基于高频海岸监测的旅游导向海水质量动态的可解释多类预测

《Environments》：Explainable Multiclass Forecasting of Tourism-Oriented Seawater Quality Dynamics Using High-Frequency Coastal Monitoring

　　

休闲沿海水域日益受到城市化、海上活动和旅游业的影响，产生了对支持主动水质量管理的预测工具的需求。本研究提出了一种可解释机器学习框架（explainable machine learning framework），用于预测旅游导向海水质量指数（Tourism-Oriented Seawater Quality Index, SeaWQI-T）的近期变化，使用的数据是在阿尔巴尼亚Vlor?湾收集的高频海水监测数据。一次夏季监测活动（2025年6月至8月）使用配备Horiba U53多参数探头的无人水面艇，从六个监测站获得了102,988个物理化学观测数据。经过质量控制和时间聚合后，这些数据被用于构建一个多类预测问题（下降、稳定或上升），并评估了逻辑回归（Logistic Regression）、随机森林（Random Forest）和极限梯度提升（Extreme Gradient Boosting, XGBoost）模型在多个预测视野上的表现。XGBoost取得了最佳的验证性能，而随机森林在独立测试数据集上表现出更优的泛化能力，并提供了最稳定的可解释性结果。SHapley加法解释（SHapley Additive exPlanations, SHAP）识别出SeaWQI-T动态、浊度、溶解氧和氧化还原电位是最具影响力的预测因子。所提出的框架表明，将可解释机器学习与自主高频监测相结合，可以提供准确、可解释的预测，以支持智能沿海休闲管理和可持续旅游规划。

沿海水域是旅游业和休闲活动的核心资源，但城市化、航运和旅游压力日益加剧，导致水质量退化。传统监测方法主要依赖定期采样，缺乏预测能力，无法满足游客和管理者对短期水质动态的预判需求。尽管已有水质指数（如旅游导向海水质量指数，SeaWQI-T）用于综合评估，但现有研究多集中于描述性分析，鲜有将可解释机器学习与高频监测结合用于预测休闲适宜性变化。为此，研究人员在阿尔巴尼亚Vlor?湾开展研究，旨在构建一个可解释的机器学习框架，利用高频海水监测数据预测SeaWQI-T的短期变化方向（下降、稳定或上升），以支持主动式沿海休闲管理和可持续旅游规划。

研究人员在2025年6月至8月夏季旅游高峰期间，使用BlueBoat无人水面艇（USV）搭载HORIBA U-53多参数探头，在Vlor?湾六个监测站（S1-S6，涵盖沙滩、港口、岩石底质等不同环境）进行连续92天监测，获得102,988个高频物理化学观测数据。经质量控制后，数据按60分钟窗口聚合，并构建特征工程，包括环境变量（温度、pH、浊度、溶解氧DO、氧化还原电位ORP等）、时间特征（小时、星期等）、滞后变量和短期统计描述。预测任务被定义为多类分类（SeaWQI-T变化阈值±1.0单位），预测视野为1、3、6、9、12个未来小时步长。研究人员评估了逻辑回归（Logistic Regression）、随机森林（Random Forest）和极限梯度提升（XGBoost）三种模型，采用时间顺序划分训练（70%）、验证（15%）和测试（15%）数据集，以Macro-F1为优化指标，并利用SHapley加法解释（SHAP）进行可解释性分析。此外，还开发了基于Streamlit的交互式仪表盘原型，用于展示监测数据、预测输出和SHAP结果。

研究结果如下：

**3.1 数据集聚合与预测设置**：质量控制的监测数据集包含102,988个观测，经60分钟聚合后得到839个样本，预测目标为多类（下降、稳定、上升），阈值为1.0 SeaWQI-T单位。

**3.2 环境特征与空间变异**：通过Kruskal-Wallis检验和Friedman重复测量分析，确认六个监测站之间所有变量存在显著差异（p<0.001），效果量从温度（ε²=0.411）到DO、ORP、pH（ε²≈0.972），表明监测网络捕获了明显环境异质性。

**3.3 类别分布**：稳定类最多，但下降和上升类均具有足够样本用于监督分类。以6小时步长为例，数据集包含803个样本：下降220个，稳定359个，上升224个。

**3.4 模型性能**：在验证集上，XGBoost在所有预测视野中Macro-F1最高（6小时步长时0.557）。在独立测试集上，随机森林在6小时步长取得最佳Macro-F1（0.569），但配对统计检验显示随机森林与XGBoost之间差异不显著（Holm校正后p=1.000）。随机森林对下降类召回率最高（0.600），对稳定类（0.547）和上升类（0.485）表现稳定。

**3.5 预测视野稳定性**：6小时步长提供最佳平衡，测试Macro-F1最高，短视野易受噪声影响，长视野不确定性增加。

**3.6 可解释AI结果（SHAP）**：随机森林特征重要性排序显示，浊度（NTU）、短期浊度变化、SeaWQI-T、SeaWQI-T斜率、ORP和DO为最影响预测因子。SHAP分析进一步确认，SeaWQI-T动态（总贡献39.9%）和浊度相关变量（28.1%）主导预测，ORP、DO、pH贡献较小。高/低特征值对三类预测影响不同，表明水清晰度和短期浊度动态是驱动近期休闲适宜性变化的关键。

**3.7 仪表盘与决策支持原型**：开发了Streamlit交互式仪表盘，集成监测摘要、趋势图、空间地图、参数探索、模型性能比较、预测检查和SHAP解释等功能，展示了将预测转化为决策支持的潜力。

讨论部分总结：该框架证明，即使沿海系统动态复杂，高频监测数据中的短期时间持续性足以支持有价值的预测。集成方法优于线性模型，SHAP揭示了环境驱动因素。但研究存在局限性：监测仅一季、未纳入气象和微生物变量，模型应视为概率性决策工具而非确定性预测。未来需要多季节验证和实时实现。

结论部分翻译：本研究开发并评估了一个可解释机器学习框架，用于利用阿尔巴尼亚Vlor?湾的高频海岸监测数据预测SeaWQI-T的短期变化。通过结合自主环境监测、机器学习、可解释人工智能和交互式可视化，该框架将传统水质评估扩展为主动式休闲决策支持。结果表明，近期休闲海水适宜性变化可从近期物理化学观测和环境动态中预测。集成机器学习模型取得了最强预测性能，可解释AI分析识别出浊度相关变量、SeaWQI-T趋势、溶解氧和氧化还原电位为关键驱动因素。开发的仪表盘进一步展示了如何将监测观测、预测输出和模型解释整合到运营决策支持环境中。尽管在Vlor?湾开发和评估，该预测方法可迁移至其他拥有高频监测数据的沿海环境，但需考虑当地环境条件和SeaWQI-T校准需求。未来研究应评估多季节多环境框架，纳入更多气象、水动力和微生物变量，并探索基于实时数据更新的运营实现。总体而言，本研究表明可解释机器学习与高频环境监测结合为智能休闲海水预测和可持续旅游导向海岸管理提供了有前景的基础。