Research on the Inversion Method of Total Phosphorus Concentration in Water Bodies Based on PSO-Adam-BP Neural Network Model

方法

Sentinel-2多光谱与实测数据，NDTI等特征组合，PSO-Adam-BP

发现

R²达0.9351，平均相对误差由4.80%降至2.24%，精度显著优于BP与PSO-BP。

机会点

可迁移至其他内陆水体与多参数水质反演，探索时序泛化与跨区域迁移能力。

本研究以雄安新区白洋淀为研究对象，利用Sentinel-2多光谱影像和实地测量数据反演总磷（TP）浓度，旨在为水质评价和富营养化管理提供支持。基于Sentinel-2多光谱遥感数据和白洋淀水体总磷实测数据，研究采用NDTI、B5、B11-B12差值等特征组合及实测数据的敏感组合波段作为模型输入，构建了PSO-Adam-BP神经网络机器学习模型用于总磷浓度反演。与传统BP和PSO-BP基准模型相比，所提出的框架显著提高了模型精度，R²值达到0.9351。此外，该模型成功将平均相对误差最多降低53.5%，从4.80%降至2.24%，并将最大相对误差最多降低31.7%，从11.21%降至7.66%，展现出高度稳健且精确的反演性能。本研究为白洋淀水质检测提供了新方法，对雄安新区水环境保护与开发具有重要意义。