近年来，随着全球气候变暖加剧，湖泊与水库（湖库）藻类水华问题日益凸显，对水生态环境安全和饮用水供给构成严重威胁。尽管我国已实施严格的外源氮、磷污染控制措施，但许多湖库的藻华现象仍未得到有效遏制，其背后驱动机制亟待深入研究。为此，中国科学院地球化学研究所陈敬安研究员团队王敬富研究员联合多家优势单位，开展了气候变化与营养盐输入对湖库藻华风险相对贡献的定量研究，以期为新形势下湖库藻华的精准防控提供科学依据。

（1）气候变暖是藻华风险期延长的主导因素

通过整合2003–2020年间全国97个重点湖库的遥感监测、水质实测与气象数据，研究揭示了藻华风险期（ABRPs）的时空变化规律。结果表明，过去18年间我国湖库藻华风险期显著延长，湖泊和水库分别增加42天和54天。研究首次通过可解释机器学习方法定量解析出气温上升对ABRPs延长的贡献率达11%，远超总磷（5.3%）和总氮（3.5%）的贡献，表明气候变暖成为藻华时间格局变化的最重要的驱动因子。

（2）水库对气候变暖的响应敏感性高于湖泊

基于深度学习神经网络（DLNN）和SHAP因子解释模型，研究发现水库系统对气候变暖的响应较天然湖泊更为敏感。水库藻华发生的气温阈值显著低于湖泊（12.6°C vs. 16.7°C），气温因子的贡献率高达17%（湖泊仅为5%）。这种差异主要源于水库更深的水体、更强的热分层效应以及更长的水力滞留时间，这些特征使其更易在春季提前增温、秋季延迟降温，从而显著延长藻类适宜生长窗口。

（3）机器学习揭示气候-营养盐非线性交互机制

研究团队集成DLNN-SHAP-RSF模型框架，揭示了气温与营养盐在藻华发生中的复杂非线性关系。结果表明，在一年中超过67%的时间气温对藻华的贡献作用高于营养盐，且随着全球变暖将逐年延长。随机生存森林（RSF）模型预测显示，在当前气候变暖趋势（0.037°C/年）下，气温对藻华时间的影响范围正以每年0.82天的速度增长。

图1 中国湖泊和水库藻华风险期的增长趋势及受控因素

上述研究成果以“Explainable machine learning reveals climate warming increases risk of algal blooms in lakes and reservoirs“为题，发表于环境与生态领域重要期刊《Water Research》上。研究得到了国家重点研发计划（2023YFF0806000、2021YFC3201000）、国家自然科学基金项目（42277253）和中国科学院青促会优秀会员（Y2023105）等项目资助。

论文信息：

Explainable machine learning reveals climate warming increases risk of algal blooms in lakes and reservoirs. Water Research,2025 ，124460.

原文链接：https://doi.org/10.1016/j.watres.2025.124460

（陈敬安课题组 马一明/供稿）