第十届全国数字山地学术研讨会

水体盐度表征天然水体的物理化学性质，是评估湖泊水质的重要参数。然而，由于盐度为非光学活性参数，遥感反演水体盐度的效率有限，导致像素级湖泊盐度数据集的缺乏。本研究基于Sentinel-2A/B MSI图像和准同步原位数据，利用机器学习方法（XGB、CNN、DNN、RFR）估算湖泊盐度。使用六种大气校正处理器（ACOLITE、C2RCC、POLYMER、MUMM、iCOR、Sen2Cor）对MSI图像的大气校正进行了测试。最精确的模型和大气校正方法是XGB模型和ACOLITE算法。该框架被用于构建湖泊盐度模型，并应用于2016至2024年内蒙古的8个湖泊生成了湖泊盐度数据集。基于该数据探讨了湖泊盐度的季节和年际变化，并探究盐度变化的潜在驱动因素。秋季和春季的平均盐度高于夏季。高盐度出现在湖泊中心，并趋于一致和均匀。气候因素是大多数湖泊盐度年际变化趋势的主要驱动因素，蒸发和降水具有主要贡献。

 

湖泊,水体盐度,遥感,机器学习