摘要
监测内陆地表水质量对于保障水资源安全、保护生态系统、维护公共健康以及实现可持续的水资源管理至关重要。尽管现场测量仍然不可或缺，但它们往往受到高昂成本、覆盖范围有限、时间频率低以及监测网络不连续等因素的制约。本研究以PRISMA 2020框架为指导，对2021年至2025年间发表的关于将人工智能与遥感技术结合用于内陆地表水质量监测的实证研究进行了系统性的文献综述。通过Web of Science数据库进行检索，最终筛选出367篇经过同行评审的文章。通过初步的文献计量分析及定性内容分析，确定了所使用的传感器、平台、人工智能算法、模型、估算参数、验证方法、存在的局限性、面临的挑战、发展趋势以及研究空白。研究结果显示，该领域发展迅速，Sentinel-2和Landsat-8是最常被使用的传感器，多光谱数据则是最主要的光谱来源。机器学习方法，尤其是随机森林、人工神经网络、XGBoost和支持向量机，应用最为广泛，而深度学习、多源数据整合、混合模型以及可解释性人工智能则被视为重要的发展趋势。人工智能与遥感技术的结合具有极大的潜力，能够补充传统监测手段，但目前仍存在一些问题，包括对现场数据的依赖、外部和时间验证的局限性、模型的可迁移性、泛化能力、不确定性评估、验证的稳健性以及模型的可解释性等方面。
