整合多源环境变量与Sentinel-3 OLCI影像用于渤海富营养化参数的可解释反演

《Remote Sensing》:Integrating Multi-Source Environmental Variables with Sentinel-3 OLCI Imagery for Interpretable Retrieval of Eutrophication Parameters in Bohai

【字体: 大 中 小 】 时间:2026年08月03日 来源:Remote Sensing 4.3

编辑推荐:

  卫星遥感技术以高时空分辨率和长期连续观测为特征,已成为水质监测的关键工具。营养盐(尤其是氮和磷)过量输入海洋环境会引发富营养化及相关生态问题。溶解无机氮(DIN)和可溶性活性磷(SRP)是控制水质的关键参数。然而,其固有的弱光谱响应给构建精确的卫星反演模型带来

  
卫星遥感技术以高时空分辨率和长期连续观测为特征,已成为水质监测的关键工具。营养盐(尤其是氮和磷)过量输入海洋环境会引发富营养化及相关生态问题。溶解无机氮(DIN)和可溶性活性磷(SRP)是控制水质的关键参数。然而,其固有的弱光谱响应给构建精确的卫星反演模型带来了持续挑战。将环境变量与光谱反射率一起纳入模型输入特征,是提高反演性能的一种有前景的方法。研究人员以渤海为例,将多源环境变量与遥感光谱特征相结合,利用贝叶斯优化和迭代特征重要性筛选策略确定了最优特征组合及相应模型。Bayes-CatBoost在估算DIN和SRP方面表现出优越性能,分别达到R2值为0.82和0.68。在加入多源环境变量后,相对于仅基于多光谱遥感数据的模型,DIN和SRP的反演误差分别降低了17.41%和16.79%。将所提出的模型应用于Sentinel-3 OLCI影像,能够生成渤海每日DIN和SRP分布图。结果表明,2018年至2023年,渤海DIN和SRP浓度总体保持稳定但略有下降趋势,季节性变化显著,同时水质逐步改善。
**研究背景与问题**:沿海经济快速发展导致营养盐(尤其是氮和磷)过量输入,引发富营养化、藻华和缺氧等生态问题,威胁海洋生物多样性和人类健康。传统固定点采样方法耗时费力、空间覆盖有限,难以全面反映大水体水质状况。卫星遥感具有高时空分辨率和长时序观测能力,已成为大尺度水质监测的重要工具,但非光学活性参数如溶解无机氮(DIN)和可溶性活性磷(SRP)因其光谱响应微弱,难以直接通过卫星光谱反演。已有研究通过光学活性参数间接估计或引入环境变量改善模型,但特征选择往往基于单一统计相关性,忽略了光谱与环境特征间的交互作用,难以获得最优特征组合。该论文发表在《Remote Sensing》期刊上,旨在解决上述问题。

**研究人员开展的研究**:该研究以渤海为案例,整合多源环境变量与遥感光谱特征,基于贝叶斯优化和迭代特征重要性筛选策略,构建了DIN和SRP的可解释反演模型,并应用于Sentinel-3 OLCI影像生成2018-2023年渤海每日DIN和SRP分布,分析其时空变化规律。

**主要技术方法**(不超过250字):研究人员使用2018-2023年渤海原位水质数据集(来源于国家海洋环境监测中心,NMEMC)和Sentinel-3 OLCI影像(经ACOLITE DSF大气校正),提取前15个可见-近红外波段的水体反射率。环境数据来自CMEMS(海表温度thetao、盐度so、流速uo/vo、海面高度zos)和GPM降水(IMERG)。光谱特征提取包括单波段、波段组合(归一化差异指数、分数减法、三波段组合)经CARS筛选,以及多光谱形态组合特征(MSMCF)。模型构建采用贝叶斯优化超参数的CatBoost模型,并通过基于特征重要性排序的迭代筛选策略确定最优特征组合。最终模型应用于Sentinel-3 OLCI影像生成每日DIN和SRP分布。

**研究结果**:

**模型性能评估**:通过比较Bayes-RFR、Bayes-XGBoost和Bayes-CatBoost,结果表明Bayes-CatBoost在测试集上表现最优,DIN反演的决定系数R2为0.82,平均绝对误差MAE为0.06 mg/L,均方根误差RMSE为0.099 mg/L,平均绝对百分比误差MAPE为29.34%;SRP反演的R2为0.68,MAE为0.003 mg/L,RMSE为0.004 mg/L,MAPE为40.89%,数据点集中分布在1:1线附近。

**模型一致性验证**:将模型应用于未参与训练和测试的独立样本(因云覆盖缺失像素的未匹配样本),卫星衍生的时间趋势与实测值吻合良好,验证了模型的可靠性。

**模型应用**:
- **年际时空变化**:多年度平均分布显示DIN浓度近岸高、中央低,高值区位于辽东湾和莱州湾,辽河口可超过0.8 mg/L;SRP呈北高南低梯度,高值在辽东湾北部、大连沿海及渤海湾北部。2018-2023年DIN和SRP年均浓度均呈微弱下降趋势,线性斜率分别约为-0.0021和-0.00023 mg·L-1·year-1,但2021年出现反弹。
- **年内季节变化**:DIN和SRP均呈夏季最低、冬季最高的季节模式,SRP季节性变异更强。春季DIN较高,夏季因浮游植物吸收而下降,秋季回升,冬季达峰值;SRP春季低,夏季更低,秋季显著升高,冬季最高。N/P比值春季最高、冬季最低,四季均超过Redfield比(16),表明需加强氮输入控制。
- **水质评估**:基于国家海水水质标准(GB 3097-1997),DIN和SRP均以一类水为主,DIN一类水占66.7%-68.7%且比例略升,SRP一类水占95.3%-97.6%,表明渤海综合整治行动取得积极效果。

**讨论与结论**:消融实验表明,整合光谱特征、环境数据和时空信息后,DIN和SRP的MAPE分别降低17.41%和16.79%。SHAP分析揭示,空间坐标(经纬度)对模型贡献最大,盐度通过指示陆地营养盐输入间接补偿DIN和SRP的弱光谱响应,海表温度、降水、海面高度和流速等亦通过影响生物地球化学过程或输运机制贡献模型。与先前研究相比,本模型在氮磷反演上表现更优(DIN的R2达0.82)。局限性包括高浓度训练样本稀缺导致高值低估、光谱形态特征贡献有限、时空信息可能引入空间不连续,未来可考虑地理加权模型如G-XGBoost和地理加权随机森林(GWRF)。

**结论**:研究人员整合了Sentinel-3 OLCI遥感数据、原位测量、多源环境变量和时空信息,开发了RFR、XGBoost和CatBoost模型用于反演DIN和SRP浓度。通过分析光谱差异并纳入环境驱动因素和时空变量,利用特征重要性排序确定最优输入特征,使模型反演误差分别降低17.41%和16.79%。贝叶斯优化后的Bayes-CatBoost表现最优,DIN反演R2=0.82,MAE=0.06 mg/L,RMSE=0.099 mg/L,MAPE=29.34%;SRP反演R2=0.68,MAE=0.003 mg/L,RMSE=0.004 mg/L,MAPE=40.89%。将该模型应用于Sentinel-3 OLCI影像,得到渤海2018-2023年DIN和SRP浓度时空分布,结果显示年均浓度保持稳定并略有下降;根据《海水水质标准》(GB 3097-1997),DIN和SRP主要为一类水,占比呈小幅上升趋势,表明近期渤海综合整治行动取得了可量化的积极效果。季节上,DIN和SRP均夏季最低、冬季最高,SRP季节性变异更大,受浮游植物吸收和转化过程影响更强;N/P比值在所有季节均显著超过Redfield比,表明需持续监测和管理氮排放。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号