【文献精选】WR|基于遥感和深度神经网络的2002年以来五大湖总磷时空变化重建

本研究利用深度神经网络（DNN）模型，结合MODIS遥感反射率数据，重建了2002年以来五大湖总磷（CTP）的时空变化。研究背景源于总磷作为非光学活性物质，遥感估算存在挑战。研究目的是开发一种可靠的方法来估算CTP，并分析其时空变化及驱动因素。结果表明，DNN模型在估算CTP方面表现出色，R2达到0.8，且模型对输入特征变化具有鲁棒性。研究发现，2002至2022年间五大湖CTP显著下降，主要归因于耕地减少和流域自然生态系统的改善。此外，研究还验证了DNN模型从MODIS到VIIRS的可移植性，为中等分辨率CTP估算的连续性提供了支持。