【文献精选】Env Pollu|基于机器学习模型和基于聚类分析的经验模型估算中国南部内陆水库多源遥感水质变量

本研究针对中国南部内陆水库的水质监测挑战，提出结合无人机与卫星多源遥感数据，采用模糊C均值聚类与波段组合经验模型（FCM-BC）以及混合密度网络等四种机器学习方法，对12种光学活性与非光学活性水质变量进行反演。背景显示，中低营养状态水体遥感监测受时空分辨率和气象条件限制，传统方法难以有效量化非光学活性成分。研究目的包括比较不同遥感平台和模型精度、生成水质空间分布图、并提出针对不同监测频率与天气条件的反演策略。结果表明，FCM-BC模型相比非聚类方法精度提升至少46.9%，混合密度网络模型在准确性和稳定性上最优（R²范围0.60-0.98），无人机平台反演效果最佳，且多源数据空间分布一致性良好。结论强调该方法为中小尺度内陆水体水质监测提供了可行方案，支持政府部门制定污染控制决策。