BlueSignal
卫星遥感水质模型的泛化研究
用 USGS 公开数据检验:模型在随机划分下的精度,换到没见过的水体和区域时还成不成立。
真实结果表 · 可展开验证层级
随机 · R² 0.2140 · RMSE 1.6258
宏平均 / split 数 15。数据来自 paper/tables/table2_validation_hierarchy.md。
场景 · R² 0.1993 · RMSE 1.7856
宏平均 / split 数 10。数据来自 paper/tables/table2_validation_hierarchy.md。
时间 · R² 0.1775 · RMSE 1.2574
宏平均 / split 数 3。数据来自 paper/tables/table2_validation_hierarchy.md。
水体 · R² -1.2355 · RMSE 1.1776
宏平均 / split 数 10。数据来自 paper/tables/table2_validation_hierarchy.md。
严格水体 + 场景 · R² -1.2411 · RMSE 1.1830
宏平均 / split 数 10。数据来自 paper/tables/table2_validation_hierarchy.md。
区域 · R² 0.0171 · RMSE 1.8040
宏平均 / split 数 10。数据来自 paper/tables/table2_validation_hierarchy.md。
模型切换
SVR · 空间宏平均 R² -0.6106
Mean macro RMSE 1.4921。数据来自 table3_spatial_ood_model_comparison.md。
RandomForest · 空间宏平均 R² -3.0247
Mean macro RMSE 1.8276。数据来自 table3_spatial_ood_model_comparison.md。
Ridge · 空间宏平均 R² -41.1101
Mean macro RMSE 1.8915。数据来自 table3_spatial_ood_model_comparison.md。
XGBoost · 空间宏平均 R² -6.1683
Mean macro RMSE 2.0684。数据来自 table3_spatial_ood_model_comparison.md。
要解决的问题
很多遥感水质研究用随机划分评估模型,结果可能偏乐观。想量化模型推广到新水体、新区域时的真实表现。
核心功能
- 数据:USGS 发布的 13,805 条现场藻蓝蛋白与 Sentinel-2 同日匹配(2015–2024,CC0)
- 五级验证:随机 / 场景 / 时间 / 水体 / 区域,并做严格场景隔离
- 四个固定模型:Ridge、SVR、随机森林、XGBoost;预处理只在训练集内拟合
- 泄漏审计、证据锁定、可复现清单
实际完成情况
| 完成论文初稿 v2、6 张主图、5 张主表 |
| 已存 486,432 条预测的 48 组指标与汇总一致(独立复算记录) |
| 尚未投稿,结论待导师复核 |
| 核心结论是“现有模型不能直接跨水体推广”,不是一个高精度预测工具 |
系统架构
关键发现:随机划分 R² 约 0.2;按水体留出时宏平均 R² 明显为负,说明随机划分的结果不能代表新水体上的表现。
主要技术
Python、pandas、scikit-learn、XGBoost、matplotlib、Jupyter
运行截图
本人工作与 AI 使用
已知限制
- 水体留出只有 10 个分组,结论只适用于本数据集
- 未加入同期气象和更多水体光学特征
源码
暂未公开。需要时可提供代码讲解或现场演示。


