氮、磷营养盐的过度排放导致全球近岸水体富营养化问题突出。溶解无机氮、活性磷酸盐、化学需氧量是表征近岸水体富营养化程度的关键指标，但由于缺乏显著的光谱特征，其光学遥感反演面临挑战。

面向广东省近海水污染防治与生态环境保护的迫切需求，针对入海污染物大范围、准同步、高时空分辨率监测能力不足的问题，本文基于南海北部近岸海域4038组现场水质观测数据和准同步MODIS卫星遥感产品，构建了溶解无机氮、活性磷酸盐、化学需氧量等非光学活性水质参数的机器学习反演模型，并开展了模型可解释性评估（图1）。

图1. 算法流程图

基于所构建可解释机器学习反演模型和27278景MODIS遥感影像，研制了南海北部近岸海域的2002-2022年逐日、空间全覆盖、1km分辨率的溶解无机氮、活性磷酸盐和化学需氧量监测数据集。研究结果表明：粤港澳大湾区海域的氮、磷营养盐浓度在过去20余年间分别增长了6%和11%，其中珠江口增速最快（图2）。研究结果可服务于大尺度常态化水质监测，为粤港澳大湾区海域水污染时空特征研究提供技术支撑。

图2. 粤港澳大湾区海域（a）富营养化状况的空间分布、（b）各等级营养级水域面积的长期变化、（c）综合水质类别的空间分布、（d）非优良水质水体面积的长期变化

该研究成果于近日发表于遥感领域国际期刊ISPRS Journal of Photogrammetry and Remote Sensing（IF=12.7），题目为“Robust remote sensing retrieval of key eutrophication indicators in coastal waters based on explainable machine learning”。论文第一作者为中山大学大气科学学院硕士研究生朱柳迪，我实验室地球系统模式创新团队核心成员、中山大学大气科学学院崔廷伟教授为论文通讯作者，合作者包括中山大学博士生阿如娜、潘信亮、向金朝、曹萌萌，以及生态环境部华南环境科学研究所赵文静正高级工程师。

该研究得到了南方海洋科学与工程广东省实验室（珠海）自主科研项目的支持。

原文链接：https://doi.org/10.1016/j.isprsjprs.2024.04.007