基于GOCI-MODIS卫星数据与机器学习模型的高分辨率海岸带缺氧时空监测研究

《Marine Pollution Bulletin》：High-resolution spatio-temporal monitoring of coastal hypoxia using machine learning models and GOCI–MODIS satellite data

　　本研究创新性地结合GOCI-MODIS卫星遥感与机器学习技术，构建了海岸带底层溶解氧（DO）浓度回归模型（R2=0.79）与缺氧分类模型（准确率85.7%）。通过引入底层温度、层化指标等预测因子，成功实现对韩国沿岸水域（2012-2020年）缺氧事件的高时空分辨率监测，为海洋生态系统健康预警提供关键技术支撑。

　　

数据

为开发基于机器学习的底层溶解氧（DO）浓度估算和缺氧检测模型，研究采用了韩国海洋环境管理公团（KOEM）和国立水产科学院（NIFS）在2012年至2020年间观测的DO浓度数据。这两套DO数据集均在海底以上约0.5米处测量，并被整合为一个单一的数据集用作响应变量。

基于观测的韩国沿岸水域缺氧时空分布

2012年至2020年间，KOEM的季度调查记录了99个缺氧站点计数，其中95个发生在8月。绝大多数（92个）发生在朝鲜海峡（KS）区域，其中79个位于镇海湾内；而在西海南部（WSS）/西海（WS）区域仅检测到3例，东海（ES）或济州海（JS）则未发现（图3）。

基于NIFS在2012年至2020年间的双周底层DO浓度数据，在KS内的六个海湾共记录了1202个缺氧站点计数，其中959个发生在...

卫星遥感的生物地球化学意义及引入额外预测因子的效果

卫星反演的表层变量，如海表温度（SST）和叶绿素a（Chl-a），通过已明确的生物地球化学途径，在底层缺氧形成中扮演着间接但重要的角色。较高的SST会降低海水中氧的溶解度（Wilson, 2010）并增强水体的层化作用（Dagg and Breed, 2003），这反过来抑制了垂直混合，限制了氧气向底层的输送（Bella, 1970）。叶绿素a浓度作为浮游植物生物量的指标...

结论

本研究利用GOCI和Aqua-MODIS遥感数据，在韩国沿岸水域开发了基于机器学习的底层DO浓度估算回归模型和缺氧检测分类模型。

在测试的模型中，高斯过程回归（GPR）被选为最优回归模型，而神经网络则是最佳分类模型。预测因子优化提高了模型精度，GPR模型的R²从0.70提升至0.72，神经网络的HO...