【文献精选】Eco Informatics|基于多源数据方法估算季节性湖泊总氮浓度的新方法

本研究针对鄱阳湖总氮浓度难以通过传统光谱方法准确估算的问题，提出了一种结合多源数据的机器学习方法。背景方面，湖泊富营养化是全球性环境问题，总氮作为关键限制因子对生态平衡构成威胁，但因其非光学活性导致遥感反演精度受限。研究目的旨在通过融合卫星光谱数据与水温、水深、流速等环境参数，利用机器学习模型提升总氮估算精度。结论表明，极端梯度增强（XGB）算法在整合多源特征后表现最优，训练集R²达0.89，验证集R²为0.69，且蒙特卡罗仿真验证了模型对输入误差的鲁棒性。应用结果显示，鄱阳湖总氮浓度呈现枯水期最高、汛期最低的时空规律，主要受水文条件和人类活动影响。该方法为类似湖泊的水质监测提供了可靠框架。