像，获取其大小、形状和分类信息；CTD 探头则以 3 - 6 小时的间隔对 1 - 17 米深度的水温、氧气等关键参数进行监测。此外，研究人员还每周（冬季每两周）手动采集水样进行营养化学分析。在数据处理阶段，针对不同仪器收集的数据，制定了严格的清洗协议，去除技术假象和测量误差，确保数据质量。
研究结果如下：
- 气象数据：气象站收集了丰富的气象参数，包括降水、全球辐射、风速、气温、湿度等。在数据处理过程中，剔除了技术假象和测量误差，如将相对湿度或绝对气压为 0 的数据点设为 NA，将风速和风向异常值设为 NA 等。经过数据清洗，保留了 16,662,570 个数据点，涉及 13 个变量和 1,218,393 个时间点。通过与附近气象站的数据对比，发现虽然存在局部差异，但整体模式相似。
- 水下浮游生物成像数据：DSPC 生成的原始灰度图像经处理后，提取出颜色和二进制图像，进一步获取个体特征（如长轴和短轴长度、面积等），并通过机器学习分类器对浮游生物进行分类。与传统浮游生物显微镜数据相比，DSPC 数据以每帧或每秒的感兴趣区域（ROI）表示。研究表明，ROI / 秒可作为细胞密度的有效代理。不同放大倍数下，浮游生物分类群的相对和绝对丰度具有可比性，但跨放大倍数比较时存在一定复杂性，如不同放大倍数下成像体积不同，且受浊度等因素影响。
- 垂直剖面数据：CTD 探头测量了温度、电导率、O2（饱和度和浓度）、pH、浊度等多个参数。在数据处理中，去除了深度范围外和重复的测量值，对超出温带富营养化湖泊正常范围的数据设为 NA 等。数据清洗后保留了 14,068,236 个数据点，涉及 10 个变量和 10,517 个时间点。与当地政府的测量数据对比，发现整体模式相关，证实了自动 CTD 剖面测量是监测水物理和化学参数的可靠方法。
- 营养化学数据：研究人员对多种营养物质进行了测量，包括硝酸盐（(NO3?N) 、亚硝酸盐(NO2 N) 、铵(NH4+?N) 、正磷酸盐(PO43?P) 、总磷（TP）、总氮（TN）和总有机碳（TOC）等。采样时使用不同的采样工具在不同深度采集水样，如使用 5L Niskin 瓶在 3 米和 15 米深度采样，使用 Schr?der 采样器采集 0 - 18 米的综合水样等。
综合上述研究结果，该研究提供的五年高频数据集意义重大。它展示了整合不同方法进行高频监测在揭示湖泊时间过程（从浮游植物水华到浮游动物垂直迁移，再到水柱稳定性的季节性变化）方面的实用性。这个数据集为研究湖沼学和浮游生物群落生态学提供了独一无二的资源，所有数据和相关处理代码均公开可用，有力地支持了跨学科研究。无论是生态学家研究浮游生物的变化规律，还是信号处理专家开发新的环境传感器数据分析方法，亦或是计算机视觉和机器学习研究人员利用浮游生物图像进行研究，以及水生生态系统建模人员和湖沼学家进行时间序列分析和模型校准，都能从这个数据集中获取有价值的信息，为相关领域的进一步发展奠定了坚实基础。
