可复现的Landsat卫星水质建模基准框架

《Remote Sensing Applications: Society and Environment》：A reproducible baseline framework for landsat satellite-based water quality modeling

　　

中文翻译（摘要专业翻译）：

遥感技术能够以大规模、低成本的方式监测水质，但许多现有模型针对性过强且难以推广。据研究人员所知，本研究首次引入了一个基于Landsat的可复现端到端评估框架，用于水质建模。该框架使用单一标准化数据集，比较了机器学习算法、水质指标、云覆盖阈值、时间匹配窗口和水体类型。利用AquaSat数据集（包含超过600,000条匹配的原位观测与Landsat观测记录），研究人员在Landsat 5、7和8卫星系列上，采用统一的超参数配置，评估了跨11种算法、6种指标、7种云覆盖阈值、5种水体类型以及±48小时时间偏移的27,720种模型配置。每种配置均在两种协议下进行评估：随机分割协议和50 km空间分块验证。在随机协议下，95.8%的留出观测来自训练数据中也存在的采样站点，而在空间分块验证下，训练集与测试集之间不共享任何采样站点。两种方案之间的中位r2下降了0.087。六种指标中的三种在分块验证下仍保留了有意义的预测能力：总无机沉积物、Secchi深度和溶解有机碳的最佳模型平均r2为0.403，而叶绿素a和沙粒百分比几乎没有预测能力。这些结果表明，分块验证性能不佳主要反映了有限的空间迁移能力，而非拟合训练数据的失败：98.7%的留出r2为负的配置仍能成功拟合训练数据，且在合并两种分割方案的15,578对配对比较中，超参数搜索对留出性能的影响为?0.001。敏感性分析表明，时间匹配和云覆盖的影响因指标而异，留出数据的置换重要性显示，可见光波段在所有具有预测能力的模型中均占主导地位。随附的开放数据和代码支持可复现性，研究人员还通过将基线模型直接应用于独立的Landsat影像（无需重新训练或局部校准）展示了其操作用途。通过测量而非假设验证设计的代价，该工作提供了一个透明且更保守的基线，未来基于Landsat的水质模型可与之比较。

论文解读：可复现的Landsat卫星水质建模基准框架

一、研究背景与问题

内陆和沿海水质监测是重要的环境挑战。传统野外采样虽然准确，但成本高、劳动强度大，且无法提供连续的空间覆盖。卫星遥感通过高频、可重复的大范围观测提供了可扩展的替代方案。然而，尽管遥感水质建模研究已有大量积累，其泛化性和可复现性仍是重大挑战。许多研究依赖小数据集——往往少于30个样本，并针对特定环境条件优化，导致模型难以推广。已有综述表明，约55%的模型使用不超过30个样本开发，近40%仅使用20个或更少样本。此外，很少有研究系统评估光谱波段、云覆盖、卫星获取时间、水体类型等特征如何共同影响预测性能；大多数模型隐含地处理这些因素或将其固定，使得区分方法改进与数据集效应变得困难。时间匹配（原位样本与卫星过境时间差）和空间尺度错配（点测量与像素面测量）是核心难题。同时，Landsat 5、7、8三颗卫星的传感器光谱响应函数不同，但未做交叉传感器校正。因此，该领域缺乏一个被广泛接受的标准化参考框架来评估模型性能，难以区分真正的方法进步与数据集、预处理或评估协议差异带来的影响。

二、研究目标与开展的工作

针对上述问题，研究人员旨在建立首个可复现的Landsat专属基准评估框架，系统比较不同算法、环境条件和指标在标准化评估条件下的表现。研究使用AquaSat数据集——该数据集整合了美国本土超过600,000条原位水质观测与Landsat影像的时间匹配观测对，涵盖超过55,000个采样位置，时间跨度1984至2019年。研究人员设计了完整的组合实验：6种时间差窗口、7种云覆盖阈值、6种水质指标、5种水体类型，分别用11种模型（包括线性回归、岭回归、贝叶斯岭回归、弹性网络、随机森林、梯度提升、XGBoost、LightGBM、CatBoost、神经网络以及混合密度网络）和2种验证方案（随机80/20分割与50 km空间分块验证）进行评估，共产生27,720个核心配置。所有模型在统一超参数配置下训练，并通过超参数搜索（15,578对配对比较）评估固定配置对结果的影响。

三、主要关键技术方法

研究依赖的关键方法包括：(1) AquaSat数据集（来源为美国水质门户WQP和LAGOS-NE数据库，包含超过600,000条匹配数据）；(2) 统一的模型评估流程：采用80/20外层留出与五折交叉验证，均使用组感知分割（空间分块下以50 km块标识为分组键）；(3) 两种验证方案（随机分割与空间分块）对比；(4) 超参数搜索（HalvingRandomSearchCV，每组32个配置，排除估计器数量以隔离调参效应）；(5) 特征重要性评估（原生重要性度量与分组置换重要性）；(6) 复合评分（Composite v1和v3）用于综合排序模型。

四、研究结果

4.1 基线模型性能

在50 km空间分块验证下，神经网络是TIS、SDD、TSS和chl_a四种指标的最佳模型；随机森林在DOC上最佳；线性回归在P_Sand上最佳但其r2为负。六种指标中，仅TIS、SDD和DOC具有实质性的基线预测能力，其最佳模型的平均r2为0.403（在参考配置下）；chl_a的最佳r2仅为0.001；P_Sand超过90%的有效配置为负r2，归因于样本量极少（仅683个样本、86个站点）且沙粒组分在光谱上难以与总无机沉积物区分。

4.2 复合评分结果

复合评分显示，TIS和Secchi的得分最高，分别为0.634（r2=0.547，神经网络）和0.630（r2=0.504，梯度提升）。模型选择和具体环境条件对预测性能有实质性影响。在所有轴开放的搜索中，最高评分配置代表网格中的最优值，而非典型性能（中位r2仅为0.027，39.1%配置≤0）。

4.3 时间差、云覆盖和水体类型的影响

时间差分析表明，假设“更小时间差→更高r2”仅在TIS上得到支持（±1 h时r2升至0.35），其他指标未呈现单调增益。收紧窗口大幅减少样本量（如Secchi从488,696降至96,291），导致结果分散更广。云覆盖分析发现无普遍趋势；仅Secchi深度在严格阈值下略有改善（0%阈值时r2=0.20），其余指标几乎不受影响。水体类型分析显示，合并类别“All”的中位r2为0.067，优于单个水体类型；分水体类型下，TIS在溪流中最强（0.296），Secchi在湖泊中最强（0.361），DOC在溪流和河口中较好（0.124/0.098），chl_a在所有类型中接近零。

4.4 特征重要性

三种有预测能力的指标呈现清晰的光谱特征：TIS和Secchi以红波段为主，DOC以绿波段为主，且所有五种原生度量在此一致。分组置换重要性表明，打乱可见光波段使中位留出r2从+0.221降至?0.299（38对中37对低于零），说明可见光波段承载几乎所有预测信息；红外波段影响较小（中位r2降至+0.079），云覆盖和时间差几乎无影响（中位r2分别为+0.201和+0.204）。

4.5 负r2值分析

负测试r2主要源于泛化失败而非拟合失败。在10个常规点预测模型中，没有模型出现负训练r2；树集成模型在约一半设置中能完美拟合训练数据但在分块测试中失效。梯度提升（53.2%）和随机森林（52.9%）负测试r2比例最高；神经网络最低（26.5%），且是唯一在训练数据上也失败的模型。负r2更可能反映空间泛化局限、数据异质性和弱的预测关系，而非调参不足。

五、讨论部分总结

讨论指出，神经网络和随机森林是整体最佳模型，但TIS和Secchi的复合评分较高。模型应被视为环境监测的补充工具，而非替代原位采样。无普遍适用的预处理或匹配标准，方法选择应依据各参数的物理化学特性。研究优点包括AquaSat数据集的大规模覆盖、系统性的敏感性分析、组感知验证和开放可复现的代码。局限包括仅使用Landsat 5/7/8且未做传感器间校正，原位数据中不同测量方法（如荧光探针与HPLC测定的chl_a）被合并。华盛顿特区案例展示了基线模型无需重训即可直接应用于新影像（7景Landsat影像，预测TIS，MAE=8.954 mg/L），但指出其绝对精度不足以支持法规阈值监测，仅适用于空间筛查和趋势分析。

六、研究结论

该工作建立了Landsat水质建模的可复现实验参考，评估了27,720个配置并测量了验证设计的影响。在50 km空间分块和参考设置下，最佳模型对TIS、Secchi和DOC的r2分别为0.600、0.366和0.244；整体中位r2仅0.027。chl_a、P_Sand和TSS未获得实用预测能力。研究强调，通过测量而非假设验证设计的代价，提供了透明且保守的基准，并公开了数据、代码和模型输出，推动该领域迈向标准化、基准驱动的科研文化。未来工作建议增加特征（如光学水类型、温度变量）、结合流域特征进行混合建模，以及纳入Sentinel-2 MSI数据以扩展动态基准。