En hybrid empirisk och semi-analytisk inversionsmetod för fjärranalysberäkning av SPM i Ebinursjön, Kina

Varför dessa dammiga ökensjöar spelar roll

Ebinursjön i Kinas yttersta nordväst är en grund, salt sjö omgiven av öken. Dess vatten är tjockt av uppslamade partiklar av slam och salt. Dessa partiklar formar livsmiljön för saltskaldjur som skördas som värdefullt ”mjukt guld”, täpper igen bevattningssystem och, när sjöbottnen torkar, blir luftburna damm som påverkar närliggande orter. Men att följa hur dessa partiklar förändras över år är svårt i en så avlägsen region med få data. Denna studie visar hur man kan kombinera olika satellitsensorer och modelleringsmetoder för att på ett tillförlitligt sätt övervaka uppslamade partiklar (SPM) över mer än ett decennium i Ebinursjön och en liknande närliggande sjö.

Moln av partiklar över en krympande sjö

Ebinursjön är ett tydligt exempel på hur klimat och mänsklig påverkan omformar ökensjöar. Nederbörden är låg, avdunstningen intensiv, och starka vindar drar över det grunda vattnet ungefär två månader om året. Dessa vindar rör upp bottenmaterial i vattnet, vilket ökar SPM, och senare blåser det torkade sjöbottenmaterialet upp i omfattande salt- och dammstormar. Samtidigt har sjöns yta krympt och blottat mer bar sediment. Detta hotar både sjöns sköra våtmarks-ekosystem och den lokala ekonomin som är beroende av saltskaldjuren, vilka behöver lämplig vattentrösklighet för att trivas. Förvaltare behöver därför långsiktiga SPM-kartor som visar hur grumlighet varierar över sjön och över tid — något bara satelliter konsekvent kan tillhandahålla.

Att läsa sjöfärg från rymden

Satelliter som Landsat och Sentinel-2 avbildar regelbundet Ebinursjön i synligt och närinfrarött ljus. Studien mätte först hur Ebinurs ovanligt salta, grumliga vatten absorberar ljus över våglängder och separerade bidragen från uppslamade partiklar och lösta organiska ämnen. Författarna fann att runt 695 nanometer, i det djupa röda området, är sjöns absorption nästan samma som rent vatten, och att SPM skapar ett starkt signatur i intilliggande röda band. Denna insikt hjälper till att förankra ”semi-analytiska” modeller som kopplar vad satelliter ser (reflekterat ljus) till fysikaliska egenskaper som hur starkt partiklar absorberar och sprider ljus, vilket i sin tur relaterar till SPM-koncentration.

Att blanda fysisk insikt och datadrivna modeller

Teamet jämförde två modellfamiljer. Semi-analytiska modeller, såsom Quasi-Analytical Algorithm (QAA), använder kunskap om vattenoptik för att härleda SPM från satellitreflektans. Empiriska modeller — inklusive enkla exponentiella regressioner och flera maskininlärningsmetoder — lär sig ett direkt samband mellan reflektans och uppmätt SPM vid fältstationer. Med 227 vattenprover insamlade mellan 2011 och 2021 kalibrerade och testade de dessa modeller på Landsat 8- och Sentinel-2-bilder av Ebinursjön och kontrollerade sedan hur väl modellerna överfördes till Bostensjön, en klarare sjö med lägre SPM i samma region. De använde också en fusionsmetod kallad ESTARFM för att kombinera Landsat- och MODIS-data, fylla luckor i tidsserien och samtidigt behålla rödbandsreflektansen konsekvent.

Välja rätt verktyg för varje sensor

Resultaten visar att ingen enskild modell fungerar bäst i alla situationer. För Ebinursjöns typiskt höga SPM-nivåer presterade semi-analytiska modeller tydligt bättre än de flesta empiriska och maskininlärningsmodeller, och gav stabila kartor som överensstämde med de rumsliga mönstren i satellitbilderna samt uppnådde god överensstämmelse med mätningar i sjön. QAA-varianten anpassad till det röda bandet (runt 655–665 nanometer) fungerade särskilt väl för Landsat 8 och Sentinel-2, medan en noggrant vald exponentiell regression (EXPM) var mer lämplig för äldre Landsat 5/7-sensorer och för de fusionerade bilderna. Empiriska modeller tränade på Ebinur-data misslyckades i stor utsträckning när de applicerades på klarare Bostensjön och producerade ofta orealistiska, blockiga mönster där många närliggande pixlar hade identiska värden — ett tecken på att modeller som endast tränats på mycket grumliga vatten inte generaliserar till förhållanden med låg SPM.

Från lokal fallstudie till bredare riktlinjer

Genom att analysera hur Ebinursjöns vatten interagerar med ljus, harmonisera mätningar från olika satelliter och systematiskt testa fysiska och datadrivna modeller föreslår författarna ett praktiskt recept för långsiktig SPM-övervakning i hårda, datapoor miljöer. Använd en fysikstyrd QAA-ansats med moderna satelliter där det är möjligt; falla tillbaka på väluppförande empiriska modeller för äldre eller fusionerade dataset; och undvik att direkt transplantéra maskininlärningsmodeller från mycket grumliga till klara vatten. För lokala samhällen och miljöförvaltare innebär detta mer tillförlitliga kartor över när och var sjöar blir molniga av partiklar, vilket stödjer bättre skydd av akvatiska livsmiljöer, mer effektiv vattenanvändning och tidigare varningar om dammstormrisker i torra regioner världen över.

Citering: Liu, C., Xu, X., Wu, Y. et al. A hybrid empirical and semi analytical inversion approach for remote sensing estimation of SPM in Ebinur Lake China. Sci Rep 16, 10273 (2026). https://doi.org/10.1038/s41598-026-40250-x

Nyckelord: uppslamade partiklar, fjärranalys, torra sjöar, Landsat Sentinel, vattenkvalitetsövervakning