一种基于可解释混合物理引导神经网络（HPGNN）模型的水质遥感反演方法

本发明涉及一种基于可解释混合物理引导神经网络(HPGNN)模型的水质遥感反演方法。其步骤包括：从全球湖泊中收集具有全球代表性的地理标记原位水质参数浓度以及经过质量保证和辐射校正的1nm高光谱遥感反射率；利用遥感器光谱响应函数将其转换为传感器波段等效反射率；利用GEE提取时空匹配的水面遥感反射率；定义融合数据驱动、正则化和物理损失的混合自定义损失函数；针对各水质指标开发并训练使用转换后的反射率和混合自定义损失函数的可解释高精度光谱图神经网络模型HPGNN。本发明基于全球代表性数据，通过混合自定义损失函数开发出一种精准的水质评估方法，实现短长期时空动态分析，为水污染防治提供有效技术手段，具有广泛推广应用价值。