摘要
遥感得到的光谱指数与实地测量数据可为水体监测提供互补信息，但由于观测时间不同步、数据格式不一致、部分数据缺失以及预处理过程不可重复等问题，将二者实际结合十分复杂。本研究提出了AI-Aquatica-RS，这是一个模块化的Python框架，可用于计算光谱指数、根据站点特点进行最近邻时间对齐、构建特征集、进行回归分析评估、通过命令行执行操作以及以结构化格式输出结果。该软件是通过完全人工生成的测试数据集进行评估的，没有使用真实的卫星图像或实地监测数据。测试数据集包含来自六个站点的1080组类似实地的每日观测数据，以及181组作为水面反射率替代值的类似遥感的数据。在±3天的时间对齐容差范围内，最终得到了954条完整的测试记录。为确保公平比较，仅使用实地数据、仅使用光谱指数数据以及将两者结合的三种配置，在完全相同的667条训练数据和287条验证数据上进行了测试。结果显示，采用岭回归方法时，结合两种数据的配置性能最佳（RMSE = 3.481 NTU，MAE = 2.768 NTU，R2 = 0.729），而仅使用实地数据的配置RMSE值为5.086 NTU，仅使用光谱指数数据的配置RMSE值为5.538 NTU。该测试表明，在受控条件下，该软件能够实现可重复的操作，并有效整合互补信息；但这一结果并不等同于环境验证。AI-Aquatica-RS为未来利用真实卫星数据、监测网络、针对不同传感器的预处理方法以及基于空间分区的验证技术开展研究提供了可扩展的软件平台。
