利用Sentinel-2遥感和机器学习技术识别影响湖泊表面温室气体浓度的相关因素：以青海湖的Bird Island为例

《Scientific Reports》：Identifying the influencing factors of lake surface greenhouse gas concentrations using sentinel-2 remote sensing and machine learning: A case study of bird Island, Qinghai Lake

　　

摘要

青藏高原上的高山湖泊是研究区域碳循环的重要区域，对气候变化非常敏感。然而，湖泊表面温室气体的变化模式及其环境调控机制仍不明确。本研究以青海湖的鸟岛作为研究区域。基于2021年Sentinel-2卫星观测期间测得的湖泊表面CO₂、CH₄和H₂O浓度数据，结合Sentinel-2遥感图像和ERA5-Land气象数据，利用随机森林（RF）和极端梯度提升（XGBoost）模型以及SHAP方法，识别并预测了影响湖泊表面CO₂、CH₄和H₂O变化的因素及其贡献特征。结果显示，CO₂、CH₄和H₂表现出明显的季节性变化：CO₂浓度的年度变化呈“V”字形，生长季节的浓度低于非生长季节；CH₄浓度的年度变化较小，呈“波浪”状；H₂O浓度呈现单峰分布，其高值时段与CO₂的低值时段基本一致。温度和MNDWI是影响CO₂、CH₄和H₂浓度变化的主要预测因素，同时H₂O浓度还受到辐射的影响。本研究结合了观测数据、遥感图像和机器学习方法，为气候变化背景下湖泊温室气体浓度环境预测因素提供了新的见解。