相关实验视频
Updated: Jul 30, 2026

06:37
Continuous Hydrologic and Water Quality Monitoring of Vernal Ponds
Published on: November 13, 2017
9.3K
基于机器学习的Hulun湖水质的遥感逆转和时间空间变化的研究
Wei Song1, Yinglan A2, Yuntao Wang2
1College of Water Sciences, Beijing Normal University, Beijing 100875, China.
Journal of contaminant hydrology
|December 15, 2023
概括
遥感可以有效地监测Hulun湖.
科学领域:
- 环境科学 环境科学
- 遥感 遥感 遥感 遥感
- 水质监测 水质监测
背景情况:
- 胡伦湖面临着严重的水质恶化.
- 传统的监测方法缺乏空间和时间的覆盖.
- 遥感为全面的水质评估提供了可行的解决方案.
研究的目的:
- 开发和应用一个遥感模型来评估Hulun湖的关键水质参数.
- 分析2016年至2021年水污染的空间和时间趋势.
- 确定污染源,并为生态保护战略提供信息.
主要方法:
- 使用Landsat 8 OLI卫星数据和现场采样.
- 采用随机森林算法来构建水质逆转模型.
- 绘制了六个参数:叶绿素-a,总,总,氨,化学氧需求和溶解氧.
主要成果:
- 随机森林模型在估计水质参数方面表现出了值得称赞的表现.
- 高分辨率地图显示了TN,TP和COD的严重污染水平,超过了V类标准.
- 与中部湖区相比,污染物度在湖口更高,这表明河流污染的影响.
结论:
- 遥感对于有效监测Hulun湖水质量至关重要.
- 涌入的河流对湖泊的污染有很大影响.
- 持续监测和有针对性的干预措施对于生态保护和恢复至关重要.

