【导读】近现代（1950年）以来，全球湖泊系统普遍面临水生态环境挑战，利用转换函数可定量重建湖泊水环境自然基线和演化历史，评估人类活动的影响程度并为生态修复提供合理目标。南京大学孙信尧等从转换函数构建及应用的基本流程入手，围绕pH值、总磷、溶氧量、透明度、水位、盐度和温度这几种水环境参数，综合梳理了生物—湖泊水环境定量转换函数在人类世湖泊流域中的典型应用案例，从不同角度考察了湖泊自然水生态环境受人类扰动而发生改变的速率、幅度以及演化过程与机制。通过讨论定量转换函数方法目前存在的不足，从新载体开发和多指标体系构建、大样本训练集和机器学习、加强生物指标的现代生态学研究以及转换函数与生态系统模型的结合4个方面，针对性地提出未来研究展望，以进一步提升转换函数性能，并扩大其应用范围，为后续研究提供参考。
定量转换函数构建及应用的基本流程
构建定量转换函数的流程涉及数据预处理、环境因子筛选、响应关系判断、变量选择、模型构建和验证。首先，对生物属种数据进行平方根转换，环境变量数据进行对数正态转换。然后通过排序分析和去趋势对应分析（DCA）确定生物—环境响应关系，并选择合适的分析方法（CCA或RDA）。接着，进行初步CCA，剔除VIF高的变量，并通过限制性CCA和Monte Carlo检验筛选显著的环境变量。选择解释度最高的变量后，使用统计方法如线性回归、偏最小二乘法、WA、WA-PLS等构建生物—环境转换函数。通过DCCA判断模型的线性或非线性特性，选择WA和WA-PLS等方法构建模型。最后，通过留一法或自助法交叉验证，选择R2最高、RMSEP最低的模型，必要时剔除异常点提升模型质量。定量重建结果的有效性可通过对比推导值和实测值、古今属种相似性比较和目标变量显著性评估来验证。整个流程可使用C2软件或R语言程序包实现。
![]()
图1 定量转换函数构建及应用的基本流程
表1 用于定量转换函数构建和应用的软件平台和R语言程序包
![]()
湖泊水环境定量转换函数及其应用
晚全新世以来，人类活动对湖泊流域产生了显著影响，导致水质和水量平衡偏离自然趋势，但区分自然与人类活动的影响存在困难。湖泊水环境转换函数利用水生生物如硅藻、介形虫和摇蚊等对环境变化的敏感性，提供了一种从沉积物中定量反演水环境参数变化的有效手段。这种方法有助于量化人类活动对湖泊生态环境的影响，区分自然与人类活动的作用，并探讨湖泊流域环境的演化规律。全球范围内的典型应用案例展示了转换函数在不同区域湖泊中的有效性，为制定针对性的流域管理政策、预测和防控生态风险提供了科学依据，服务于全球环境变化挑战下的人类世科学研究。![]()
图2 人类世全球湖泊水环境转换函数定量重建研究点位分布图（各样点具体信息见表2）
表2 人类世全球湖泊水环境转换函数定量重建研究信息汇总
![]()
![]()
结语与展望
定量转换函数是重建湖泊水环境历史的关键工具，尤其在人类世背景下，它帮助我们理解了工农业活动和气候变化对湖泊pH、TP、溶氧量、透明度、水位、盐度和温度等参数的影响。尽管湖泊系统受到人类活动的显著扰动，且存在时空差异，定量转换函数仍面临诸如亚化石保存度、属种鉴定、环境响应关系、训练集样本量和覆盖范围、方法假设限制等误差来源。未来，通过扩大样本量、优化环境梯度覆盖、改进属种鉴定技术、发展新的统计方法等措施，可以提高转换函数的准确性和应用范围，以更好地应对全球环境变化挑战。（1）转换函数新载体的开发和多指标体系
除传统的硅藻、摇蚊和介形虫外，枝角类（Cladocera）、盘星藻（Pediastrum）以及藻类色素等生物和生物标志物也逐渐发展成为构建湖泊水环境转换函数的有效载体。不同生物指标在沉积物中的保存度、丰富度以及对环境因子的响应敏感性不同，因此基于不同水生生物构建的转换函数对同一水环境参数的定量重建结果也存在差异。为提高重建精度，应积极探索和开发更多可用于转换函数构建的载体，利用多种转换函数对同一水环境参数进行“平行重建”以相互验证和补充。对于因亚化石分解和鉴定造成的系统误差，古DNA指标能够保存部分已分解生物壳体的遗传分子信息，并将鉴定分辨率提高至种和亚种，有效弥补常规形态学鉴定的不足。湖泊水环境变化是流域各圈层相互作用的结果，为全面认识湖泊流域环境的演化过程及动力机制，需要将转换函数重建的水环境变化与粒度、元素和稳定同位素等其他独立地球化学指标结合，构建多指标体系以进行综合分析。
（2）大样本训练集的构建和机器学习
为减小“边缘效应”，可将不同区域的数据集进行“跨区域合并”，构建大样本训练集（n>100），以拓展训练集的空间范围、属种数量和环境梯度，提高转换函数质量。但盲目增加样本数也会引入数据噪声，应尽可能选择亚化石记录保存较好、与原始训练集地理条件相似的样本进行合并，在均匀扩大目标变量梯度的同时不扩大其他次要变量的梯度。近年来兴起的机器学习方法，在处理大样本训练集和复杂物种—环境响应关系时，展现出比传统方法更高的灵活性和稳健性。但机器学习方法并非总是优于传统方法，因此不存在能够普适所有情形的方法，每种方法都存在自身的适用范围和缺陷，不同方法的重建结果也有所差异。统计学上推导能力最强的方法，其重建结果未必最为可靠。在几种方法的推导能力差别不大的情况下，多方法定量重建结果的相互对比和验证比仅依靠单个方法进行重建更加稳健。（3）加强生物指标的现代生态学研究
详细调查湖泊现代水生生物与环境因子的响应关系和水生生物属种的个体生态学特性，是利用生物指标开展湖泊水环境定量转换函数研究的基础，不仅能够明确生物属种在环境梯度上的响应关系以及属种最适宜值和耐受范围的空间差异，找出对环境因子响应敏感的环境指示种，还有利于提高属种形态学鉴定的分辨率和准确度，保障转换函数的重建精度。在评估转换函数重建的有效性时，不仅需要从统计学视角探讨转换函数的推导能力，更需要回归生态学视角，以个体生态学、培养实验和现代调查结果为依据，解释生物属种在目标环境梯度上的分布特征以及重建的合理性。（4）转换函数与生态系统模型的结合
为深入认识湖泊水生态系统演化的关键节点、系统状态的临界阈值及反馈机制，需在长尺度上开展基于过程的生态系统建模研究。然而很多湖泊缺乏长期连续的水质监测数据，难以量化生态变化的潜在机制。将转换函数重建结果与生态系统模型结合，作为边界条件校准和补充模型，能有效提升模型预测能力。目前，此类研究尚处于起步阶段。未来可将更多的定量转换函数重建结果融入湖泊生态系统模型，二者优势互补，不仅扩大了转换函数的应用范围，也使人们能够从过去、现在和未来的动态视角深入了解湖泊系统的长期演化与人类世背景下的未来动向。
