大尺度气候指数对饮用水源总氮浓度的驱动机制研究：基于热带水库的机器学习模型解析

针对饮用水源总氮(TN)浓度受气候影响机制不明的问题，研究人员以热带无工业干扰水库为对象，结合HLS卫星影像与147组采样数据，通过ResANN等5种机器学习(ML)模型解析26项气象要素和110种气候指数的驱动作用，发现西半球暖池指数(WHWP)等大尺度气候指数对TN的滞后影响与风速相当（SNFIS=0.58），为水质管理提供新视角。

　　

饮用水安全是全球可持续发展的重要议题，而总氮(TN)作为关键水质指标，其浓度波动直接影响生态平衡和人类健康。传统研究多聚焦于局部气象要素或人为污染对TN的影响，但大尺度气候系统通过遥相关机制对水环境的潜在作用长期被忽视。更棘手的是，饮用水源TN浓度通常较低且变化范围窄，现有卫星遥感模型在低浓度区间的适用性存疑，加之工业干扰区域的混杂因素难以剥离，导致气候驱动机制研究举步维艰。

针对这一科学难题，中国热带农业科学院的研究团队选择海南岛赤田水库这一典型热带饮用水源作为天然实验室。该水库流域无工业活动且土地利用近30年保持稳定（森林占比93.4%），为厘清气候信号与TN的纯净关系提供了理想场所。研究团队创新性地融合多源卫星数据与机器学习技术，构建了时空连续的TN浓度数据集，首次系统评估了110种气候指数的驱动效应，相关成果发表于《Journal of Hydrology》。

关键技术方法包括：1) 采用2016-2022年HLS（Harmonized Landsat and Sentinel-2）卫星数据提升时空分辨率；2) 结合147个现场采样点数据，对比RF（随机森林）、XGBoost（极端梯度提升）和新型ResANN（残差人工神经网络）等5种ML模型的反演性能；3) 通过特征重要性分析解析26项气象要素和110种气候指数（滞后0-6个月）对TN的贡献度。

研究结果

最优TN反演模型
ResANN凭借残差连接结构和Dropout层设计，在测试集表现最优（R²
=0.68，RMSE=0.15 mg/L），显著优于传统ANN的固定值输出缺陷。该模型成功捕捉到饮用水源TN的低浓度特征（0.05-0.65 mg/L），为后续气候驱动分析奠定数据基础。

时空分布特征
TN浓度呈现近岸高于远岸的显著空间梯度（最大差异达0.4 mg/L），雨季浓度较旱季平均升高23%。这种格局与流域地表径流输入和气候季节性变化高度吻合。

气候驱动机制
平均风速（SNFIS=0.67）和西半球暖池指数WHWP（SNFIS=0.58）被识别为最关键驱动因子。值得注意的是，东太平洋副高北界位置指数、黑潮海温异常指数等大尺度气候信号对TN的影响强度与局部气象要素相当，且存在5-6个月的显著滞后效应，暗示海洋-大气耦合过程通过调控区域水文循环间接改变TN迁移路径。

讨论与意义
本研究首次证实大尺度气候指数对饮用水源TN浓度具有与局部气象要素相当的解释力，突破了传统水质管理的认知边界。ResANN模型的创新应用为低浓度水质参数遥感监测提供了新范式。发现的5-6个月滞后效应为水质预警系统开发提供了关键时间窗，而WHWP等指数的突出贡献提示应将其纳入热带地区水质模型。这些发现不仅为理解气候-水质耦合机制提供了理论框架，更从实践层面指导了气候变化背景下的适应性管理策略制定。未来研究可进一步探索不同气候区驱动机制的普适性，以及海气相互作用对内陆水质的跨尺度影响路径。