【视点】同济大学娄厦等：基于机器学习技术识别四类河口（运河、城市、农业与天然河口）总有机碳浓度的驱动因子

本研究通过机器学习技术分析了四种不同类型河口（运河、城市、农业与天然河口）中总有机碳（TOC）浓度的驱动因子。研究发现，天然河口的TOC受降雨和地表径流影响显著，农业河口则主要受上游农业活动的影响，而城市河口因污水排放和水动力条件受限导致TOC浓度升高。研究强调了陆源输入和浮游植物光合作用在调节TOC浓度中的重要性，并建议在碳通量估算中考虑河口类型和季节性动态。该研究为滨海湿地碳循环过程的理论认知提供了新的视角。