在越南河内评估地表水污染,使用遥感和机器学习算法

科学领域:

• 环境科学 环境科学
• 遥感 遥感 遥感 遥感
• 机器学习 机器学习

背景情况:

• 全球快速的城市化,特别是在全球南方,导致了土地利用的重大变化和对地表水体的威胁.
• 越南的河内长期受到地表水污染,需要先进的监测方法.
• 有效地管理水资源需要改善污染物的跟踪和分析.

研究的目的:

• 引入和评估一种新的机器学习模型 (ML-CB),用于估计关键的地表水污染物.
• 评估将光学和雷达卫星数据用于水质监测的有效性.
• 为城市规划者和管理人员提供水质评估的替代方法.

主要方法:

• 开发了一种使用立方体算法 (ML-CB) 的机器学习模型.
• 综合光学 (Sentinel-2A) 和雷达 (Sentinel-1A) 卫星图像用于污染物估计.
• 使用回归分析对现场调查数据进行验证的模型预测.

主要成果:

• ML-CB模型在估计表面水污染物方面表现出显著的准确性.
• 光学和雷达数据的整合在水质评估中被证明是有效的.
• 实现了总悬浮沉积物 (TSS),化学氧需求 (COD) 和生物氧需求 (BOD) 的预测估计.

结论:

• ML-CB模型为地表水质量监测提供了一个可行的和有效的替代方案.
• 这种方法可以支持城市地区的可持续水资源管理,特别是在全球南方.
• 该研究强调了将机器学习和地球观测结合起来,用于环境管理的潜力.