基于XGBoost的内陆河湖浊度反演与长时序分析

浊度是影响水下光场及营养盐循环的关键要素之一，浊度监测可以为河湖水质的污染防控和预警提供科学依据。以长三角示范区的典型河湖为研究区，使用实测数据构建浊度反演模型，并利用1984—2022年Landsat卫星数据分析了研究区河湖浊度的长时序动态变化。对比传统经验模型、半经验模型和机器学习模型，XGBoost机器学习模型精度最高(R²为0.68,RMSE为4.78 NTU)。浊度反演结果表明，近40年河流航道和淀山湖北部非渔场区域浊度上升了10%和12%，而元荡湖和大莲湖浊度下降了19%和27%，并且浊度随着建设用地面积的增加而增大；研究区浊度季节性变化显著，秋冬季平均浊度比春夏季高6 NTU，月平均浊度与月平均降水量负相关，相关系数为-0.61 (p<0.05)，但与月平均风速没有显著的相关性。基于XGBoost的Landsat长时序浊度反演能够把握研究区浊度的时空变化趋势，明确水污染管理与治理方向，最终助力长三角一体化发展。