| （一）文章信息 |
标题：Exploring spatiotemporal patterns of phosphorus concentrations in a coastal bay with MODIS images and machine learning models
期刊：《Remote Sensing of Environment》(中科院1区Top, IF=11.1)
作者：Ni-Bin Chang et al.
doi：http://dx.doi.org/10.1016/j.rse.2013.03.002
| （二）研究背景 |
本研究探讨了佛罗里达州坦帕湾中总磷（TP）浓度的时空模式，使用了中分辨率成像光谱仪（MODIS）图像和遗传编程（GP）模型。磷是导致水体富营养化的关键因素之一，而富营养化是全球范围内的环境问题。富营养化通常是由于氮（N）和磷（P）等营养物质的流入，导致藻类大量繁殖，消耗大量溶解氧（DO），导致水体缺氧，进而危害水生生态系统。本研究旨在通过GP模型建立TP浓度与水质参数和遥感反射波段之间的定量关系，探索坦帕湾中TP浓度的时空变化，特别是与飓风和干旱等自然灾害的关系。
坦帕湾是一个快速城市化地区，长期以来接收了大量的污水和地表径流。随着城市发展和农业活动的增加，肥料的使用量大幅增加，这些肥料通过地表径流进入坦帕湾，显著提高了TP浓度。此外，坦帕湾地区经常受到飓风和干旱的影响，这些自然灾害进一步加剧了TP浓度的变化。因此，研究TP浓度的时空模式，对于理解和管理该地区的水质具有重要意义。
为了实现这一目标，本研究使用MODIS遥感图像和遗传编程（GP）模型，通过反演建模的方法，开发了一个能够估计TP浓度的回归模型。通过该模型，我们可以分析坦帕湾中TP浓度的时空分布，揭示自然灾害和人为活动对TP浓度的影响，为环境管理提供科学依据。
| （三）研究数据与方法 |
本研究选取了坦帕湾作为研究区域，该地区面积约1000平方公里，人口约460万。研究数据包括MODIS图像和现场测量的水质数据。MODIS图像通过NASA的Reverb网站获取，并使用MODIS重投影工具（MRT）进行处理，转换为通用横轴墨卡托（UTM）坐标系，并保存为GeoTIFF格式。现场测量数据来自坦帕湾水文数据库，包含不同时间和地点的TP浓度数据。
在数据处理过程中，首先将现场测量数据与MODIS图像进行匹配，并提取相应的遥感反射波段值。然后，将这些数据输入GP模型进行训练和验证。GP模型是一种非线性回归模型，能够处理高度非线性的环境系统。模型的训练和验证使用了740个数据点，其中581个用于模型训练，159个用于模型验证。为了确保模型的空间适用性，验证数据和训练数据相互独立，以避免自相关问题。
在模型构建过程中，使用了Discipulus®软件，通过遗传编程的进化计算过程，从数百万个GP模型中筛选出最优的30个模型。通过计算影响评估和使用频率，确定了最具影响力的MODIS反射波段（即波段1、3和4）。这些波段主要集中在可见光谱区域，特别是波段4（绿色波段）在TP浓度估计中起到了关键作用。
（四）研究结果 |
通过对GP模型的校准和验证，本研究发现MODIS图像的反射波段与现场测量的TP浓度之间存在显著相关性。模型校准数据的决定系数（R²）为0.53，验证数据的R²为0.58，表明模型具有较好的预测能力。通过模型筛选和排序过程，确定了最优的反射波段组合，波段1、3和4是最重要的预测因子，特别是波段4（绿色波段）在TP浓度估计中具有重要作用。
本研究进一步分析了TP浓度的时空分布，发现TP浓度在夏季和秋季达到峰值，而在春季和冬季则达到谷值。年际变化上，TP浓度与河流流量的变化密切相关，特别是在旱季和飓风季节，TP浓度变化显著。通过对2004至2011年间每月TP浓度的估算，发现TP浓度在2004年达到最高值，然后逐年下降，2007至2009年期间再次上升，2011年再次下降。
此外，本研究还探讨了TP浓度与河流流量之间的联系。结果表明，TP浓度与三条主要河流（希尔斯堡河、阿拉菲亚河和小马纳提河）的流量之间存在显著相关性。通过分析这些河流的月流量数据，发现TP浓度的季节性变化与河流流量的季节性模式一致，进一步验证了GP模型的可靠性和适用性。
| （五）研究结论 |
本研究利用MODIS图像和GP模型，成功构建了一个能够估计坦帕湾中TP浓度的回归模型，并揭示了TP浓度的时空分布特征。研究结果表明，遥感图像中的反射波段可以有效地用于TP浓度的估计，特别是可见光谱区域的波段1、3和4在预测中起到了关键作用。通过对2004至2011年间的数据分析，发现TP浓度的季节性变化显著，夏季和秋季浓度最高，春季和冬季浓度最低。TP浓度的年际变化与河流流量密切相关，旱季和飓风季节对TP浓度的影响尤为显著。
研究还表明，遥感技术在水质监测中的应用具有广阔的前景。相比传统的现场测量方法，遥感技术能够覆盖更大的空间范围，并提供连续的时间序列数据，有助于识别水质变化的热点区域和关键时刻。然而，由于遥感图像的分辨率有限，无法直接反映水下的水化学过程，因此仍需结合现场测量数据进行综合分析。
总的来说，本研究通过构建和验证GP模型，证明了遥感图像在TP浓度估计中的有效性，为未来的水质监测和环境管理提供了新的技术手段。未来的研究可以进一步优化模型，结合更多的遥感数据和现场测量数据，提高预测精度，并探讨其他营养物质（如氮）在水体中的时空分布特征。
| （六）主要图表 |
文章来源 ：
Chang N B, Xuan Z, Yang Y J. Exploring spatiotemporal patterns of phosphorus concentrations in a coastal bay with MODIS images and machine learning models[J]. Remote Sensing of Environment, 2013, 134: 100-110.
免责声明 ：
本公众号发布的内容仅供学习交流使用，内容版权归原作者所有。如有侵犯您的权益，请及时与我们联系。
| 回复"1027"获取全文！
Nature Cities｜最新发文｜利用卫星图像为战争城市画像（附公开数据集及代码！）
2024-07-04
遥感顶刊RSE最新发文 | 通过将作物生长和辐射转移模型与卫星遥感数据相结合，估算小麦在小空间尺度上的地上生物量动态
2024-07-03
【nature geoscience最新发文】｜ 中国的碳中和目标将对空气质量、健康和可再生能源带来显著的积极影响
2024-07-02
