综述：内陆及近海水色遥感中机器学习应用的综述：从预处理到目标检测与参数估算

《Journal of Hydrology》：A review of machine learning applications in inland and nearshore water color remote sensing: from preprocessing to object detection and parameter estimation

　　

Jiarui Shi|Zuchuan Li|Ge Liu|Chong Fang|Zhidan Wen|Yingxin Shang|Hui Tao|Sijia Li|Qiang Wang|Zijin Wang|Kaishan Song

摘要

机器学习技术与卫星遥感技术的结合为目标物体与水质研究带来了新的发展机遇。这些新兴技术极大提升了卫星数据产品的精度，促进了知识发现，将目标物体与水质研究的范围扩展到全球范围，同时也提升了水质研究在社交、经济和科学领域的影响力。本综述首次系统地介绍了机器学习技术在内陆及近海水色遥感全流程中的应用，回顾了机器学习在从图像预处理（包括大气校正、水体提取、光谱模拟、时空融合以及水域范围识别）到目标物体检测和水质参数估算等各个环节的最新进展。此外，我们还精选了一些有价值的开源资源，并指出了当前面临的主要挑战，如数据稀缺和标签偏差、模型可解释性不足、不确定性量化不够，以及多模态数据整合、长期大规模多尺度分析的难度，还有建立有效空间关系模型的需求。同时，我们也探讨了多时相数据整合以及引入物理约束等新兴趋势。通过全面概述该领域中机器学习的应用情况，本综述为那些希望提升水质监测与评估水平的研究人员和从业者提供了宝贵的参考。这些见解有望推动更精准、可扩展且易于理解的机器学习模型的发展，进而助力改善环境管理和决策制定。