浙江农林大学环境与资源学院王懿祥教授团队于2024年10月26日在国际知名期刊《Water》发表题为《 Machine Learning Based Inversion of Water Quality Parameters in Typical Reach of Rural Wetland by Unmanned Aerial Vehicle Images》的研究成果。
此研究成果采用长光禹辰信息技术与装备（青岛）有限公司产品AQ600Pro多光谱传感器在无人机遥感技术监测农村湿地水质研究方面取得重要进展。
乡村湿地是河流、农田与村落交织的复杂景观，其水质状况直接关系到周边居民的健康福祉。相较于传统监测方法，无人机遥感技术能高效获取大面积水体的高分辨率信息，已成为水质评估的有效工具。然而，针对农村湿地这一特殊环境，特别是其水质季节性动态变化的无人机遥感监测研究仍相对缺乏。研究以浙江省嘉兴市祥符荡乡村湿地公园为对象，创新性地将无人机多光谱遥感影像与实地水样采集数据相结合，重点评估了总氮（TN）、总磷（TP）、化学需氧量（COD）和浊度（TUB）等关键水质参数在夏季和冬季的变化特征。
研究团队系统评估并比较了四种机器学习算法在基于无人机影像反演上述水质参数的性能。结果表明：人工神经网络（ANN）算法在反演TN、COD和TUB时表现最优，其验证集R²分别达到0.78、0.76和0.57；CatBoost算法则在TP反演中取得最佳效果，验证集R²为0.72，均方根误差（RMSE）为0.05 mg/L。基于最优模型的空间反演结果进一步揭示：研究区域水体夏季平均COD浓度（16.05 ± 9.87 mg/L）显著高于冬季（13.02 ± 8.22 mg/L）；而平均浊度（TUB）则呈现冬季（20.03 NTU）略高于夏季（18.39 NTU）的特点。
该研究成功验证了无人机多光谱遥感技术结合机器学习算法在农村湿地复杂环境下进行高精度、高效率水质监测的可行性与创新性，为深入理解农村湿地水环境的季节性变化规律提供了重要的科学依据和技术支撑，对区域水环境保护与管理决策具有积极的实践意义。
浙江农林大学为该论文通讯作者单位，环境与资源学院、碳中和学院教授王懿祥为该研究通讯作者，曾纳老师、马立帮硕士为该论文共同第一作者。
附：
论文信息：Zeng, N.; Ma, L.; Zheng, H.;Zhao, Y; He, Z.; Deng, S.; Wang, Y.Machine Learning Based Inversion of Water Quality Parameters in Typical Reach of Rural Wetland by Unmanned Aerial Vehicle lmages.
论文链接： https://www.mdpi.com/2073-4441/16/22/3163
