通过光谱与时空特征融合提升美国湖泊大规模叶绿素a反演精度：基于AquaMatch的机器学习方法

《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》：Enhancing large-scale chlorophyll-a estimation across U.S. Lakes through spectral and spatio-temporal feature integration: a machine learning approach using AquaMatch

　　

摘要

内陆水域中的有害藻华（HABs）对公共健康、饮用水安全和淡水生态系统构成威胁。叶绿素-a（Chl-a）浓度是藻华风险的关键指标，然而由于内陆水域的光学复杂性和环境异质性，其大陆尺度的卫星预测仍面临挑战。尽管美国内陆水域大型Landsat卫星—实地匹配数据集的可用性日益增长，但基于这些异质数据集训练的Chl-a模型通常仅能达到中等预测性能。这些大规模模型在很大程度上依赖于宽带光谱预测因子，然而地理和季节变异性也可能影响浮游植物动态以及反射率与Chl-a之间的关系。因此，本研究探讨了将空间和时域信息与Landsat光谱预测因子相结合能否提高Chl-a估算精度，并使用了美国内陆水域的大陆尺度匹配数据集。研究利用AquaMatch数据集中2小时卫星—实地窗口内的14,125个质控匹配样本和22个预测因子，比较了三种广泛模型类别中的六种机器学习模型：潜变量回归、神经网络和基于树的集成方法。结果表明，XGBoost表现最佳，在留出测试集上达到R2=0.718、RMSE=16.02 μg/L，在35次重复随机训练—测试划分中表现稳定（R2=0.700±0.018）。在按水文区域分层的监测站级别重复空间测试中，其性能仍为中等水平（R2=0.577±0.023），这为空间泛化提供了更为严格的检验。互补的预测因子组消融实验表明，在仅含光谱的模型基础上加入空间和时域信息，在重复随机验证下产生28.7%的R2相对增益，在水文区域空间验证下产生65.7%的相对增益，其中空间信息的贡献约为时间信息的两倍。SHAP分析确定纬度是最具影响力的整体预测因子，其次是三角绿度指数、红蓝指数、地表水指数、经度以及循环日序项，突出了光谱、地理和季节信息的集体贡献。在西伊利湖的独立验证中表明，无需本地重新校准即具有中等可迁移性（≤1小时匹配下R2=0.532），但高Chl-a浓度被 increasingly 低估。这些结果表明，将易于获取的地理和季节预测因子与宽带Landsat光谱信息结合使用，可显著提升预测性能，同时也揭示了空间迁移和高浓度Chl-a准确反演的持续挑战。

引言

美国内陆淡水系统面临着日益严峻的有害藻华（HABs）威胁，其驱动因素包括营养盐污染、气温升高和降水模式变化（Paerl & Huisman, 2008）。蓝细菌藻华尤为令人担忧，因为许多种可以产生强效毒素，如微囊藻毒素。国家评估表明HABs广泛发生，美国环保署全国湖泊评估报告显示约50%的评估湖泊中存在微囊藻毒素，49%的水体叶绿素-a水平偏高（Handler et al., 2023）。HABs威胁饮用水安全、娱乐用水、淡水生态系统健康和本地经济，全国年度经济损失估计超过40亿美元（Ho et al., 2019, Sanseverino et al., 2017）。气候变暖正在加剧藻华的频次、持续时间和地理范围，包括在此前被认为不易持续发生蓝细菌藻华的水体如苏必利尔湖（Reinl et al., 2021, Sterner et al., 2020）。这些事件的广泛发生凸显了对能够在地理分布广泛的水域中解决藻华状况的监测方法的迫切需求。

叶绿素-a（Chl-a）是国际上公认的浮游植物生物量主要代理指标，也是内陆淡水和水体系统中富营养化状况和藻华风险评估的关键指标（Campbell and Vinebrooke, 2025, Cao et al., 2022）。监测Chl-a的时空动态对于支持公共健康举措、确保饮用水安全和为HAB缓解设计早期预警系统至关重要。传统的原位采样方法提供高保真数据，但往往受限于高成本、物流困难以及有限的时间和空间覆盖范围，难以实现在大范围地理区域上的近实时同步监测（Li et al., 2025, Seegers et al., 2021）。

相比之下，卫星遥感提供了一种可扩展、成本效益高的方法来监测数千个内陆水体的Chl-a浓度，克服了这些空间和时间局限性（Park et al., 2024, Peterson et al., 2020）。Landsat、Sentinel-2和MODIS等多光谱传感器以中等空间分辨率提供同步覆盖，能够在不同类型湖泊中检测藻华动态（Pahlevan et al., 2022）。机器学习方法越来越多地应用于基于卫星的Chl-a反演，包括随机森林和其他基于树的集成方法（Cao et al., 2020, Lin et al., 2018, Mamun and Yang, 2025）、支持向量回归（Arias-Rodriguez et al., 2023, Zhang et al., 2025）、梯度提升方法如XGBoost（Mamun and Yang, 2025, Zhang et al., 2025），以及从深度网络和卷积网络到混合密度网络的神经网络架构（Aptoula and Ariman, 2022, Pahlevan et al., 2020, Peterson et al., 2020, Smith et al., 2021, Zhang et al., 2025）。这些方法能够利用卫星反射率与Chl-a之间的非线性关系，而这些关系难以用经验算法表示。捕捉非线性关系的能力在光学复杂的水体如内陆湖泊中尤为宝贵，在这些水体中浮游植物信号与悬浮沉积物、有色溶解有机物和其他光学组分的变异相互叠加（Neil et al., 2019, Pahlevan et al., 2022）。然而，当模型扩展到跨越广泛地理、营养和光学梯度的水体时，Chl-a估算变得更加困难。

将原位水质测量与卫星观测配对的大型、协调匹配数据集的可用性，为解决这一尺度问题提供了新的机遇。Ross等人（2019）通过AquaSat推进了这一努力，将水质门户（Water Quality Portal）中包括Chl-a的测量数据与Landsat地表反射率在美国范围内关联起来。该框架随后演变为AquaMatch，即AquaSat的模块化修订版，它扩展并协调了底层的Water Quality Portal记录，引入了针对特定参数的原位观测的质量保证和互操作层级，并将卫星部分更新为Landsat Collection 2地表反射率和地表温度产品（Brousil et al., 2024, Steele et al., 2026）。并行工作如LAGOS-US LANDSAT进一步扩大了协调的卫星—水质观测数据的可用性，用于美国湖泊的大规模建模（Hanly et al., 2025）。

然而，使用这些大型异质Landsat匹配数据集的研究通常仅达到中等预测性能。例如，Mamun和Yang（2025）报告在AquaSat数据集上XGBoost的R2值为0.41，随机森林为0.46；而Hanly等人（2025）使用在43,755个LAGOS-US LANDSAT匹配数据上训练的随机森林模型解释了44%的Chl-a方差。一项早期的全国尺度Landsat工作也报告了类似模式，Lin等人（2018）使用基于树的模型解释了1,000多个美国湖泊约45%的Chl-a变异性。这些来自独立研究的汇合结果凸显了在跨越光学性质和环境条件差异显著的大型异质Landsat匹配数据集上实现强Chl-a预测的持续困难。

这一建模局限的核心在于卫星观测光谱信号与影响跨湖泊Chl-a动态的更广泛环境驱动因素之间的脱节。虽然光谱反射率包含卫星直接观测到的信号，但Chl-a浓度在地理和季节梯度上系统性变化。分布于美国的湖泊在气候、流域土地利用、营养盐制度和形态方面存在差异，所有这些都影响浮游植物丰度和水体光学性质（Read et al., 2015, Taranu et al., 2015）。同样，温度、辐照度、分层、混合和营养盐可用性的周期性季节变化影响浮游植物物候（Cloern, 1996, Paerl and Huisman, 2008, Tewari, 2022）。因此，相似的红蓝光谱响应可能对应不同的Chl-a状况，这取决于观测获取的地点和时间。这种地理和季节异质性可能有助于解释为什么在大型多站点匹配数据集上训练的模型尽管有大量训练数据，却仍仅表现出中等预测性能。

空间位置和采样时间在实地—卫星匹配数据集中通常是可用的，但它们通常仅用于建立匹配关系，而未被保留为预测信息。越来越多的研究探讨了利用这些描述符来捕捉与Chl-a预测相关的地理和季节结构。Irwin和Finkel（2008）证明了地理位置对北大西洋大范围叶绿素建模的强贡献，而Arias-Rodriguez等人（2023）将纬度、经度、月份和年份与协调的Landsat-8和Sentinel-2预测因子结合，用于估算Chl-a和其他内陆水质参数。最近，Liu等人（2025b）表明，添加空间和时域特征显著提高了基于长期香港沿海原位环境监测数据的基于树的Chl-a预测。大规模湖泊学分析同样表明，与Chl-a相关的环境条件具有强烈的地理结构（Brehob et al., 2024）。虽然这些研究表明地理和季节描述符可以为大范围反演提供有用的背景信息，但相对于光谱信息，它们的相对贡献、空间迁移行为以及重要性在大陆尺度Landsat Chl-a估算中仍未得到充分评估。为弥合这一差距，本研究专注于量化当从大型异质Landsat匹配数据集中建模Chl-a时，易于获取的地理和季节背景所增加的预测价值。使用AquaMatch Chl-a和Landsat Collection 2框架，评估了跨潜变量回归、神经网络和基于树的集成的六种模型。模型性能通过重复随机训练—测试实验以及更严格的水文分层站点级空间验证进行评估，后者将独特的地理监测位置排除在外（Koldasbayeva et al., 2024）。最终模型进一步使用NOAA NCEI存档的独立西伊利湖Chl-a验证数据集进行评估（Chaffin, 2023）。

因此，本研究的具体目标如下：(1) 确定空间和循环时域信息是否能在光谱信息之外改善Chl-a预测；(2) 比较不同模型家族的预测性能并确定最有效的架构；(3) 评估在重复随机和按水文分层的站点级验证下模型泛化能力；(4) 通过消融实验和SHAP分析量化光谱、空间和时域预测因子的相对贡献，并刻画它们对模型预测的影响；(5) 评估模型在无本地重新校准条件下对独立西伊利湖验证数据集的可迁移性。

AquaMatch和Landsat siteSR数据集

本研究使用了与匹配地表反射率siteSR产品（Steele et al., 2026）关联的AquaMatch Chl-a数据集（Brousil et al., 2024）进行模型开发。AquaMatch是原始AquaSat数据集（Ross et al., 2019）的更新后继版本。AquaMatch Chl-a产品提供了从美国Water Quality Portal中多个监测机构和多种分析方法汇集的协调原位测量数据，并与Landsat地表反射率相关联。

模型比较与选择

在独立留出测试集上评估的六种算法的性能差异显著（图6）。XGBoost达到了最高的整体预测性能，R2为0.718，RMSE为16.02 μg/L，MAE为8.61 μg/L。其预测值与观测到的Chl-a浓度强烈相关（Pearson r=0.848；Spearman ρ=0.815），回归斜率为0.703，具有0.47 μg/L的微小正偏差。值得注意的是，RealMLP成为表现第二好的模型，并……

不同模型架构下的性能

从卫星反射率中跨光学多样的内陆水体反演Chl-a需要能够表征非线性和可能非唯一关系的模型。在这些水体中，测定的光谱信号同时受浮游植物色素、有色溶解有机物、悬浮颗粒和水本身的影响，它们的相对贡献在不同水体和营养条件下变化（Odermatt et al., 2012, Sagan et al., 2020）。其性能……

结论

本研究探讨了易于获取的地理和季节背景是否能在仅依靠宽带光谱信息仅产生中等预测性能的大型异质Landsat匹配数据集上改善Chl-a预测。使用2小时时间窗口内的14,125个质控AquaMatch匹配样本和22个预测因子，比较了六种模型架构。XGBoost提供了最强的性能，在留出测试集上达到R2=0.718。性能为……

CRediT作者贡献声明

Emmanuel Atuobi Agyekum：撰写—审阅与编辑，撰写—原稿，软件，方法学，形式分析。Lin Li：撰写—审阅与编辑，监督，概念化，方法学。

资金支持

本研究未获得公共、商业或非营利部门资助机构的任何特定资助。

利益冲突声明

作者声明不存在已知可能影响本论文所述工作的竞争财务利益或个人关系。

致谢

我们感谢AquaMatch和siteSR开发团队对数据集的汇编和维护，使本研究得以实现。我们也感谢USGS和NASA提供和维护Landsat数据集。

我们感谢美国国家海洋和大气管理局国家环境信息中心以及为登录号 0276941 做出贡献的监测计划，感谢他们提供用于独立验证的伊利湖西部水质数据。我们也衷心感谢印第安纳大学的 Emmanuel Atuobi Agyekum 和 Lin Li。