融合过程模型与机器学习提升湖泊溶解氧反演：最大化多源监测数据的应用价值

《Journal of Hydrology》：Enhancing lake dissolved oxygen retrieval by integrating process-based model with machine learning: maximizing the utility of multi-source monitoring data

　　

- 提出了一种将过程驱动（PB）模型与机器学习（ML）相结合的溶解氧（DO）反演新框架。
- 过程驱动模拟有效缓解了训练样本稀缺问题。
- 多源异步监测数据得到了有效整合。
- PB模型生成的代理数据使遥感存档数据得以充分利用。
- 空间和时间验证中反演精度均显著提升。

**引言**

溶解氧（DO）是水质和水生态健康的关键指标，其动态变化直接影响水生环境的稳定性（Ning等人，2011；Zhang等人，2025）。持续性低氧威胁水生生物的生存，抑制呼吸和代谢，引发氧化应激并损害免疫功能，可能导致大规模死亡事件（Curry等人，2010；Graham等人，2025；He等人，2026）。此外，由过量氮磷输入驱动的富营养化可加速藻类繁殖，通过强烈的光合作用导致DO急剧过饱和。此类极端溶氧波动是生态灾难（如藻华爆发）的信号，扰乱生态平衡并加速水质恶化（Yuan等人，2021；Zhang等人，2026）。因此，精确监测DO对于评估栖息地健康状况和支持渔业管理至关重要。

传统湖泊DO监测主要依赖指定站点的现场采样。尽管该方法应用广泛，但受限于低时间采样频率，通常每月仅一次（Cassidy等人，2011；Piniewski等人，2019；Villa等人，2019）。虽然自动站可实现高频（如每小时）监测，但其高昂的建设维护成本往往导致布设稀疏和空间覆盖不足（McBride等人，2019；Prapti等人，2022）。鉴于湖泊中DO的显著时空异质性——尤其是大型湖泊——这些传统方法难以全面捕捉动态变化规律。

随着遥感（RS）技术的发展，光学活性水质（WQ）参数如叶绿素a（Chl-a）、有色溶解性有机物（CDOM）和悬浮质，可通过其特征吸收和散射信号从卫星反射率中直接反演（Cao等人，2020）。然而，DO是非光学活性参数，既不直接吸收也不散射光线。因此其反演本质上属于间接过程，依赖于DO与光学活性组分之间的生物地球化学耦合关系（Sagan等人，2020）。例如，Chl-a可作为光合作用—呼吸作用平衡的代理指标，而CDOM和悬浮质则指示有机负荷和微生物耗氧需求（Staehr等人，2012）。多光谱反射率整合了这些协变的光学信号，从而隐含编码了DO相关信息，为大规模、高时空频度的DO监测提供了可行途径（Yang等人，2023；Deng等人，2024）。然而，反射率与DO之间的关系具有高度非线性、多路径性和站点特异性，给传统经验型和分析型反演算法带来巨大挑战。

近年来，机器学习（ML）算法因其强大的非线性映射能力而被广泛应用于DO反演（Beal等人，2024；Zhi等人，2023；Zhao等人，2022；Jian等人，2025；Li等人，2024a；Li等人，2024b）。例如，Shi等人（2024）仅基于Sentinel-2的四个多光谱波段（蓝、绿、红和近红外），使用Extra Trees回归模型反演了白洋淀的DO。Guo等人（2021）开发了支持向量回归（SVR）模型，将Landsat和MODIS地表反射率与辅助变量（包括水面温度和空间坐标）相结合，以提高模型泛化能力。类似地，Yang等人（2023）证明，构建高维特征空间——将原始光谱波段（跨多平台传感器的4至32个波段）与衍生光谱指数（如波段比和归一化差值）相结合——可提升ML模型性能。总体而言，大量研究已证实ML在有效捕捉各水质参数与遥感地表反射率之间复杂非线性关系方面的鲁棒性。

然而，数据驱动的ML模型高度依赖大规模训练数据集以实现稳健的反演性能。现场采样频率低，加上与卫星过境时间严格同步的苛刻要求，导致可用的现场测量值与遥感地表反射率匹配样本对稀缺（Liu等人，2022；Kumar等人，2025；Jiang等人，2018）。这种稀缺性严重阻碍了高精度水质反演，尤其在监测历史短、数据积累有限的湖泊中更为突出。虽然在卫星过境期间开展同步野外调查可补充训练数据集，但这会带来高昂的监测成本。此外，对于中国鄱阳湖（PYL）等大型水体，开展全面的同步监测在后勤上往往难以实现（Bojanowski等人，2014；Song等人，2020）。此外，历史常规地面监测数据常因时间不匹配而长期得不到充分利用，造成严重的数据浪费（Falkenberg等人，2014；Sheffield等人，2018）。因此，尽管ML模型具有强大的学习和非线性映射能力，样本稀缺仍是限制大型湖泊DO反演精度的关键瓶颈。

数十年的理论、观测和实验研究增进了我们对湖泊DO动态变化控制物理过程的理解。这些机理理解被形式化为过程驱动（PB）模型，可在不同时间分辨率下模拟由水文、气象和水质边界条件驱动的时空DO动态（Li等人，2023；Li等人，2026；Xiong等人，2025；Dorthe等人，2025）。例如，利用常规监测的入湖河流数据——日径流量、水位（WL）和月水质记录——以及日气象数据，PB模型可模拟日甚至小时尺度的DO动态。一旦基于有限的湖内监测站现场观测值完成率定，PB模拟即可准确再现DO动态（Mitra等人，2025；Chen等人，2025），有效地将离散低频测量转化为连续高频DO模拟，大幅扩展了可与卫星过境配对使用的可用DO样本量，从而增加ML反演模型的训练样本规模。然而，运行此类模拟需要完整的多源边界条件数据集，其中主要入水河道的水质数据因管理机构分散和采样频率低而极难获取（Slaughter等人，2017）。这一数据获取瓶颈使PB模型无法用于实时或前瞻性DO监测。尽管如此，PB模型在良好约束的边界条件下可可靠地再现历史水质动态，使其适合作为离线数据生成器。通过填补卫星影像缺乏同步现场DO观测的时间空白，PB模拟为基于ML的反演提供了原本无法获取的训练样本。一旦训练完成，ML模型即可从任何新获取的卫星影像中独立反演DO，无需依赖PB模型输入。

利用PB模型的数据增强能力和ML算法的非线性拟合能力，本研究开发了一种用于湖泊DO反演的混合PB–ML框架。在该框架中，PB模型整合不同时间频率的多源监测数据以生成连续DO模拟，大幅扩展了可用于ML训练的DO–反射率配对样本，从而在数据稀缺条件下提高基于卫星的DO反演精度。为验证该方法，本研究以鄱阳湖为案例进行了应用。首先，利用2015年边界条件驱动PB模型，在各湖泊站点模拟日DO时间序列。随后，构建了三种训练数据集配置，将遥感地表反射率分别与：（1）仅现场测量DO配对；（2）仅模拟DO配对；以及（3）两者混合组合配对。最后，为验证该增强策略在不同ML算法间的泛化性，我们评估了涵盖四大类别的六个代表性模型：基于核的方法（SVR）、神经网络（ANN）、袋装集成方法（RF）以及具有不同树生长策略的提升集成方法（XGBoost、LightGBM和AdaBoost）。所有六个模型均在三种训练数据集配置下使用严格的时空交叉验证进行评估。该设计将ML模型视为框架中可替换的组件。核心问题并非哪个模型对鄱阳湖表现最优，而是增强策略是否能跨不同ML架构产生一致的改进。六个模型中观察到的一致改进证实了所提框架的有效性和适用性，为湖泊水质管理提供了有价值的技术参考。

**研究区域**

图1展示了鄱阳湖（28°22′–29°45′ N，115°47′–116°45′ E）的位置和监测站分布。鄱阳湖位于长江中下游南岸，是中国最大的淡水湖。作为典型的季节性吞吐湖，鄱阳湖主要接受赣江、抚河、信江、饶河和修水五条主要支流的汇水，并通过湖口狭窄出口向长江排水。这些支流同时带来了大量氮磷输入

**DO模拟性能分析**

湖泊水动力学的准确时空模拟是水质建模的基础。图7比较了四个率定站（XZ、DC、TY和KS）的模拟水位与实测水位。具体而言，XZ、DC和TY三个站表现出极好的吻合度（R2 > 0.98），模拟曲线紧密追踪实测记录。相比之下，KS站的R2相对较低，为0.9061。这一差异可能归因于该站附近密集的人为调控

**PB模拟数据增强对DO反演精度的影响**

在本研究中，EFDC模型在多源河流和气象边界条件驱动下，并经湖内站点现场观测值率定后，以令人满意的精度再现了DO动态变化。这一保真度是使PB模拟值能够作为ML训练代理标签的前提条件。在两项验证实验中，利用PB模拟数据进行训练增强（模式2和模式3）相对于仅用现场数据均一致性地提高了反演精度

**结论**

本研究通过整合过程驱动（PB）模型与机器学习（ML）模型，开发了一种用于湖泊DO反演的新型框架。以鄱阳湖为案例，该框架利用Landsat影像训练了六个ML模型，涵盖三种数据集配置，并通过空间和时间两种验证策略严格评估了反演精度。主要发现总结如下：

（1）在多源边界条件驱动并经湖内现场站点数据率定后，PB模型有效地

**CRediT作者贡献声明**

潘雪梅：撰写——审阅与编辑、撰写——初稿、方法论、调查研究、形式化分析、概念化。

林齐新：调查研究、数据整理。

李刚：软件、方法论、数据整理、概念化。

徐新发：调查研究、概念化。

刘张军：监督指导、方法论、经费获取、概念化。

毛静桥：撰写——审阅与编辑、撰写——初稿、方法论、概念化。

**未引用参考文献**

Agapiou，2020；Banks和Herrera，1977；Breiman，2001；Bojanowski等人，2014；Cassidy和Jordan，2011；Chen等人，2025a；Chen等人，2025b；Cheng等人，2021；Chen，未出版；Curry和Filippelli，2010；Falkenberg和Styan，2014；Hindarto，2024；Kanber等人，2024；Krogh，2008；Li等人，2024；Liao等人，2022；Luo等人，2021；Marks，2008；Margineantu和Dietterich，1997；Mohammadpour和Viegas，2022；Noviandy等人，2024；Panigrahi等人，2020；Pereira，2025；Shi等人，2023b

**利益冲突声明**

作者声明不存在可能影响本文所述工作的已知财务利益冲突或个人关系。

**致谢**

本研究受江西省自然科学基金（20242BAB20240）、江西省水利厅科技项目（202628ZDBKET03）和江西省赣鄱英才计划（gpyc20240067）资助。

潘雪梅 | 林齐新 | 李刚 | 徐新发 | 刘张军 | 毛静桥