基于机器学习的卫星遥感水质富营养化评价——以合肥市环城河为例

以合肥市环城河为研究对象,使用线性回归、随机森林、支持向量回归和套索回归等机器学习模型挖掘Landsat8卫星数据和水质参数之间的关系,对遥感影像值的反射率和水质参数进行建模,并比较了4种不同模型的表现.结果显示,随机森林模型的表现最好,对TN、TP、NH3-N反演模型的精度都能达到0.7以上;反演的水质参数浓度分布图表明TN、TP在环城河东北段的污染最严重,而NH3-N则在西南段的污染最严重;从水体富营养化分布图可以看出,环城河东段水体呈现中度营养状态.     

太湖沿岸浅水湖泊生态修复过程中生态系统健康评价

为评估生态修复过程中太湖沿岸浅水湖泊的生态系统健康状况,于2022年对金墅港圩地水体进行了调查.构建了水生态健康综合评估指标体系,由目标层、准则层、指标层构成.其中,准则层由功能性、完整性、稳定性3项组成,指标层由综合水质、营养状态等14个大项参数和pH值、温度、溶解氧等28个小项参数构成,采用层次分析法分别确定了准则层和指标层的权重系数,再使用比值法统一量纲.结果表明,在生态修复过程中,功能评价指数在秋季达到最高,完整性评价指数在秋、冬两季优于春、夏两季,稳定性评价指数在夏季最高,有70%的点位处于“健康”水平,水生态健康综合评价指数持续上升.说明生态修复工程有效地促进了水生态系统的重建与恢复,这不仅对后续的修复和管理有重要意义,而且能为其他湖泊的水生态修复和评价提供借鉴.