连续的高频水质监测已成为支持水管理的一项关键任务。尽管传感器技术取得了进步,但是某些变量仍无法轻松地和/或经济地就地和实时地进行监控。在这些情况下,可以使用替代度量通过数据驱动模型进行估计。在这项工作中,通常使用就地测量的变量作为替代指标,以利用机器学习模型(特别是随机森林)来估算农村流域和城市流域中养分的浓度。将结果与使用相同数量的代理进行线性建模的结果进行比较,可将均方根误差(RMSE)降低多达60.1%。计算出包括多达七个替代传感器的收益,得出结论,就错误改善而言,在每个集水区分别增加四个