【文献精选】Water Research|富营养化湖泊总磷浓度遥感算法的发展：传统还是机器学习？

本文研究了富营养化湖泊总磷（TP）浓度的遥感估算方法，比较了传统算法和机器学习算法的性能。研究背景指出磷是淡水生态系统中的限制性营养素，遥感技术为湖泊环境管理提供了重要工具。研究目的是开发适用于湖泊群的TP遥感模型，解决现有方法复杂且精度不高的问题。通过以太湖为例，研究提出了一种基于极值梯度提升（BST）的机器学习框架，该算法能有效挖掘浮游植物主导的水体光学特性与TP之间的关系，表现出较高的精度（R2=0.6）。此外，研究还开发了通用TP算法（R2=0.64），并在其他7个湖泊中进行了测试。结论表明，机器学习算法在大尺度富营养化湖泊TP时空估算中具有应用潜力，尽管存在一定误差，但能减少采样点时空分布不均匀的影响，反映水质实际情况。