GIS和RS技术应用于流域水生生物时空分析的研究进展

黄彤辉， 夏 瑞， 后希康， 邹 磊， 宋进喜， 任源鑫， 孙 浩， 豆荆辉

1.中国环境科学研究院, 环境基准与风险评估国家重点实验室, 北京 100012

2.西北大学城市与环境学院, 陕西省地表系统与环境承载力重点实验室, 陕西 西安 710127

3.中国科学院地理科学与资源研究所, 陆地水循环及地表过程重点实验室, 北京 100101

近年来，我国高度重视大江大河的水生态保护修复工作，长江大保护、黄河高质量发展上升成为国家重大战略，大流域尺度水生态时空特征分析和问题诊断是科学开展我国大江大河水生态保护修复的重要科技需求. 水生生物是水生态系统的核心组成部分和关键表征因子[1]，近年来全国水生生物多样性下降趋势明显，长江流域在过去几十年已经达到了“无鱼”的等级(IBI指数)[2]；近30年间黄河鱼类种群和资源量已减少约50%[3]. 面对长江和黄河突出的生态环境问题，急切需要大环境数据与水生生物关联的大尺度分析手段. 随着我国社会经济高速发展和城市化的进一步加剧，我国河湖仍面临高强度人类活动和气候变化的复合环境压力[4-5]，《国家重点流域水生态环境保护“十四五”规划》首次将“水生态”目标纳入考核体系，如何科学分析大尺度流域水生生物的时空特征，建立多元环境压力因子与水生生物的响应关系，将是开展长江、黄河等流域水生态问题诊断和成因分析的重要前提条件.

传统的水生生物时空分析受限于监测复杂性和专业性，需要耗费大量的人力和物力资源[6]，且长时间序列的基础数据获取难度较大，难以从空间尺度全面揭示流域水生态退化本底和成因机制，严重制约了流域水生态退化的科学诊断和精准施策. 近年来，随着现代信息技术的迅速发展，地理信息系统(geography information systems，GIS)和遥感(remote sensing，RS)(简称“2S技术”)成为大尺度流域水生态退化问题诊断的重要工具. GIS技术兴起于20世纪60年代末期，到20世纪90年代末发展成数据管理和分析计算的信息系统工具[7]. 遥感领域第一张航拍照片拍摄于1858年，随后多光谱扫描仪系统、超光谱和数码相机系统的开发取得了巨大进展[8]. 随着流域生态系统大数据时代的来临，2S技术在水生生物监测、分析和模拟中的优势逐渐凸显[9]. GIS在一般的数据库操作基础上集成了地图的可视化效果和地理分析功能，应用于水生动植物的动态分布监测和时空分析，缓解了传统研究中工作量大、误差大和研究范围小等问题[10]. RS能获取长时间序列的数据，具有覆盖范围广、效率高、成本低等优点，已成为实时水生生物监测的一种经济有效的方法[11-12]. 在处理长时间、大范围时空信息上2S技术的联合使用通常具有较大的优势，已成为今后及未来开展流域水生生物时空分析和问题诊断的重要技术途径.

然而，2S技术在大尺度河湖水生态退化的问题诊断和时空分析中仍处于起步阶段，还存在数据获取、精度识别和适用性等问题需解决，当前尚缺乏针对两种技术在流域尺度水生生物时空分析中的适用性对比研究，新时期我国长江、黄河等重点流域水生态环境问题诊断亟待关键技术支撑. 综上，该文利用CiteSpace大数据方法分析了2S技术在水生生物时空分析中的研究进展，探讨了GIS分析技术和RS反演模型在水生生物时空分析中的优缺点与联合适用性，以期为新时期国家重点流域水生态质量管理的现代化、精细化和精准化提供科学参考.

1 2S技术在水生生物时空分析中的进展

基于中国知网(CNKI)以“GIS”或“RS”为主题和Web of Science(WoS)核心库以“GIS”或“remote sensing”为主题进行文献检索，结合水生生物、富营养化和水华等关键词筛选后得出中、英文文献分别为 1 121、2 346 篇(数据截至2020年10月1日)(见图1). 从整体趋势上看，2S技术在水生生物研究领域中的应用逐渐增多，英文文献数量自2000年后开始稳步增加，并在2019年达到峰值；中文文献数量自2003年后逐渐增加，说明国内针对2S技术在水生生物中的应用研究进展晚于国外，2015年中文文献数量达到峰值，随后有所降低，但总体来说仍然处于较高数量状态，对比中、英文文献增长趋势，说明2S技术在水生生物中的应用研究仍然是当前的热点和学科前沿.

图1 基于CNKI和WoS核心库以“GIS”或“RS”为中英文主题搜索的各年度文献出版数量

针对国内外2S技术在水生生物研究主题的进展，对基于CNKI和WoS核心库进行文献交叉引用(citation reference)[13]，运行CiteSpace软件得到自动聚类时间线视图(见图2). 由图2(a)可见，190个节点与629条链接线构成中文文献的6个聚类热点，分别是“群落结构”“巢湖”“人工神经网络”“多源遥感数据”“高光谱”和“植被指数”，图中十字丝符号的大小表示相应关键词在水生生物时空分析中得到的重视程度，其位置表示该关键字出现的最早时间，结果显示，“遥感”“太湖”“叶绿素a”和“modis数据”这些关键词在该主题中的受重视程度较高，其中“遥感”最早出现时间为2000年，在这些关键词中最先受到关注. 由图2(b)可见，英文文献的时间线视图中，294个节点与2 054条链接线构成了7个热点，分别是“absorption”“remote sensing”“meris”“coral”“florida”“temperature”和“reservoir”，图中十字丝符号显示出“remote sensing”“phytoplankton”和“chlorophyll a”这些关键词在该主题中受到广泛关注，最早出现时间均为2003年前，对比可知，该主题在英文文献中研究起步较早，在研究对象、研究地点、遥感研究方面，水生植物、叶绿素、内陆河湖、数据源和反演模型均是目前国内外的研究热点，研究目标上较为一致.

图2 文献共被引图谱-时间线视图

2 GIS技术在河湖水生生物分析的研究应用

作为现代信息技术，GIS分析技术能通过建立和分析城市、水域等地理对象的拓扑关系来明确定义空间联系，地理对象在GIS中可以按照不同属性或其空间关系进行分析[14]，GIS拥有强大的地理信息数据管理和空间分析功能，以及直观的信息呈现和展示能力，能构建地理信息与水生生物数据的对应关系，在流域大尺度水生生物问题综合分析中应用较多. GIS空间分析技术在研究河湖水生生物时空异质性时较传统方法具有直观等独特的优势，在国内外得到了广泛应用. 其中，缓冲区分析法、叠加分析法和空间插值法应用较多.

2.1 基于缓冲区分析法的水生生物时空分析

缓冲区分析是针对点、线、面实体，自动建立其周围一定宽度范围内的缓冲区多边形实体[15]，空间数据得以水平向外扩展. 河湖因具有较强的空间异质性，在水生生物空间分析中常用以划定缓冲带，常见研究尺度有流域、子流域和河岸尺度等. Zhang等[16]利用ArcGIS缓冲工具划分不同宽度河岸走廊土地利用类型，以分析水生动物的时空分布及土地利用类型对水质和大型无脊椎动物群落的影响；Sponseller等[17]将土地覆盖划分为5个空间尺度，分析了大型无脊椎动物的分布特征及土地覆盖对大型无脊椎动物的影响. 缓冲区分析可以快速获取和识别流域不同区域水生生物的时空分布特征和影响范围，在鱼类[18]、底栖动物[19]和水生植物[20]等水生生物时空分布分析中应用十分广泛，但其仅通过距离进行划分，忽略了非均质性等其他特征，难以具体识别要素的自然属性，因此需结合其他分析方法使用.

2.2 基于叠加分析法的水生生物时空分析

叠加分析的目标是研究空间位置相互耦合的地物特征专题属性之间的关系，主要有点、面、多边形与多边形叠加[21]. 相较缓冲区分析而言，叠加分析可认为是垂直方向的数据叠加，侧重处理水生生物及不同影响因子的空间分布情况，如Ahmed等[22]利用叠加技术计算总体营养状态指数和氮磷比，研究了埃及曼扎拉湖富营养化状况的时空分布特征. 叠加分析多用于对水生生物数据集合运算产生新的空间数据，制作水生生物分布专题图，如Xu等[23]利用GIS叠加技术将各专题图进行叠加，直观展现了巢湖富营养化状况的时空变化特征. 与传统制图相比，叠加分析将不同图层叠加至同一平面，实现了水生生物信息空间和属性的一体化分析. 因此，叠加分析与缓冲区分析常联合使用以分析水生生物不同尺度下不同环境因子的影响大小，如李艳利等[24]应用叠加分析和缓冲区分析获取不同尺度土地利用数据，研究底栖动物群落的空间变异及各尺度下不同环境因子影响程度. 叠加分析综合考虑了多要素的影响特征，可实现不同图层数据叠加和计算分析，但在实际操作中要求各要素数据位于同一区域、同一坐标系统.

2.3 基于空间插值法的水生生物时空分析

受限于水生生物数据资料的缺乏，空间插值法广泛用于水生生物及流域地理、水文和环境要素的时空分布特征识别. 目前常用的空间插值包括协同克里金插值法、泛克里金法、普通克里金法和反距离加权插值法[25]. 相较数据的范围扩展或叠加，空间插值法能将离散点转换为连续曲面[26]，可有效填补研究范围内未知区域的数据，直接生成水生生物空间分布图，直观展现水生生物的生物量变化、结构变化及分布格局[27-29]等，如Qu等[30]应用克里金插值法绘制了浑太河藻类和大型无脊椎动物多样性的时空分布特征. 空间插值法具有数据填补功能，能实现水生生物的时空分布趋势分析，并与影响因子建立关系，如Li等[31]利用反距离插值分析了洪湖水质参数和水生植物的时空变化，并结合PCA识别水质和水生植物的影响因子和污染源. 空间插值法中插值点位数据精度受点位距离远近的影响较大，不同空间插值法的精度有所差别[32]，一般样本点越多、分布越均匀，插值效果越好，而传统采样受人力物力等外部因素的影响导致样点空间分布不均，需要利用其他数据源弥补其缺点.

综上，GIS主要通过应用缓冲区分析法、叠加分析法和空间插值法划定缓冲带，从流域空间尺度分析水生生物影响因子范围，开展水生生物时空信息计算和水生生物时空趋势分析，研究可围绕土地利用、景观格局和人类活动等方面，建立多要素与水生生物格局之间的响应关系，辨识潜在影响因子，有助于河湖生态环境规划管理. 相比传统统计分析，GIS分析更直观化和集中化，但数据来源和精度需完善，GIS强大的数据管理分析和综合制图功能使其可作为其他分析手段的基础，以集成多数据源和构建水生生物模拟模型.

3 RS技术在河湖水生生物分析中的研究应用

RS能够快速获取流域和水体表层的光学特性，在河流和湖泊中可探测水面和水下的光谱特征，一些影响并主导光谱特征的活性物质(如叶绿素等水生植物参数)可通过RS有效识别. 不同时空下不同水生生物或其参数光谱特征均有所差异，由此可推测分析水生植物等时空分布特征[33]，水体反射率通常是河湖水生生物变化(主要为水生植物及其参数变化)较为直接的体现和表征因子，通过建立水体反射率和生物物种间的响应关系，可实现对于河湖流域水生态系统过程的模拟和预测.

3.1 基于RS的水生生物数据源获取

流域水生态系统十分复杂，存在较大的时空异质性、滞后性和累积影响效应[34]，而传统采样点时空分布不均，无法准确分析流域中河湖水生生物的时空变化特征，空间覆盖广、时间序列长的RS数据可更加直观和准确地表征河湖水生生物的动态变化状况[35]. RS数据源分为星载和非星载数据源，星载数据源多为多光谱和高光谱数据，常见的有中国的GF、HJ等，美国的QuickBird、Landsat和MODIS等，以及法国的SPOT等[36]. 各数据源特征不一，如Canziani等[37]基于Landsat测定了叶绿素浓度分布，Landsat系列空间分辨率较高，但周期较长；Xu等[38]应用GF-1研究叶绿素和悬浮物的时空变化，GF系列空间和时间分辨率较高，但光谱数较少[39]. 非星载遥感数据源主要为机载数据，包括PHI(推扫式光谱成像仪)、OMIS(模块化成像光谱仪)、AVIRIS(可见光/红外成像光谱仪)等，地面实测数据源如GER(野外光谱辐射仪)、ASD(地物光谱仪)等[40]. 非星载一般为高光谱传感器，受大气影响较小，精度较星载数据源高，无人机搭载高光谱成为一种新的高精度技术[41]，非星载由于受到监测范围的限制，多用于小面积河湖监测. 通过多数据源的配合使用，可获取不同尺度、多光谱和高分辨率数据，实现由单一数据源向多源数据发展[42]，如Bresciani等[43]研究表明，多源数据的结合提高了叶绿素浓度监测的空间和时间分辨率，加强了水华事件的可预测性和模拟精度. 多源数据融合能高频、精细地监测内陆水域水生生物，起到水生生物监测、反演和预测更加精确的作用，一些数据融合技术也得到进一步发展[44].

3.2 基于RS的水生植物反演应用

由于不同河湖水体色差的特异性和可视性，近年来基于颜色差异的水生植物反演技术在国内外迅速发展[45-46]. 针对水生植物(主要为叶绿素)反演方法可分为三大类[47]：经验模型、半经验/半分析模型和分析模型. 常用RS反演方法比较见表1.

表1 常用RS反演方法比较

3.2.1基于经验模型的水生植物反演

经验模型是计算水体中叶绿素浓度和相应的遥感反射率之间的相关性[48]，常见的有单波段法、波段比值法、神经网络模型和SVM模型. 单波段模型是选取最优波段反射率与实测数据建立统计关系[49]，波段比值法则是选择与原位叶绿素浓度相关性最强的光谱比率构建模型[50]. 单波段法分析相对简单，但区域依赖性较大，适合水生生物快速反演，波段比值法尽管能消除部分影响，但波段数较少，普适性也较差，Yang等[51]研究表明，在不同的季节和地点可能需要构建不同的叶绿素浓度反演模型. 基于非线性数据处理能力的机器学习模型近年来得到广泛应用，神经网络模型是模拟自适应过程的人工智能模型[52]，强大的学习能力大幅提升了反演精度，如Song等[53]研究表明，神经网络反演模型精度优于经验回归模型，但该模型数据量要求大、训练时间长且容易过拟合. SVM模型通过非线性映射转换到高维空间中构造最优超平面[54]，适合小样本分析，如Zhang等[55]研究表明，RS和SVM算法的结合为湖泊富营养化反演提供了一种简单灵活的方法，但该模型无法适应较大的训练样本，训练样本越大，模型越复杂. 机器学习适用于解决非线性问题[56]，但在RS大数据挖掘和遥感自动化等方面还需要进一步完善. 基于统计分析的经验模型，数据依赖性大，有很强的区域性.

3.2.2基于半经验模型的水生植物反演

半经验模型旨在通过经验和分析方法得到遥感反射率与叶绿素浓度之间的关系[57]. 常用的半经验模型主要有三波段模型和四波段模型，相对于经验法而言，半经验模型对数据依赖性小，实用性更强. 三波段模型是找到合适的3个波段构建模型[58]，如Zhang等[59]研究表明，在太湖浮游植物季节-空间变化监测中，三波段法的精度高于已发表的波段比值法. 四波段模型是在三波段基础上引用了近红外波段的第四个波段[60]，因此适合浑浊水体；Feng等[61]研究表明，相比三波段反演模型的模拟结果，四波段模型对于反演千岛湖叶绿素浓度的模拟精度更高. 半经验模型是目前反演叶绿素浓度的主流方法，但仍不具有普适性，需要依据不同季节或区域进行反演.

3.2.3基于机理分析模型的水生植物反演

机理分析模型利用水体反射率推导出水体各成分的吸收系数和后向散射系数，进而通过水体各成分的浓度与其吸收系数和后向散射系数的关系来估算水体成分浓度，从而实现对河湖水生生物的半定量或定量化识别[62]. 分析模型更偏重机理研究，相对于经验和半经验模型而言具有强普适性和高精度性，其中最具代表性的是生物光学模型. 生物光学模型可通过水面以下辐照度与反射率、固有光学量的相互关系建立与波段反射率和固有光学量的响应模型[63]. 杨伟等[64]研究表明，对于绿藻而言，生物光学模型算法反演效果最好；Augusto-Silva等[65]选择了基于生物光学算法的NDCI算法反演浑浊内陆水体中的叶绿素浓度；Bresciani等[66]研究表明，生物光学模型的光谱反演有助于监测意大利湖泊蓝藻水华. 机理分析模型依赖于水体的表观固有光学特性，而河湖固有光学性质较为复杂，因此机理分析模型的构建是目前的难点，但同时也是未来的研究发展趋势.

3.3 基于RS的水生动物模拟预测

基于RS监测范围大的显著优点，水生动物的分布模拟预测主要集中在海洋和陆地大型动物[67]，针对内陆水体中小型水生动物的移动性和隐蔽性特点，利用RS直接监测其分布特征难度较大. 目前，RS多以监测水生动物生境为主，间接分析和预测其分布变化[68]，如Yang等[69]通过RS预测了日本血吸虫中间宿主钉螺的潜在栖息地，用以间接反映钉螺的分布特征. 通过反演水生动物影响因子，构建影响因子与水生动物的响应模型以间接预测水生动物的分布特征，如Mehler等[70]应用最大熵模型，通过使用RS衍生的环境变量来预测美国尼亚加拉河下游4个主要底栖生物群落的分布；Perivolioti等[71]开发了一种基于RS的陆地水域鱼类空间分布制图和预测方法，分析了捷克里莫夫水库鱼类生物分布和水质参数变化. 尽管RS技术手段还不能直接应用于水生动物的监测，但其仍被认为是支持鱼类群落组成和动态分析的有用工具[72].

综上，相对于GIS的时空分析优点，RS通常具有较好的反向溯源特性，近年来在河湖水生生物监测中的应用较多，尤其是针对水生植物、富营养化和水华的特征识别和诊断. 在数据源的获取上，RS利用星载和非星载两大数据源，展现了较强的水生生物数据获取和空间展示能力；此外，在水生植物的反演计算上，经验、半经验和机理分析模型能适应不同河湖环境，结合RS构建栖息地模型和响应模型能间接获取水生动物分布情况，从而实现对水生生物生物量的估算、影响因子的溯源和模拟预测. 2S技术通过与大数据统计算法的结合，能更精确、更快速、更高效地处理复杂水生生物问题. 但在现实中通常受数据尺度和精度的影响，RS在内陆水体水生动物的监测上尤显不足，数据管理和图像的处理能力尚有所欠缺，作为定量遥感的尺度效应问题有待解决，在分析水生生物与土地利用、人为活动等响应关系上有待进一步与GIS等地理信息工具的深入结合.

4 2S技术在河湖水生生物时空分析研究的联合运用

随着2S技术在水生生物中的应用优势逐渐凸显，2S技术的联合应用成为近年来的研究热点，为短时间内评估水生生物时空分布提供了一个更有价值的路径，综合利用2S技术以及GPS能更好地帮助管理者进行大尺度空间的水生态质量管理与考核[73].

4.1 GIS和RS是水生生物分析的基础数据获取工具

2S技术作为水生生物分析的基础数据获取和处理工具为相关统计分析服务，不仅能进行时空分析，也能更精确地分析响应关系. 解译后的RS数据结合ArcGIS可以进行数据的计算，如Zhang等[74]通过计算宽叶苜蓿的分布面积研究了武昌湖水生植物面积的分布变化；利用2S技术获取的基础数据与相关分析结合可明确生态因素，如Ongore等[75]结合2S技术和趋势分析研究了水生植物对入侵鱼类的影响；研究[76]表明，将2S技术结合到内陆渔业管理领域，对评估资源潜力、鱼类丰度和分布以及生境分类具有重要意义. 同时可以多尺度探究水生生物与土地利用、景观格局等的响应关系，如Bruns[77]将流域划分两个空间尺度，结合多元统计分析大型无脊椎动物与土地利用的响应关系; Zhao等[78]通过划分两个空间尺度，结合相关分析方法研究了水生生物与景观格局的响应关系. RS实现空间数据获取和信息提取，GIS实现遥感数据管理，同时能将参数空间分布可视化，2S技术与相关统计方法结合分析水生生物响应关系的优势由此凸显.

4.2 RS作为基础数据源，利用GIS技术开展水生生物时空分析

在分析水生植物的时空分布时，插值法是最为常见的GIS分析方法，对原位采样数据进行空间插值存在诸多限制，如采样点连续性无法保证，采样程序复杂以及数据无法及时处理，现场测量很难捕捉短生命藻类和浮游植物大量繁殖等现象的时间和空间变异性[79]等，因此，RS快速获取长序列数据的突出优势使其可用于GIS时空可视化分析. 目前，RS数据源多使用卫星数据，传感器有MODIS[80]、CCD[81]等，GIS空间插值结合大量卫星数据后在精度上有所改善，不同的插值法结果因数据集大小和分布会有所差异，可比较分析后进行选择，如王玉磊等[82]研究表明，克里格法更适合太湖叶绿素的插值应用. RS数据拥有多种信息源，数据采样时间较短，样点时间序列较长，能更好地适应高变异性的河湖环境，弥补了GIS插值分析时因数据少和不均匀所导致的精度不高的问题，将融合的多数据源应用在空间插值中将进一步提升分析精度.

4.3 以GIS为图像处理工具，利用RS技术进行水生生物反演

RS反演中数据的获取虽然相对简便，仍存在数据缺乏同化、尺度效应差和分析计算能力不足等问题，在水生植物RS反演研究中，GIS作为辅助工具加强了水体信息和RS图像提取等过程，GIS能参与几何校正[83]、辐射校正处理[84]、图像分类和区域运算[85]等RS操作，从而进行图像处理，如Chebud等[86]利用ArcGIS划定区域以分析NDVI值，进而反演叶绿素浓度等参数. RS反演结合GIS强大的数据存储和计算功能，不仅扩大了数据源范围，集成了不同尺度数据源，同时结合GIS图像处理功能可得到各种专题图，如Mohsen等[87]研究表明，RS结合GIS绘制水生生物参数图具有较大潜力，能更好地理解水生生物的时空动态变化，利用GIS可以协助解决环境遥感面对的尺度效应问题[88]，解决不同尺度上水生生物监测难题.

4.4 2S技术与模拟模型在水生生物研究中的耦合应用

在高强度人类活动和自然气候综合影响下的流域水生生物演变机制十分复杂，2S技术与数学机理模型的联合应用将是实现复杂问题归因的重要技术手段之一. 2S技术通过数据的快速获取可服务于模拟模型的建立和边界条件输入，有助于从时间和空间多个维度深入分析流域水生生物动态演变过程和退化机制[89]. 邵芳芳等[90]利用MODIS数据反演了太湖叶绿素浓度，通过GIS将其转化为分布数据作为元胞自动机模型的输入数据，模拟了水华的动态分布特征，研究表明，元胞自动机在克隆选择算法优化后能更加直观地反映水华的时空特征，并在较短时间内重复模拟水华的动态变化；Guo等[91]为预测鄱阳湖地区日本血吸虫的中间寄主蜗牛-钉螺的栖息地范围，开发了基于2S技术的模型，研究表明，该方法可以很好地预测钉螺的演变规律；曹杨[92]通过RS解译、GIS叠加和插值方法，获取了乌梁素海挺水植物Geo-CA模型的输入数据，模拟了群落时空动态扩散过程，研究表明，基于逻辑回归和案例推理的模型能较好模拟预测挺水植物的时空分布情况. 2S技术与模拟模型的耦合形成了完整的集成系统，能够有效实现短期水生生物的模拟预测[93].

5 2S技术在水生生物研究中的应用展望

近年来人工智能、大数据挖掘、多元感知、环境DNA等新技术正在不断与生态环境领域深度融合，同时更加注重在流域水生态保护和修复的大尺度应用和决策支撑. 随着“十四五”国家水生态监测网络的总体布局和信息化采集的加快，2S技术在水生态质量管理中的应用将是未来我国乃至全球的重要发展趋势. 尽管2S技术的联合应用仍然存在一些技术难点，如在糟糕的气象条件下应用RS星载数据时处理难度大，2S技术的集成数据转化问题，以及GIS的误差传递和RS大气校正精度等问题，但2S技术仍是快速实现水生生物时空分析、溯源以及预测的重要工具. 此外，5G技术、大数据分析、云计算、AI与2S技术的深度融合可实现大型河湖水生态质量管理的智能化、实时化和立体化. 5G提供速度支撑、减少时间延迟，大数据分析进行数据挖掘，云计算实现数据整合，AI进行数据自动获取、目标实时识别，这些都为2S技术提供了更加快速、精准、大容量的数据支持和高效智能一体化的技术手段. 5G技术、大数据分析、云计算、AI与2S技术耦合可实现流域天地空全天候、实时的动态数据监控，自动获取数据并分析，三维立体展示流域状态，实现全智能的流域水生生物监测和数值模拟预警，对于构建数字长江、数字黄河以及支撑我国重大流域水系统问题诊断和管理决策具有重要意义.

建议下一步重点围绕2S技术在水生生物时空分析和数据获取上的技术优势，加强基于大数据分析的流域水生生物监测技术和快速智能识别技术研发，构建流域关键水生生物群落DNA数据库，开发基于环境DNA成套现代化监测技术，利用2S技术提供的数据边界建立多元水生态要素的空间异质性和动态响应关系. 基于获取的水生生物大数据信息，紧密围绕流域“水文-水环境-水生态”三大要素相互作用机制，突破基于大数据算法和水生态机理耦合的河湖水生态完整性退化诊断预测技术，推动构建我国自主知识产权的水生态系统模型库及其配套子系统参数库，集成研发重点流域水生态健康风险预警与智慧管控数值化平台，实现重点流域可视化的水生态环境通量管理和风险预警，形成国家和重点流域层面自主知识产权的科学决策管控工具，从学术上揭示人类活动和气候变化多重影响下的河流生态退化过程和成因，提升突发性流域水生态环境污染事件的决策支撑和水生态退化风险管控能力.

6 结论

a) 2000—2020年国内外针对2S技术在水生生物时空分析中的研究成果数量总体上处于增长状态，2S技术的联合应用将是当前河湖水生生物的研究前沿和热点.

b) GIS分析技术在河湖水生生物时空分析的常见应用中，缓冲区分析法多用于缓冲带划定、影响因子范围分析，叠加分析法用于水生生物时空信息计算，空间插值法能进行水生生物时空分布趋势分析. 目前GIS分析仍需加强数据库的建立和标准化，实现长时间、大容量和多维数据的开发；在功能性上，因不能有针对性地与水生态领域结合而受到限制，需构建基于GIS的水生生物模型；在专业性方面GIS与专家系统和云计算的结合是未来GIS的热点.

c) RS技术可以快速获取长序列的水生生物数据，反演模型中神经网络模型等机器学习和半经验模型精度较高，适合某些区域水生生物(主要为水生植物)反演，是当前常用的主要方法，机理分析模型普适性最强，但模型的构建需要进一步加强. 综合利用多种环境因子进行动物物种丰富度及空间分布预测是水生动物遥感研究的发展方向. 首先，未来需要开发针对内陆水体的监测卫星，在数据管理和数据融合上提升云服务与遥感的结合，以及云GIS与RS的结合；其次，在解译方面，人工智能具有巨大优势，需提升大气校正模型精度，加强高分辨率的雷达和无人机的应用；最后，深入开展在水体中垂直方向上的非均匀变化研究，水生生物RS反演在尺度问题、区域问题、响应关系和阈值研究上可做进一步扩展，加强水生生物时空分析、溯源和预测功能.