《Ecological Informatics》:Evaluating the cross-lake transferability limits of machine learning models for Sentinel-3 inland water chlorophyll-a retrieval
编辑推荐:
光学复杂的内陆水体对卫星反演叶绿素a(Chlorophyll-a, Chla)构成了挑战。本研究探讨了多种机器学习(ML)模型在Chla反演中的表现和跨系统迁移性。研究人员利用经大气校正的Sentinel-3 OLCI遥感反射率(remote sensing
光学复杂的内陆水体对卫星反演叶绿素a(Chlorophyll-a, Chla)构成了挑战。本研究探讨了多种机器学习(ML)模型在Chla反演中的表现和跨系统迁移性。研究人员利用经大气校正的Sentinel-3 OLCI遥感反射率(remote sensing reflectance, Rrs)以及来自伊利湖西部盆地(源)和休伦湖萨吉诺湾(目标)的现场Chla测量数据,使用伊利湖数据训练了多个ML模型,并评估了在独立伊利湖和休伦湖数据集上表现最佳的模型用于全局训练和基于分类的自适应建模。在域内伊利湖测试子集中,分类特定模型在方法2和方法3下产生了适度的精度提升,而在方法1下,模型2在相应测试子集上的表现不如模型1。然而,所有模型在休伦湖上的表现急剧下降(R2通常接近零或为负),即使在适用域筛选和最近邻检查后,域内样本的失败仍然持续存在,这表明预测因子和光学活性成分(optically active constituent, OAC)范围的重叠、适用域筛选以及光谱匹配不足以实现跨湖迁移。机理分析表明,OAC协变具有系统和子集依赖性,并且可能出现光谱歧义性,即不同成分混合物产生相似的Rrs。置换重要性进一步表明,最具影响力的光谱线索在不同湖泊间并不一致排序。这些结果共同定义了模型跨湖迁移性的物理边界:当生物-光学耦合在系统间存在差异时,学到的Rrs-Chla映射不可移植。改善跨湖性能可能需要通过显式的域适应/迁移学习(例如,有限的目标校准)和/或由局部OAC条件指导的混合约束/先验来纳入生态/生物地球化学背景,而不仅仅是合并训练或光学分层。
**研究背景**
内陆水体富营养化是全球性环境问题,导致有害藻华(HAB)频发,威胁水质、生态系统和人类活动。叶绿素a(Chlorophyll-a, Chla)浓度是评估水生态健康与营养状态的关键指标。传统监测方法耗时费力,而卫星遥感(SRS)能提供大尺度、高频次、低成本的监测手段。然而,光学复杂的内陆水体中,总悬浮物(TSS)和有色溶解有机物(CDOM)等光学活性成分(OAC)的干扰,使得基于海洋经验模型的Chla反演算法在跨湖应用时表现不佳。现有研究尝试通过两种策略提升模型迁移性:一是基于大样本多站点数据训练机器学习(ML)模型捕捉非线性关系;二是通过水色分类进行自适应建模,假设不同水色类型具有可重复的OAC-Rrs关系。但严格留出目标湖泊的验证设计仍不足,跨湖迁移性物理边界和失败机制尚不明确。为此,本研究以伊利湖西部盆地为源域、休伦湖萨吉诺湾为目标域,系统评估ML模型在严格留出设计下的跨湖迁移极限,并揭示生物-光学耦合变化和光谱歧义性等失效机制。论文发表在《Ecological Informatics》。
**主要技术方法**
研究人员采用以下关键方法:(1)卫星数据与样本:使用Sentinel-3 OLCI L1b数据,经C2RCC(Case 2 Regional CoastColour)处理器大气校正获取Rrs,时间窗口±1天匹配现场数据;现场Chla、TSS、aCDOM(400)数据来自美国NOAA大湖环境研究实验室(GLERL),伊利湖获得170个有效匹配点(70%训练、30%测试),休伦湖64个作为独立测试集。(2)模型构建:开发人工神经网络(ANN)、支持向量回归(SVR)、随机森林(RF)和最小二乘提升(LSBoost)四种ML模型,输入变量包括Rrs及14种光谱指数(如波段比BR、三波段指数TBI等),通过5折交叉验证和贝叶斯优化调参。(3)水色分类:采用三种方法——基于Spyrakos等(2018)的OWT分类(Method-1)、基于BR-1阈值(Method-2)和基于Rrs,4/Rrs,8阈值(Method-3)——进行自适应建模。(4)模型评估:采用R
2、RMSE、MAE、MAPE,并引入适用域(单变量min-max和多变量1-NN)筛选,区分域内/域外样本。
**研究结果**
**3.1 跨湖Rrs光谱重叠与OAC范围诊断**
伊利湖和休伦湖的Rrs光谱在形状上有重叠,但休伦湖Rrs值整体更低,且OAC分布存在差异(休伦湖Chla和TSS中位数较低)。适用域分析显示,休伦湖测试集中49个样本在伊利湖训练集域内,15个域外。
**3.2 无分类ML模型性能评估**
最佳模型(ANN with Rrs+NDCI-1,称为Model-1)在伊利湖测试集表现良好(R
2=0.466),但休伦湖测试集R
2仅0.046,域内子集R
2为负(-0.145),表明模型完全失效,且适用域筛选无法挽救。
**3.3 分类样本光谱与OAC分析**
三种分类方法均将休伦湖大部分样本归入主导类(Method-1: OWT2;Method-2: BR-1<0.75;Method-3: Rrs,4/Rrs,8在1-2.5)。统计分析显示,主导类内各湖OAC均值虽无显著差异,但协变结构不同:休伦湖的Chla-TSS相关性更强,而伊利湖TSS-CDOM正相关,休伦湖则为负相关。
**3.4 分类模型性能评估**
针对主导类分别训练类特定模型(Model-2、3、4)。在伊利湖域内测试子集中,Method-2和Method-3的类特定模型略有提升,但Method-1的Model-2反而更差。所有模型在休伦湖上均表现极差(R
2负值),即使域内样本也未能改善。
**讨论与结论**
讨论部分指出,域内相似性无法保证迁移,因为OAC协变和光谱歧义性导致相同光谱类内Rrs-Chla关系随湖泊改变。具体而言:(1)OAC协变具有系统依赖性,如Chla-TSS-CDOM间的相关性在伊利湖和休伦湖中差异显著,即使同一光谱类内也不一致;(2)光谱歧义性表现为不同OAC混合物可产生近乎相同的Rrs光谱,导致模型将不同Chla值的样本映射到相似反射率。此外,置换重要性分析显示,最有影响力的光谱波段在湖泊间不一致,进一步证实了预测因子-Chla映射的可移植性边界。研究结论总结如下:
鉴于先前SRS Chla模型在内陆水体中的有限适用性,已有两种策略基于“OAC-Rrs关系在时空尺度上可重复”的假设来应对挑战。为检验该假设,研究人员利用伊利湖西部盆地和休伦湖萨吉诺湾的现场OAC观测及对应经大气校正的Sentinel-3 Rrs数据,对四种模型进行了两种策略的测试。结果表明,三种分类方法中,只有Method-1的OAC含量在报道范围内,而Method-2和Method-3的最大Chla浓度远高于参考研究,显示Method-1在水色分类中具有更好的可迁移性。类特定建模在伊利湖测试子集中产生了方法依赖的结果:在对应域内子集中,Model-3和Model-4相比Model-1有适度提升,而Model-2在Method-1的OWT2域内子集中表现更差。然而,尽管两湖在光谱信号、OAC含量和水色类型上相似,所有模型应用于休伦湖时均失败。这些结果凸显了假设Rrs与OAC间关系在湖泊间普遍可重复的局限性。光谱歧义性和湖泊特异性OAC协变解释了为何仅靠光谱分类无法保证迁移——不同OAC混合物可产生相似Rrs却对应不同Chla值。因此,按OWT/BR类分层的自适应模型可提升湖内(或共享类似OAC耦合的体制内)性能,但若目标系统不具有可比的OAC协变和生态/颗粒组成,跨湖迁移将仍然受限。研究结果强调了当前全球SRS Chla反演模型开发策略的局限性。将更多生态背景(如TSS组成、浮游植物种类)纳入水色分类框架可能增强模型迁移性。更普遍地,这些结果表明改善跨湖性能可能仍需显式的域适应/迁移学习策略(如有限的目标校准或由本地生态/颗粒组成指导的约束),而不仅仅是更大的合并训练数据集或光学分层。最终,本研究提供了挑战模型可泛化性过度简化假设的经验证据,并强调了在淡水遥感中整合光学与生态复杂性的重要性。