基于多源数据和机器学习的洪湖湿地叶绿素a和浊度时空变化研究
2024-04-29分类号:TP181;X832
【部门】生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心 中国科学院精密测量科学与技术创新研究院
【摘要】以湖北省第一大湖泊洪湖为研究对象,利用Sentinel-2遥感影像和现场监测数据,基于随机森林机器学习模型构建洪湖湿地叶绿素a和浊度遥感反演模型并揭示其时空变化规律。研究结果表明,叶绿素a与浊度反演模型均能较好地拟合数据,R~(2)的值分别为0.888和0.878;2020~2022年,洪湖叶绿素浓度均值分别为58.127 μg/L、61.847 μg/L和82.017 μg/L,浊度均值分别为50.180 NTU、47.379 NTU和85.377 NTU;洪湖湖区浊度和叶绿素a浓度在空间分布上呈现出显著的负相关性(R~(2)=0.9641);三年间叶绿素a和浊度显著升高表明洪湖水质处于持续恶化趋势,长期围网围垸养殖过程的迟滞效应、极端气候事件的冲击影响、流域外源污染负荷的居高不下加之内源污染释放的显著增强可能是导致洪湖水质根源性变化的重要驱动因素。本研究揭示洪湖湿地叶绿素a和浊度时空变化规律并分析主要驱动因素,对洪湖水华风险预警和重点区域有效管理具有重要意义。
【关键词】多源数据 机器学习 洪湖湿地 时空变化
【基金】湖北省重点研发计划项目(2023BCA003);; 国家自然科学基金长江水科学研究联合基金项目(U2240213)
【所属期刊栏目】长江流域资源与环境
文献传递