城市河流是重要的淡水资源，其水质状况直接联系到生态环境完整性和社会经济的可持续发展。伴随人口增长和工业化进程的加快，河流面临着日益严重的污染问题。因此，系统监测城市河流中的营养物质（如氮、磷）和有机污染物含量，对于增强生态完整性和促进社会和经济的可持续性至关重要。水质监测的传统手段是现场采样和实验室分析，尽管监测数据精度高，却受限于复杂地形和多变气候等因素。遥感水质监测技术应运而生，以其大尺度覆盖、周期性观测及全面监测的优势，成为传统监测方法的重要辅助工具。当前多数水质监测研究过度依赖遥感技术，忽视了多源数据融合的应用潜力。城市河流因其快速流动的特性和易受沿岸植被、农田、居民区及建设用地等多重因素影响的特质，使得仅凭遥感影像难以精准捕捉水质变化的细微动态。

在陕西省自然科学基础研究计划项目（2024SF-YBXM-570）、国家自然科学基金（42071258）、国家自然科学基金（52130907）和青年创新促进协会（2023000117）联合资助下，我院博士生梁永春在刘磊教授的指导下，聚焦于渭河流域西安咸阳段，选取氨氮（NH₃-N）、总磷（TP）、化学需氧量（COD）及溶解氧（DO）四大关键水质参数作为研究对象，创新性地将Sentinel-2多光谱影像、气象要素（温度、降水、蒸散发、风速）以及土地利用类型（建筑用地、城镇用地、居民区、耕地、林地、草地）等多源数据纳入考量，旨在探索非光学活性物质的水质监测新方法。通过严格的数据筛选与时空匹配，构建了先进的机器学习模型，以预测四种水质参数，并实现模型的时空可视化分析，增强了监测的实用性与直观性。该研究成果在《Journal of Hydrology》期刊上，论文题为“Monitoring water quality parameters in urban rivers using multi-source data and machine learning approach”，《Journal of Hydrology》是国际地学高水平期刊，在Elsevier近五年影响因子：5.9，为中科院期刊地球科学大类1区（Top期刊），其学术影响力主要体现在高引用率、编委权威性和研究主题的前沿性上。

在博士期间，梁永春先后参加了一次国际会议和6次国家级会议并进行学术汇报，获得第三届全国地学研究生论坛荣获“优秀报告奖”。撰写和参与写作论文6篇，分别发表在《Journal of Hydrology》、《Remote Sensing》、《环境科学》、《生态环境学报》和《中国环境科学》期刊。正在申请发明专利“基于多源数据的河流水质时空动态监测模型构建方法”。参与《国家自然科学基金面上项目》、《国家自然科学基金》、《国家重点研发计划子课题》等国家级、省部级、实验室等科研项项目10余项。

图1.论文技术路线图

模型精度评估采用四参数体系，图2展示了最优模型在测试与验证数据集上的拟合散点图。随着多源数据的整合，NH₃-N、TP、DO及COD预测模型展现出稳定性，分别在300米、200米、500米及200米的缓冲区范围内达到最高精度。基于最优模型得到四种水质参数的空间分布图（图4），展示了氨氮、总磷、化学需氧量和溶解氧的高低值分布，再结合国家地表水质量监测标准，进行单一和综合的水质状况分析。

图2. 四种水质参数的空间分布

采用SHAP（Shapley Additive exPlanations）分析方法，本研究深入剖析了各水质参数影响因素的相对重要性（见图3）。影像光谱反射率对水质参数的影响最为显著，其次是气象数据（特别是降水、温度），而土地利用数据的影响相对较小。这一发现为后续多源数据融合的水质监测研究奠定了坚实的理论与实践基础。本研究成果不仅验证了多源数据与机器学习算法在城市河流水污染物量化中的可行性，更为广域河流水质时空动态监测提供了关键技术支持。

图3. 四种水质参数的SHAP分析

文章下载链接：http://doi.org/10.1016/j.jhydrol.2024.132394