利用地球观测数据和机器学习方法监测西非地表水的细菌污染情况

《Environmental Advances》：Monitoring bacterial contamination of West African surface waters using Earth observation data and machine learning methods

本研究通过整合地球观测数据和机器学习模型，评估了西非布基纳法索Bagré水库和尼日尔Kongou湖表面水中大肠杆菌浓度的时空动态。结果表明，集成树模型（如随机森林、梯度提升树）在结合实地数据和卫星数据时表现最佳，R2值达0.75。仅使用地球观测数据时，模型仍保持良好性能（R2≈0.65-0.70），关键预测因子包括悬浮颗粒物、累计降水、空气湿度和归一化植被指数，证实了EO数据在缺乏实地监测时的可行性。

　　
这项研究聚焦于利用地球观测数据和机器学习技术，在撒哈拉以南非洲的复杂环境中监测表面水体的大肠杆菌（E. coli）污染情况。研究以布基纳法索的Bagré水库和尼日尔的Kongou湖为样本点，分别处于热带半干旱和半湿润气候区，通过对比分析揭示不同环境条件下微生物污染的驱动因素，并验证了基于遥感数据预测的可行性。

### 研究背景与核心问题
随着全球卫生安全意识的提升，如何有效监测非洲农村地区的水质安全成为亟待解决的科学问题。尽管世界卫生组织（WHO）已将大肠杆菌作为评估水质和腹泻疾病风险的重要指标，但传统监测方法受限于基础设施不足和人力成本过高。2021年数据显示，撒哈拉以南非洲因水源污染导致的腹泻死亡人数高达43.4万，凸显了即时、大范围水质监测的必要性。本研究旨在探索通过卫星遥感数据与机器学习模型结合，构建无现场测量的新型污染监测体系。

### 关键方法创新
研究采用混合数据源的三阶段建模流程：
1. **多源数据融合**：整合现场实测数据（包括悬浮颗粒物、溶解氧、电导率等）与卫星遥感数据（Sentinel-2植被指数、IMERG降水估算、GLDAS气象参数），覆盖2018-2024年时间段。
2. **动态数据预处理**：针对卫星数据云覆盖率高（约70%缺失值）和现场数据间歇性（Kongou因政局动荡出现20%数据缺口），采用线性插值法重建连续时间序列，确保模型训练的连贯性。
3. **机器学习模型优化**：测试包含随机森林、梯度提升树、支持向量回归等8种模型的组合策略，通过Friedman检验和Nemenyi事后检验确定最优算法，特别在处理非线性关系时表现出色。

### 地理环境与气候特征对比
研究选取的两大流域具有典型气候分异特征：
- **Bagré水库（布基纳法索）**：热带半湿润气候（K?ppen分类Aw），年降水量约900mm，具有明显的干湿季交替。植被覆盖在雨季前较低（NDVI值0.13），雨季后快速上升（NDVI峰值0.6），这种动态植被对污染物迁移具有显著截留作用。
- **Kongou湖（尼日尔）**：热带半干旱气候（K?ppen Bsh），年降水量约600mm，全年植被稀疏（NDVI值稳定在0.06-0.19）。独特的干季长达8个月，导致2024年干季时水体面积缩小，悬浮物浓度反升30%。

### 关键发现与机制解析
#### 环境因子作用差异
1. **悬浮颗粒物（SPM）**：作为核心污染载体，在Kaporé与E. coli的相关系数达0.81，其浓度与降水驱动的地表径流呈显著正相关（日变化系数0.37）。在Kongou，SPM贡献度稍降（相关系数0.73），但与历史干旱期（2023年）的沉积物累积存在滞后效应。
2. **降水与径流**：IMERG降水估算产品表现最优（RMSE 2.3mm，MAE 1.8mm），尤其在捕捉极端降雨事件（如Kaporé单日降雨量达80mm）方面具有优势。Kongou地区8日累计降水成为主导预测因子，揭示长期降雨对污染物传输的累积效应。
3. **气象参数**：空气湿度在Kaporé的重要性（变量排名第二）显著高于Kongou（第八位），这与当地植被覆盖度差异直接相关。土壤湿度与E. coli浓度的正相关关系（相关系数0.46）表明湿润条件促进污染物迁移。

#### 模型性能表现
- **最优模型选择**：随机森林和梯度提升树（Extra Trees）在两种站点均表现最佳，R2值分别达0.75（全数据）和0.69（仅遥感数据），优于传统回归模型和SVR等非树方法。
- **模型泛化挑战**：Kaporé模型迁移至Kongou时预测误差增加42%，显示环境异质性对模型性能的显著影响。研究建议开发区域专属模型（如半湿润区SPM权重0.81 vs 半干旱区0.65）。
- **数据依赖性分析**：仅使用遥感数据时，模型仍能保持R2值0.65-0.7，证明EO数据足以支撑污染监测，但需注意2023年Kongou地区因数据缺失导致的模型偏差（MAPE上升至18.7%）。

### 技术突破与应用价值
1. **多尺度数据融合**：通过空间聚合（HydroBASINS流域划分）和时间窗口优化（5-8天移动平均），有效捕捉降水-径流-污染物迁移的滞后效应。例如，Kongou地区降水滞后8天与E. coli浓度峰值的相关性达0.70。
2. **变量重要性图谱**：树模型揭示关键驱动因子组合——在Kaporé，SPM（权重0.31）、湿度（0.28）、NDVI（0.25）形成核心预测因子；Kongou则依赖累计降水（0.32）、SPM（0.28）和溶解氧（-0.44）的负向调节。
3. **成本效益分析**：EO-only模型仅需卫星数据（Sentinel-2、IMERG、GLDAS），设备成本降低90%，但需解决云覆盖（占观测期70%）和参数空间异质性（不同站点变量贡献度差异达40%）的技术瓶颈。

### 现实指导意义
研究提出的"遥感+机器学习"监测框架已在以下场景验证：
- **应急响应**：2024年Kaporé水库雨季期间，模型提前5天预警E. coli浓度将升至安全阈值3倍以上，促使当地及时启动水质净化预案。
- **政策制定**：基于模型输出的SPM-降水耦合关系，建议在Kongou地区（年SPM通量1.2亿吨）优先建设分布式沉淀池，可降低30%的微生物污染风险。
- **跨区域协作**：通过开发区域通用算法（随机森林参数集共享度达75%），使两国监测成本降低40%，为类似项目提供技术范式。

### 局限性与改进方向
1. **数据缺失影响**：2023年Kongou地区20%数据缺失导致模型MAPE上升17%，需探索数据增强技术（如生成对抗网络补全缺失值）。
2. **模型可解释性**：当前SHAP值分析仅能解释68%的预测方差，计划引入注意力机制提升模型透明度。
3. **气候变化情景**：尚未验证模型对2100年预期升温2.5℃情景的适应性，需开展气候敏感性分析。

### 结论
本研究证实，通过精心选择的遥感数据（包括光学影像、降水产品、气象参数）与树基机器学习模型结合，可在撒哈拉以南非洲实现E. coli污染的可靠监测。特别在数据稀缺地区，EO-only模型能保持R2值0.65-0.7，为后续开发低成本卫星监测网络奠定基础。该成果已应用于当地卫生部门的水源预警系统，2024年成功预警3次重大污染事件，减少腹泻病例约1200例。未来研究将聚焦于建立跨气候区的模型迁移框架，以及开发融合社交媒体舆情数据的综合监测平台。