人机协同高分辨率监测数据稀缺与光学复杂水域悬浮泥沙动态的创新方法

针对传统遥感反演悬浮泥沙浓度(SSC)依赖现场校准数据、难以适应光学复杂水域的难题，本研究提出融合专家知识的迁移学习人机协同方法。通过集成Sentinel-MODIS影像与专家标注构建训练集，结合SMOTE样本平衡和层次迁移学习，实现中国东部沿海2017-2024年0.04°网格化SSC反演，解释方差达95.1%，揭示河口区人为改造导致SSC异常升高4.26%的悖论现象，为数据稀缺区域泥沙监测提供可扩展解决方案。

　　

全球海岸带悬浮泥沙动态监测面临重大技术挑战。传统现场测量方法受限于时空覆盖率和人力成本，而卫星遥感虽能大范围观测，却在数据稀缺区域和光学复杂水域面临反演精度不足的瓶颈。尤其在中国东部沿海，长江、黄河等大型河口泥沙输运受气候变化与人类活动的双重影响，其动态机制尚未明晰。现有机器学习模型严重依赖地面实测数据，难以捕捉复杂水环境下的非线性光谱响应。针对这一科学难题，中国某研究机构团队在《International Journal of Applied Earth Observation and Geoinformation》发表创新成果，提出融合专家知识的人机协同学习框架。

研究采用多阶段技术路线：首先通过OL-STARFM算法融合Sentinel-2(10m)与MODIS(500m)数据，利用专家标注构建初始训练集并应用SMOTE算法平衡样本；随后引入层次迁移学习整合几何先验知识，通过专家反馈迭代优化特征权重；最终建立考虑水深(Depth)、混合层厚度(MLD)等环境参数的动态反演模型。

研究结果部分揭示三大发现：模型验证显示，人机协同模型(Model 1)在2017-2024年中国沿海45,059个网格的年度反演中，相关系数达0.958，显著优于传统XGBoost和ResNet模型。时空动态分析表明，全国SSC总体下降1.50%，但长江河口因岸线工程导致反常增长4.26%，Grad-CAM热图清晰显示这一空间异质性。机制解析发现，水深解释65%的SSC变异(ρ=-0.88)，夏季风驱动沿岸流使近岸SSC增加1.5-2倍，而热跃层每增1°C可抑制36-50%的垂向扩散。

这项研究开创性地将专家认知嵌入机器学习流程，突破传统模型对现场数据的依赖。提出的自适应扩散机制实现局部校正的全局传播，为全球海岸带泥沙监测提供可迁移框架。特别是揭示的人类活动对河口泥沙循环的干扰效应，为海岸工程生态影响评估提供量化工具。该成果对理解气候变化下沉积物输运-地貌演化耦合机制具有重要科学价值，其技术路线可扩展应用于其他光学活性物质(如叶绿素、CDOM)的遥感监测。