【文献精选】Eco Informatics|利用深度学习增强型遥感绘制复杂近岸水域总悬浮固体(TSS)和溶解有机碳(DOC)

本研究针对复杂近岸水域水质监测需求，开发了基于深度学习增强型遥感技术的水质参数反演模型。背景方面，传统原位监测方法存在时空局限性，而卫星遥感虽能大范围监测水质参数，但在光学复杂的沿海地区受非线性反射率-水质关系影响精度。研究目的为通过构建融合不确定性的增强光谱库，训练密集深度学习模型，实现总悬浮固体和溶解有机碳的高精度反演。结论表明，该模型在固有误差验证中TSS和DOC平均绝对误差分别为7%和22%，预测误差分别为75%和31%，且计算效率较传统方法提升约90%，证实其能有效捕捉水质参数的时空动态变化，为海洋管理提供可靠工具。